一种液相色谱泵自适应流量控制方法及系统与流程
本发明属于液相色谱泵流量控制,尤其涉及一种液相色谱泵自适应流量控制方法及系统。
背景技术:
1、高压恒流泵是液相色谱系统的动力部件,负责在高压条件下将流动相以恒定流量输送至色谱柱与检测器。
2、传统液相色谱泵的流量控制普遍采用固定参数pid控制方案,其控制参数依赖特定工况下的离线标定,当流动相粘度配比、环境温度、柱反压等工况条件发生变化时,系统阻尼与响应特性随之改变,固定pid参数难以保持最优控制性能,控制精度与稳定性明显衰减,且难以有效抑制柱塞往复运动带来的周期性流量脉动。
3、为实现高精度流量闭环控制,部分技术方案采用精密流量计作为直接反馈元件构建流量闭环。然而,适用于数十mpa高压工况的高精度流量传感器硬件成本高昂,且传感器本身存在固有响应滞后,同时会增加系统流路死体积,影响色谱分离性能,难以满足高速、高灵敏度液相色谱分析的应用需求。
4、中国专利申请cn120065760a公开了一种基于多点传感的液相色谱流速实时检测与优化控制方法,其在液相色谱系统关键节点部署分布式流速传感器,采用flowformer深度预测模型生成流速演化图谱,并通过自适应狐群算法搜索最优控制参数,在异常工况下触发局部逃逸策略实现应急控制与模型闭环迭代。
5、该方案将深度学习与流速控制相结合,一定程度上提升了系统的工况适应能力。然而该方案依赖多点分布式流速传感器实现流量感知,硬件成本较高,且增加了系统体积与流路复杂度;另外,其采用单一深度模型架构,未考虑嵌入式控制端的算力限制与实时性要求,难以直接应用于毫秒级控制周期的高压泵实时控制场景。
技术实现思路
1、本发明的目的在于提供一种液相色谱泵自适应流量控制方法及系统,部分地解决或缓解现有技术中的上述不足,能够在现有嵌入式硬件条件下,不依赖昂贵的高精度流量传感器,同时兼具实时性、工况自适应性的高压泵流量智能控制。
2、为了解决上述所提到的技术问题,本发明具体采用以下技术方案:
3、本发明的第一方面,在于提供一种基于双通路网络协同与软测量的液相色谱泵自适应流量控制方法,包括以下步骤:
4、采集液相色谱泵的可测物理信号,并构建三阶非线性扩张状态观测器;基于部分可测物理信号以及所述三阶非线性扩张状态观测器输出的压力变化率估计值、系统总扰动估计值,估算得到软测量值;将所述可测物理信号与软测量值组合为多维特征向量;
5、利用时序卷积网络对所述多维特征向量进行编码,得到短时特征向量;利用历史数据与物理残差对transformer模型进行训练,由训练后的transformer模型输出注意力权重矩阵;将所述注意力权重矩阵和所述短时特征向量加权融合,得到综合特征向量;
6、根据综合特征向量中的粘度权重系数、压力脉动强度系数及前向预测流量偏差,按pid自适应律计算pid参数,以生成控制量驱动泵电机。
7、进一步地,所述可测物理信号包括泵出口压力、压力变化率、凸轮相位角、电机温度、环境温度和电机转速;所述软测量值包括瞬时流量、流动相的等效粘度和系统阻尼系数。
8、进一步地,所述三阶非线性扩张状态观测器为:
9、;
10、;
11、;
12、;
13、其中,e为状态观察误差,z1为泵出口压力的估计值,z2为压力变化率的估计值,z3为系统总扰动的估计值,p为泵出口压力,u为输入控制量,b0为系统控制增益系数,fal()为非线性反馈系数,δ为fal()函数的线性段阈值,1、2、3分别为z1、z2、z3的时间导数,β1-β3为误差反馈增益系数。
14、进一步地,所述时序卷积网络为轻量tcn,包含四层扩展卷积,各层扩张率依次为1、2、4、8,每层设置三十二个滤波器并采用relu激活函数,其输入为最近三十二个时间步的多维特征向量,输出为一百二十八维的短时特征向量。
15、进一步地,所述transformer模型为云端部署,采用编码器结构,输入为长历史窗口序列以及对应的物理残差向量;所述物理注意力模板由系统灵敏度分析得到;训练完成后提取所述注意力权重矩阵和所述轻量时序卷积网络的卷积核参数。
16、进一步地,所述transformer模型的损失函数为:
17、;
18、其中,loss为损失值,mse(qpred, qtrue)为流量预测的均方误差损失,||watt- wphy||1为注意力权重与预设物理注意力模板的l1正则项,λ为正则系数,qpred为流量预测值,qtrue为流量真实值,watt为注意力权重矩阵,wphy为物理注意力模板矩阵。
19、进一步地,所述pid参数自适应律为:
20、;
21、;
22、;
23、其中,kp(t)为t 时刻的实时比例增益系数,kpbase为比例系数基准值,为粘度修正项权重系数,wη为粘度权重系数,为流动相的等效粘度测量值,为压力脉动修正项权重系数,wδp为压力脉动强度系数,δp/δt为压力变化率;ki(t)为t 时刻的实时积分增益系数,kibase为积分系数基准值,为电机温度修正项权重系数,tmotor为电机温度实测值,为偏差积分修正项权重系数,∫e(t)dt为流量偏差的积分值;kd(t)为t 时刻的实时微分增益系数,kdbase为微分系数基准值,为预测偏差变化率修正项权重系数,eq(t+1)为前向一步预测流量偏差。
24、进一步地,还包括残差驱动事件触发步骤:
25、在线计算所述时序卷积网络的预测流量与软测量值中的瞬时流量之间残差的绝对值,统计设定时间窗内所述残差的均值和标准差,以所述均值与三倍标准差之和作为动态阈值,当所述残差大于所述动态阈值时判定为工况突变。
26、进一步地,判定为工况突变后,立即依据所述软测量值中当前等效粘度及其变化率,在预存的多组保守pid参数中选取最匹配的一组临时覆盖当前pid参数;将工况突变前后的特征缓存用于所述transformer模型的增量训练,用于更新注意力权重矩阵。
27、本发明还提供一种基于双通路网络协同与软测量的液相色谱泵自适应流量控制系统,包括:
28、多维特征向量融合模块,用于采集液相色谱泵的可测物理信号,并构建三阶非线性扩张状态观测器;基于部分可测物理信号以及所述三阶非线性扩张状态观测器输出的压力变化率估计值、系统总扰动估计值,估算得到软测量值;将所述可测物理信号与软测量值组合为多维特征向量;
29、综合特征向量提取模块,用于利用时序卷积网络对所述多维特征向量进行编码,得到短时特征向量;利用历史数据与物理残差对transformer模型进行训练,由训练后的transformer模型输出注意力权重矩阵;将所述注意力权重矩阵和所述短时特征向量加权融合,得到综合特征向量;
30、pid控制模块,用于根据综合特征向量中的粘度权重系数、压力脉动强度系数及前向预测流量偏差,按pid自适应律计算pid参数,以生成控制量驱动泵电机。
31、有益效果:
32、本发明采用三阶非线性扩张状态观测器,结合柱塞运动学与流体压缩性前馈模型,仅通过泵出口压力、凸轮相位、电机转速、温度等常规可测物理信号,即可实时解算瞬时流量、流动相等效粘度、系统阻尼系数等多维度关键物理量,无需配置高压高精度流量传感器。一方面大幅降低了硬件成本与系统复杂度,避免了流量传感器引入的额外流路死体积,提升色谱系统的分离性能;另一方面消除了流量传感器的固有响应滞后,流量估计的动态响应速度显著提升,可精准捕捉柱塞往复运动的高频脉动特征。
33、本发明采用边缘轻量时序卷积网络实时推理结合云端物理增强transformer离线优化的双通路架构,边缘侧部署轻量tcn网络,可在毫秒级控制周期内完成短时特征编码,满足高压泵实时控制的严苛时延要求,充分释放嵌入式端算力;云端侧部署transformer模型,可学习长周期历史数据中的全局工况依赖与长程变化规律,弥补边缘网络感受野有限的不足。同时通过低频参数下发与 ota 更新机制,在不占用实时控制带宽的前提下持续提升边缘侧特征提取精度,实现了实时性与高精度的平衡,解决了单一复杂深度网络难以直接部署于嵌入式控制端的技术难题。
34、本发明的pid参数自适应律以物理规律,注意力权重由流体动力学先验模板约束生成,比例、积分、微分参数的调整分别与粘度、压力脉动、预测偏差变化率等物理量直接定量关联,而非纯数据驱动的黑箱输出。一方面使得控制参数的调整具备明确的物理意义与因果逻辑,避免了纯深度学习控制模型在未见过工况下输出不可控参数的安全隐患;另一方面物理先验的引入提升了模型的泛化能力,在训练数据未覆盖的工况区间仍能输出符合流体规律的控制参数,大幅提升了系统运行的可靠性与稳定性。
35、本发明基于3σ统计原理构建动态残差阈值,可自适应不同工况的基线偏差水平,精准识别流动相粘度突变、流路进气泡、柱反压骤变等异常工况,相比固定阈值方案具备更高的检测准确率与更低的误报率。工况突变时,快速切换至预标定的保守pid参数集,通过安全裕度更高的控制参数兜底极端工况下的运行稳定性;同时触发云端模型增量训练,利用异常工况样本持续拓展模型的工况覆盖范围,实现控制性能的在线迭代进化,兼顾了瞬态运行安全与长期性能提升,解决了传统增益调度方案泛化能力有限、无法在线进化的问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com