一种基于多维特征的MFC流量补偿方法及系统与流程
本发明涉及流体测量与工业自动化,尤其涉及一种基于多维特征的mfc流量补偿方法及系统。
背景技术:
1、质量流量控制器(mfc)广泛应用于半导体制造等精密流体测控领域。流体流量的精准测量与稳定控制是保障高端制造工艺良率的核心要素。然而,受限于mfc内部电磁比例阀的机械迟滞效应、死区非线性,以及传感器受环境温度干扰产生的热漂移,mfc在全量程范围内的测控精度往往难以满足先进制程的要求。
2、目前,工业界对mfc的标定主要采用标准表对比法,其内部的数据处理与误差校准多依赖传统的解析算法,但在多维解耦与非线性拟合方面存在固有不足。常用的标定手段包括单变量多项式拟合和基于离散点的分段线性插值。多项式拟合是一种全局静态逼近方法,难以精确描述由电磁阀死区与热漂移耦合所产生的局部剧烈非线性变化;分段插值法则需要密集的停机标定点以维持基础精度,当环境温度发生偏移时,插值表的适用性显著下降。上述传统算法大多局限于从“单一流量读数”到“真实流量”的单变量映射,对于由机械迟滞引起的“同一读数对应不同真实流量”的多值映射发散问题,多项式拟合只能进行数学平均处理,导致实际补偿精度受限。
3、为克服上述精度瓶颈,现有技术尝试从硬件结构与控制算法两方面进行改进。例如,cn121300561b公开了一种低压差气体质量流量控制器,采用主层流元件与辅助层流元件的双通道硬件结构,并结合麻雀搜索算法(ssa)优化的自适应pid进行流量反馈控制。然而,该方案依赖增加硬件物理通道,不仅提高了控制器的制造成本与设备体积,也引入了额外的机械故障点;同时,常规pid算法本质上属于确定性反馈控制,难以从物理机制上彻底解耦由电磁阀机械迟滞引发的非线性多值映射发散问题。
4、近年来,基于复杂机器学习的补偿方案也逐步出现。例如,cn120233678a公开了一种调节阀开度/流量线性矫正系统,利用lstm网络进行流量预测,并通过高斯过程回归(采用平方指数核函数)结合数字孪生流场仿真计算补偿量。该方法在特定工况下能够提升调节阀的线性度,但其算法架构较为复杂,对海量历史数据与较高计算算力存在依赖。此外,该方案所采用的平方指数核属于常规平稳型核函数,在全空间内具有一致的平滑特性,难以适配mfc在“极低流量死区”发生剧烈突变、在“线性工作区”平滑变化的流体力学异构特性,因而在阀门开启瞬间容易出现过度平滑现象与精度下降。
5、综上所述,现有mfc流量补偿方法在硬件成本、单变量补偿局限、非线性拟合精度、小样本场景适配性以及可靠性预警等方面仍存在不足,亟需一种能够突破上述技术瓶颈、实现高精度与高可靠性在线补偿的技术方案。
技术实现思路
1、鉴于目前mfc流体测量存在的上述不足,本发明提供一种基于多维特征的mfc流量补偿方法,能够对mfc输出流量的测量偏差进行修正,提升mfc输出流量测量的准确性和稳定性,从而达到高精度在线补偿与健康状态评估。
2、为达到上述目的,本发明采用如下技术方案:
3、一种基于多维特征的mfc流量补偿方法,其特征在于,所述方法包括:
4、获取多维流量数据;
5、对所述多维流量数据进行平滑降噪与稳态特征提取,并构建多维稳态特征向量;
6、构建由多维物理分区门控切换核模块、温度独立解耦补偿模块以及多目标分区约束评价模块组成的流量补偿模型;
7、将所述多维稳态特征向量输入所述流量补偿模型,结合搜索算法优化所述流量补偿模型,输出预测流量数据。
8、根据本发明的一个方面,所述多维流量数据包含设备指示瞬时流量、电磁阀驱动状态参量、实时温度、基准目标标签数据和开启电压阈值,其中,所述电磁阀驱动状态参量为驱动电压或开度比率。
9、根据本发明的一个方面,所述流量补偿方法还包括:根据所述驱动电压与所述开启电压阈值划分电磁阀的工作区间为死区和线性区;根据所述基准目标标签数据判断当前工作区间是否为盲区。
10、根据本发明的一个方面,所述对所述多维流量数据进行平滑降噪与稳态特征提取,并构建多维稳态特征向量具体为:
11、构建复合一阶滑动数据窗口并对所述多维流量数据进行初步数据滤波;
12、基于所述一阶滑动数据窗口对数据滤波后的所述多维流量数据,进行工况稳态判别;
13、根据工况稳态判别结果,对所述多维流量数据进行精准数据滤波与稳态特征优化提取;
14、构建多维稳态特征向量,所述多维稳态特征向量包括正常稳态特征向量和盲区待测特征。
15、根据本发明的一个方面,所述多维物理分区门控切换核模块设置组合核函数:
16、
17、式中,x和分别为当前、历史两组正常稳态特征向量;t和分别为当前、历史的实时温度;为驱动电压;为matérn3/2核函数;为rbf核函数;为独立线性核项;为sigmoid门控激活函数。
18、根据本发明的一个方面,所述sigmoid门控激活函数为:
19、
20、式中,为开启电压阈值,为驱动电压,为调度增益系数,exp为自然常数。
21、根据本发明的一个方面,所述多目标分区约束评价模块构建多目标适应度函数:
22、
23、式中,为第i个样本的基准目标标签数据;为第i个样本的预测流量均值;n为训练样本总数量;为死区权重函数,为第i个样本对应的驱动电压;m为盲区待测特征样本数量;为未参与训练的盲区待测特征,为流量补偿模型盲区后验预测方差;为方差约束系数。
24、根据本发明的一个方面,所述搜索算法为麻雀搜索算法,所述麻雀搜索算法采用多目标适应度函数进行寻优。
25、根据本发明的一个方面,所述预测流量数据包括预测流量均值和预测标准差,所述预测流量均值用于补偿设备指示瞬时流量,所述预测标准差超出预设故障预警阈值时触发设备故障预警。
26、一种基于多维特征的mfc流量补偿系统,所述系统应用于上述的mfc流量补偿方法,所述系统包括:
27、数据获取模块,获取多维流量数据;
28、数据处理模块,对所述多维流量数据进行平滑降噪与稳态特征提取,并构建多维稳态特征向量;
29、模型构建模块,构建由多维物理分区门控切换核模块、温度独立解耦补偿模块以及多目标分区约束评价模块组成的流量补偿模型;
30、结果生成模块,将所述多维稳态特征向量输入所述流量补偿模型,结合搜索算法优化所述流量补偿模型,输出预测流量数据。
31、本发明实施的优点在于:通过采集多维流量数据,并经滑动窗口稳态判别与均值滤波构建高信噪比稳态特征向量;在此基础上,构建由多维物理分区门控切换核模块、温度独立解耦补偿模块及多目标分区约束评价模块组成的流量补偿模型。其中,采用sigmoid门控自适应切换matérn3/2核与rbf核,分别拟合死区流量突变与线性区平稳变化;温度独立核项剥离热漂移干扰;多目标适应度函数引入死区误差加权惩罚与盲区后验方差约束,结合麻雀搜索算法优化超参数。最终输出预测流量均值补偿原始指示流量,同时输出预测标准差用于设备故障预警。由此,在仅依赖少量标定样本的条件下,显著抑制了死区非线性与热漂移误差,避免了模型过拟合与振荡,实现了全工况下高精度、高可靠性的在线自适应流量补偿。
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