基于时序预测补偿与事件触发策略的储罐顶升控制方法与流程

摘要: 本发明涉及一种基于时序预测补偿与事件触发策略的储罐顶升智能控制方法及系统,用于储罐穹顶的顶升智能控制,属于人工智能技术在工程施工中的应用技术。背景技术:1、液化...
基于时序预测补偿与事件触发策略的储罐顶升控制方法与流程

本发明涉及一种基于时序预测补偿与事件触发策略的储罐顶升智能控制方法及系统,用于储罐穹顶的顶升智能控制,属于人工智能技术在工程施工中的应用技术。

背景技术:

1、液化天然气(lng)储罐的穹顶气顶升是一项极具挑战性的工程,其核心在于利用微压差驱动重达数百吨的大跨度结构平稳上升。由于系统具备大惯性、大容积以及强耦合的物理特征,整个顶升过程呈现出复杂的非线性动力学状态。在实际施工现场,穹顶不仅受到随机风载荷的瞬时干扰,还面临密封装置产生的不均匀摩擦阻力。传统的控制手段多依赖操作人员的感官经验或基础的反馈调节逻辑,这种模式在应对大规模气压传导系统时,往往表现出严重的响应迟缓。

2、这种滞后性在工程实践中会带来显著的安全风险。由于传统反馈机制只能在偏差已经形成后才触发调节指令,系统无法及时反应。对于气顶升这类对速度响应极其敏感的过程,滞后的干预极易引发补偿过头,进而导致穹顶在升空过程中出现明显的振荡或剧烈的姿态波动。一旦多个监测点的升速无法实时协同,穹顶极易发生倾斜,轻则导致边缘与罐壁发生严重摩擦,重则引发物理卡堵甚至造成穹顶结构的永久性损伤,严重威胁施工安全与进度。

3、因此,亟需提供一种储罐顶升智能控制方法,以解决现有储罐气顶升过程中因穹顶质量大、气动响应滞后、风阀调节非线性、环境风载扰动以及多测点高度不一致而导致的顶升姿态偏斜、控制响应滞后、执行机构频繁动作和安全裕度不足等工程难题。

技术实现思路

1、本发明的目的在于提供一种基于时序预测补偿与事件触发策略的储罐顶升智能控制方法及系统,该方法:

2、首先,通过在储罐穹顶布置多个高度传感器实时获取数据,构建包含高度、速度、偏差、压差及环境扰动参数的多维状态特征矩阵;

3、随后,利用长短期记忆神经网络模型对未来预设时间范围内的高度和速度进行预测;

4、在此基础上,结合预测残差、实际偏差和外部扰动强度构建自适应事件触发判定机制;

5、当系统综合偏差达到触发条件时,通过专家知识库提前生成控制指令,以有效补偿气顶升系统在速度响应上的滞后性;

6、最后,将控制指令转化为风阀、泄压阀、鼓风机等执行机构的物理输出,并通过闭环反馈机制持续修正预测状态和触发阈值,从而最终实现大型储罐气顶升施工过程的主动预判、超前纠偏与安全稳定控制。

7、为实现上述目的,本发明采取的具体技术方案是:

8、参考图1,本发明提供一种基于时序预测补偿与事件触发策略的储罐顶升智能控制方法,包括如下步骤:

9、步骤s1、状态特征采集与重构:通过分布于储罐穹顶的多个高度传感器实时采集高度时间序列,基于高度时间序列进行导数运算或状态解算,得到各测点的瞬时速度序列,构建包含高度、速度及风压参数的多维状态特征矩阵;

10、步骤s2、基于长短期记忆神经网络的时序预测:将所述多维状态特征矩阵输入预先训练好的长短期记忆神经网络模型,利用所述长短期记忆神经网络的门控机制提取气顶升过程的时间序列特征,输出未来预设时长内的各测点高度预测数据及速度预测数据;

11、步骤s3、自适应事件触发判定:设定一个初始触发阈值,实时监测穹顶实际状态与最优顶升路径之间的偏差及所述步骤s2输出的预测残差,并根据偏差的变化率和外部扰动强度对所述触发阈值进行实时自适应调整,当综合偏差超过当前自适应阈值时触发控制逻辑;

12、步骤s4、基于专家知识库的联动控制决策:预先搭建包含工艺机理规则、平衡调节策略及应急预案的专家知识库;将所述步骤s2得到的高度预测数据及速度预测数据与所述专家知识库进行逻辑匹配,依据预测趋势超前生成控制指令,从而补偿气顶升过程中的速度响应滞后;

13、步骤s5、指令执行与闭环反馈:将所述控制指令转换为执行机构的物理输出,并根据执行后的实时状态数据反馈修正所述长短期记忆神经网络模型的隐藏状态和自适应事件触发的阈值。

14、进一步地,所述步骤s1中,所述多维状态特征矩阵包括当前时刻及连续历史窗口内各测点高度、各测点瞬时速度、各测点相对于基准路径的高度偏差、测点间最大高差、罐内外压差、风阀当前开度、鼓风机频率及环境风载参数中的一种或多种;具体表达式如下:

15、

16、其中,表示在当前采样时刻构建的多维状态特征矩阵,表示在时刻下构建多维状态特征向量;l为选取的连续历史窗口长度。

17、进一步地,所述步骤s2中,所述长短期记忆神经网络的输入序列包括过去连续多个采样时刻的穹顶多点实际高度、实际升速、罐内微压差以及外部扰动参数;所述长短期记忆神经网络的输出序列包括未来多个预测时刻的多点预测高度数据和预测速度数据;所述长短期记忆神经网络通过其内部包含的输入门、遗忘门和输出门,在将所述输入序列映射至所述输出序列的过程中,用于过滤由风载、传感器抖动或局部摩擦突变引起的非物理噪声,并拟合穹顶上升过程中的大质量惯性特征和气动响应滞后特征。

18、进一步地,所述步骤s2中,所述高度预测数据和速度预测数据的预设时长依据气顶升系统的气动响应滞后时间设定,用以实现对物理系统滞后性的主动预测补偿,且所述预设时长不小于从风阀开度变化到穹顶测点高度产生可观测响应之间的等效滞后时间;

19、所述长短期记忆神经网络的训练损失函数引入物理约束项,所述物理约束项根据穹顶作为整体刚体或准刚体的几何特性,惩罚违反姿态平面拟合理想平面、环向平滑性或最大允许高差约束的预测输出。

20、进一步地,所述步骤s2中,预测关系表示为:

21、

22、其中,是从当前时刻 之后的第个预测时刻至第个预测时刻的连续预测区间;

23、表示长短期记忆神经网络预测模型;

24、表示模型输出的未来个时刻内各高度测点的高度预测序列;

25、表示模型输出的未来个时刻内各高度测点的速度预测序列;

26、表示长短期记忆神经网络模型的参数集合,包括输入门、遗忘门、输出门以及候选记忆单元对应的权重参数和偏置参数;

27、表示模型向未来预测的总预设时长;表示为:

28、

29、其中,表示预测步数;表示相邻两次高度采样之间的采样周期或时间间隔。

30、进一步地,所述步骤s3中的自适应事件触发机制具体为:

31、(1)在系统平稳运行且偏差变化率小于第一阈值时,增大触发阈值以降低执行器调节频率;

32、(2)在预测偏差扩大、预测残差增大或环境干扰剧烈时,减小触发阈值以提升系统控制灵敏度,并设置最小触发间隔以避免执行机构发生高频抖振;

33、其中偏差变化率表示为:

34、

35、自适应触发阈值采用如下形式:

36、

37、式中,表示时刻的当前实际偏差指标;

38、表示自适应触发阈值;

39、为初始触发阈值;

40、表示实际偏差变化率;

41、为阈值调节参数。

42、进一步地,所述步骤s4中的专家知识库包括:

43、(1)高度平衡子库:用于存储不同顶升高度区间对应的最优升速、允许压差范围及吊点间最大允许高差规则;

44、(2)纠偏策略子库:用于存储基于预测偏差量级、偏差方向和偏差变化趋势的风阀开度分级调节步长;

45、(3)安全防御子库:用于存储针对非刚性扭曲、突发倾斜、传感器异常和压差异常工况的紧急压差平衡逻辑。

46、进一步地,所述步骤s4中,控制决策过程通过提取预测高度和速度中的趋势信息,形成包含偏差等级、偏差方向、风险等级及建议补偿量的状态标签,并从专家知识库中检索匹配的物理补偿量,在物理偏差实际超限前完成控制量的先验输出。

47、进一步地,所述步骤s5中,建立非线性的风阀开合度与实际风量或压力变化率之间的映射模型:

48、

49、其中,表示实际送风量;为非线性映射系数;

50、在顶升作业过程中,系统根据实际反馈的压差响应与模型预期输出的偏差,利用在线参数辨识算法对所述映射模型的转换系数进行实时自适应修正;所述控制指令通过所述映射模型转化为具体阀门开度值、鼓风机频率调整量和/或泄压阀动作量。

51、本发明还提供一种采用上述方法的控制系统,系统用于执行如上所述的控制方法,系统包括:数据采集模块、特征重构模块、长短期记忆神经网络预测模块、自适应触发模块、专家决策模块、执行输出模块及闭环反馈模块;其中:

52、所述数据采集模块用于采集储罐穹顶各高度测点的高度数据、罐内外压差数据、风阀开度数据、鼓风机频率数据、泄压阀状态数据以及环境风载数据;

53、所述特征重构模块用于根据数据采集模块采集的数据计算各高度测点的瞬时速度、高度偏差、测点间最大高差、罐内外压差及外部扰动强度,并构建多维状态特征矩阵;

54、所述长短期记忆神经网络预测模块用于接收所述多维状态特征矩阵,并输出未来预设时长内各高度测点的高度预测数据和速度预测数据;

55、所述自适应触发模块用于根据当前实际偏差、未来预测偏差、预测残差以及外部扰动强度计算综合偏差指标,并根据自适应触发阈值判断是否触发控制逻辑;

56、所述专家决策模块用于根据预测高度、预测速度、预测偏差趋势、风险等级和专家知识库规则生成控制补偿量;

57、所述执行输出模块用于将专家决策模块生成的控制补偿量转换为现场执行机构可识别的物理控制指令。

58、本发明还提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序;当所述处理器执行所述计算机程序时,实现前述基于时序预测补偿与事件触发的储罐顶升智能控制方法的步骤。所述电子设备可以为工业控制计算机、边缘计算设备、服务器、嵌入式控制器、plc上位控制单元或其他具有数据处理和控制输出能力的计算设备。

59、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序;当所述计算机程序被处理器执行时,实现前述基于时序预测补偿与事件触发的储罐顶升智能控制方法的步骤。所述非暂态计算机可读存储介质可以包括只读存储器、随机存取存储器、磁盘、光盘、固态硬盘、闪存或其他能够存储计算机程序的介质。

60、与现有技术相比,本发明至少具有以下有益效果。

61、第一,本发明通过构建包含高度、速度、偏差、压差、执行机构状态和环境扰动参数的多维状态特征矩阵,能够从空间姿态、运动趋势、气动驱动和外部扰动等多个方面描述储罐穹顶顶升状态,提高状态感知的完整性。

62、第二,本发明利用长短期记忆神经网络对储罐气顶升过程进行时序预测,能够提前获得未来预设时长内各测点的高度和速度变化趋势,从而在实际偏差超限之前识别潜在姿态风险。

63、第三,本发明根据气顶升系统的气动响应滞后时间设定预测时长,并基于预测结果提前生成控制指令,能够补偿风阀调节、压力变化和穹顶高度响应之间的动力学滞后,提高纠偏控制的及时性。

64、第四,本发明采用自适应事件触发机制,根据实际偏差、预测偏差、预测残差和外部扰动强度动态调整触发阈值,能够在保证控制安全性的同时减少执行机构的无效动作和频繁调节。

65、第五,本发明通过专家知识库对预测趋势进行逻辑匹配,能够根据偏差方向、偏差量级、风险等级和扰动状态生成针对性的控制补偿量,提高储罐穹顶顶升过程中的姿态平衡能力。

66、第六,本发明通过建立执行机构非线性映射模型并结合在线参数辨识进行修正,能够提高控制指令向实际风量、压力变化和执行机构动作量转换的准确性。

67、第七,本发明通过闭环反馈持续修正预测状态、触发阈值和执行机构映射参数,使控制系统能够适应施工过程中的风载变化、局部摩擦变化、气压波动和传感器扰动,提高储罐顶升作业的同步性、安全性和自动化水平。