CN118151522A - 一种场景适配的伺服阀调节方法及*** - Google Patents
一种场景适配的伺服阀调节方法及*** Download PDFInfo
- Publication number
- CN118151522A CN118151522A CN202410547271.2A CN202410547271A CN118151522A CN 118151522 A CN118151522 A CN 118151522A CN 202410547271 A CN202410547271 A CN 202410547271A CN 118151522 A CN118151522 A CN 118151522A
- Authority
- CN
- China
- Prior art keywords
- control
- result
- scene
- parameter space
- servo valve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004044 response Effects 0.000 claims abstract description 90
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 230000006978 adaptation Effects 0.000 claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000004043 responsiveness Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种场景适配的伺服阀调节方法及***,涉及伺服阀控制技术领域,所述方法包括:构建企业数据集,进行应用场景的分布聚类,建立分布聚类结果,分布聚类结果带有使用频率和场景重要度标识;以分布聚类结果匹配伺服阀,进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间;以使用频率和场景重要度标识进行分布聚类结果的聚类关键值计算,重构侧重控制寻优权重;通过带有侧重寻优控制权重的适应度评价函数进行控制寻优,建立响应策略;以响应策略进行场景响应控制,通过响应监测结果进行控制调节,生成控制调节结果,进行适配伺服阀控制。实现提高伺服阀调节多场景适应性,提高调节控制水平的技术效果。
Description
技术领域
本发明涉及伺服阀控制技术领域,特别涉及一种场景适配的伺服阀调节方法及***。
背景技术
在控制***中,伺服阀是一种用于控制液压***中液压流量和压力的重要装置。现有技术中,伺服阀的调节通常依赖于预先设定的控制算法和参数,这种方法在某些特定场景下可能表现良好,但在面对复杂多变的工作环境时可能存在局限性,存在跨场景响应性不佳,调节控制困难的技术问题。
发明内容
本发明提供一种场景适配的伺服阀调节方法及***,以解决现有技术中跨场景响应性不佳,调节控制困难的技术问题,实现提高伺服阀调节多场景适应性,提高调节控制水平的技术效果。
第一方面,本发明提供了一种场景适配的伺服阀调节方法,其中,所述方法包括:
构建企业数据集,所述企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以所述企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,所述分布聚类结果带有使用频率和场景重要度标识;
以所述分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以所述阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间,其中,所述第一控制参数空间为与所述阀门特征的匹配度满足第一预设匹配阈值的参数控制空间,所述第二控制参数空间为与所述阀门特征的匹配度满足第二预设匹配阈值的参数控制空间,且所述第一预设匹配阈值大于所述第二预设匹配阈值;
以所述使用频率和所述场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,所述侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;
通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;
以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
该方法中,通过整合分布聚类、参数优化、控制寻优等技术,实现了对伺服阀控制的智能化和优化,提高了控制效率和精度。
在一种可行的实现方式中,通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,包括:
配置随机激活函数,执行0-1间的随机取值,并设定所述第一控制参数空间的阈值范围;
判断随机取值结果是否满足所述阈值范围,若满足,则此轮寻优在所述第一控制参数空间内进行,若不满足,则此轮寻优在所述第二控制参数空间内进行;
执行搜索迭代,根据搜索迭代结果完成控制寻优。
其中,第一控制参数空间的阈值范围比较大,第一控制参数空间是寻优的主空间,第二控制参数空间是为了避免局部最优或者寻优过程中搜索范围过小引入的变量,因此赋予较小的取值概率。进而在确保寻优的主要空间的同时,避免陷入局部最优。
在一种可行的实现方式中,执行搜索迭代,包括:
建立优解空间,在每轮迭代搜索过程中,通过带有侧重寻优控制权重的适应度评价函数进行搜索结果的适应度评价,并以适应度评价结果进行优解空间内解集更新;
判断在进行搜索迭代的过程中是否存在连续在第一控制参数空间内搜索且未更新优解空间的事件,其中,连续三次及三次以上在第一控制参数空间内搜索则判定为连续搜索;
若存在,则生成强制执行指令,以所述强制执行指令控制下一轮搜索迭代在第二控制参数空间内进行;
根据优解空间的更新结果完成搜索迭代。
在一种可行的实现方式中,以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,包括:
根据响应监测结果和响应策略进行一致性评价,生成一致性异常值;
建立环境的影响评价结果,以所述影响评价结果进行一致性异常值的异常分配,生成异常分配结果;
根据所述异常分配结果进行控制调节。
在一种可行的实现方式中,根据所述异常分配结果进行控制调节,包括:
基于异常分配结果进行适配伺服阀的侧重寻优控制权重稳态更新;
根据更新结果和影响评价结果进行控制寻优调整,生成更新寻优结果,以更新寻优结果来实现控制调节。
在一种可行的实现方式中,所述方法还包括:
判断所述一致性异常值是否满足预设偏离阈值;
若所述一致性异常值满足所述预设偏离阈值,则报出控制异常;
以所述控制异常进行适配伺服阀的停止检测。
在一种可行的实现方式中,所述方法还包括:
接收企业对于控制效果的控制反馈;
以所述控制反馈进行共性反馈提取,并以提取结果更新场景关键值,根据更新结果进行后续的响应策略寻优。
第二方面,本发明还提供了一种场景适配的伺服阀调节***,其中,所述***包括:
样本数据聚类模块,所述样本数据聚类模块用于构建企业数据集,所述企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以所述企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,所述分布聚类结果带有使用频率和场景重要度标识;
参数空间构建模块,所述参数空间构建模块用于以所述分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以所述阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间,其中,所述第一控制参数空间为与所述阀门特征的匹配度满足第一预设匹配阈值的参数控制空间,所述第二控制参数空间为与所述阀门特征的匹配度满足第二预设匹配阈值的参数控制空间,且所述第一预设匹配阈值大于所述第二预设匹配阈值;
权重重构模块,所述权重重构模块用于以所述使用频率和所述场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,所述侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;
控制寻优模块,所述控制寻优模块用于通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;
控制调节响应模块,所述控制调节响应模块用于以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
本发明公开了一种场景适配的伺服阀调节方法及***,包括:构建企业数据集,企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,分布聚类结果带有使用频率和场景重要度标识;以分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间;以使用频率和场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;以响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。本发明公开的一种场景适配的伺服阀调节方法及***解决了跨场景响应性不佳,调节控制困难的技术问题,实现提高伺服阀调节多场景适应性,提高调节控制水平的技术效果。
附图说明
图1为本发明一种场景适配的伺服阀调节方法的流程示意图;
图2为本发明一种场景适配的伺服阀调节***的结构示意图。
附图标记说明:样本数据聚类模块11、参数空间构建模块12、权重重构模块13、控制寻优模块14、控制调节响应模块15。
具体实施方式
本发明的实施例中所提供的技术方案,为解决现有技术存在的跨场景响应性不佳,调节控制困难的技术问题,所采用的整体思路如下:
首先,构建企业数据集,该数据集是通过与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合。接着,使用企业数据集进行应用场景的分布聚类,建立分布聚类结果。这些结果带有使用频率和场景重要度标识。然后,以分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征。利用阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间。接下来,利用使用频率和场景重要度标识计算分布聚类结果的聚类关键值,获取场景关键值。然后,结合场景关键值和使用需求,重新构建侧重控制寻优权重。这些权重用于控制稳定、响应速度和控制精度在适应度评价函数中的分配权重。随后,通过带有侧重寻优控制权重的适应度评价函数,在第一控制参数空间和第二控制参数空间进行控制寻优。建立与分布聚类结果对应的响应策略。最后,利用响应策略进行场景响应控制,并通过响应监测结果进行控制调节。生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明,以更好的理解上述技术方案。显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受仅用于解释本发明的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。此外,还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
图1为本发明一种场景适配的伺服阀调节方法的流程示意图;其中,包括:
构建企业数据集,所述企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以所述企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,所述分布聚类结果带有使用频率和场景重要度标识;
其中,企业数据集包括了目标企业历史伺服阀应用中累积的不同工况或场景的应用数据。示例性的,包括:伺服阀应用场景的场景特征参数,如介质种类、介质属性、环境条件、控制需求等;伺服阀运行数据、状态数据、性能数据等;
可选的,目标企业的数据通信建立连接,获取到需要的数据后,对采集到的数据进行清洗、去噪和标准化处理,去除重复、缺失或质量不佳的数据,提高企业数据集的可用性。
可选的,进行企业数据集的分布聚类,首先,交互目标企业,获取多个应用场景,如工程机械、机床、模具机械等;而后,提取企业数据集的特征数据,选择合适的特征描述数据的属性和状态,如上述的介质种类、介质属性、环境条件、控制需求、伺服阀运行数据、状态数据、性能数据等。接着,选择适合场景的分布聚类算法,如基于密度的DBSCAN、基于原型的K-means等,根据数据特点对数据集进行聚类操作,将数据点划分为不同的簇。优选的,对于已知应用场景的企业数据集,采取K-means算法。
可选的,获取聚类结果后,对聚类结果进行分析与验证,评估每个簇的质量和意义,调整聚类参数以获得合适的聚类结果,如聚类中心数、密度阈值等。而后,根据聚类结果和场景定义,识别每个簇所代表的应用场景,并确定每个场景的重要性和使用频率。通过以上步骤,构建企业数据集并进行分布聚类,对伺服阀的应用场景进行细分和频率分析,有助于后续对伺服阀调节的场景适配。
以所述分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以所述阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间,其中,所述第一控制参数空间为与所述阀门特征的匹配度满足第一预设匹配阈值的参数控制空间,所述第二控制参数空间为与所述阀门特征的匹配度满足第二预设匹配阈值的参数控制空间,且所述第一预设匹配阈值大于所述第二预设匹配阈值;
可选的,基于分布聚类结果,调用场景特征与场景控制需求特征,进行多场景伺服阀的匹配,其中,场景特征与场景控制需求特征为伺服阀索引特征,伺服阀参数特征为响应特征。若伺服阀的工作环境参数与性能参数与场景特征与场景控制需求特征的适配度满足预设的适配度阈值,则将该伺服阀标记为适配伺服阀,每个适配伺服阀具有适配场景标记。
可选的,每个应用场景具有多个适配伺服阀与对应的多个阀门特征,且每个阀门特征具有关联标记的适配度,基于第一预设匹配阈值与第二预设匹配阈值,进行基于多个阀门特征的参数控制空间分配,第一预设匹配阈值大于第二预设匹配阈值。
示例性的,若关联标记的适配度同时满足第一预设匹配阈值与第二预设匹配阈值,则将该适配度对应的阀门特征存入第一控制参数空间;若关联标记的适配度满足第二预设匹配阈值且不满足第一预设匹配阈值,则将该适配度对应的阀门特征存入第二控制参数空间。
也就是说,第一控制参数空间为第二控制参数空间的子集,第二控制参数空间的空间范围较大,用于进行寻优空间的扩充,以避免后续寻优生成陷入局部最优。
以所述使用频率和所述场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,所述侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;
可选的,基于使用频率和场景重要度标识进行分布聚类结果的聚类关键值计算,具有较高使用频率或具有较高重要度的场景的关键值较高。示例性的,首先,以每个场景在整个数据集中出现的频率作为第一权重,以场景重要度为第二权重,场景重要度根据业务需求进行定义。如根据场景对业务目标的影响程度来定义的定量指标。而后,基于第一权重与第二权重,计算获取场景关键值,场景关键值是第一权重与第二权重的乘积,表示场景在数据集中的综合重要性。
可选的,重构侧重控制寻优权重,基于场景关键值对使用需求进行加权累积实现。其中,使用需求包括控制稳定需求、响应速度需求、控制精度需求。具体的,首先,基于场景关键值对多个应用场景的使用需求进行计权乘积,获取多个场景计权需求,该场景计权需求包括计权控制稳定需求、计权响应速度需求、计权控制精度需求;而后,遍历多个场景计权需求,构建累加器,分别对控制稳定需求、响应速度需求、控制精度需求进行累加,获取控制稳定、响应速度、控制精度的初始累加值。最后,进行归一化,根据归一化后的权重值确定最终的权重分配。累价值较高的需求项在适应度评价函数中具有较高的权重。
通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;
可选的,根据侧重寻优控制权重,定义适应度评价函数。该函数通过考虑控制稳定性、响应速度和控制精度等因素,以适应性评价寻优过程中获取的响应策略的优劣。
可选的,基于优化算法,以适应度评价函数为代价函数,在第一控制参数空间中进行优化,以确定最佳的控制参数设置。适应度评价函数值较高的响应策略被认为具有较高的响应效果,以最大程度地满足多个应用场景的关键值和使用需求。
可选的,根据第一控制参数空间和第二控制参数空间的优化结果,建立与分布聚类结果对应的响应策略。这些策略包括根据实时场景需求调整控制参数,以实现对应的控制目标,如位置控制、压力控制、开度控制、速度控制等。
通过以上步骤,根据分布聚类结果和使用需求,建立与之对应的响应策略,从而实现控制寻优和优化控制参数设置。
以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
可选的,基于获取的响应策略,进行目标企业的目标场景的响应控制,同时,进行伺服阀的控制监测,包括监测伺服阀的工作状态与响应控制的控制效果。而后,基于响应监测结果,进行伺服阀控制的调节优化,包括对伺服阀控制特性曲线的校正与响应策略的补偿,以提高控制效果和适应性。
在一些实施例中,通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,包括:
配置随机激活函数,执行0-1间的随机取值,并设定所述第一控制参数空间的阈值范围;
判断随机取值结果是否满足所述阈值范围,若满足,则此轮寻优在所述第一控制参数空间内进行,若不满足,则此轮寻优在所述第二控制参数空间内进行;
执行搜索迭代,根据搜索迭代结果完成控制寻优。
换而言之,通过随机取值与阈值范围的设定,进行寻优空间的扩充检索,其中,第一控制参数空间的阈值范围决定了于第一控制参数空间进行寻优的概率,且该阈值范围小于1。若随机取值结果不满足阈值范围,则于第二控制参数空间内进行当轮寻优,从而避免局部最优。
在一些实现方式中,执行搜索迭代,包括:
建立优解空间,在每轮迭代搜索过程中,通过带有侧重寻优控制权重的适应度评价函数进行搜索结果的适应度评价,并以适应度评价结果进行优解空间内解集更新;
判断在进行搜索迭代的过程中是否存在连续在第一控制参数空间内搜索且未更新优解空间的事件,其中,连续三次及三次以上在第一控制参数空间内搜索则判定为连续搜索;
若存在,则生成强制执行指令,以所述强制执行指令控制下一轮搜索迭代在第二控制参数空间内进行;
根据优解空间的更新结果完成搜索迭代。
可选的,执行搜索迭代,首先,建立一个优解空间,该优解空间包含了具有较高的适应度评价结果的多个寻优中间解。示例性的,基于位末淘汰进行优解空间的解集更新。有助于保留具有高适应度评价结果的解,同时不断淘汰掉适应度较低的解,从而逐步优化解的质量。
可选的,判断在搜索迭代过程中是否存在连续在第一控制参数空间内搜索且未更新优解空间的事件,示例性的,若在第一控制参数空间内进行搜索迭代连续发生三次及三次以上,则判定为存在连续搜索,接着,比较该连续搜索前后的优解空间,若连续搜索前后的优解空间一致,则说明迭代寻优存在陷入局部最优的风险,生成强制执行指令,指示下一轮搜索迭代在第二控制参数空间内进行搜索,实现在搜索过程中有效地探索解空间,寻找最优解。
可选的,根据优解空间的更新结果,完成本轮搜索迭代,包括在第一控制参数空间内搜索或在第二控制参数空间内搜索,直到满足停止条件为止。示例性的,停止条件包括优解空间中的最优解连续预设次数不发生变动、迭代满足预设的迭代次数或优解空间中的最优解满足预设的适应度阈值。
在一些实施例中,以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,包括:
根据响应监测结果和响应策略进行一致性评价,生成一致性异常值;
建立环境的影响评价结果,以所述影响评价结果进行一致性异常值的异常分配,生成异常分配结果;
根据所述异常分配结果进行控制调节。
可选的,对响应监测结果和响应策略进行一致性评价,生成的一致性异常值反映了响应监测结果与预期的响应策略间的偏离程度。具体的,包括检查***的输出是否符合预期的性能参数。
可选的,若一致性异常值大于预设的一致性控制值,则说明以响应策略进行场景响应控制存在较大的偏差,需要进行控制调节。则进行目标场景的环境影响评价,获取影响评价结果。其中,环境的影响评价结果反映了环境中不同环境因子对***一致性的影响程度。如温度、固有误差、设备校正误差等对***运行的影响,并提供量化的评价值。
可选的,以影响评价结果进行一致性异常值的异常分配,进而确定不同环境因素对异常值的贡献比例,示例性的,对影响评价结果进行归一化处理,并基于归一化的影响评价结果进行异常分配。影响程度较大的环境因素具有较高的异常分配值。
在一些实现方式中,根据所述异常分配结果进行控制调节,包括:
基于异常分配结果进行适配伺服阀的侧重寻优控制权重稳态更新;
根据更新结果和影响评价结果进行控制寻优调整,生成更新寻优结果,以更新寻优结果来实现控制调节。
可选的,根据异常分配结果,调整侧重寻优控制权重,以更好地适应***当前的异常情况。包括对控制稳定性、响应速度和控制精度等方面的权衡。而后,根据更新的权重和影响评价结果,对控制参数进行调整,以实现对伺服阀控制的优化,以达到更好的控制效果。
进一步的,所述方法还包括:
判断所述一致性异常值是否满足预设偏离阈值;
若所述一致性异常值满足所述预设偏离阈值,则报出控制异常;
以所述控制异常进行适配伺服阀的停止检测。
可选的,若一致性异常值大于等于预设偏离阈值,则说明伺服阀的控制存在较大偏差,需要进行应急响应,以确保目标应用场景的应用安全性。
示例性的,以控制异常停止对伺服阀的调整和检测操作,以避免进一步的异常情况发生;通知相关人员或***等。
进一步的,所述方法还包括:
接收企业对于控制效果的控制反馈;
以所述控制反馈进行共性反馈提取,并以提取结果更新场景关键值,根据更新结果进行后续的响应策略寻优。
可选的,基于企业的控制效果反馈,进行场景关键值的更新,具体的,进行控制反馈的解析累加,提取共性反馈。该共性反馈代表了实际控制中较常出现的控制优化目标。示例性的,包括场景关键值的变动。
综上所述,本发明所提供的一种场景适配的伺服阀调节方法具有如下技术效果:
通过构建企业数据集,企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,分布聚类结果带有使用频率和场景重要度标识;以分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间;以使用频率和场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;以响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。实现提高伺服阀调节多场景适应性,提高调节控制水平的技术效果。
实施例二
图2是本发明一种场景适配的伺服阀调节***的结构示意图。例如,图1中本发明一种场景适配的伺服阀调节方法的流程示意图可以通过如图2所示的结构实现。
基于与所述实施例中一种场景适配的伺服阀调节方法同样的构思,本发明还提供的一种场景适配的伺服阀调节***包括:
样本数据聚类模块11,用于构建企业数据集,所述企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以所述企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,所述分布聚类结果带有使用频率和场景重要度标识;
参数空间构建模块12,用于以所述分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以所述阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间,其中,所述第一控制参数空间为与所述阀门特征的匹配度满足第一预设匹配阈值的参数控制空间,所述第二控制参数空间为与所述阀门特征的匹配度满足第二预设匹配阈值的参数控制空间,且所述第一预设匹配阈值大于所述第二预设匹配阈值;
权重重构模块13,用于以所述使用频率和所述场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,所述侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;
控制寻优模块14,用于通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;
控制调节响应模块15,所述控制调节响应模块用于以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
进一步的,控制寻优模块14包括:
随机激活单元,用于配置随机激活函数,执行0-1间的随机取值,并设定所述第一控制参数空间的阈值范围;
空间选取单元,用于判断随机取值结果是否满足所述阈值范围,若满足,则此轮寻优在所述第一控制参数空间内进行,若不满足,则此轮寻优在所述第二控制参数空间内进行;
迭代搜索单元,用于执行搜索迭代,根据搜索迭代结果完成控制寻优。
在一些实现方式中,控制寻优模块14中迭代搜索单元包括:
解集更新单元,用于建立优解空间,在每轮迭代搜索过程中,通过带有侧重寻优控制权重的适应度评价函数进行搜索结果的适应度评价,并以适应度评价结果进行优解空间内解集更新;
连续判定单元,用于判断在进行搜索迭代的过程中是否存在连续在第一控制参数空间内搜索且未更新优解空间的事件,其中,连续三次及三次以上在第一控制参数空间内搜索则判定为连续搜索;
强制跳出单元,用于若存在,则生成强制执行指令,以所述强制执行指令控制下一轮搜索迭代在第二控制参数空间内进行;
迭代更新单元,用于根据优解空间的更新结果完成搜索迭代。
进一步的,控制调节响应模块15包括:
一致性评价单元,用于根据响应监测结果和响应策略进行一致性评价,生成一致性异常值;
异常分配单元,用于建立环境的影响评价结果,以所述影响评价结果进行一致性异常值的异常分配,生成异常分配结果;
控制调节单元,用于根据所述异常分配结果进行控制调节。
在一些实现方式中,控制调节响应模块15中控制调节单元包括:
权重更新单元,用于基于异常分配结果进行适配伺服阀的侧重寻优控制权重稳态更新;
更新寻优单元,用于根据更新结果和影响评价结果进行控制寻优调整,生成更新寻优结果,以更新寻优结果来实现控制调节。
在一些实现方式中,所述***还包括:
偏离检测单元,用于判断所述一致性异常值是否满足预设偏离阈值;
异常报告单元,用于若所述一致性异常值满足所述预设偏离阈值,则报出控制异常;
检测中止单元,用于以所述控制异常进行适配伺服阀的停止检测。
在一些实现方式中,所述***还包括:
反馈采集单元,用于接收企业对于控制效果的控制反馈;
反馈修正单元,用于以所述控制反馈进行共性反馈提取,并以提取结果更新场景关键值,根据更新结果进行后续的响应策略寻优。
应当理解的是,本说明书中所提及的实施例重点在其与其他实施例的不同,前述实施例一中的具体实施例,同样适用于实施例二所述的一种场景适配的伺服阀调节***,为了说明书的简洁,在此不做进一步的展开。
应当理解的是,本发明所公开的实施例及上述说明,可以使得本领域的技术人员运用本发明实现本发明。同时本发明不被限制于上述所提到的这部分实施例,应当理解:本领域的普通技术人员依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种场景适配的伺服阀调节方法,其特征在于,所述方法包括:
构建企业数据集,所述企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以所述企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,所述分布聚类结果带有使用频率和场景重要度标识;
以所述分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以所述阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间,其中,所述第一控制参数空间为与所述阀门特征的匹配度满足第一预设匹配阈值的参数控制空间,所述第二控制参数空间为与所述阀门特征的匹配度满足第二预设匹配阈值的参数控制空间,且所述第一预设匹配阈值大于所述第二预设匹配阈值;
以所述使用频率和所述场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,所述侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;
通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;
以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
2.如权利要求1所述的方法,其特征在于,所述通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,包括:
配置随机激活函数,执行0-1间的随机取值,并设定所述第一控制参数空间的阈值范围;
判断随机取值结果是否满足所述阈值范围,若满足,则此轮寻优在所述第一控制参数空间内进行,若不满足,则此轮寻优在所述第二控制参数空间内进行;
执行搜索迭代,根据搜索迭代结果完成控制寻优。
3.如权利要求2所述的方法,其特征在于,所述执行搜索迭代,包括:
建立优解空间,在每轮迭代搜索过程中,通过带有侧重寻优控制权重的适应度评价函数进行搜索结果的适应度评价,并以适应度评价结果进行优解空间内解集更新;
判断在进行搜索迭代的过程中是否存在连续在第一控制参数空间内搜索且未更新优解空间的事件,其中,连续三次及三次以上在第一控制参数空间内搜索则判定为连续搜索;
若存在,则生成强制执行指令,以所述强制执行指令控制下一轮搜索迭代在第二控制参数空间内进行;
根据优解空间的更新结果完成搜索迭代。
4.如权利要求1所述的方法,其特征在于,所述以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,包括:
根据响应监测结果和响应策略进行一致性评价,生成一致性异常值;
建立环境的影响评价结果,以所述影响评价结果进行一致性异常值的异常分配,生成异常分配结果;
根据所述异常分配结果进行控制调节。
5.如权利要求4所述的方法,其特征在于,所述根据所述异常分配结果进行控制调节,包括:
基于异常分配结果进行适配伺服阀的侧重寻优控制权重稳态更新;
根据更新结果和影响评价结果进行控制寻优调整,生成更新寻优结果,以更新寻优结果来实现控制调节。
6.如权利要求4所述的方法,其特征在于,所述方法还包括:
判断所述一致性异常值是否满足预设偏离阈值;
若所述一致性异常值满足所述预设偏离阈值,则报出控制异常;
以所述控制异常进行适配伺服阀的停止检测。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
接收企业对于控制效果的控制反馈;
以所述控制反馈进行共性反馈提取,并以提取结果更新场景关键值,根据更新结果进行后续的响应策略寻优。
8.一种场景适配的伺服阀调节***,其特征在于,所述***包括:
样本数据聚类模块,所述样本数据聚类模块用于构建企业数据集,所述企业数据集为建立与目标企业数据通信后,进行伺服阀应用数据采集而构建的数据集合,以所述企业数据集进行应用场景的分布聚类,建立分布聚类结果,其中,所述分布聚类结果带有使用频率和场景重要度标识;
参数空间构建模块,所述参数空间构建模块用于以所述分布聚类结果匹配伺服阀,建立适配伺服阀的阀门特征,以所述阀门特征进行历史阀门控制数据匹配,构建第一控制参数空间和第二控制参数空间,其中,所述第一控制参数空间为与所述阀门特征的匹配度满足第一预设匹配阈值的参数控制空间,所述第二控制参数空间为与所述阀门特征的匹配度满足第二预设匹配阈值的参数控制空间,且所述第一预设匹配阈值大于所述第二预设匹配阈值;
权重重构模块,所述权重重构模块用于以所述使用频率和所述场景重要度标识进行分布聚类结果的聚类关键值计算,获取场景关键值,以场景关键值和使用需求重构侧重控制寻优权重,所述侧重控制寻优权重为适应度评价函数中的控制稳定、响应速度、控制精度的分配权重;
控制寻优模块,所述控制寻优模块用于通过带有侧重寻优控制权重的适应度评价函数在第一控制参数空间和第二控制参数空间进行控制寻优,建立与分布聚类结果对应的响应策略;
控制调节响应模块,所述控制调节响应模块用于以所述响应策略进行场景响应控制,并通过响应监测结果进行控制调节,生成控制调节结果,以控制调节结果进行场景适配的适配伺服阀控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410547271.2A CN118151522A (zh) | 2024-05-06 | 2024-05-06 | 一种场景适配的伺服阀调节方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410547271.2A CN118151522A (zh) | 2024-05-06 | 2024-05-06 | 一种场景适配的伺服阀调节方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118151522A true CN118151522A (zh) | 2024-06-07 |
Family
ID=91288807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410547271.2A Pending CN118151522A (zh) | 2024-05-06 | 2024-05-06 | 一种场景适配的伺服阀调节方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118151522A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005002385A1 (de) * | 2005-01-19 | 2006-07-20 | Robert Bosch Gmbh | Verfahren zur Steuerung eines elektrohydraulischen Arbeitszylinders |
CN106772256A (zh) * | 2016-12-20 | 2017-05-31 | 中国航空工业集团公司雷华电子技术研究所 | 一种有源相控阵雷达天线子阵划分方法 |
CN115641231A (zh) * | 2022-11-01 | 2023-01-24 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种电力***典型场景提取方法、***、电子设备及介质 |
CN116241526A (zh) * | 2023-05-12 | 2023-06-09 | 苏州海卓伺服驱动技术有限公司 | 一种智能化的伺服阀模式调节方法及*** |
CN117175664A (zh) * | 2023-11-02 | 2023-12-05 | 南通国轩新能源科技有限公司 | 基于使用场景的储能充电设备输出功率自适应调节*** |
CN117648352A (zh) * | 2023-12-05 | 2024-03-05 | 吉林大学 | 基于个性化交互跟驰模型的智能汽车关键场景生成方法 |
-
2024
- 2024-05-06 CN CN202410547271.2A patent/CN118151522A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005002385A1 (de) * | 2005-01-19 | 2006-07-20 | Robert Bosch Gmbh | Verfahren zur Steuerung eines elektrohydraulischen Arbeitszylinders |
CN106772256A (zh) * | 2016-12-20 | 2017-05-31 | 中国航空工业集团公司雷华电子技术研究所 | 一种有源相控阵雷达天线子阵划分方法 |
CN115641231A (zh) * | 2022-11-01 | 2023-01-24 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种电力***典型场景提取方法、***、电子设备及介质 |
CN116241526A (zh) * | 2023-05-12 | 2023-06-09 | 苏州海卓伺服驱动技术有限公司 | 一种智能化的伺服阀模式调节方法及*** |
CN117175664A (zh) * | 2023-11-02 | 2023-12-05 | 南通国轩新能源科技有限公司 | 基于使用场景的储能充电设备输出功率自适应调节*** |
CN117648352A (zh) * | 2023-12-05 | 2024-03-05 | 吉林大学 | 基于个性化交互跟驰模型的智能汽车关键场景生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109343995A (zh) | 基于多源异构数据融合、机器学习及客服机器人的智能运维分析*** | |
Louen et al. | A new framework for remaining useful life estimation using support vector machine classifier | |
CN113570200B (zh) | 一种基于多维信息的电网运行状态监测方法及*** | |
CN112987666A (zh) | 电厂机组运行优化调控方法及*** | |
US11258659B2 (en) | Management and control for IP and fixed networking | |
CN109740859A (zh) | 基于主成分分析法和支持向量机的变压器状态评估方法及*** | |
CN111949631B (zh) | 一种确定数据库的配置参数的方法及装置 | |
US11860608B2 (en) | Industrial equipment operation, maintenance and optimization method and system based on complex network model | |
CN116683588B (zh) | 锂离子电池充放电控制方法及*** | |
CN112598172A (zh) | 一种风电机组轴承温度预警方法 | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及*** | |
CN115774652B (zh) | 一种基于聚类算法的群控设备健康监测方法、设备及介质 | |
CN113570138A (zh) | 一种时间卷积网络的设备剩余使用寿命预测方法及装置 | |
CN114896861A (zh) | 基于平方根容积卡尔曼滤波的滚动轴承剩余寿命预测方法 | |
CN112529053A (zh) | 一种服务器中时序数据短期预测方法及*** | |
CN115550195A (zh) | 流量抑制预测方法、电子设备、存储介质 | |
CN117664218A (zh) | 一种真空冷冻干燥机的校准方法 | |
CN116382224B (zh) | 一种基于数据分析的包装设备监测方法及*** | |
CN118151522A (zh) | 一种场景适配的伺服阀调节方法及*** | |
CN116466672B (zh) | 基于人工智能的数据中心机房参数调控方法及相关装置 | |
CN111026624B (zh) | 电网信息***的故障预测方法、装置 | |
CN116030955B (zh) | 基于物联网的医疗设备状态监测方法及相关装置 | |
CN108985563B (zh) | 一种基于自组织特征映射的机电***服役动态标记方法 | |
CN110928741B (zh) | ***状态监视方法、装置和存储介质 | |
Tao et al. | Study on fault detection using wavelet packet and SOM neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |