CN115951646A - 一种α型半水石膏的智能生产控制方法及系统 - Google Patents

Abstract

本发明涉及生产控制技术领域，提供了一种α型半水石膏的智能生产控制方法及系统，所述方法包括：采集获得订单需求信息，需求解析获得需求解析结果；构建工艺流程集合，匹配流程参数，获得流程参数匹配结果，原材破碎，采集破碎结果图像，获得图像采集结果；破碎后，执行蒸压、烘干、粉磨处理，获得粉磨处理原材；二次炒制粉磨处理原材，获得α型半水石膏，质量测定生成质量测定结果，生成反馈控制参数，进行分参数优化，解决α型半水石膏的生产控制参数调整缺乏客观性，生产控制精度低技术问题，在α型半水石膏生产的全阶段进行控制参数反馈优化，实现生产控制全阶段自动调控，排除生产控制参数调整的个人主观误差，提高生产控制精度技术效果。

Description

一种α型半水石膏的智能生产控制方法及系统

技术领域

本发明涉及生产控制相关技术领域，具体涉及一种α型半水石膏的智能生产控制方法及系统。

背景技术

半水石膏广泛应用于工业、建筑业等各种行业，常见的，半水石膏分为α型和β型，α型半水石膏以二水石膏在高温、高压作用下，重结晶并脱去一又二分之一水分子产生，高温、高压与重结晶对半水石膏制品的性能存在影响。

由于在α型半水石膏生产工艺流程全阶段，存在多项生产控制参数，相关技术生产人员观察α型半水石膏制品，实现生产控制参数调整，但技术人员调整的生产控制参数存在个人主观误差，石膏的生产控制参数调整精度低，生产控制参数调整存在一定的滞后性。

综上所述，现有技术中存在α型半水石膏的生产控制参数调整缺乏客观性，生产控制精度低的技术问题。

发明内容

本申请通过提供了一种α型半水石膏的智能生产控制方法及系统，旨在解决现有技术中的α型半水石膏的生产控制参数调整缺乏客观性，生产控制精度低的技术问题。

鉴于上述问题，本申请实施例提供了一种α型半水石膏的智能生产控制方法及系统。

本申请公开的第一个方面，提供了一种α型半水石膏的智能生产控制方法，其中，所述方法包括：采集获得订单需求信息，对所述订单需求信息进行需求解析，获得需求解析结果；通过历史生产数据构建工艺流程集合，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，获得流程参数匹配结果；通过所述流程参数匹配结果控制粉碎控制装置进行原材破碎，通过图像采集装置进行破碎结果图像采集，获得图像采集结果；对破碎后的原材执行蒸压、烘干处理，将处理后的原材进行粉磨，获得粉磨处理原材；通过所述流程参数匹配结果控制温度控制装置进行所述粉磨处理原材的二次炒制，获得α型半水石膏；对所述α型半水石膏进行质量测定，生成质量测定结果；根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，通过所述反馈控制参数进行所述流程参数匹配结果的参数优化。

优选的，所述方法还包括：

对所述图像采集结果进行粉碎特征识别，获得粉碎特征识别结果；通过所述粉碎特征识别结果进行粒径分布统计，获得粒径分布集合；根据所述粒径分布集合获得粒径集中值和粒径极大值；根据所述粒径集中值和所述粒径极大值、所述流程参数匹配结果获得所述反馈控制参数。

优选的，所述方法还包括：

通过所述流程参数匹配结果获得破碎粒度约束阈值；根据所述粒径极大值和所述破碎粒度约束阈值生成第一反馈约束参数；通过所述流程参数匹配结果获得设定粒径集中值；根据所述粒径集中值和所述设定粒径集中值生成第二反馈约束参数；通过所述第一反馈约束参数和所述第二反馈约束参数获得所述反馈控制参数。

优选的，所述方法还包括：

根据所述粒径分布集合进行破碎粒度集中度评价，获得集中度评价结果；通过所述集中度评价结果进行所述第二反馈约束参数的参数修正，获得修正第二反馈约束参数；通过所述修正第二反馈约束参数和所述第一反馈约束参数获得所述反馈控制参数。

优选的，所述方法还包括：

根据所述质量测定结果和所述需求解析结果进行强度偏离分析，获得强度偏离分析结果；将所述强度偏离分析结果和所述图像采集结果输入智能温度调控模型，输出温度调控反馈数据；通过所述温度调控反馈数据获得所述反馈控制参数。

优选的，所述方法还包括：

根据所述历史生产数据进行二次炒制控制稳定性评价，根据控制稳定性评价结果构建影响调整隐含层；将所述影响调整隐含层耦合至所述智能温度调控模型，当所述强度偏离分析结果和所述图像采集结果输入至所述智能温度调控模型，通过所述影响调整隐含层对所述图像采集结果进行处理；输出影响温控区间，其中，所述影响温控区间为所述影响调整隐含层的输出结果；将所述影响温控区间和所述强度偏离分析结果输入所述智能温度调控模型，输出获得所述温度调控反馈数据。

优选的，所述方法还包括：

设定连续监测周期；通过所述连续监测周期进行所述α型半水石膏的连续监测反馈，生成连续监测反馈结果；将所述连续监测反馈结果发送至所述智能温度调控模型进行模型补偿。

本申请公开的另一个方面，提供了一种α型半水石膏的智能生产控制系统，其中，所述系统包括：需求解析模块，用于采集获得订单需求信息，对所述订单需求信息进行需求解析，获得需求解析结果；流程参数匹配模块，用于通过历史生产数据构建工艺流程集合，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，获得流程参数匹配结果；图像采集模块，用于通过所述流程参数匹配结果控制粉碎控制装置进行原材破碎，通过图像采集装置进行破碎结果图像采集，获得图像采集结果；粉磨处理模块，用于对破碎后的原材执行蒸压、烘干处理，将处理后的原材进行粉磨，获得粉磨处理原材；二次炒制模块，用于通过所述流程参数匹配结果控制温度控制装置进行所述粉磨处理原材的二次炒制，获得α型半水石膏；质量测定模块，用于对所述α型半水石膏进行质量测定，生成质量测定结果；参数优化模块，用于根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，通过所述反馈控制参数进行所述流程参数匹配结果的参数优化。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了采集获得订单需求信息，需求解析获得需求解析结果；通过历史生产数据构建工艺流程集合，通过需求解析结果，进行流程参数匹配，获得流程参数匹配结果，进行原材破碎，采集破碎结果图像，获得图像采集结果；对破碎后的原材执行蒸压、烘干、粉磨处理，获得粉磨处理原材；通过流程参数匹配结果，进行粉磨处理原材的二次炒制，获得α型半水石膏，质量测定生成质量测定结果，结合图像采集结果和需求解析结果生成反馈控制参数，进行流程参数匹配结果的参数优化，在α型半水石膏生产的全阶段进行控制参数反馈优化，实现了生产控制全阶段自动调控，排除生产控制参数调整的个人主观误差，提高生产控制精度的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种α型半水石膏的智能生产控制方法可能的流程示意图；

图2为本申请实施例提供了一种α型半水石膏的智能生产控制方法中输出温度调控反馈数据可能的流程示意图；

图3为本申请实施例提供了一种α型半水石膏的智能生产控制方法中获得反馈控制参数可能的流程示意图；

图4为本申请实施例提供了一种α型半水石膏的智能生产控制系统可能的结构示意图。

附图标记说明：需求解析模块100，流程参数匹配模块200，图像采集模块300，粉磨处理模块400，二次炒制模块500，质量测定模块600，参数优化模块700。

具体实施方式

本申请实施例提供了一种α型半水石膏的智能生产控制方法及系统，解决了α型半水石膏的生产控制参数调整缺乏客观性，生产控制精度低的技术问题，实现了生产控制全阶段自动调控，排除生产控制参数调整的个人主观误差，提高生产控制精度的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种α型半水石膏的智能生产控制方法，其中，所述方法包括：

S10：采集获得订单需求信息，对所述订单需求信息进行需求解析，获得需求解析结果；

S20：通过历史生产数据构建工艺流程集合，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，获得流程参数匹配结果；

S30：通过所述流程参数匹配结果控制粉碎控制装置进行原材破碎，通过图像采集装置进行破碎结果图像采集，获得图像采集结果；

具体而言，在顾客端发出采购指令后，进行订单需求采集，获得订单需求信息（所述订单需求信息包括α型半水石膏的订购量、抗压强度需求），依照原材料与α型半水石膏制品的性能关系，对所述订单需求信息进行需求解析（α型半水石膏制品的强度随CaSO₄ 2H₂O含量的增加而增大，两者呈正相关性，实验室验证可知：如果抗压强度大于25MPa的α型半水石膏制品，石膏矿石中的CaSO₄ 2H₂O的含量必须大于85%，需求解析即α型半水石膏制品的原料解析；转晶剂一般为有机钠盐、钾盐、铵盐，如柠檬酸钠等，在有机酸根环境中，石膏晶体的Z轴生长有抑制作用，晶体沿着X、Y轴方向生长，实验室验证测试数据：样本1号=30MPa；样本2号=33MPa；样本3号=27MPa，多组样本数据可知：转晶剂可以提高抗压强度20%~50%，其中，2号样本加入复合型转晶剂，强度更高），获得需求解析结果（所述需求解析结果包括CaSO₄ 2H₂O含量需求、转晶剂含量需求等多种原料需求解析信息）；

通过历史生产数据构建工艺流程集合，具体包括：α型半水石膏生产工艺流程包括：原料分挑-破碎-蒸压（蒸汽排出）-烘干-粉末-二次炒制-验证测试-包装-出库；基于所述智能生产控制系统的数据存储单元，进行历史生产数据提取，获取历史生产数据，所述历史生产数据包括历史破碎数据、历史蒸压数据、历史烘干数据等一系列生产数据，依照α型半水石膏生产工艺流程进行历史生产数据整理，构建工艺流程集合（所述工艺流程集合包括历史破碎数据子集、历史蒸压数据子集、历史烘干数据子集等相关数据子集）；

采用参数匹配算法，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，参数匹配算法即用来指定匹配所使用的算法，使用k-dimensional树（k-dimensional树为通用型参数匹配函数）实现最近邻搜索，查询离需求解析结果第k邻近的点，将查询结果提取，获得流程参数匹配结果（对于一个k维的超平面（维度＞3即超平面），在k-dimensional树每一层的构建中都选择一个维度来进行划分，将k维的数据空间分为两部分，并使其尽量平衡，然后如此递归下去，示例性的：假如储存n个三维的点(x，y，z)信息：先按x坐标sort（sort指令是Linux命令）一遍，选出中间值x_mid作为根节点，所有x坐标比x_mid小的点在左子树，比x_mid大的在右子树；左、右子树分别按照y坐标sort一遍选出中间值作为子树的根节点；再在子树中按照z坐标sort一遍；然后再按x坐标；……以此类推），所述流程参数匹配结果包括历史匹配破碎数据、历史匹配烘干数据、历史匹配二次炒制数据等一系列历史匹配生产数据；通过所述流程参数匹配结果中的历史匹配破碎数据，控制所述粉碎控制装置进行原材破碎；在进行原材破碎过程中，同步采用所述图像采集装置进行破碎结果图像采集，获得图像采集结果，为后续进行生产控制提供数据参照；

S40：对破碎后的原材执行蒸压、烘干处理，将处理后的原材进行粉磨，获得粉磨处理原材；

S50：通过所述流程参数匹配结果控制温度控制装置进行所述粉磨处理原材的二次炒制，获得α型半水石膏；

S60：对所述α型半水石膏进行质量测定，生成质量测定结果；

具体而言，在原材料完成破碎后，对破碎后的原材执行蒸压、烘干处理，将蒸压、烘干处理后的原材进行粉磨，得到粉磨处理原材；通过所述流程参数匹配结果中的历史匹配二次炒制数据，控制所述温度控制装置进行所述粉磨处理原材的二次炒制（所述温度控制装置包括温度升高单元与温度降低单元，使用温度控制装置，在进行二次炒制的过程中进行炒制温度实时调控），完成二次炒制工艺步骤后，获得α型半水石膏；随机切取α型半水石膏样本（样本采集需要保证随机性，随机切样为现有手段），通过所述α型半水石膏样本进行强度测试（强度测试一般为破坏性测试，一般会采集适当样本，使用样本表征整体），获取样本强度测试数据，以α型半水石膏样本的强度测试表征所述α型半水石膏的质量测定，生成质量测定结果，所述质量测定结果包括样本强度测试数据，为实现α型半水石膏的生产工艺流程全阶段的生产控制自动调控提供支持，为保证α型半水石膏生产控制参数的客观程度提供基础。

S70：根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，通过所述反馈控制参数进行所述流程参数匹配结果的参数优化。

步骤S70包括步骤：

S71：根据所述质量测定结果和所述需求解析结果进行强度偏离分析，获得强度偏离分析结果；

S72：将所述强度偏离分析结果和所述图像采集结果输入智能温度调控模型，输出温度调控反馈数据；

S73：通过所述温度调控反馈数据获得所述反馈控制参数。

具体而言，根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，具体包括：根据所述质量测定结果中的样本强度测试数据和所述需求解析结果对应的抗压强度需求，进行强度偏离分析（强度偏离百分比=（抗压强度需求数据-样本强度测试数据）/抗压强度需求数据×100%），获得强度偏离分析结果，所述度偏离分析结果包括强度偏离百分比；实验测试阶段得知：在蒸压条件下，温度高，脱水所需时间短，α型半水石膏制品强度低；温度低，脱水所需时间长，α型半水石膏制品强度高，由此可知，蒸压温度-蒸汽排出脱水时长-α型半水石膏制品强度存在关联，基于此，将所述强度偏离分析结果和所述图像采集结果作为输入数据，输入智能温度调控模型，输出温度调控反馈数据；将所述温度调控反馈数据添加至所述反馈控制参数，为进行α型半水石膏的生产反馈控制提供数据参照，为实现智能生产控制提供数据支持。

如图2所示，步骤S72包括步骤：

S721：根据所述历史生产数据进行二次炒制控制稳定性评价，根据控制稳定性评价结果构建影响调整隐含层；

S722：将所述影响调整隐含层耦合至所述智能温度调控模型，当所述强度偏离分析结果和所述图像采集结果输入至所述智能温度调控模型，通过所述影响调整隐含层对所述图像采集结果进行处理；

S723：输出影响温控区间，其中，所述影响温控区间为所述影响调整隐含层的输出结果；

S724：将所述影响温控区间和所述强度偏离分析结果输入所述智能温度调控模型，输出获得所述温度调控反馈数据。

具体而言，将所述强度偏离分析结果和所述图像采集结果作为输入数据，输入智能温度调控模型，输出温度调控反馈数据，具体包括：搭建智能温度调控模型，所述智能温度调控模型的模型基础为bp网络模型，所述bp网络模型内部包括网络层，根据所述历史生产数据进行二次炒制控制稳定性评价（所述历史生产数据中的历史二次炒制数据为参照数据，获取历史二次炒制均值与历史二次炒制阈值区间，在进行所述粉磨处理原材的二次炒制的过程中（就是将粉磨处理原材放入炒锅中炒至170℃~180℃），同步对二次炒制的原料升温稳定性评价，多次验证可得：在第一时间段：130℃→153℃±3.2℃（第一时间段起始温度为130℃、第一时间段截止温度为153℃±3.2℃）、在第二时间段：153℃→164℃±2.1℃、在第三时间段：164℃→172℃±1.3℃，172℃处于170℃~180℃内（第一时间段、第二时间段、第三时间段的时间满足均匀分布），完成二次炒制，第一时间段的升温稳定度=3.2÷（153-130）、第二时间段的升温稳定度=2.1÷（164-153）、第三时间段的升温稳定度=1.3÷（172-164），依照上述方式进行二次炒制控制稳定性评价），根据控制稳定性评价结果（所述控制稳定性评价结果包括多个时间段的升温稳定度），将二次炒制控制稳定性评价作为限制信息，导入所述bp网络模型内部的网络层，构建影响调整隐含层；

须知的，二次炒制工艺：蒸压法生产α型半水石膏时，由于石膏块大小不一，烘干采用强制性烘干方式，大块内部仍存在水分残留，延长烘干时间的意义不大，需要将烘干后的石膏粉碎，后进行二次炒制，将所述影响调整隐含层耦合至所述智能温度调控模型，当所述强度偏离分析结果和所述图像采集结果输入至所述智能温度调控模型时，通过所述影响调整隐含层对所述图像采集结果（所述图像采集结果包括石膏粉碎块径极大值）进行处理，输出影响温控区间，其中，所述影响温控区间为所述影响调整隐含层的输出结果；将所述影响温控区间和所述强度偏离分析结果输入所述智能温度调控模型，所述智能温度调控模型的输出端口输出温度调控反馈数据，为后续代入智能温度调控模型提供参照。

步骤S724还包括步骤：

S724-1：设定连续监测周期；

S724-2：通过所述连续监测周期进行所述α型半水石膏的连续监测反馈，生成连续监测反馈结果；

S724-3：将所述连续监测反馈结果发送至所述智能温度调控模型进行模型补偿。

具体而言，设定连续监测周期（所述连续监测周期为预设参数指标，可以设置为1Hz）；通过所述连续监测周期进行所述α型半水石膏的连续监测反馈，生成连续监测反馈结果（所述连续监测反馈结果即依照连续监测周期，进行连续监测所得的多组温度调控反馈数据）；将所述连续监测反馈结果发送至所述智能温度调控模型的反馈输入端，进行模型补偿，为持续优化智能温度调控模型提供支持。

如图3所示，步骤S70还包括步骤：

S74：对所述图像采集结果进行粉碎特征识别，获得粉碎特征识别结果；

S75：通过所述粉碎特征识别结果进行粒径分布统计，获得粒径分布集合；

S76：根据所述粒径分布集合获得粒径集中值和粒径极大值；

S77：根据所述粒径集中值和所述粒径极大值、所述流程参数匹配结果获得所述反馈控制参数。

具体而言，使用反击式粉碎机进行石膏粉碎处理，具体作业步骤：石膏块经过反击式粉碎机的进料口进入反击式粉碎腔，在石膏块下落时与高速旋转的转子发生碰撞（主要由转子上的板锤完成反击破作业，板锤容受到磨损），碰撞过程中获得巨大的反向动能，利用巨大的反向动能做高速远动撞向反击板，被反弹回来与高速旋转的转子发生二次碰撞，重复撞击，最终充分破碎且粒度均匀后，由反击式粉碎机的排料口排出；

在通过所述图像采集结果，针对反击式粉碎机进行粉碎特征识别（粉碎特征包括反击板和反击式粉碎腔的间隙、反击架位置、转子旋转转速等相关破碎特征）（反击板和反击式粉碎腔的间隙大、出料粒度就越大；反击架位置调整为能够达到相对间隙保证出料粒度），获得粉碎特征识别结果（所述粉碎特征识别结果包括反击板和反击式粉碎腔的间隙实时记录值、反击架位置实时记录值、转子旋转转速实时记录值）；

基于所述粉碎特征识别结果，对反击式粉碎机排料口进行粒径分布统计，将统计所得数据与所述粉碎特征识别结果进行关联绑定，获得粒径分布集合（粒径：一般指所述粉磨处理原材的长径或中径）；根据所述粒径分布集合，进行集中值、极大值计算，获得粒径集中值和粒径极大值；根据所述粒径集中值和所述粒径极大值、所述流程参数匹配结果获得所述反馈控制参数，为实现石膏粉碎高精度调控提供数据支持。

步骤S77包括步骤：

S771：通过所述流程参数匹配结果获得破碎粒度约束阈值；

S772：根据所述粒径极大值和所述破碎粒度约束阈值生成第一反馈约束参数；

S773：通过所述流程参数匹配结果获得设定粒径集中值；

S774：根据所述粒径集中值和所述设定粒径集中值生成第二反馈约束参数；

S775：通过所述第一反馈约束参数和所述第二反馈约束参数获得所述反馈控制参数。

具体而言，根据所述粒径集中值和所述粒径极大值、所述流程参数匹配结果获得所述反馈控制参数，具体包括：基于所述流程参数匹配结果中的历史匹配破碎数据，进行破碎粒度最值整理（破碎粒度即所述粉磨处理原材的颗粒直径大小，破碎粒度通过颗粒直径进行度量），获取破碎粒度最小值与破碎粒度最大值，将破碎粒度最小值设定为破碎粒度约束阈值下限，将破碎粒度最大值设定为破碎粒度约束阈值上限，确定破碎粒度约束阈值；将所述粒径极大值与所述破碎粒度约束阈值进行关联绑定，将关联绑定结果设定为第一反馈约束参数；通过所述流程参数匹配结果中的历史匹配破碎数据，进行石膏块粒径统计，获取出现频次最高的石膏块粒径，将出现频次最高的石膏块粒径设定为粒径集中值；将所述粒径集中值和所述设定粒径集中值进行关联绑定，将关联绑定结果设定为第二反馈约束参数；通过所述第一反馈约束参数和所述第二反馈约束参数获得所述反馈控制参数，为保证反馈控制参数的稳定性提供理论支持。

步骤S775包括步骤：

S775-1：根据所述粒径分布集合进行破碎粒度集中度评价，获得集中度评价结果；

S775-2：通过所述集中度评价结果进行所述第二反馈约束参数的参数修正，获得修正第二反馈约束参数；

S775-3：通过所述修正第二反馈约束参数和所述第一反馈约束参数获得所述反馈控制参数。

具体而言，通过所述第一反馈约束参数和所述第二反馈约束参数获得所述反馈控制参数，具体包括：根据所述粒径分布集合进行破碎粒度集中度评价（仅存在一个破碎粒度集中值，粒径分布满足正态分布，破碎粒度集中度评价可以设定为1；存在二个破碎粒度集中值，粒径分布满足正态分布，破碎粒度集中度评价可以设定为0.9，也就是需要利用粒径分布规律与碎粒度集中值的数量，实现破碎粒度集中度评价），获得集中度评价结果（集中度评价结果可以等于1、0.9，限制性的，集中度评价结果∈[0，1]）；

通过所述集中度评价结果进行所述第二反馈约束参数的参数修正，使用变异系数法进行加权调整实现参数修正：对集中度评价结果与所述第二反馈约束参数进行归一化处理，所述变异系数法为一种客观赋权的方法，直接利用所述集中度评价结果的归一化处理所包含的信息，计算得到权重比，确定权重比后，对所述第二反馈约束参数的归一化处理进行权重计算，计算得到修正第二反馈约束参数；计算所述修正第二反馈约束参数和所述第一反馈约束参数的均值，将所述修正第二反馈约束参数和所述第一反馈约束参数的均值定义为反馈控制参数，为实现α型半水石膏的自动生产控制提供支持，提升生产控制效率，为降低因生产控制参数不合理引发的α型半水石膏制品质量隐患提供基础。

综上所述，本申请实施例所提供的一种α型半水石膏的智能生产控制方法及系统具有如下技术效果：

1.由于采用了采集获得订单需求信息，需求解析获得需求解析结果；通过历史生产数据构建工艺流程集合，通过需求解析结果，匹配流程参数，获得流程参数匹配结果，原材破碎，采集破碎结果图像，获得图像采集结果；破碎后，执行蒸压、烘干、粉磨处理，获得粉磨处理原材；通过流程参数匹配结果，二次炒制粉磨处理原材，获得α型半水石膏，质量测定生成质量测定结果，结合图像采集结果和需求解析结果生成反馈控制参数，对流程参数匹配结果参数优化，本申请通过提供了一种α型半水石膏的智能生产控制方法及系统，在α型半水石膏生产的全阶段进行控制参数反馈优化，实现了生产控制全阶段自动调控，排除生产控制参数调整的个人主观误差，提高生产控制精度的技术效果。

2.由于采用了对图像采集结果进行粉碎特征识别，获得粉碎特征识别结果，进行粒径分布统计，获得粒径分布集合；根据粒径分布集合获得粒径集中值和粒径极大值，结合流程参数匹配结果，获得反馈控制参数，为实现石膏粉碎高精度调控提供数据支持。

实施例二

基于与前述实施例中一种α型半水石膏的智能生产控制方法相同的发明构思，如图4所示，本申请实施例提供了一种α型半水石膏的智能生产控制系统，其中，所述系统包括：

需求解析模块100，用于采集获得订单需求信息，对所述订单需求信息进行需求解析，获得需求解析结果；

流程参数匹配模块200，用于通过历史生产数据构建工艺流程集合，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，获得流程参数匹配结果；

图像采集模块300，用于通过所述流程参数匹配结果控制粉碎控制装置进行原材破碎，通过图像采集装置进行破碎结果图像采集，获得图像采集结果；

粉磨处理模块400，用于对破碎后的原材执行蒸压、烘干处理，将处理后的原材进行粉磨，获得粉磨处理原材；

二次炒制模块500，用于通过所述流程参数匹配结果控制温度控制装置进行所述粉磨处理原材的二次炒制，获得α型半水石膏；

质量测定模块600，用于对所述α型半水石膏进行质量测定，生成质量测定结果；

参数优化模块700，用于根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，通过所述反馈控制参数进行所述流程参数匹配结果的参数优化。

进一步的，所述系统包括：

粉碎特征识别模块，用于对所述图像采集结果进行粉碎特征识别，获得粉碎特征识别结果；

粒径分布统计模块，用于通过所述粉碎特征识别结果进行粒径分布统计，获得粒径分布集合；

粒径参数获取模块，用于根据所述粒径分布集合获得粒径集中值和粒径极大值；

反馈控制参数获取模块，用于根据所述粒径集中值和所述粒径极大值、所述流程参数匹配结果获得所述反馈控制参数。

进一步的，所述系统包括：

破碎粒度约束阈值获取模块，用于通过所述流程参数匹配结果获得破碎粒度约束阈值；

第一反馈约束参数生成模块，用于根据所述粒径极大值和所述破碎粒度约束阈值生成第一反馈约束参数；

粒径集中值设定模块，用于通过所述流程参数匹配结果获得设定粒径集中值；

第二反馈约束参数生成模块，用于根据所述粒径集中值和所述设定粒径集中值生成第二反馈约束参数；

反馈控制参数计算模块，用于通过所述第一反馈约束参数和所述第二反馈约束参数获得所述反馈控制参数。

进一步的，所述系统包括：

集中度评价结果获得模块，用于根据所述粒径分布集合进行破碎粒度集中度评价，获得集中度评价结果；

参数修正模块，用于通过所述集中度评价结果进行所述第二反馈约束参数的参数修正，获得修正第二反馈约束参数；

第一反馈控制参数获得模块，用于通过所述修正第二反馈约束参数和所述第一反馈约束参数获得所述反馈控制参数。

进一步的，所述系统包括：

强度偏离分析结果获得模块，用于根据所述质量测定结果和所述需求解析结果进行强度偏离分析，获得强度偏离分析结果；

温度调控反馈数据输出模块，用于将所述强度偏离分析结果和所述图像采集结果输入智能温度调控模型，输出温度调控反馈数据；

第二反馈控制参数获得模块，用于通过所述温度调控反馈数据获得所述反馈控制参数。

进一步的，所述系统包括：

二次炒制控制稳定性评价模块，用于根据所述历史生产数据进行二次炒制控制稳定性评价，根据控制稳定性评价结果构建影响调整隐含层；

影响调整隐含层耦合模块，用于将所述影响调整隐含层耦合至所述智能温度调控模型，当所述强度偏离分析结果和所述图像采集结果输入至所述智能温度调控模型，通过所述影响调整隐含层对所述图像采集结果进行处理；

影响温控区间输出模块，用于输出影响温控区间，其中，所述影响温控区间为所述影响调整隐含层的输出结果；

温度调控反馈数据输出模块，用于将所述影响温控区间和所述强度偏离分析结果输入所述智能温度调控模型，输出获得所述温度调控反馈数据。

进一步的，所述系统包括：

连续监测周期设定模块，用于设定连续监测周期；

连续监测反馈结果生成模块，用于通过所述连续监测周期进行所述α型半水石膏的连续监测反馈，生成连续监测反馈结果；

模型补偿模块，用于将所述连续监测反馈结果发送至所述智能温度调控模型进行模型补偿。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种α型半水石膏的智能生产控制方法，其特征在于，所述方法应用于智能生产控制系统，所述方法包括：

采集获得订单需求信息，对所述订单需求信息进行需求解析，获得需求解析结果；

通过历史生产数据构建工艺流程集合，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，获得流程参数匹配结果；

通过所述流程参数匹配结果控制粉碎控制装置进行原材破碎，通过图像采集装置进行破碎结果图像采集，获得图像采集结果；

对破碎后的原材执行蒸压、烘干处理，将处理后的原材进行粉磨，获得粉磨处理原材；

通过所述流程参数匹配结果控制温度控制装置进行所述粉磨处理原材的二次炒制，获得α型半水石膏；

对所述α型半水石膏进行质量测定，生成质量测定结果；

根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，通过所述反馈控制参数进行所述流程参数匹配结果的参数优化。

2.如权利要求1所述的方法，其特征在于，所述方法包括：

对所述图像采集结果进行粉碎特征识别，获得粉碎特征识别结果；

通过所述粉碎特征识别结果进行粒径分布统计，获得粒径分布集合；

根据所述粒径分布集合获得粒径集中值和粒径极大值；

根据所述粒径集中值和所述粒径极大值、所述流程参数匹配结果获得所述反馈控制参数。

3.如权利要求2所述的方法，其特征在于，所述方法包括：

通过所述流程参数匹配结果获得破碎粒度约束阈值；

根据所述粒径极大值和所述破碎粒度约束阈值生成第一反馈约束参数；

通过所述流程参数匹配结果获得设定粒径集中值；

根据所述粒径集中值和所述设定粒径集中值生成第二反馈约束参数；

通过所述第一反馈约束参数和所述第二反馈约束参数获得所述反馈控制参数。

4.如权利要求3所述的方法，其特征在于，所述方法包括：

根据所述粒径分布集合进行破碎粒度集中度评价，获得集中度评价结果；

通过所述集中度评价结果进行所述第二反馈约束参数的参数修正，获得修正第二反馈约束参数；

通过所述修正第二反馈约束参数和所述第一反馈约束参数获得所述反馈控制参数。

5.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述质量测定结果和所述需求解析结果进行强度偏离分析，获得强度偏离分析结果；

将所述强度偏离分析结果和所述图像采集结果输入智能温度调控模型，输出温度调控反馈数据；

通过所述温度调控反馈数据获得所述反馈控制参数。

6.如权利要求5所述的方法，其特征在于，所述方法包括：

根据所述历史生产数据进行二次炒制控制稳定性评价，根据控制稳定性评价结果构建影响调整隐含层；

将所述影响调整隐含层耦合至所述智能温度调控模型，当所述强度偏离分析结果和所述图像采集结果输入至所述智能温度调控模型，通过所述影响调整隐含层对所述图像采集结果进行处理；

输出影响温控区间，其中，所述影响温控区间为所述影响调整隐含层的输出结果；

将所述影响温控区间和所述强度偏离分析结果输入所述智能温度调控模型，输出获得所述温度调控反馈数据。

7.如权利要求6所述的方法，其特征在于，所述方法包括：

设定连续监测周期；

通过所述连续监测周期进行所述α型半水石膏的连续监测反馈，生成连续监测反馈结果；

将所述连续监测反馈结果发送至所述智能温度调控模型进行模型补偿。

8.一种α型半水石膏的智能生产控制系统，其特征在于，用于实施权利要求1-7任一一项所述的一种α型半水石膏的智能生产控制方法，包括：

需求解析模块，用于采集获得订单需求信息，对所述订单需求信息进行需求解析，获得需求解析结果；

流程参数匹配模块，用于通过历史生产数据构建工艺流程集合，通过所述需求解析结果对所述工艺流程集合进行流程参数匹配，获得流程参数匹配结果；

图像采集模块，用于通过所述流程参数匹配结果控制粉碎控制装置进行原材破碎，通过图像采集装置进行破碎结果图像采集，获得图像采集结果；

粉磨处理模块，用于对破碎后的原材执行蒸压、烘干处理，将处理后的原材进行粉磨，获得粉磨处理原材；

二次炒制模块，用于通过所述流程参数匹配结果控制温度控制装置进行所述粉磨处理原材的二次炒制，获得α型半水石膏；

质量测定模块，用于对所述α型半水石膏进行质量测定，生成质量测定结果；

参数优化模块，用于根据所述质量测定结果、所述图像采集结果和所述需求解析结果生成反馈控制参数，通过所述反馈控制参数进行所述流程参数匹配结果的参数优化。

Images