CN115591493A - 一种反应釜温度控制方法 - Google Patents
一种反应釜温度控制方法 Download PDFInfo
- Publication number
- CN115591493A CN115591493A CN202211157743.0A CN202211157743A CN115591493A CN 115591493 A CN115591493 A CN 115591493A CN 202211157743 A CN202211157743 A CN 202211157743A CN 115591493 A CN115591493 A CN 115591493A
- Authority
- CN
- China
- Prior art keywords
- reaction kettle
- temperature
- data
- model
- value
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 32
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims abstract description 29
- 230000001105 regulatory effect Effects 0.000 claims abstract description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 16
- 230000001276 controlling effect Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000036961 partial effect Effects 0.000 claims description 7
- 239000000498 cooling water Substances 0.000 claims description 6
- 238000003756 stirring Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 241000287828 Gallus gallus Species 0.000 claims description 3
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 239000003921 oil Substances 0.000 claims description 3
- 235000019198 oils Nutrition 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 235000012424 soybean oil Nutrition 0.000 claims description 3
- 239000003549 soybean oil Substances 0.000 claims description 3
- 239000003760 tallow Substances 0.000 claims description 3
- 230000007363 regulatory process Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 2
- 235000015278 beef Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012994 industrial processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J19/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
- B01J19/0006—Controlling or regulating processes
- B01J19/0013—Controlling the temperature of the process
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
- B01J2219/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
- B01J2219/00049—Controlling or regulating processes
- B01J2219/00051—Controlling the temperature
Abstract
本发明适用于反应釜温控技术领域，公开了反应釜温度控制方法，包括采集反应釜的当前时刻的温度值，基于改进的ARIMA反应釜温度预测模型获取反应釜下一时刻的预测温度值；计算下一时刻的预测温度值与目标温度设定值的温差值；根据温差值确定温度伸缩因子，并基于温度伸缩因子获得反应釜的调节阀控制量；根据调节阀控制量调节反应釜的调节阀，控制反应釜的温度使得经至少一次调节反应釜的调节阀之后再采集的反应釜的温度值与预设温度值相同，该控制方法基于改进的ARIMA反应釜温度预测模型预测反应釜未来时刻的温度，能够提高预测精度，并且其基于预测温度提前控制蒸汽开度调节阀，能够减少超调量并加速调节过程，提高控制精度。
Description
技术领域
本发明涉及反应釜温控技术领域，尤其涉及一种反应釜温度控制方法。
背景技术
反应釜是工业加工过程中常用的加热装置，在化工、制药等行业运用较为普遍。温度跟随控制的精度与产品的使用寿命和质量息息相关，对反应釜的精确、合理温度控制显得尤为重要。温度控制不但有助提高反应效率，保证产品质量，且对化学反应的平稳运行，生产安全也影响重大。但由于釜内结构和温度变化的不稳定性，实际生产中，化学反应伴随的放热现象以及添加原料等外界干扰的复杂性，导致严重影响温度跟随控制的难度与精度。
目前反应釜温度控制主要依赖人工经验或传统PID控制，传统PID控制参数采用静态方式，容易导致反应釜温度预测控制精度低、存在滞后性等问题。
发明内容
本发明的目的在于提供一种反应釜温度控制方法，其旨在解决现有的反应釜温度控制方法容易导致反应釜温度预测控制精度低、存在滞后性的技术问题。
为达到上述目的，本发明提供的方案是：
一种反应釜温度控制方法，包括：
采集反应釜的当前时刻的温度值，基于改进的ARIMA反应釜温度预测模型获取反应釜下一时刻的预测温度值，改进的ARIMA反应釜温度预测模型表示为：
式中，
表示反应釜t时刻的预测温度值，L表示预测步长，
表示平滑常数，μ为常数项，γi表示自相关系数，yt-1表示反应釜t-1时刻的实际温度值，yt-i-1表示反应釜t-i-1时刻的实际温度值，εt-1表示t-1时刻的误差值，εt-j-1表示t-j-1时刻的误差，θi表示偏自相关系数；
计算下一时刻的预测温度值与目标温度设定值的温差值；
根据温差值确定温度伸缩因子，并基于温度伸缩因子获得反应釜的调节阀控制量；
根据所述调节阀控制量调节反应釜的调节阀，控制反应釜的温度使得经至少一次调节反应釜的调节阀之后再采集的反应釜的温度值与预设温度值相同。
优选地，所述改进的ARIMA反应釜温度预测模型的构建方法包括：
采集反应釜运行数据包括反应釜内温度数据、蒸汽开度比例、反应釜进料数据、冷却水流量速率数据、搅拌速率数据；
预处理采集的反应釜运行数据；
在一固定范围的蒸汽开度比例、冷却水流量速率、搅拌速率条件下，针对不同的反应釜进料数据，输入包括当前时刻之前的历史温度数据，基于预处理后的数据构建初始的ARIMA预测模型；
引入指数平滑算法改进初始的ARIMA预测模型，得到改进的ARIMA反应釜温度预测模型；
验证模型的合理性。
优选地，所述反应釜进料数据包括大豆油进量数据、鸡油进量数据、牛油进量数据、固体进料量数据。
优选地，预处理采集的反应釜运行数据的包括：对原始数据进行清洗、整合，去除反应釜未正常开机时段的数据，以及剔除网络通讯故障造成的异常数据。
优选地，构建初始的ARIMA预测模型的方法包括：
对数据进行平稳性检验，确定模型参数d；
确定模型参数p、q阶数；
模型定阶后确实系数γi和θi。
优选地，采用ADF检测方法对数据进行平稳性检验，若结果为数据不平稳，则进行差分处理；否则d＝0。
优选地，模型参数p、q阶数的确定通过自相关函数ACF和偏自相关函数PACF，并结合AIC或BIC准则进行模型识别和定阶。
优选地，验证模型的合理性包括对模型拟合进行残差序列分析，若模型检验不通过，则重新进行模型识别和定阶，若模型校验通过，则确定其可用。
本发明提供的反应釜温度控制方法基于改进的ARIMA反应釜温度预测模型预测反应釜未来时刻的温度，改进的ARIMA反应釜温度预测模型融入了指数平滑算法，对预测模型添加了强制反馈即强制引入了数据的追溯性，能够提高模型的性能和提升预测准确率。并且该控制方法基于预测温度提前控制蒸汽开度调节阀，从而能够减少超调量并加速调节过程，提高控制精度，能够消除纯滞后对反应釜温度预测与控制系统的不良影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1是本发明实施例提供的反应釜温度控制方法的流程示意图；
图2是本发明实施例提供的改进的ARIMA反应釜温度预测模型的构建方法的流程示意图；
图3是本发明实施例提供的原始序列数据的序列图；
图4是本发明实施例提供的原始序列数据的ACF图；
图5是本发明实施例提供的一阶差分的序列图；
图6是本发明实施例提供的一阶差分的ACF图；
图7是本发明实施例提供的二阶差分的序列图；
图8是本发明实施例提供的二阶差分的ACF图；
图9是本发明实施例提供的模型拟合残差分析图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
还需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上时，它可以直接在另一个元件上或者可能同时存在居中元件。当一个元件被称为是“连接”另一个元件，它可以是直接连接另一个元件或者可能同时存在居中元件。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
如图1至图9所示，其为本发明的一种实施例的反应釜温度控制方法。
请参阅图1-图9，本发明实施例的一种反应釜温度控制方法，包括
步骤S100，采集反应釜的当前时刻的温度值，基于改进的ARIMA反应釜温度预测模型获取反应釜下一时刻的预测温度值，改进的ARIMA反应釜温度预测模型表示为：
式中，
表示反应釜t时刻的预测温度值，L表示预测步长，
表示平滑常数，μ为常数项，γi表示自相关系数，yt-1表示反应釜t-1时刻的实际温度值，yt-i-1表示反应釜t-i-1时刻的实际温度值，εt-1表示t-1时刻的误差值，εt-j-1表示t-j-1时刻的误差，θi表示偏自相关系数。
在本实例中，L＝1，α＝0.02。
步骤S200，计算下一时刻的预测温度值与目标温度设定值的温差值。
步骤S300，根据温差值确定温度伸缩因子，并基于温度伸缩因子获得反应釜的调节阀控制量。
具体地，基于温度伸缩因子、依据模糊控制规则表以及反应釜实际温度变化率和蒸汽开度之间的比例关系获得反应釜的调节阀控制量。
实际操作中，若预测温度值与目标温度设置值的差值为正数，可以确定是要将反应釜内的温度降低，从而可以确定反应釜内的温度变化趋势是要下降，则需将调节阀调小；若预测温度值与目标温度设置值的差值为负数，可以确定是要将反应釜内的温度升高，从而可以确定反应釜内的温度变化趋势是要上升，则需将调节阀调大。
例如，若当前反应釜温度为98.5℃时，通过改进的ARIMA反应釜温度预测模型预测下一时刻的反应釜温度为101.6℃，目标温度设置值为100℃，计算下一时刻的预测温度值与目标温度设置值的差值为-1.6℃，-1.6℃确定为温度伸缩因子；依据模糊控制规则表、反应釜实际温度变化率与蒸汽开度之间的比例关系，获得蒸汽开度比例调节阀控制量为5开度。
步骤S400，根据所述调节阀控制量调节反应釜的调节阀，控制反应釜的温度使得经至少一次调节反应釜的调节阀之后再采集的反应釜的温度值与预设温度值相同。
本发明实施例的反应釜温度控制方法基于改进的ARIMA反应釜温度预测模型预测反应釜未来时刻的温度，改进的ARIMA反应釜温度预测模型融入了指数平滑算法，对预测模型添加了强制反馈即强制引入了数据的追溯性，能够提高模型的性能和提升预测准确率。并且该控制方法基于预测温度提前控制蒸汽开度调节阀，从而能够减少超调量并加速调节过程，提高控制精度，能够消除纯滞后对反应釜温度预测与控制系统的不良影响。
请参阅图2所示，在某些实施例中，示例性地，改进的ARIMA反应釜温度预测模型的构建方法包括：
步骤S11，采集反应釜运行数据包括反应釜内温度数据、蒸汽开度比例、反应釜进料数据、冷却水流量速率数据、搅拌速率数据，其中反应釜进料数据包括大豆油进量数据、鸡油进量数据、牛油进量数据、固体进料量数据。
步骤S12，预处理所采集的数据，包括对原始数据进行清洗、整合，去除反应釜未正常开机时段的数据，以及剔除网络通讯故障等原因造成的异常数据。
步骤S13，在一固定范围的的蒸汽开度比例、冷却水流量速率、搅拌速率条件下，针对不同的反应釜进料数据，输入包括当前时刻之前的历史温度数据，基于预处理后的数据构建初始的ARIMA预测模型。
步骤S131，对数据进行平稳性检验，确定模型参数d；
对数据进行平稳性检验，采用ADF检测方法判断该数据是否稳定，若结果为数据不平稳，则进行差分处理；否则d＝0。
检验结果如下表一，可以看到t统计量为-0.74要大于10％临界值，则无法拒绝原假设，并且p值大于0.05，因此不能拒绝有一个单位根存在，即证明温度序列数据不稳定，需进行差分处理使温度序列数据平稳化。
表一：ADF检验表
分别进行一阶、二阶差分处理，对比原始序列数据，进行数据可视化分析，原始序列数据的序列图和ACF图如图3和图4所示，一阶差分的序列图和ACF图如图5和图6所示，二阶差分的序列图和ACF图如图7和图8所示，可以看到，原数据的ACF图的拖尾阶数过高了，而二阶差分后的截尾阶数过小了，所以一阶差分更合适，故模型参数d＝1；
步骤S132，确定模型参数p、q阶数；
模型参数p、q阶数的确定通过自相关函数ACF和偏自相关函数PACF，并结合AIC或BIC准则进行模型识别和定阶。结合图6所示，观察到模型参数q阶数取值为2，同时计算偏自相关PACF函数得到模型参数p阶数取值为1。模型定阶后确实系数γi＝-0.21，θi＝0.64，且其对应系数的显著性水平都大于0.05，因此系数都不显著为0。
步骤S14，引入指数平滑算法改进初始的ARIMA预测模型，得到改进的的ARIMA反应釜温度预测模型，
步骤S15，验证模型的合理性，即对模型拟合进行残差序列分析，即训练数据原本的序列减去训练数据上的拟合序列后的序列，如图9，其为模型拟合残差分析图，可以看到该温度温度序列数据非常符合随机误差分布，说明模型合理，拟合性好；若模型检验不通过，则重新进行模型识别和定阶，即重新选取模型参数p、q阶数。
测试中，利用改进的ARIMA反应釜温度预测模型来预测反应釜内未来温度变化趋势，并对预测温度与实际温度进行误差分析，结果为MES＝0.014，RMES＝0.12，可以看出模型预测误差非常小，说明预测模型拟合精度好。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种反应釜温度控制方法，其特征在于，包括：
采集反应釜的当前时刻的温度值，基于改进的ARIMA反应釜温度预测模型获取反应釜下一时刻的预测温度值，改进的ARIMA反应釜温度预测模型表示为：
式中，
表示反应釜t时刻的预测温度值，L表示预测步长，
表示平滑常数，μ为常数项，γi表示自相关系数，yt-1表示反应釜t-1时刻的实际温度值，yt-i-1表示反应釜t-i-1时刻的实际温度值，εt-1表示t-1时刻的误差值，εt-j-1表示t-j-1时刻的误差，θi表示偏自相关系数；
计算下一时刻的预测温度值与目标温度设定值的温差值；
根据温差值确定温度伸缩因子，并基于温度伸缩因子获得反应釜的调节阀控制量；
根据所述调节阀控制量调节反应釜的调节阀，控制反应釜的温度使得经至少一次调节反应釜的调节阀之后再采集的反应釜的温度值与预设温度值相同。
2.如权利要求1所述的反应釜温度控制方法，其特征在于，所述改进的ARIMA反应釜温度预测模型的构建方法包括：
采集反应釜运行数据包括反应釜内温度数据、蒸汽开度比例、反应釜进料数据、冷却水流量速率数据、搅拌速率数据；
预处理采集的反应釜运行数据；
在一固定范围的蒸汽开度比例、冷却水流量速率、搅拌速率条件下，针对不同的反应釜进料数据，输入包括当前时刻之前的历史温度数据，基于预处理后的数据构建初始的ARIMA预测模型；
引入指数平滑算法改进初始的ARIMA预测模型，得到改进的ARIMA反应釜温度预测模型；
验证模型的合理性。
3.如权利要求2所述的反应釜温度控制方法，其特征在于，所述反应釜进料数据包括大豆油进量数据、鸡油进量数据、牛油进量数据、固体进料量数据。
4.如权利要求2所述的反应釜温度控制方法，其特征在于，预处理采集的反应釜运行数据的包括：对原始数据进行清洗、整合，去除反应釜未正常开机时段的数据，以及剔除网络通讯故障造成的异常数据。
5.如权利要求2所述的反应釜温度控制方法，其特征在于，构建初始的ARIMA预测模型的方法包括：
对数据进行平稳性检验，确定模型参数d；
确定模型参数p、q阶数；
模型定阶后确实系数γi和θi。
6.如权利要求5所述的反应釜温度控制方法，其特征在于，采用ADF检测方法对数据进行平稳性检验，若结果为数据不平稳，则进行差分处理；否则d＝0。
7.如权利要求5所述的反应釜温度控制方法，其特征在于，模型参数p、q阶数的确定通过自相关函数ACF和偏自相关函数PACF，并结合AIC或BIC准则进行模型识别和定阶。
8.如权利要求5所述的反应釜温度控制方法，其特征在于，验证模型的合理性包括对模型拟合进行残差序列分析，若模型检验不通过，则重新进行模型识别和定阶，若模型校验通过，则确定其可用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211157743.0A CN115591493B (zh) | 2022-09-22 | 一种反应釜温度控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211157743.0A CN115591493B (zh) | 2022-09-22 | 一种反应釜温度控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115591493A true CN115591493A (zh) | 2023-01-13 |
| CN115591493B CN115591493B (zh) | 2024-05-14 |
Family
ID=
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115808944A (zh) * | 2023-02-09 | 2023-03-17 | 国能大渡河枕头坝发电有限公司 | 一种定子温升试验控制方法 |
| CN116203342A (zh) * | 2023-04-27 | 2023-06-02 | 成都中航华测科技有限公司 | 一种基于高低温实验箱的器件测试过程的温度控制方法 |
| CN116448263A (zh) * | 2023-06-16 | 2023-07-18 | 山东德圣源新材料有限公司 | 一种勃姆石生产设备运行状态检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0651846A (ja) * | 1992-07-31 | 1994-02-25 | Sekisui Chem Co Ltd | 反応器の温度制御方法及びその装置 |
| CN102156496A (zh) * | 2011-04-07 | 2011-08-17 | 杭州电子科技大学 | 一种反应釜温度混合控制方法 |
| CN203816624U (zh) * | 2014-04-24 | 2014-09-10 | 浙江泰索科技有限公司 | 预调节自回归式反应釜温度控制系统 |
| CN109131350A (zh) * | 2018-08-23 | 2019-01-04 | 北京理工大学 | 一种混合动力汽车能量管理方法及系统 |
| CN110716593A (zh) * | 2019-10-31 | 2020-01-21 | 河北科技大学 | 反应釜温度预测与控制方法、装置及终端设备 |
| US20210045640A1 (en) * | 2019-08-16 | 2021-02-18 | Poltorak Technologies, LLC | Device and method for medical diagnostics |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0651846A (ja) * | 1992-07-31 | 1994-02-25 | Sekisui Chem Co Ltd | 反応器の温度制御方法及びその装置 |
| CN102156496A (zh) * | 2011-04-07 | 2011-08-17 | 杭州电子科技大学 | 一种反应釜温度混合控制方法 |
| CN203816624U (zh) * | 2014-04-24 | 2014-09-10 | 浙江泰索科技有限公司 | 预调节自回归式反应釜温度控制系统 |
| CN109131350A (zh) * | 2018-08-23 | 2019-01-04 | 北京理工大学 | 一种混合动力汽车能量管理方法及系统 |
| US20210045640A1 (en) * | 2019-08-16 | 2021-02-18 | Poltorak Technologies, LLC | Device and method for medical diagnostics |
| CN110716593A (zh) * | 2019-10-31 | 2020-01-21 | 河北科技大学 | 反应釜温度预测与控制方法、装置及终端设备 |
Non-Patent Citations (2)
| Title |
|---|
| 赵宾;赵辉;: "ARIMA在公路施工外温预测中的应用", 河南科技, no. 21, 5 November 2013 (2013-11-05), pages 152 - 153 * |
| 韩永贵等: "基于指数平滑和ARIMA模型的西北地区 饱和水汽压差预测", 《干旱区研究》, vol. 38, no. 2, 31 March 2021 (2021-03-31), pages 303 - 313 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115808944A (zh) * | 2023-02-09 | 2023-03-17 | 国能大渡河枕头坝发电有限公司 | 一种定子温升试验控制方法 |
| CN115808944B (zh) * | 2023-02-09 | 2023-06-02 | 国能大渡河枕头坝发电有限公司 | 一种定子温升试验控制方法 |
| CN116203342A (zh) * | 2023-04-27 | 2023-06-02 | 成都中航华测科技有限公司 | 一种基于高低温实验箱的器件测试过程的温度控制方法 |
| CN116203342B (zh) * | 2023-04-27 | 2023-07-07 | 成都中航华测科技有限公司 | 一种基于高低温实验箱的器件测试过程的温度控制方法 |
| CN116448263A (zh) * | 2023-06-16 | 2023-07-18 | 山东德圣源新材料有限公司 | 一种勃姆石生产设备运行状态检测方法 |
| CN116448263B (zh) * | 2023-06-16 | 2023-09-05 | 山东德圣源新材料有限公司 | 一种勃姆石生产设备运行状态检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kourti | Application of latent variable methods to process control and multivariate statistical process control in industry | |
| Wang | Robust data-driven modeling approach for real-time final product quality prediction in batch process operation | |
| Kourti | Multivariate dynamic data modeling for analysis and statistical process control of batch processes, start‐ups and grade transitions | |
| Russell et al. | Recursive data‐based prediction and control of batch product quality | |
| EP2561411B1 (en) | A method and system for updating a model in a model predictive controller | |
| US20070250214A1 (en) | Method and apparatus for fuzzy logic control enhancing advanced process control performance | |
| JP2003195905A (ja) | 制御装置および温度調節器 | |
| CN109999527B (zh) | 一种多流体智能配料控制方法 | |
| CN110850709B (zh) | 用于pid参数的渐进式整定方法 | |
| CN108646553A (zh) | 一种统计在线监控闭环控制系统模型质量的方法 | |
| CN115591493A (zh) | 一种反应釜温度控制方法 | |
| CN115591493B (zh) | 一种反应釜温度控制方法 | |
| US7242989B2 (en) | Apparatus and method for batch property estimation | |
| Yabuki et al. | An industrial experience with product quality control in semi-batch processes | |
| JP2004348481A (ja) | プロセス制御装置及びプロセス制御方法 | |
| JP3241156B2 (ja) | 水質制御装置 | |
| US6643554B2 (en) | Method and apparatus for adaptive control of marginally stable systems | |
| CN109635465B (zh) | 基于tpls模型的批次内操作轨迹调整方法 | |
| CN112132428A (zh) | 基于大数据的蒸汽热网配汽站预测性调控决策方法 | |
| WO2005063822A1 (en) | Polymer reaction and quality optimizer | |
| CN114873665B (zh) | 基于计算机视觉技术的凝结水精处理再生自动控制系统 | |
| WO2018029393A1 (en) | A method, system, computer program product and computer data-base for controlling an industrial process or machine | |
| Paulen et al. | Dual robust control of batch processes based on optimality-conditions parameterization | |
| Mhamdi et al. | On-line optimization of MSF desalination plants | |
| CN116380205A (zh) | 一种多元数据融合的烟道风量误差软校正方法及系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230710 Address after: No.6 Jinfeng Road, Tangjiawan Town, High tech Zone, Zhuhai City, Guangdong Province, 519088 Applicant after: BEIJING INSTITUTE OF TECHNOLOGY, ZHUHAI Applicant after: Hailong Intelligent Technology Research (Zhuhai) Co.,Ltd. Applicant after: Sichuan Hailong Intelligent Manufacturing Technology Co.,Ltd. Address before: 5-501, Jinjia Creative Valley, No. 2021, Mingzhu South Road, Qianshan Street, Xiangzhou District, Zhuhai City, Guangdong Province, 519000 Applicant before: Hailong Intelligent Technology Research (Zhuhai) Co.,Ltd. Applicant before: Sichuan Hailong Intelligent Manufacturing Technology Co.,Ltd. Applicant before: BEIJING INSTITUTE OF TECHNOLOGY, ZHUHAI |
|
| GR01 | Patent grant |