CN110412960A - 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 - Google Patents
基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 Download PDFInfo
- Publication number
- CN110412960A CN110412960A CN201910779154.8A CN201910779154A CN110412960A CN 110412960 A CN110412960 A CN 110412960A CN 201910779154 A CN201910779154 A CN 201910779154A CN 110412960 A CN110412960 A CN 110412960A
- Authority
- CN
- China
- Prior art keywords
- steady state
- real
- squeezing
- time
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 82
- 238000007726 management method Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000003556 assay Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 55
- 240000000111 Saccharum officinarum Species 0.000 claims description 44
- 235000007201 Saccharum officinarum Nutrition 0.000 claims description 44
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims description 44
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 19
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 claims description 10
- 229930006000 Sucrose Natural products 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000008595 infiltration Effects 0.000 claims description 9
- 238000001764 infiltration Methods 0.000 claims description 9
- 238000001035 drying Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 241000609240 Ambelania acida Species 0.000 claims description 6
- 239000010905 bagasse Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000005086 pumping Methods 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 claims 2
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 claims 1
- 229960004793 sucrose Drugs 0.000 description 7
- 241000208340 Araliaceae Species 0.000 description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 description 5
- 235000008434 ginseng Nutrition 0.000 description 5
- 230000005611 electricity Effects 0.000 description 3
- 238000012913 prioritisation Methods 0.000 description 3
- 238000009923 sugaring Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出一种基于云计算的制糖厂进榨及压榨智慧生产管理方法，步骤有：1、创建原始数据集合；2、创建稳态建模数据集合；3、创建大数据挖掘样本数据集合；4、创建实时数据集合；5、创建实时稳态数据集合；6、得到Pc；7、创建相似样本数据集合；8、得到Pmax及目标优化变量集合；9、由Pc与Pmax判断是否优化；其可实现车间实时精准高效的优化控制。又提出实施上述方法的智慧生产管理系统，包括有云计算平台、化验分析管理系统、进榨及压榨自动化系统、特定工位视频监控设备和客户端；特别地，云计算平台上设有云数据库和专家库系统；专家库系统包括有智能分析模块、智能工况分类模块和智慧决策模块；其可确保糖厂高效稳定可靠的执行生产任务。
Description
技术领域
本发明设计甘蔗制糖工业技术领域，具体涉及一种基于云计算的制糖厂进榨及压榨智慧生产管理方法、以及实现该方法的系统。
背景技术
甘蔗制糖作为一个传统行业，自动化水平低，生产管理落后，有的制糖工段仍处于半自动化水平，现有的进榨和压榨自动化系统的使用仍然依赖于调度人员及压榨车间操作人员的经验，导致生产过程及制糖效果往往会出现很大波动，很难同时实现提高蔗汁抽出率、降低能耗的效果，从而影响制糖生产效率。另外，由于我国的甘蔗制糖厂处于偏远地区，缺乏相关专业技术人员，使不同的生产设备、系统的管理维护工作变得异常困难，制糖系统、设备缺乏科学有效的集中远程管理维护方案，从而影响制糖生产的正常运行。因此，随着信息、网络、人工智能技术的发展，开发一种基于云计算的制糖厂进榨及压榨智慧生产管理系统及方法成为当务之急。
发明内容
本发明的目的是提出一种基于云计算的制糖厂进榨及压榨智慧生产管理方法，可实现对甘蔗制糖厂进榨和压榨生产车间的被控参数实时、精准、高效的判断及优化控制。又提出一种基于云计算的制糖厂进榨及压榨智慧生产管理系统，其用于实现本发明的方法，具有结构简单、易于搭建、便于使用及操作的特点，可确保甘蔗糖厂高效稳定可靠的执行及完成生产任务。
本发明的目的可通过以下技术方案实现：
一种基于云计算的制糖厂进榨及压榨智慧生产管理方法，其包括有以下步骤：
步骤1、采集上一个榨季的进榨及压榨的生产工艺参数创建原始数据集合；
所述生产工艺参数包括有工控环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)；
工况环境变量集合(Ii)包括有以下工况环境变量：甘蔗的小时榨量(I1)及其给定值(I1s)、输蔗带落口负荷(I2)及其给定值(I2s)、输蔗带蔗层厚度(I3)、榨机蔗渣料位(I4)及给定值(I4s)、渗透水温度(I5)及其给定值(I5s)、渗透水流量(I6)及其与蔗比给定值(I6s)、混合汁流量(I7)及其给定值(I7s)、混合汁液位(I8)及其给定值(I8s)、蔗渣量(I9)及其给定值(I9s)、榨机温度(I10)、撕裂机功率(I11)；
工况优化变量集合(Xj)包括有以下工况优化变量：输蔗带转速(X1)、榨机的转速(X2)、透水冷热水阀开度(X3)、渗透水泵控制信号(X4)、混合汁流量泵控制信号(X5)；
工况决策变量集合(Yk)包括有以下工况决策变量：甘蔗抽汁率(Y1)、车间用电量(Y2)、车间用水量(Y3)、停榨次数(Y4)；
所述工况决策变量集合(Yk)的甘蔗抽汁率(Y1)的采样周期为15至30分钟，即每间隔15至30分钟采集1次甘蔗抽汁率(Y1)；
步骤2、由步骤1的原始数据集合创建稳态建模数据集合；
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)为零时、即采样周期内没有停榨时对应的原始数据集合创建原始建模数据集合；
所述原始建模数据集合包括有：每个采样周期的甘蔗抽汁率(Y1)，以及工况环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)的其他生产工艺参数在每个采样子周期内进行N次取值；所述采样周期为15至30分钟，每个采样周期平分成三个采样子周期，采样子周期为5至10分钟；
步骤2.1、采用稳态工况分析模型对原始建模数据集合在每个采样子周期内N组工况环境变量集合(Ii)进行分析，判定出原始建模数据集合中工况环境变量参数稳定的工况环境变量集合(Ii)，并将其对应的生产工艺参数作为原始稳态工艺参数；
步骤2.2、采用步骤2.1的原始稳态工艺参数创建稳态建模数据集合，所述稳态建模数据集合包括有：每个采用周期的甘蔗抽汁率(Y1)、以及每个采样子周期内其他原始稳态工艺参数的平均值或给定值E(Ii)、E(Xj)、E(Yk)；
所述稳态建模数据集合中原始稳态工艺参数的平均值或给定值通过稳态工况计算模型进行计算，所述稳态工况计算模型包括有以下计算公式：
E(Ii)＝Iis(i＝1,2,4,5,6,7,8,9)；
步骤3、根据目标函数计算模型由步骤2的稳态建模数据集合创建大数据挖掘样本数据集合；
步骤3.1、根据制糖厂车间为实现节能减耗、提高白糖产量的生产工艺及生产过程的控制要求，建立目标函数计算模型：
其中：a为甘蔗抽汁率(Y1)的权重值，b为车间用电量(Y2)的权重值，c为车间用水量(Y3)的权重值，且满足：a+b+c＝1；
步骤3.2、根据步骤3.1的目标函数计算模型，将步骤2的稳态建模数据集合中每个采样子周期内车间用电量(Y2)的平均值E(Y2)作为Y2(t)、将车间用水量(Y3)的平均值E(Y3)作为Y3(t)、以及将其对应的采用周期内的甘蔗抽汁率(Y1)作为Y1(t)，计算稳态建模数据集合对应的P(t)值为Pw；
当Pw≥Pa时，Pa为预设的P(t)值，Pa介于0.6～1之间，取其对应的稳态建模数据集合得到大数据挖掘样本数据集合；
步骤4、采集实时生产状态下、且1至3个采用周期的进榨及压榨的生产工艺参数得到实时数据集合；
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)为零时、即采样周期内没有停榨时对应的实时数据集合得到实时建模数据集合；
所述实时建模数据集合包括有：工况环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)在每个采样子周期内进行N次取值，以及每个采样周期的甘蔗抽汁率(Y1)；
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)不等于零时、即采样周期内存在停榨时对应的实时生产工艺参数得到实时数据非常态集合；
步骤5、由步骤4的实时建模数据集合创建实时稳态数据集合；
步骤5.1、采用步骤2.1的稳态工况分析模型对实时建模数据集合在每个采样子周期内N组工况环境变量集合(Ii)进行分析，判定出实时建模数据集合中工况环境变量参数稳定的工况环境变量集合(Ii)、并将参数稳定的工况环境变量集合(Ii)对应的生产工艺参数作为实时稳态工艺参数；将判定出的工况环境变量参数不稳定对应的生产工艺参数作为实时数据非稳态集合；
步骤5.2、将步骤5.1的实时稳态工艺参数创建实时稳态数据集合，所述实时稳态数据集合包括有：每个采用周期的甘蔗抽汁率、并标记为E(Y1c)、以及每个采样子周期内所有实时稳态工艺参数的平均值或给定值、并分别标记为E(Iic)、E(Xjc)、E(Ykc)；所述实时稳态数据集合中实时稳态工艺参数的平均值或给定值通过步骤2的稳态工况计算模型进行计算；
步骤6、根据步骤3.1的目标函数计算模型，将步骤5的实时稳态数据集合中每个采样子周期内车间用电量(Y2)的平均值E(Y2)作为Y2(t)、将车间用水量(Y3)的平均值E(Y3)作为Y3(t)、以及将其对应的采用周期内的甘蔗抽汁率(Y1)作为Y1(t)，计算实时稳态数据集合对应的P(t)值为Pc；
步骤7、采用相似工况数据分析模型，判定步骤3.2的大数据挖掘样本数据集合中、与步骤5的实时稳态数据集合的工况环境变量集合相似的M个工况环境变量集合，得到相似样本数据集合；
步骤8、采用步骤7的相似样本数据集合中M个工况决策变量集合(Yk)和步骤3.1的目标函数计算模型计算P(t)值分别得到P1～Pm，选出P1～Pm中最大值的值作为Pmax，将Pmax对应的相似样本数据集合中的工况优化变量集合(Xj)作为目标优化变量集合；
步骤9、将由步骤6中实时稳态数据集合得到的Pc与由步骤8的相似样本数据集合得到的Pmax进行比较；
当Pc≥Pmax时，对实时生产状态下的进榨及压榨生产工艺参数判断为不需要优化调控；
当Pc<Pmax时，对实时生产状态下的进榨及压榨生产工艺参数判断为需要优化调控，即根据步骤8的目标优化变量集合调控实时生产状态下进榨及压榨生产工艺参数中工况优化变量集合(Xj)的工况优化变量。
优化方案，本发明中步骤2.1中的稳态工况分析模型包括有以下计算公式：
计算工况环境变量集合(Ii)的平均值或给定值E(Ii)：
E(Ii)＝Iis(i＝1,2,4,5,6,7,8,9)；
并计算工况环境变量集合(Ii)的均方差：
对原始建模数据集合中每组工况环境变量集合(Ii)采用稳态工况分析模型进行方差分析，设定工况环境变量集合(Ii)的均方差D(Ii)的阈值a；
当该组工况环境变量集合(Ii)均满足D(Ii)<a时，取该组工况环境变量集合(Ii)对应的生产工艺参数作为原始稳态工艺参数创建稳态建模数据集合。
进一步优化方案，本发明中步骤7中相似工况数据分析模型包括有以下计算公式：
取步骤3.2的大数据挖掘样本数据集合中的工况环境变量集合E(Ii)(i＝1,2.....11)的特征值为：En＝(e1，n，e2，n......e11,n)；
取步骤5的实时稳态数据集合中的工况环境变量集合E(Iic)(i＝1,2.....11)的特征值Ec＝(e1，c，e2，c........e11,c)；
利用欧式距离公式如下：
其中n为大数据挖掘样本数据集合内第n个工况环境变量集合，wi为第i个工况环境变量参数的权重值；
所述实时稳态数据集合中的工况环境变量集合与大数据挖掘样本数据集合中的工况环境变量集合相似的数据集合如下：
其中，为相似度d(Ec，Ej)的约束值，其大小决定了与实时稳态数据集合中的工况环境变量集合相似的大数据挖掘样本数据集合中的工况环境变量集合的相似样本数据集合Sd的数量M的取值。
一种基于云计算的制糖厂进榨及压榨智慧生产管理系统，其用于实施上述基于云计算的制糖厂进榨及压榨智慧生产管理方法，包括有云计算平台、及分别通过以太网连接云计算平台的化验分析管理系统、进榨及压榨自动化系统、特定工位视频监控设备和客户端；
所述化验分析管理系统，用于人工录入和/或自动采集样品化验分析数据并生成样品理化参数；
所述进榨及压榨自动化系统，用于监测制糖厂进榨及压榨生产线的工段运行参数，根据工段优化调控信号控制各生产线的工段运行状态；
所述样品理化参数和工段运行参数组成上述生产工艺参数；
所述特定工位视频监控设备用于采集制糖厂进榨及压榨生产线工段的关键工位点图像；
所述云计算平台上设有云数据库和专家库系统；
所述云数据库，用于接收及存储工况数据集合群，所述工况数据集合群包括有关键工位点图像、及上述原始数据集合和实时数据集合，以及用于接收及存储上述实时数据非常态集合和实时数据非稳态集合，以及接收及存储非常态工况处理方案和非稳态工况处理方案；
所述专家库系统包括有智能分析模块、智能工况分类模块和智慧决策模块；
所述智能分析模块，其上设有智能挖掘分析模型组，所述智能挖掘分析模型组包括有稳态工况分析模型和稳态工况计算模型，智能挖掘分析模型组用于智能分析云数据库发送的工况数据集合群，得到上述稳态建模数据集合和实时稳态数据集合；并针对实时数据非常态集合制定非常态工况处理方案、针对实时数据非稳态集合制定非稳态工况处理方案，将非常态工况处理方案和非稳态工况处理方案分别推送至客户端及云数据库；
所述智能工况分类模块，用于得到稳态工况分类树，所述稳态工况分类树依据制糖厂甘蔗小时榨量对智能分析模块识别的稳态建模数据集合和实时稳态数据集合进行分类存储；
所述智慧决策模块，其上设有智能挖掘决策模型组，所述智能挖掘决策模型组包括有目标函数计算模型和相似工况数据分析模型；智能挖掘决策模型组用于智能分析智能工况分类模块上存储的稳态建模数据集合和实时稳态数据集合，判断实时生产状态下制糖厂进榨及压榨生产线的生产工艺参数是否需要优化调控，需要优化调控时向进榨及压榨自动化系统发出需要优化调控的工段优化调控信号；
所述客户端上设有用于访问云计算平台上专家库系统和云数据库的客户端模块。
优化方案，本发明的专家库系统中，智能工况分类模块的稳态工况分类树是依据甘蔗小时榨量全负荷的0％-30％、30％-40％、40％-50％、50％-60％、60％-70％、70％-100％范围段对稳态建模数据集合和实时稳态数据集合进行分类。
进一步优化方案，本发明的云计算平台上还设有云平台权限管理模块，所述云平台权限管理模块根据不同部门以及同一部门不同职权的使用者访问权限进行管理。
再进一步优化方案，本发明的客户端包括有移动客户端和本地客户端。
本发明具有以下突出的实质性特点和显著的进步：
1、本发明采用线性加权法，由甘蔗抽汁率(Y1)、车间用电量(Y2)和车间用水量(Y3)创建目标函数计算模型，其中以最小化的车间用电量(Y2)和车间用水量(Y3)得到最大化的甘蔗抽汁率(Y1)为最优目标函数P(t)，得到本发明的目标函数计算模型，所述目标函数计算模型的最优目标函数P(t)可清晰、精准的指导糖厂生产方向及生产目标。
2、本发明通过稳态工况分析模型剔除掉生产工艺参数中不稳定的工况环境变量集合，确保后续的分析运算基于有效、可靠的数据进行，确保本发明的智慧生产管理方法建立在稳定可靠的数据基础之上，得到准确有效的目标优化变量集合及工况优化调控的判断结果，确保本发明稳定、可靠、高效的用于指导及控制糖厂生产。
3、本发明的智慧生产管理系统具有结构简单、易于搭建和便于使用的特点。
附图说明
图1为本发明的基于云计算的制糖厂进榨及压榨智慧生产管理方法的结构示意图。
图2为本发明的基于云计算的制糖厂进榨及压榨智慧生产管理系统的结构示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
实施例1
参考图1，一种基于云计算的制糖厂进榨及压榨智慧生产管理方法，其包括有以下步骤：
一种基于云计算的制糖厂进榨及压榨智慧生产管理方法，其包括有以下步骤：
步骤1、采集上一个榨季的进榨及压榨的生产工艺参数创建原始数据集合。
所述生产工艺参数包括有工控环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)。
工况环境变量集合(Ii)包括有以下工况环境变量：甘蔗的小时榨量(I1)及其给定值(I1s)、输蔗带落口负荷(I2)及其给定值(I2s)、输蔗带蔗层厚度(I3)、榨机蔗渣料位(I4)及给定值(I4s)、渗透水温度(I5)及其给定值(I5s)、渗透水流量(I6)及其与蔗比给定值(I6s)、混合汁流量(I7)及其给定值(I7s)、混合汁液位(I8)及其给定值(I8s)、蔗渣量(I9)及其给定值(I9s)、榨机温度(I10)、撕裂机功率(I11)。
工况优化变量集合(Xj)包括有以下工况优化变量：输蔗带转速(X1)、榨机的转速(X2)、透水冷热水阀开度(X3)、渗透水泵控制信号(X4)、混合汁流量泵控制信号(X5)。
工况决策变量集合(Yk)包括有以下工况决策变量：甘蔗抽汁率(Y1)、车间用电量(Y2)、车间用水量(Y3)、停榨次数(Y4)。
所述工况决策变量集合(Yk)的甘蔗抽汁率(Y1)的采样周期为15至30分钟，即每间隔15至30分钟采集1次甘蔗抽汁率(Y1)。
步骤2、由步骤1的原始数据集合创建稳态建模数据集合。
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)为零时、即采样周期内没有停榨时对应的原始数据集合创建原始建模数据集合。
所述原始建模数据集合包括有：每个采样周期的甘蔗抽汁率(Y1)，以及工况环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)的其他生产工艺参数在每个采样子周期内进行N次取值；所述采样周期为15至30分钟，每个采样周期平分成三个采样子周期，采样子周期为5至10分钟。
步骤2.1、采用稳态工况分析模型对原始建模数据集合在每个采样子周期内N组工况环境变量集合(Ii)进行分析。
所述稳态工况分析模型包括有以下计算公式：
计算工况环境变量集合(Ii)的平均值或给定值E(Ii)：
E(Ii)＝Iis(i＝1,2,4,5,6,7,8,9)；
并计算工况环境变量集合(Ii)的均方差：
对原始建模数据集合中每组工况环境变量集合(Ii)采用所述稳态工况分析模型进行方差分析，设定工况环境变量集合(Ii)的均方差D(Ii)的阈值a。
当该组工况环境变量集合(Ii)均满足D(Ii)<a时，判定出原始建模数据集合中工况环境变量参数稳定的工况环境变量集合(Ii)，取该组工况环境变量集合(Ii)对应的生产工艺参数作为原始稳态工艺参数创建稳态建模数据集合。
步骤2.2、采用步骤2.1的原始稳态工艺参数创建稳态建模数据集合，所述稳态建模数据集合包括有：每个采用周期的甘蔗抽汁率(Y1)、以及每个采样子周期内其他原始稳态工艺参数的平均值或给定值E(Ii)、E(Xj)、E(Yk)。
所述稳态建模数据集合中原始稳态工艺参数的平均值或给定值通过稳态工况计算模型进行计算，所述稳态工况计算模型包括有以下计算公式：
E(Ii)＝Iis(i＝1,2,4,5,6,7,8,9)；
步骤3、根据目标函数计算模型由步骤2的稳态建模数据集合创建大数据挖掘样本数据集合。
步骤3.1、根据制糖厂车间为实现节能减耗、提高白糖产量的生产工艺及生产过程的控制要求，建立目标函数计算模型：
其中：a为甘蔗抽汁率(Y1)的权重值，b为车间用电量(Y2)的权重值，c为车间用水量(Y3)的权重值，且满足：a+b+c＝1；a、b、c的具体数值可由制糖厂对用电量及用水量的要求情况自行设定，车间用电量(Y2)通常以kwh单位计，车间用水量(Y3)通常以t/h单位计，P(t)代表了进榨及压榨车间生产效率的含义，其介于0～1之间，本身没有单位。
步骤3.2、根据步骤3.1的目标函数计算模型，将步骤2的稳态建模数据集合中每个采样子周期内车间用电量(Y2)的平均值E(Y2)作为Y2(t)、将车间用水量(Y3)的平均值E(Y3)作为Y3(t)、以及将其对应的采用周期内的甘蔗抽汁率(Y1)作为Y1(t)，计算稳态建模数据集合对应的P(t)值为Pw。
当Pw≥Pa时，Pa为预设的P(t)值，Pa介于0.6～1之间，取其对应的稳态建模数据集合得到大数据挖掘样本数据集合。
步骤4、采集实时生产状态下、且1至3个采用周期的进榨及压榨的生产工艺参数得到实时数据集合。
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)为零时、即采样周期内没有停榨时对应的实时数据集合得到实时建模数据集合。
所述实时建模数据集合包括有：工况环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)在每个采样子周期内进行N次取值，以及每个采样周期的甘蔗抽汁率(Y1)。
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)不等于零时、即采样周期内存在停榨时对应的实时生产工艺参数得到实时数据非常态集合。
步骤5、由步骤4的实时建模数据集合创建实时稳态数据集合。
步骤5.1、采用步骤2.1的稳态工况分析模型对实时建模数据集合在每个采样子周期内N组工况环境变量集合(Ii)进行分析，判定出实时建模数据集合中工况环境变量参数稳定的工况环境变量集合(Ii)、并将参数稳定的工况环境变量集合(Ii)对应的生产工艺参数作为实时稳态工艺参数；将判定出的工况环境变量参数不稳定对应的生产工艺参数作为实时数据非稳态集合。
步骤5.2、将步骤5.1的实时稳态工艺参数创建实时稳态数据集合，所述实时稳态数据集合包括有：每个采用周期的甘蔗抽汁率、并标记为E(Y1c)、以及每个采样子周期内所有实时稳态工艺参数的平均值或给定值、并分别标记为E(Iic)、E(Xjc)、E(Ykc)；所述实时稳态数据集合中实时稳态工艺参数的平均值或给定值通过步骤2的稳态工况计算模型进行计算。
步骤6、根据步骤3.1的目标函数计算模型，将步骤5的实时稳态数据集合中每个采样子周期内车间用电量(Y2)的平均值E(Y2)作为Y2(t)、将车间用水量(Y3)的平均值E(Y3)作为Y3(t)、以及将其对应的采用周期内的甘蔗抽汁率(Y1)作为Y1(t)，计算实时稳态数据集合对应的P(t)值为Pc。
步骤7、采用相似工况数据分析模型，判定步骤3.2的大数据挖掘样本数据集合中、与步骤5的实时稳态数据集合的工况环境变量集合相似的M个工况环境变量集合，得到相似样本数据集合。
所述相似工况数据分析模型包括有以下计算公式：
取步骤3.2的大数据挖掘样本数据集合中的工况环境变量集合E(Ii)(i＝1,2.....11)的特征值为：En＝(e1，n，e2，n......e11,n)；
取步骤5的实时稳态数据集合中的工况环境变量集合E(Iic)(i＝1,2.....11)的特征值Ec＝(e1，c，e2，c........e11,c)；
利用欧式距离公式如下：
其中n为大数据挖掘样本数据集合内第n个工况环境变量集合，wi为第i个工况环境变量参数的权重值。
所述实时稳态数据集合中的工况环境变量集合与大数据挖掘样本数据集合中的工况环境变量集合相似的数据集合如下：其中，为相似度d(Ec，Ej)的约束值，其大小决定了与实时稳态数据集合中的工况环境变量集合相似的大数据挖掘样本数据集合中的工况环境变量集合的相似样本数据集合Sd的数量M的取值。
步骤8、采用步骤7的相似样本数据集合中M个工况决策变量集合(Yk)和步骤3.1的目标函数计算模型计算P(t)值分别得到P1～Pm，选出P1～Pm中最大值的值作为Pmax，将Pmax对应的相似样本数据集合中的工况优化变量集合(Xj)作为目标优化变量集合。
步骤9、将由步骤6中实时稳态数据集合得到的Pc与由步骤8的相似样本数据集合得到的Pmax进行比较。
当Pc≥Pmax时，对实时生产状态下的进榨及压榨生产工艺参数判断为不需要优化调控。
当Pc<Pmax时，对实时生产状态下的进榨及压榨生产工艺参数判断为需要优化调控，即根据步骤8的目标优化变量集合调控实时生产状态下进榨及压榨生产工艺参数中工况优化变量集合(Xj)的工况优化变量。
本实施例通过甘蔗抽汁率(Y1)、车间用电量(Y2)和车间用水量(Y3)创建目标函数计算模型，其中以最小化的车间用电量(Y2)和车间用水量(Y3)得到最大化的甘蔗抽汁率(Y1)为最优目标函数P(t)，实现对甘蔗制糖厂进榨和压榨生产车间的被控参数即工况优化变量集合的实时、精准、高效的判断及优化控制。
实施例2
参考图2，一种基于云计算的制糖厂进榨及压榨智慧生产管理系统，其用于实施实施例1的基于云计算的制糖厂进榨及压榨智慧生产管理方法，包括有云计算平台、及分别通过以太网连接云计算平台的化验分析管理系统、进榨及压榨自动化系统、特定工位视频监控设备和客户端。
所述化验分析管理系统，用于人工录入和/或自动采集样品化验分析数据并生成样品理化参数。
所述进榨及压榨自动化系统，用于监测制糖厂进榨及压榨生产线的工段运行参数，根据工段优化调控信号控制各生产线的工段运行状态。
所述样品理化参数和工段运行参数组成实施例1中步骤1和步骤4的生产工艺参数。
所述特定工位视频监控设备用于采集制糖厂进榨及压榨生产线工段的关键工位点图像。
所述云计算平台上设有云数据库、专家库系统和云平台权限管理模块。
所述云数据库，用于接收及存储工况数据集合群，所述工况数据集合群包括有关键工位点图像、及步骤1的原始数据集合和步骤4的实时数据集合，以及用于接收及存储步骤4的实时数据非常态集合和步骤5.1的实时数据非稳态集合，以及接收及存储非常态工况处理方案和非稳态工况处理方案。
所述专家库系统包括有智能分析模块、智能工况分类模块和智慧决策模块；
所述智能分析模块，其上设有智能挖掘分析模型组，所述智能挖掘分析模型组包括有稳态工况分析模型和稳态工况计算模型，智能挖掘分析模型组用于智能分析云数据库发送的工况数据集合群，得到步骤2的稳态建模数据集合和步骤5的实时稳态数据集合；并针对实时数据非常态集合制定非常态工况处理方案、针对实时数据非稳态集合制定非稳态工况处理方案，将非常态工况处理方案和非稳态工况处理方案分别推送至客户端及云数据库；
所述智能工况分类模块，用于得到稳态工况分类树，所述稳态工况分类树依据制糖厂甘蔗小时榨量全负荷的0％-30％、30％-40％、40％-50％、50％-60％、60％-70％、70％-100％范围段、对智能分析模块识别的稳态建模数据集合和实时稳态数据集合进行分类存储；
所述智慧决策模块，其上设有智能挖掘决策模型组，所述智能挖掘决策模型组包括有目标函数计算模型和相似工况数据分析模型；智能挖掘决策模型组用于智能分析智能工况分类模块上存储的稳态建模数据集合和实时稳态数据集合，判断实时生产状态下制糖厂进榨及压榨生产线的生产工艺参数是否需要优化调控，需要优化调控时向进榨及压榨自动化系统发出需要优化调控的工段优化调控信号；
所述云平台权限管理模块根据不同部门以及同一部门不同职权的使用者访问权限进行管理。
所述客户端包括有移动客户端和本地客户端、其上设有用于访问云计算平台上专家库系统和云数据库的客户端模块。
本实施例具有结构简单、易于搭建、便于使用及操作的特点，可精准、高效、实时的确保糖厂的进榨及压榨生产车间生产效率、及降低车间的水电消耗量，有效减少依赖人为经验的操作，有效提高生产效率、降低生产能耗，确保甘蔗糖厂高效稳定可靠的执行及完成生产任务。
Claims (7)
1.基于云计算的制糖厂进榨及压榨智慧生产管理方法，其特征在于包括有以下步骤：
步骤1、采集上一个榨季的进榨及压榨的生产工艺参数创建原始数据集合；
所述生产工艺参数包括有工控环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)；
工况环境变量集合(Ii)包括有以下工况环境变量：甘蔗的小时榨量(I1)及其给定值(I1s)、输蔗带落口负荷(I2)及其给定值(I2s)、输蔗带蔗层厚度(I3)、榨机蔗渣料位(I4)及给定值(I4s)、渗透水温度(I5)及其给定值(I5s)、渗透水流量(I6)及其与蔗比给定值(I6s)、混合汁流量(I7)及其给定值(I7s)、混合汁液位(I8)及其给定值(I8s)、蔗渣量(I9)及其给定值(I9s)、榨机温度(I10)、撕裂机功率(I11)；
工况优化变量集合(Xj)包括有以下工况优化变量：输蔗带转速(X1)、榨机的转速(X2)、透水冷热水阀开度(X3)、渗透水泵控制信号(X4)、混合汁流量泵控制信号(X5)；
工况决策变量集合(Yk)包括有以下工况决策变量：甘蔗抽汁率(Y1)、车间用电量(Y2)、车间用水量(Y3)、停榨次数(Y4)；
所述工况决策变量集合(Yk)的甘蔗抽汁率(Y1)的采样周期为15至30分钟，即每间隔15至30分钟采集1次甘蔗抽汁率(Y1)；
步骤2、由步骤1的原始数据集合创建稳态建模数据集合；
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)为零时、即采样周期内没有停榨时对应的原始数据集合创建原始建模数据集合；
所述原始建模数据集合包括有：每个采样周期的甘蔗抽汁率(Y1)，以及工况环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)的其他生产工艺参数在每个采样子周期内进行N次取值；所述采样周期为15至30分钟，每个采样周期平分成三个采样子周期，采样子周期为5至10分钟；
步骤2.1、采用稳态工况分析模型对原始建模数据集合在每个采样子周期内N组工况环境变量集合(Ii)进行分析，判定出原始建模数据集合中工况环境变量参数稳定的工况环境变量集合(Ii)，并将其对应的生产工艺参数作为原始稳态工艺参数；
步骤2.2、采用步骤2.1的原始稳态工艺参数创建稳态建模数据集合，所述稳态建模数据集合包括有：每个采用周期的甘蔗抽汁率(Y1)、以及每个采样子周期内其他原始稳态工艺参数的平均值或给定值E(Ii)、E(Xj)、E(Yk)；
所述稳态建模数据集合中原始稳态工艺参数的平均值或给定值通过稳态工况计算模型进行计算，所述稳态工况计算模型包括有以下计算公式：
E(Ii)＝Iis(i＝1,2,4,5,6,7,8,9)；
步骤3、根据目标函数计算模型由步骤2的稳态建模数据集合创建大数据挖掘样本数据集合；
步骤3.1、根据制糖厂车间为实现节能减耗、提高白糖产量的生产工艺及生产过程的控制要求，建立目标函数计算模型：
其中：a为甘蔗抽汁率(Y1)的权重值，b为车间用电量(Y2)的权重值，c为车间用水量(Y3)的权重值，a+b+c＝1；
步骤3.2、根据步骤3.1的目标函数计算模型，将步骤2的稳态建模数据集合中每个采样子周期内车间用电量(Y2)的平均值E(Y2)作为Y2(t)、将车间用水量(Y3)的平均值E(Y3)作为Y3(t)、以及将其对应的采用周期内的甘蔗抽汁率(Y1)作为Y1(t)，计算稳态建模数据集合对应的P(t)值为Pw；
当Pw≥Pa时，Pa为预设的P(t)值，Pa介于0.6～1之间，取其对应的稳态建模数据集合得到大数据挖掘样本数据集合；
步骤4、采集实时生产状态下、且1至3个采用周期的进榨及压榨的生产工艺参数得到实时数据集合；
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)为零时、即采样周期内没有停榨时对应的实时数据集合得到实时建模数据集合；
所述实时建模数据集合包括有：工况环境变量集合(Ii)、工况优化变量集合(Xj)和工况决策变量集合(Yk)在每个采样子周期内进行N次取值，以及每个采样周期的甘蔗抽汁率(Y1)；
取采样周期内工况决策变量集合(Yk)中停榨次数(Y4)不等于零时、即采样周期内存在停榨时对应的实时生产工艺参数得到实时数据非常态集合；
步骤5、由步骤4的实时建模数据集合创建实时稳态数据集合；
步骤5.1、采用步骤2.1的稳态工况分析模型对实时建模数据集合在每个采样子周期内N组工况环境变量集合(Ii)进行分析，判定出实时建模数据集合中工况环境变量参数稳定的工况环境变量集合(Ii)、并将参数稳定的工况环境变量集合(Ii)对应的生产工艺参数作为实时稳态工艺参数；将判定出的工况环境变量参数不稳定对应的生产工艺参数作为实时数据非稳态集合；
步骤5.2、将步骤5.1的实时稳态工艺参数创建实时稳态数据集合，所述实时稳态数据集合包括有：每个采用周期的甘蔗抽汁率、并标记为E(Y1c)、以及每个采样子周期内所有实时稳态工艺参数的平均值或给定值、并分别标记为E(Iic)、E(Xjc)、E(Ykc)；所述实时稳态数据集合中实时稳态工艺参数的平均值或给定值通过步骤2的稳态工况计算模型进行计算；
步骤6、根据步骤3.1的目标函数计算模型，将步骤5的实时稳态数据集合中每个采样子周期内车间用电量(Y2)的平均值E(Y2)作为Y2(t)、将车间用水量(Y3)的平均值E(Y3)作为Y3(t)、以及将其对应的采用周期内的甘蔗抽汁率(Y1)作为Y1(t)，计算实时稳态数据集合对应的P(t)值为Pc；
步骤7、采用相似工况数据分析模型，判定步骤3.2的大数据挖掘样本数据集合中、与步骤5的实时稳态数据集合的工况环境变量集合相似的M个工况环境变量集合，得到相似样本数据集合；
步骤8、采用步骤7的相似样本数据集合中M个工况决策变量集合(Yk)和步骤3.1的目标函数计算模型计算P(t)值分别得到P1～Pm，选出P1～Pm中最大值的值作为Pmax，将Pmax对应的相似样本数据集合中的工况优化变量集合(Xj)作为目标优化变量集合；
步骤9、将由步骤6中实时稳态数据集合得到的Pc与由步骤8的相似样本数据集合得到的Pmax进行比较；
当Pc≥Pmax时，对实时生产状态下的进榨及压榨生产工艺参数判断为不需要优化调控；
当Pc<Pmax时，对实时生产状态下的进榨及压榨生产工艺参数判断为需要优化调控，即根据步骤8的目标优化变量集合调控实时生产状态下进榨及压榨生产工艺参数中工况优化变量集合(Xj)的工况优化变量。
2.根据权利要求1所述的基于云计算的制糖厂进榨及压榨智慧生产管理方法，其特征在于：
所述步骤2.1中的稳态工况分析模型包括有以下计算公式：
计算工况环境变量集合(Ii)的平均值或给定值E(Ii)：
E(Ii)＝Iis(i＝1,2,4,5,6,7,8,9)；
并计算工况环境变量集合(Ii)的均方差：
对原始建模数据集合中每组工况环境变量集合(Ii)采用稳态工况分析模型进行方差分析，设定工况环境变量集合(Ii)的均方差D(Ii)的阈值a；
当该组工况环境变量集合(Ii)均满足D(Ii)<a时，取该组工况环境变量集合(Ii)对应的生产工艺参数作为原始稳态工艺参数创建稳态建模数据集合。
3.根据权利要求1所述的基于云计算的制糖厂进榨及压榨智慧生产管理方法，其特征在于：
所述步骤7中相似工况数据分析模型包括有以下计算公式：
取步骤3.2的大数据挖掘样本数据集合中的工况环境变量集合E(Ii)(i＝1,2.....11)的特征值为：En＝(e1，n，e2，n......e11,n)；
取步骤5的实时稳态数据集合中的工况环境变量集合E(Iic)(i＝1,2.....11)的特征值Ec＝(e1，c，e2，c........e11,c)；
利用欧式距离公式如下：
其中n为大数据挖掘样本数据集合内第n个工况环境变量集合，wi为第i个工况环境变量参数的权重值；
所述实时稳态数据集合中的工况环境变量集合与大数据挖掘样本数据集合中的工况环境变量集合相似的数据集合如下：
其中，为相似度d(Ec，Ej)的约束值，其大小决定了与实时稳态数据集合中的工况环境变量集合相似的大数据挖掘样本数据集合中的工况环境变量集合的相似样本数据集合Sd的数量M的取值。
4.基于云计算的制糖厂进榨及压榨智慧生产管理系统，其用于实施权利要求1所述的基于云计算的制糖厂进榨及压榨智慧生产管理方法，包括有云计算平台、及分别通过以太网连接云计算平台的化验分析管理系统、进榨及压榨自动化系统、特定工位视频监控设备和客户端；
所述化验分析管理系统，用于人工录入和/或自动采集样品化验分析数据并生成样品理化参数；
所述进榨及压榨自动化系统，用于监测制糖厂进榨及压榨生产线的工段运行参数，根据工段优化调控信号控制各生产线的工段运行状态；
所述样品理化参数和工段运行参数组成权利要求1所述的生产工艺参数；
所述特定工位视频监控设备用于采集制糖厂进榨及压榨生产线工段的关键工位点图像；
其特征在于：
所述云计算平台上设有云数据库和专家库系统；
所述云数据库，用于接收及存储工况数据集合群，所述工况数据集合群包括有关键工位点图像、及权利要求1所述的原始数据集合和实时数据集合，以及用于接收及存储权利要求1所述的实时数据非常态集合和实时数据非稳态集合，以及接收及存储非常态工况处理方案和非稳态工况处理方案；
所述专家库系统包括有智能分析模块、智能工况分类模块和智慧决策模块；
所述智能分析模块，其上设有智能挖掘分析模型组，所述智能挖掘分析模型组包括有稳态工况分析模型和稳态工况计算模型，智能挖掘分析模型组用于智能分析云数据库发送的工况数据集合群，得到权利要求1所述的稳态建模数据集合和实时稳态数据集合；并针对实时数据非常态集合制定非常态工况处理方案、针对实时数据非稳态集合制定非稳态工况处理方案，将非常态工况处理方案和非稳态工况处理方案分别推送至客户端及云数据库；
所述智能工况分类模块，用于得到稳态工况分类树，所述稳态工况分类树依据制糖厂甘蔗小时榨量对智能分析模块识别的稳态建模数据集合和实时稳态数据集合进行分类存储；
所述智慧决策模块，其上设有智能挖掘决策模型组，所述智能挖掘决策模型组包括有目标函数计算模型和相似工况数据分析模型；智能挖掘决策模型组用于智能分析智能工况分类模块上存储的稳态建模数据集合和实时稳态数据集合，判断实时生产状态下制糖厂进榨及压榨生产线的生产工艺参数是否需要优化调控，需要优化调控时向进榨及压榨自动化系统发出需要优化调控的工段优化调控信号；
所述客户端上设有用于访问云计算平台上专家库系统和云数据库的客户端模块。
5.所述专家库系统中，智能工况分类模块的稳态工况分类树是依据甘蔗小时榨量全负荷的0％-30％、30％-40％、40％-50％、50％-60％、60％-70％、70％-100％范围段对稳态建模数据集合和实时稳态数据集合进行分类。
6.根据权利要求4所述的基于云计算的制糖厂进榨及压榨智慧生产管理系统，其特征在于：所述云计算平台上还设有云平台权限管理模块，所述云平台权限管理模块根据不同部门以及同一部门不同职权的使用者访问权限进行管理。
7.根据权利要求4所述的基于云计算的制糖厂进榨及压榨智慧生产管理系统，其特征在于：所述客户端包括有移动客户端和本地客户端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910779154.8A CN110412960B (zh) | 2019-08-22 | 2019-08-22 | 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910779154.8A CN110412960B (zh) | 2019-08-22 | 2019-08-22 | 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110412960A true CN110412960A (zh) | 2019-11-05 |
| CN110412960B CN110412960B (zh) | 2021-07-06 |
Family
ID=68368216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910779154.8A Active CN110412960B (zh) | 2019-08-22 | 2019-08-22 | 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110412960B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112346428A (zh) * | 2020-11-24 | 2021-02-09 | 航天云网数据研究院(广东)有限公司 | 产品加工工艺的智能控制方法、驾驶舱及相关设备 |
| CN113076698A (zh) * | 2021-04-20 | 2021-07-06 | 广西大学 | 基于车间大数据的动态多目标协同优化方法和系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103562938A (zh) * | 2011-03-31 | 2014-02-05 | Abb研究有限公司 | 甘蔗准备单元和运行方法 |
| CN103592930A (zh) * | 2013-11-28 | 2014-02-19 | 广州甘蔗糖业研究所 | 一种基于糖厂制炼系统的节能生产方法 |
| CN104122875A (zh) * | 2014-08-01 | 2014-10-29 | 广西宏智科技有限公司 | 制糖过程控制技术实训中心 |
| GB2521376A (en) * | 2013-12-17 | 2015-06-24 | Intellisense Io Ltd | System and method for securely managing data of industrial control systems |
| CN106094776A (zh) * | 2016-08-26 | 2016-11-09 | 广西宏智科技有限公司 | 糖厂制炼过程物料、热力平衡自动控制系统 |
| CN107219827A (zh) * | 2017-05-02 | 2017-09-29 | 华中农业大学 | 稻米食品全产业链信息系统、建立方法及应用 |
| CN107341614A (zh) * | 2017-07-10 | 2017-11-10 | 广西宏智科技有限公司 | 基于互联网+的甘蔗制糖厂化学分析管理系统 |
| CN107463152A (zh) * | 2017-07-14 | 2017-12-12 | 广东省生物工程研究所（广州甘蔗糖业研究所） | 一种甘蔗糖厂生产指挥调度系统及其运行方法 |
| CN108733016A (zh) * | 2018-05-31 | 2018-11-02 | 中策橡胶集团有限公司 | 一种炼胶生产线数据采集上传系统和方法 |
| US10326796B1 (en) * | 2016-04-26 | 2019-06-18 | Acalvio Technologies, Inc. | Dynamic security mechanisms for mixed networks |
-
2019
- 2019-08-22 CN CN201910779154.8A patent/CN110412960B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103562938A (zh) * | 2011-03-31 | 2014-02-05 | Abb研究有限公司 | 甘蔗准备单元和运行方法 |
| CN103592930A (zh) * | 2013-11-28 | 2014-02-19 | 广州甘蔗糖业研究所 | 一种基于糖厂制炼系统的节能生产方法 |
| GB2521376A (en) * | 2013-12-17 | 2015-06-24 | Intellisense Io Ltd | System and method for securely managing data of industrial control systems |
| CN104122875A (zh) * | 2014-08-01 | 2014-10-29 | 广西宏智科技有限公司 | 制糖过程控制技术实训中心 |
| US10326796B1 (en) * | 2016-04-26 | 2019-06-18 | Acalvio Technologies, Inc. | Dynamic security mechanisms for mixed networks |
| CN106094776A (zh) * | 2016-08-26 | 2016-11-09 | 广西宏智科技有限公司 | 糖厂制炼过程物料、热力平衡自动控制系统 |
| CN107219827A (zh) * | 2017-05-02 | 2017-09-29 | 华中农业大学 | 稻米食品全产业链信息系统、建立方法及应用 |
| CN107341614A (zh) * | 2017-07-10 | 2017-11-10 | 广西宏智科技有限公司 | 基于互联网+的甘蔗制糖厂化学分析管理系统 |
| CN107463152A (zh) * | 2017-07-14 | 2017-12-12 | 广东省生物工程研究所（广州甘蔗糖业研究所） | 一种甘蔗糖厂生产指挥调度系统及其运行方法 |
| CN108733016A (zh) * | 2018-05-31 | 2018-11-02 | 中策橡胶集团有限公司 | 一种炼胶生产线数据采集上传系统和方法 |
Non-Patent Citations (3)
| Title |
|---|
| 封云 等: "基于PROFIBUS_DP 总线控制大型甘蔗糖厂预处理及压榨生产", 《甘蔗糖业》 * |
| 封云 等: "甘蔗预处理及压榨设备的自动联锁控制", 《甘蔗糖业》 * |
| 林勇坚: "基于云计算、半物理仿真和多媒体技术的甘蔗制糖厂", 《实验技术与管理》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112346428A (zh) * | 2020-11-24 | 2021-02-09 | 航天云网数据研究院(广东)有限公司 | 产品加工工艺的智能控制方法、驾驶舱及相关设备 |
| CN113076698A (zh) * | 2021-04-20 | 2021-07-06 | 广西大学 | 基于车间大数据的动态多目标协同优化方法和系统 |
| CN113076698B (zh) * | 2021-04-20 | 2022-05-31 | 广西大学 | 基于车间大数据的动态多目标协同优化方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110412960B (zh) | 2021-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103591637B (zh) | 一种集中供热二次网运行调节方法 | |
| US20160364649A1 (en) | Optimized decision-making system and method for multiple ore dressing production indexes based on cloud server and mobile terminals | |
| CN105159235B (zh) | 回转窑煅烧过程综合协调控制方法及系统 | |
| CN111815128B (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
| CN109557934A (zh) | 一种基于装配式建筑平台的无人机巡航的控制方法及装置 | |
| CN107038167A (zh) | 基于模型评估的大数据挖掘分析系统及其分析方法 | |
| CN103546536A (zh) | 污水处理厂物联网系统 | |
| CN110412960A (zh) | 基于云计算的制糖厂进榨及压榨智慧生产管理方法及系统 | |
| CN110824923A (zh) | 一种基于深度学习与云计算的污水处理控制方法及其系统 | |
| CN106355312A (zh) | 糖厂基于大数据的物料智能调度系统 | |
| CN106482507B (zh) | 一种水泥分解炉燃烧自动控制方法 | |
| CN110192516A (zh) | 一种灌溉方法、系统及装置 | |
| CN105278476A (zh) | 基于物联网的传统酿造过程的监控系统与方法 | |
| CN107942873A (zh) | 一种家具制造生产线的运营成本智能化核算及监控方法 | |
| CN111612331A (zh) | 基于土壤水势的模糊智能植物生长监控系统及控制目标阈值获取方法 | |
| CN205987798U (zh) | 基于大数据的物联网云灌溉系统 | |
| CN103455000B (zh) | 一种自动形成控制逻辑的scada系统设备建模方法 | |
| CN203427193U (zh) | 沥青混凝土拌合站质量智能系统 | |
| CN101301538A (zh) | 水处理药剂投加模糊智能控制系统 | |
| CN115104515B (zh) | 一种基于降雨利用最大化的灌溉决策云计算方法、云计算平台和灌溉终端 | |
| CN101598927A (zh) | 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法 | |
| CN106019946B (zh) | 一种实时动态电机系统节能量核算方法及监控系统 | |
| CN112650337A (zh) | 一种农作物环境自动调节的装置及方法 | |
| Wang | Research and design of intelligent monitoring system for greenhouse based on Internet of Things | |
| TW201909093A (zh) | 智能排程系統及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: No.10, shiliugang Road, Haizhu District, Guangzhou City, Guangdong Province 510000 Patentee after: Institute of biological and medical engineering, Guangdong Academy of Sciences Address before: No.10, shiliugang Road, Haizhu District, Guangzhou City, Guangdong Province 510000 Patentee before: Institute of bioengineering, Guangdong Academy of Sciences |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP03 | Change of name, title or address |
Address after: No.10, shiliugang Road, Haizhu District, Guangzhou City, Guangdong Province 510000 Patentee after: Institute of bioengineering, Guangdong Academy of Sciences Address before: 510316, 10, pomegranate Road, Guangzhou, Guangdong, Haizhuqu District Patentee before: GUANGDONG PROVINCIAL BIOENGINEERING INSTITUTE (GUANGZHOU SUGARCANE INDUSTRY RESEARCH INSTITUTE) |
|
| CP03 | Change of name, title or address |