一种肥料配料过程的多源数据融合控制方法与流程

摘要: 本申请属于控制领域,尤其涉及一种肥料配料过程的多源数据融合控制方法。背景技术:1、肥料配料是肥料生产制造过程中的核心环节,配比控制精度直接影响产品质量、养分含量...
一种肥料配料过程的多源数据融合控制方法与流程

本申请属于控制领域,尤其涉及一种肥料配料过程的多源数据融合控制方法。

背景技术:

1、肥料配料是肥料生产制造过程中的核心环节,配比控制精度直接影响产品质量、养分含量以及整体生产效益。随着工业数据采集与智能控制技术的发展,基于数据驱动的过程控制方法已广泛应用于肥料配料系统。实际生产中,控制系统通常通过采集大量过程工艺参数及对应质量标签数据,构建预测模型和控制模型,并据此向配料执行机构下发智能化调节指令。由于真实生产过程长期处于正常、稳定工况,能够引发特定质量波动或对应特殊工况的生产状态出现频次较低,导致历史运行数据在类别分布上呈现明显非均衡特征,即多数类样本数量庞大,而反映关键少数工况的样本数量不足。

2、若直接将非均衡运行数据用于模型训练,模型容易偏向数量占优的多数类样本,难以充分识别和学习少数类样本中包含的关键工艺特征,从而使控制系统在面对异常工况或特殊工况时预测能力下降,甚至输出偏离实际需求的控制信号,影响配料过程稳定性。虽然数据采样或数据增广方法能够在数量层面弥补少数类样本不足,但肥料配料过程具有明确的工业约束,各过程工艺参数之间存在较强耦合关系,并受到严格的工艺物理边界和物料守恒条件限制。常规样本生成方式难以同时兼顾数据空间分布、时间动态特征以及实际物理机理,容易生成不符合真实工艺约束的无效样本,进而降低过程控制模型的可靠性,难以保障肥料配料执行机构的稳定可靠控制。

技术实现思路

1、为了提升数据驱动肥料配料控制系统对低频次特殊工况的适应能力,本发明一个或多个实施例提供了一种肥料配料过程的多源数据融合控制方法,包括以下步骤:

2、获取含过程工艺参数及质量标签的运行数据,依标签划分为多数类样本集和少数类样本集;

3、对所述少数类样本集数据增广,构建预测模型集成计算各少数类样本的预测不确定度,并归一化为相对不确定度,提取过程工艺参数的平均特征重要性,据此选择至少两个关键工艺参数,结合所述关键工艺参数在预设时间窗口内的一阶时间导数和样本间空间几何距离,计算过程状态相似度,确定与所述相对不确定度成正比的近邻数量,根据所述过程状态相似度为所述样本选取近邻样本,基于所述近邻样本在无量纲化参数空间中的分布计算协方差矩阵,随机组合其特征向量生成概率性增广方向,并根据所述相对不确定度确定待生成增广样本数量,在无量纲化参数空间内沿所述样本与近邻样本的连线方向生成初始增广样本,并沿概率性增广方向平移校正,逆无量纲化后对统一质量基准和统一采样周期下的配料组分参数执行带边界等比例缩放投影,使其满足工艺物理阈值和物料守恒约束,得到新增增广样本集;

4、合并所述多数类样本集、少数类样本集和新增增广样本集获得均衡数据集,训练配料过程控制模型,并根据当前工艺参数输出控制信号控制肥料配料执行机构。

5、本发明一个或多个实施例还提供了一种肥料配料过程的多源数据融合控制系统,包括以下模块:

6、获取模块,用于获取含过程工艺参数及质量标签的运行数据,依标签划分为多数类样本集和少数类样本集;

7、计算模块,用于对所述少数类样本集数据增广,构建预测模型集成计算各少数类样本的预测不确定度,并归一化为相对不确定度,提取过程工艺参数的平均特征重要性,据此选择至少两个关键工艺参数,结合所述关键工艺参数在预设时间窗口内的一阶时间导数和样本间空间几何距离,计算过程状态相似度,确定与所述相对不确定度成正比的近邻数量,根据所述过程状态相似度为所述样本选取近邻样本,基于所述近邻样本在无量纲化参数空间中的分布计算协方差矩阵,随机组合其特征向量生成概率性增广方向,并根据所述相对不确定度确定待生成增广样本数量,在无量纲化参数空间内沿所述样本与近邻样本的连线方向生成初始增广样本,并沿概率性增广方向平移校正,逆无量纲化后对统一质量基准和统一采样周期下的配料组分参数执行带边界等比例缩放投影,使其满足工艺物理阈值和物料守恒约束,得到新增增广样本集;

8、控制模块,用于合并所述多数类样本集、少数类样本集和新增增广样本集获得均衡数据集,训练配料过程控制模型,并根据当前工艺参数输出控制信号控制肥料配料执行机构。

9、本发明通过构建模型集成计算少数类样本的预测不确定度,并结合关键工艺参数的时序变化趋势与空间距离来评估过程状态相似度,使得近邻样本的选取深度契合化工过程的实际物理规律。利用相对不确定度指向性地确定近邻数量与增广样本数量,将数据生成的重心向难预测样本倾斜。基于协方差矩阵特征向量生成概率性增广方向并进行平移校正,丰富了样本分布的多样性。通过工艺物理阈值边界限制与物料守恒约束的带边界约束投影,降低生成不符合真实配料机理与客观条件的无效样本的概率。上述过程获取了质量更高的均衡数据集,提升了配料控制模型对低频次特殊工况的预测精度与泛化能力,降低由样本分布不均衡引起的控制偏差风险。

1.一种肥料配料过程的多源数据融合控制方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述构建预测模型集成计算各少数类样本的预测不确定度,并归一化为相对不确定度,提取过程工艺参数的平均特征重要性,包括:

3.根据权利要求1所述的方法,其特征在于,所述据此选择至少两个关键工艺参数,包括:

4.根据权利要求1或3所述的方法,其特征在于,所述结合所述关键工艺参数在预设时间窗口内的一阶时间导数和样本间空间几何距离,计算过程状态相似度,包括:

5.根据权利要求1所述的方法,其特征在于,所述确定与所述相对不确定度成正比的近邻数量,包括:

6.根据权利要求1所述的方法,其特征在于,所述基于所述近邻样本在无量纲化参数空间中的分布计算协方差矩阵,随机组合其特征向量生成概率性增广方向,包括:

7.根据权利要求1所述的方法,其特征在于,所述在无量纲化参数空间内沿所述样本与近邻样本的连线方向生成初始增广样本,并沿概率性增广方向平移校正,逆无量纲化后对统一质量基准和统一采样周期下的配料组分参数执行带边界等比例缩放投影,使其满足工艺物理阈值和物料守恒约束,得到新增增广样本集,包括:

8.一种肥料配料过程的多源数据融合控制系统,其特征在于,包括以下模块:

9.根据权利要求8所述的系统,其特征在于,所述构建预测模型集成计算各少数类样本的预测不确定度,并归一化为相对不确定度,提取过程工艺参数的平均特征重要性,包括:

10.根据权利要求8所述的系统,其特征在于,所述据此选择至少两个关键工艺参数,包括: