一种玻璃熔制工艺参数实时采集系统的制作方法

本申请属于实时采集领域，尤其涉及一种玻璃熔制工艺参数实时采集系统。

背景技术：

1、在玻璃熔炉运行过程中，液位、温度、压力及气体流量等工艺参数的实时采集，是保障自动控制系统稳定运行、提升玻璃成品质量并降低能源消耗的重要基础。然而，玻璃熔窑内部环境复杂恶劣，传感器长期处于高温、粉尘及强电磁干扰条件下，容易出现性能退化、测量漂移或突发性误码。传统参数采集系统通常采用固定采样频率，在工况平稳时容易造成计算资源和数据存储空间浪费，而在工况剧烈波动或传感器突发异常时，又难以及时提高采样密度以捕捉关键瞬态变化。此外，玻璃熔制工艺参数在上下游工序之间存在明显的时间延迟效应，传统采集方法难以充分利用参数间的强关联关系进行前馈调节和协同监测，导致系统对工况变化的响应存在滞后。现有工艺参数异常检测与处理机制通常难以有效区分正常短期工艺波动、长期设备基线漂移以及真实传感器误码，容易引发误报或漏报。一旦确认发生误码，现有采集系统多采用剔除异常值或保持上一时刻旧值的方式进行处理，缺乏基于预测结果的柔性容错机制。当生硬或失真的数据进入下游闭环控制系统时，可能引起控制信号突变和执行机构剧烈震荡，破坏玻璃熔制过程的热工平衡，进而造成产品良率下降，甚至诱发生产安全风险。同时，现有技术在异常解除后的恢复阶段缺少平滑过渡机制，难以依据实际残差状态评估传感器是否恢复稳定。因此，行业内亟需一种能够融合工艺因果链、智能调节采样策略，并具备可靠误码判决、柔性隔离及平滑恢复能力的参数实时采集方法，以提升玻璃熔制过程的安全性、连续性和数据可靠性。

技术实现思路

1、为了增强工艺参数采集系统的抗干扰能力和数据可靠性，根据本发明的第一方面，提供了一种玻璃熔制工艺参数实时采集系统，所述系统包括以下模块：

2、融合模块，用于根据预设的物理过程因果链，将传感器采集的工艺参数划分为具有上下游关系的参数组；计算各参数的短期波动特征，并计算当前采集值与长期过程基线的漂移特征；通过注意力机制网络将短期波动特征和漂移特征融合生成过程稳定度特征向量，根据所述过程稳定度特征向量设定基准采样周期；

3、切换模块，用于利用上游参数组的过程稳定度特征向量，经时间延迟模型处理后，前馈调整下游参数组的基准采样周期和误码判决阈值；基于过程稳定度特征向量，利用元学习框架生成对目标参数的局部预测模型；当目标参数的单次采集值突破所述局部预测模型的预测置信区间时，将所述目标参数与强关联参数的采样周期切换为高频校验周期；

4、采集模块，用于在所述高频校验周期内，若目标参数实际采集值与理论预测值之间的时间序列残差能量值持续超过所述误码判决阈值，且经强关联参数的同步变化校验排除真实工况突变后，则判定发生误码并隔离所述实际采集值的控制输出，在隔离期间输出所述理论预测值；当隔离期间目标参数的后续实际采集值与所述理论预测值的时间序列残差能量值低于恢复阈值时，解除隔离并恢复至所述基准采样周期。

5、根据本发明的第二方面，提供了一种玻璃熔制工艺参数实时采集方法，所述方法包括：

6、根据预设的物理过程因果链，将传感器采集的工艺参数划分为具有上下游关系的参数组；计算各参数的短期波动特征，并计算当前采集值与长期过程基线的漂移特征；通过注意力机制网络将短期波动特征和漂移特征融合生成过程稳定度特征向量，根据所述过程稳定度特征向量设定基准采样周期；

7、利用上游参数组的过程稳定度特征向量，经时间延迟模型处理后，前馈调整下游参数组的基准采样周期和误码判决阈值；基于过程稳定度特征向量，利用元学习框架生成对目标参数的局部预测模型；当目标参数的单次采集值突破所述局部预测模型的预测置信区间时，将所述目标参数与强关联参数的采样周期切换为高频校验周期；

8、在所述高频校验周期内，若目标参数实际采集值与理论预测值之间的时间序列残差能量值持续超过所述误码判决阈值，且经强关联参数的同步变化校验排除真实工况突变后，则判定发生误码并隔离所述实际采集值的控制输出，在隔离期间输出所述理论预测值；当隔离期间目标参数的后续实际采集值与所述理论预测值的时间序列残差能量值低于恢复阈值时，解除隔离并恢复至所述基准采样周期。

9、本发明依据玻璃熔制过程中的物理因果链对工艺参数进行分组，并结合注意力机制融合短期波动特征与长期漂移特征，以评估过程稳定度并合理确定基准采样周期。通过时间延迟模型将上游参数特征前馈作用于下游参数的采样周期和误码判决阈值，提高了系统对工艺状态变化的响应及时性。利用元学习框架构建目标参数的局部预测模型，在参数采集值突破预测置信区间时切换至高频校验状态，以增强对突发异常的识别能力。进一步基于时间序列残差能量值进行误码判定，并结合强关联参数的同步变化校验排除真实工况突变；在确认误码后，对异常实际采集值进行隔离，并以理论预测值替代输出，从而阻断错误数据对生产控制过程的干扰。当残差能量满足恢复阈值条件后，系统平滑解除隔离并恢复基准采样周期，由此提升了玻璃熔制工艺参数采集系统的抗干扰能力、容错能力和数据可靠性。

1.一种玻璃熔制工艺参数实时采集系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于，所述根据预设的物理过程因果链，将传感器采集的工艺参数划分为具有上下游关系的参数组，包括：

3.根据权利要求1所述的系统，其特征在于，所述计算各参数的短期波动特征，包括：

4.根据权利要求3所述的系统，其特征在于，所述计算当前采集值与长期过程基线的漂移特征，包括：

5.根据权利要求1所述的系统，其特征在于，所述通过注意力机制网络将短期波动特征和漂移特征融合生成过程稳定度特征向量，包括：

6.根据权利要求5所述的系统，其特征在于，所述根据所述过程稳定度特征向量设定基准采样周期，包括：

7.根据权利要求6所述的系统，其特征在于，所述若目标参数实际采集值与理论预测值之间的时间序列残差能量值持续超过所述误码判决阈值，且经强关联参数的同步变化校验排除真实工况突变后，则判定发生误码并隔离所述实际采集值的控制输出，包括：

8.根据权利要求1所述的系统，其特征在于，所述基于过程稳定度特征向量，利用元学习框架生成对目标参数的局部预测模型，包括：

9.一种玻璃熔制工艺参数实时采集方法，其特征在于，包括：

10.根据权利要求9所述的方法，其特征在于，所述根据预设的物理过程因果链，将传感器采集的工艺参数划分为具有上下游关系的参数组，包括：