本發(fā)明屬于化工生產(chǎn)，尤其涉及一種基于人工智能的化工流程智能監(jiān)控方法及系統(tǒng)。

背景技術(shù)：

1、化工流程智能監(jiān)控系統(tǒng)在實際應(yīng)用中面臨著數(shù)據(jù)質(zhì)量和模型準(zhǔn)確性的挑戰(zhàn)。首先，化工流程中的數(shù)據(jù)采集環(huán)境復(fù)雜，傳感器易受干擾，導(dǎo)致采集到的數(shù)據(jù)中存在噪聲、異常值等，影響數(shù)據(jù)質(zhì)量。其次，化工流程的物理機理復(fù)雜，涉及多種物質(zhì)的轉(zhuǎn)化和能量傳遞，建立精確的物理模型難度大。而數(shù)據(jù)驅(qū)動模型雖然能夠從歷史數(shù)據(jù)中學(xué)習(xí)流程特征，但面臨著數(shù)據(jù)不足、工況變化等問題，導(dǎo)致模型泛化能力不足。

2、此外，化工流程的控制目標(biāo)多樣，既要保證產(chǎn)品質(zhì)量，又要兼顧能耗、安全等因素，設(shè)計智能控制算法需要權(quán)衡多個目標(biāo)之間的平衡。同時，化工流程的工況變化頻繁，控制算法需要具備一定的自適應(yīng)能力，能夠根據(jù)工況變化自動調(diào)整控制策略。最后，智能監(jiān)控系統(tǒng)需要與現(xiàn)有的控制系統(tǒng)、mes系統(tǒng)等集成，實現(xiàn)數(shù)據(jù)的無縫對接和交互，這對系統(tǒng)的兼容性和穩(wěn)定性提出了挑戰(zhàn)。因此，如何在復(fù)雜的化工流程中，構(gòu)建高質(zhì)量的數(shù)據(jù)采集與處理機制，建立魯棒性強、泛化能力好的流程模型，設(shè)計多目標(biāo)優(yōu)化的智能控制算法，實現(xiàn)與現(xiàn)有系統(tǒng)的有效集成，是化工流程智能監(jiān)控系統(tǒng)需要解決的關(guān)鍵技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明提出了一種基于人工智能的化工流程智能監(jiān)控方法及系統(tǒng)，以解決上述現(xiàn)有技術(shù)存在的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種基于人工智能的化工流程智能監(jiān)控方法，包括以下步驟：

3、通過分布式傳感器網(wǎng)絡(luò)獲取化工流程的原始數(shù)據(jù)流，并對所述原始數(shù)據(jù)流進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；

4、根據(jù)所述預(yù)處理數(shù)據(jù)集，采用長短期記憶網(wǎng)絡(luò)構(gòu)建初始預(yù)測模型，所述初始預(yù)測模型用于捕捉化工流程的時序特征；

5、根據(jù)化工流程的物理機理建立機理模型，將機理模型的輸出與所述初始預(yù)測模型的預(yù)測結(jié)果通過加權(quán)平均方法進行融合，得到混合數(shù)據(jù)；

6、根據(jù)混合數(shù)據(jù)獲取工況變化特征，根據(jù)所述工況變化特征建立工況識別模型，當(dāng)通過所述工況識別模型檢測到工況發(fā)生變化時，則觸發(fā)控制策略調(diào)整機制，采用自適應(yīng)控制算法根據(jù)最優(yōu)控制參數(shù)集合更新控制參數(shù)。

7、優(yōu)選地，對所述原始數(shù)據(jù)流進行預(yù)處理包括：

8、采用多源數(shù)據(jù)融合技術(shù)進行時間對齊處理，得到同步數(shù)據(jù)集合；

9、基于滑動窗口機制對所述同步數(shù)據(jù)集合進行分段處理，對每個數(shù)據(jù)段采用小波變換方法進行去噪處理，得到去噪后的數(shù)據(jù)序列；

10、通過孤立森林算法對所述去噪后的數(shù)據(jù)序列進行異常值檢測，對檢測到的異常值進行清洗，得到清洗后的數(shù)據(jù)集合。

11、優(yōu)選地，采用多源數(shù)據(jù)融合技術(shù)進行時間對齊處理包括：

12、采用卡爾曼濾波算法，對不同數(shù)據(jù)源的數(shù)據(jù)進行時間戳對齊處理；通過數(shù)據(jù)插值和數(shù)據(jù)補償技術(shù)，實現(xiàn)多源異構(gòu)數(shù)據(jù)的時間同步。

13、優(yōu)選地，得到去噪后的數(shù)據(jù)序列包括：

14、采用滑動窗口機制對數(shù)據(jù)進行分段處理，將數(shù)據(jù)集合劃分為多個數(shù)據(jù)段；針對每個數(shù)據(jù)段，使用小波變換方法對其進行去噪處理，通過小波變換將噪聲數(shù)據(jù)從原始數(shù)據(jù)中分離出來；采用插值算法對噪聲數(shù)據(jù)進行修正，將去噪后的數(shù)據(jù)段重新組合，得到去噪數(shù)據(jù)序列。

15、優(yōu)選地，得到清洗后的數(shù)據(jù)集合包括：

16、采用孤立森林算法構(gòu)建異常檢測模型；根據(jù)預(yù)設(shè)的異常閾值，判斷每個數(shù)據(jù)點是否為異常值；若數(shù)據(jù)點與異常閾值匹配，則將其標(biāo)記為異常點；獲取所有未被標(biāo)記為異常點的數(shù)據(jù)，形成清洗后的數(shù)據(jù)子集；通過對清洗后的數(shù)據(jù)子集進行聚類分析，得到不同類別的數(shù)據(jù)集合。

17、優(yōu)選地，采用自適應(yīng)控制算法根據(jù)最優(yōu)控制參數(shù)集合更新控制參數(shù)包括：

18、通過時間序列分析算法判斷混合數(shù)據(jù)的變化趨勢，獲得工況變化特征；根據(jù)所述工況變化特征，采用支持向量機算法建立工況識別模型；利用建立的工況識別模型實時監(jiān)測工況變化，若模型判斷工況發(fā)生顯著變化，則觸發(fā)控制策略調(diào)整機制；在觸發(fā)控制策略調(diào)整時，采用強化學(xué)習(xí)算法搜索最優(yōu)控制參數(shù)集合，通過獎勵函數(shù)引導(dǎo)算法優(yōu)化控制效果；將搜索得到的最優(yōu)控制參數(shù)集合輸入自適應(yīng)控制算法，根據(jù)工況變化特征動態(tài)調(diào)整pid控制器的參數(shù)。

19、本發(fā)明還公開了一種基于人工智能的化工流程智能監(jiān)控系統(tǒng)，包括：

20、數(shù)據(jù)獲取與預(yù)處理模塊，用于通過分布式傳感器網(wǎng)絡(luò)獲取化工流程的原始數(shù)據(jù)流，并對所述原始數(shù)據(jù)流進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；

21、初始預(yù)測模型構(gòu)建模塊，用于根據(jù)所述預(yù)處理數(shù)據(jù)集，采用長短期記憶網(wǎng)絡(luò)構(gòu)建初始預(yù)測模型，所述初始預(yù)測模型用于捕捉化工流程的時序特征；

22、融合模塊，用于根據(jù)化工流程的物理機理建立機理模型，將機理模型的輸出與所述初始預(yù)測模型的預(yù)測結(jié)果通過加權(quán)平均方法進行融合，得到混合數(shù)據(jù)；

23、工況識別與控制調(diào)整模塊，用于根據(jù)混合數(shù)據(jù)獲取工況變化特征，根據(jù)所述工況變化特征建立工況識別模型，當(dāng)通過所述工況識別模型檢測到工況發(fā)生變化時，則觸發(fā)控制策略調(diào)整機制，采用自適應(yīng)控制算法根據(jù)最優(yōu)控制參數(shù)集合更新控制參數(shù)。

24、本發(fā)明還公開了一種計算機裝置，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)所述方法的步驟。

25、本發(fā)明還公開了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)所述方法的步驟。

26、本發(fā)明還公開了一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)所述方法的步驟。

27、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和技術(shù)效果：

28、本發(fā)明公開了一種基于人工智能的化工流程智能監(jiān)控方法及系統(tǒng)。首先對分布式傳感器網(wǎng)絡(luò)的原始數(shù)據(jù)進行多源融合和預(yù)處理，包括時間對齊、滑動窗口分段和小波去噪。然后利用孤立森林算法檢測異常值，清洗數(shù)據(jù)集。接著，結(jié)合長短期記憶網(wǎng)絡(luò)構(gòu)建的數(shù)據(jù)驅(qū)動模型和基于物理機理的機理模型，通過加權(quán)融合形成混合預(yù)測模型，以提高對化工流程時序特征的捕捉能力和預(yù)測精度。最后，建立工況識別模型實時監(jiān)測關(guān)鍵參數(shù)變化，一旦檢測到工況變化，則觸發(fā)自適應(yīng)控制算法，動態(tài)調(diào)整控制策略。本發(fā)明通過數(shù)據(jù)驅(qū)動與機理模型相結(jié)合的混合建模方法，以及工況自適應(yīng)的智能控制策略，實現(xiàn)了對復(fù)雜多變化工流程的精確建模和智能控制，提高了生產(chǎn)效率和安全性。

技術(shù)特征：

1.一種基于人工智能的化工流程智能監(jiān)控方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述原始數(shù)據(jù)流進行預(yù)處理包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，采用多源數(shù)據(jù)融合技術(shù)進行時間對齊處理包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，得到去噪后的數(shù)據(jù)序列包括：

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，得到清洗后的數(shù)據(jù)集合包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用自適應(yīng)控制算法根據(jù)最優(yōu)控制參數(shù)集合更新控制參數(shù)包括：

7.一種基于人工智能的化工流程智能監(jiān)控系統(tǒng)，其特征在于，包括：

8.一種計算機裝置，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序以實現(xiàn)權(quán)利要求1-6任一項所述方法的步驟。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-6任一項所述方法的步驟。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-6任一項所述方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種基于人工智能的化工流程智能監(jiān)控方法及系統(tǒng)，包括以下步驟：通過分布式傳感器網(wǎng)絡(luò)獲取化工流程的原始數(shù)據(jù)流，并對原始數(shù)據(jù)流進行預(yù)處理，獲得預(yù)處理數(shù)據(jù)集；根據(jù)預(yù)處理數(shù)據(jù)集，采用長短期記憶網(wǎng)絡(luò)構(gòu)建初始預(yù)測模型，初始預(yù)測模型用于捕捉化工流程的時序特征；根據(jù)化工流程的物理機理建立機理模型，將機理模型的輸出與初始預(yù)測模型的預(yù)測結(jié)果通過加權(quán)平均方法進行融合，得到混合數(shù)據(jù)；根據(jù)混合數(shù)據(jù)獲取工況變化特征，根據(jù)工況變化特征建立工況識別模型，當(dāng)通過工況識別模型檢測到工況發(fā)生變化時，則觸發(fā)控制策略調(diào)整機制，采用自適應(yīng)控制算法根據(jù)最優(yōu)控制參數(shù)集合更新控制參數(shù)。本發(fā)明能夠?qū)ち鞒踢M行自適應(yīng)控制。

技術(shù)研發(fā)人員：劉德駒,趙夕夕
受保護的技術(shù)使用者：鹽城工業(yè)職業(yè)技術(shù)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15