CN116030900B - 化工产品的成分含量控制方法、装置、设备及存储介质 - Google Patents
化工产品的成分含量控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116030900B CN116030900B CN202310296705.1A CN202310296705A CN116030900B CN 116030900 B CN116030900 B CN 116030900B CN 202310296705 A CN202310296705 A CN 202310296705A CN 116030900 B CN116030900 B CN 116030900B
- Authority
- CN
- China
- Prior art keywords
- production process
- time stamp
- component content
- historical
- probability
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种化工产品的成分含量控制方法、装置、设备及存储介质，根据历史生产过程和当前生产过程的化验结果，确定两个生产过程在各个时间戳处的成分含量信息，以便计算出在各个时间戳处的成分含量相似度，进而确定出能够表征匹配程度的成分含量整体相似度，而后在若干个历史生产过程中，查找出匹配程度最高的目标历史生产过程并获取对应的历史操作数据，最终确定出欲实施于当前生产过程的目标操作数据。由于两个生产过程在同一时间戳处的成分含量信息的可比性较高，因此利用本申请方案可以得到准确性较高的成分含量整体相似度，查找到与当前生产过程匹配程度较高的历史过程，确定出更为准确的目标操作数据，提高了成分含量控制的准确性。
Description
技术领域
本申请涉及生产过程控制技术领域，更具体的说，是涉及一种化工产品的成分含量控制方法、装置、设备及存储介质。
背景技术
在需要控制成分含量的化工产品生产过程中，示例如磷复肥等化肥的生产过程中，往往包括若干个生产子时段。当前，大多将在一子时段中的一个采样时刻采集的产品样本的化验结果作为该子时段的产品成分含量，利用若干组采样时刻及对应的化验结果来表征生产过程的各个生产子时段的生产状态，以便在若干个历史生产过程中查找出与当前生产过程的整体生产状态最相似的历史生产过程，将查找出的历史生产过程所采取的后续控制策略，确定为应用到当前生产过程的控制策略，示例如后续欲添加的原料量，依据确定出的控制策略，对当前生产过程所生产的化工产品的成分含量进行控制。
然而，生产过程在任一生产子时段内都是连续进行的，所生产的化工产品的成分含量是随着时间变化的，一个采样时刻的化验结果难以表征整个生产子时段的成分含量，并且在一生产子时段中采集产品样本的时刻是随机的，也就是说，任意两个不同的生产过程，即使在同一生产子时段，也可能具备着不同的产品样本采样时刻，因此，以不同采样时刻的化验结果来估计两生产过程在同一生产子时段的生产状态相似度，难以得到准确的结果，难以确定出准确的整体生产状态相似度，从而难以查找到与当前生产过程的生产状态最相似的历史生产过程，难以确定出准确的后续控制策略，难以实现对化工产品的成分含量的控制任务。
发明内容
鉴于上述问题，提出了本申请以便提供一种化工产品的成分含量控制方法、装置、设备及存储介质，以实现对化工产品的成分含量的控制任务，提高控制的准确性。
具体方案如下：
第一方面，提供了一种化工产品的成分含量控制方法，该方法包括：
对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：
获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集；
对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息；
对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度；
基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据。
第二方面，提供了一种化工产品的成分含量控制装置，包括：
相似度计算单元，用于对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集，对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度，基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
目标过程查找单元，用于在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
目标数据确定单元，用于根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据。
第三单元，提供了一种化工产品的成分含量控制设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现上述的化工产品的成分含量控制方法的各个步骤。
第四方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的化工产品的成分含量控制方法的各个步骤。
借由上述技术方案，本申请计算的是两个生产过程在同一时间戳处的成分含量相似度，具体的，先获取各生产过程在各时间戳处各自的成分含量信息，若一生产过程在一时间戳处具备化验数据，则基于化验数据确定在所述时间戳处的成分含量信息，否则基于与所述时间戳最相邻的两个时间戳处的化验数据确定在所述时间戳处的成分含量信息，再计算两个生产过程在同一时间戳处的成分含量相似度，最终得到可以表征两生产过程的生产状态的匹配程度的成分含量整体相似度。
相较于现有技术中，利用一个时间戳处的化验数据表征所述时间戳所属的生产子时段的成分含量，而后利用两个生产过程在各个生产子时段的成分含量相似度确定两个生产过程的生产状态匹配程度的方案，本方案所使用的两个生产过程在同一时间戳处的成分含量信息，具备更高的可比性，因此基于两个生产过程在各时间戳处的成分含量相似度可以计算得到准确性较高的成分含量整体相似度，所述成分含量整体相似度可以表征两生产过程的生产状态的匹配程度，基于所述成分含量整体相似度，可以查找到与当前生产过程的匹配程度更高的目标历史生产过程，确定出更为准确的目标操作数据，将所述目标操作数据应用于所述当前生产过程，可以实现与所述目标历史生产过程近似一致的控制效果，具体的，可以令所述当前生产过程所生产的化工产品的成分含量趋近于历史生产过程的成分含量，从而实现对化工产品的成分含量的控制任务，提高了成分含量控制的准确性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本申请实施例提供的一种化工产品的成分含量控制方法的流程示意图；
图2为本申请实施例提供的另一种化工产品的成分含量控制方法的流程示意图；
图3为本申请实施例提供的一种化工产品的成分含量控制装置结构示意图；
图4为本申请实施例提供的化工产品的成分含量控制设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请提供了一种化工产品的成分含量控制方法、装置、设备及存储介质，可以适用于实现对化工产品的成分含量的控制任务，示例如，磷复肥生产过程中的对磷复肥的养分含量的控制任务。
本申请方案可以基于具备数据处理能力的终端实现，该终端可以是手机、电脑、服务器、云端等。
本申请实施例提供了一种化工产品的成分含量控制方法，该方法可以应用于当前生产过程的各个生产子时段，具体的，首先根据所述当前生产过程的化验数据，确定当前生产子时段欲采取的操作数据，对当前生产子时段进行控制，并在下一个欲控制的生产子时段，再次应用本申请方案，以确定该生产子时段的操作数据，直至所述当前生产过程生产完成。
本申请实施例提供的化工产品的成分含量控制方法，可以包括三个部分，第一部分，确定各个历史生产过程和当前生产过程的匹配程度，第二部分，查找匹配程度满足预设的匹配条件的目标历史生产过程，第三部分，根据目标历史生产过程的操作数据确定目标操作数据。
图1是根据本申请实施例示出的一种化工产品的成分含量控制方法的流程示意图，结合图1所示，本申请提供的化工产品的成分含量控制方法，可以包括：
对于若干个历史生产过程中的每一个历史生产过程，执行步骤S101-S104，以确定所述历史生产过程和当前生产过程的成分含量整体相似度。
步骤S101、获取所述历史生产过程和当前生产过程各自的化验结果。
其中，任一生产过程的化验结果可以包括若干个时间戳及与每一个所述时间戳对应的化验数据，由所获取的两个化验结果中的所述历史生产过程和所述当前生产过程的全部所述时间戳构成时间戳集。
示例性的，一生产过程Trak的化验结果可以表示为{(l1,t1),(l2,t2),…,(lm,tm)}，其中，参数lb（b=1,…,m）为生产过程Trak中与时间戳tb对应的化验数据，具体的，是对在所述时间戳tb处采集的产品样本进行成分含量化验，得到的目标成分的化验数据，另一生产过程Tra’k的化验结果可以表示为{(l’1,t’1),(l’2,t’2),…,(l’M,t’M)}，由生产过程Trak和Tra’k的全部时间戳构成了时间戳集T，T={t1,t2,…,tm}∪{t’1,t’2,…,t’M}。需要说明的是，一生产过程的时间戳可以是在本生产过程中，采集产品样本的实际时间相对于本生产过程的开始时间的相对时间，利用相对时间的概念来表征采样时刻，可以将不同的生产过程的采样时刻映射到同一个时间轴上，两个相似的生产过程在同一时间戳处的反应进程近似一致，即同一时间戳处的成分含量具备较高的可比性。
步骤S102、确定所述历史生产过程和所述当前生产过程在所述时间戳集中的各个时间戳处的成分含量信息。
具体的，对于所述历史生产过程和所述当前生产过程中的每一个生产过程：对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息。
步骤S103、确定所述历史生产过程和所述当前生产过程在所述时间戳集中的各个时间戳处的成分含量相似度。
具体的，对于所述时间戳集中的每一个时间戳：基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度。
步骤S104、确定所述历史生产过程和所述当前生产过程的成分含量整体相似度。
具体的，基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度。示例性的，可以使用两个生产过程在各个时间戳处的成分含量相似度的加和、平方和等，来表征两个生产过程的成分含量整体相似度。
对若干个历史生产过程分别执行步骤S101-S104，可以得到若干个历史生产过程和当前生产过程的成分含量整体相似度，可以利用两生产过程的成分含量整体相似度来表征两生产过程的生产状态的相似程度，可以称之为两个生产过程的匹配程度。
步骤S105、在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程。
其中，所述匹配程度可以包括所述历史生产过程和所述当前生产过程的成分含量整体相似度。
步骤S106、根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据。
示例性的，与一生产过程对应的操作数据，可以是应用于所述生产过程中的目标被控参数的操作数据。需要说明的是，所述目标历史生产过程具备与所述当前生产过程近似的生产状态，若将所述目标操作数据实施于所述当前生产过程，所述目标操作数据是根据所述目标历史生产过程确定出的，则可以得到与所述历史生产过程近似的控制效果，令所述当前生产过程所生产的化工产品的成分含量趋近于生产目标，从而实现对化工产品的成分含量的控制任务。
上述的化工产品的成分含量控制方法，计算了两个生产过程在同一时间戳处的成分含量相似度，具体的，先获取各生产过程在各时间戳处各自的成分含量信息，若一生产过程在一时间戳处具备化验数据，则基于化验数据确定在所述时间戳处的成分含量信息，否则基于与所述时间戳最相邻的两个时间戳处的化验数据，确定在所述时间戳处的成分含量信息，再计算两个生产过程在同一时间戳处的成分含量相似度，最终得到可以表征两生产过程的生产状态的匹配程度的成分含量整体相似度。
相较于现有技术中，利用一个时间戳处的化验数据表征所述时间戳所属的生产子时段的成分含量，而后利用两个生产过程在各个生产子时段的成分含量相似度确定两个生产过程的生产状态匹配程度的方案，本方案所使用的两个生产过程在同一时间戳处的成分含量信息，具备更高的可比性，因此基于两个生产过程在各时间戳处的成分含量相似度可以计算得到准确性较高的成分含量整体相似度，所述成分含量整体相似度可以表征两生产过程的生产状态的匹配程度，基于所述成分含量整体相似度，可以查找到与当前生产过程的匹配程度更高的目标历史生产过程，确定出更为准确的目标操作数据，将所述目标操作数据应用于所述当前生产过程，可以实现与所述目标历史生产过程近似一致的控制效果，具体的，可以令所述当前生产过程所生产的化工产品的成分含量趋近于历史生产过程的成分含量，从而实现对化工产品的成分含量的控制任务，提高了成分含量控制的准确性。
需要说明的是，对不同的当前生产过程应用本申请方案，可以令各个当前生产过程的最终产物的成分含量值近似一致，即趋近于预设的生产目标。若要控制成分含量趋近于其他的生产目标值，可以利用以所述生产目标值为生产目标的历史生产过程的化验结果及其操作数据，来实现控制任务。
在本申请提供的一些实施例中，上述的步骤S101、获取所述历史生产过程和当前生产过程各自的化验结果，可以包括下述的步骤A和步骤B：
步骤A、获取所述历史生产过程和所述当前生产过程各自的原始化验结果。
步骤B、对所获取的原始化验结果中的各个化验数据，计算所述化验数据和预设的成分含量值的有效范围的偏差程度，在所述偏差程度大于预设值的情况下，在所获取的原始化验结果中，删除所述化验数据及对应的时间戳。
经过步骤B，可以得到所述历史生产过程和所述当前生产过程各自的化验结果，所述化验结果中去除了与所述有效范围偏差很大的化验数据及其时间戳。具体的，可以利用3西格玛规则去除偏差很大的化验数据，示例性的，可以在若干个历史生产过程中获取至少100条化验数据，依据获取到的至少100条化验数据，确定参数西格玛的取值。
经研究发现，化工产品的成分含量的化验数据具有一定的化验噪声，体现在，处于相同化学反应状态的两次生产过程的化验数据可能差别很大，具备相同化验数据的两次生产过程所处的化学反应状态也可能差别很大；此外，所生产的化工产品大多为不均匀混合物，在不均匀混合物中，顶部的物质较轻、流动性较好，底部的物质较重、流动性较差，即处于不同位置的物质的理化性质差异较大，也就是说，对于一生产过程，即使在相同的采样时刻，由于采样位置的差异，也可能得到差别很大的化验数据。因此，直接利用化验数据，将难以表征出准确的实际成分含量值。为解决上述问题，本申请实施例提供了一种表示成分含量信息的方式，具体的，是以一组概率值来表示一时间戳处的成分含量信息。
首先，按照预设的区间长度，将预设的成分含量值的有效范围划分为若干个连续且不交叉的基准区间，由各基准区间构成了基准区间集，需要说明的是，各个所述基准区间具备相同的区间长度，且不存在交叉区间，也就是说，任意两个所述基准区间的交叉区间的长度零，每两个相邻的基准区间只可能在其端点处存在交叉，顺序排列的各个所述基准区间能够构成所述有效范围。示例性的，可以按照下述的方式表示所述基准区间集：R={r1,r2,…,rn}，基准区间rx（x=1,…,n）属于所述基准区间集R。
在上述的基础上，以生产过程Trak在时间戳tz处的成分含量信息为例，进行示例性说明，其中，所述生产过程Trak为所述历史生产过程和所述当前生产过程中的任一生产过程，由所述历史生产过程和所述当前生产过程的化验结果中的全部时间戳构成了时间戳集T，可以表示为T={t1,t2,…,tp}，时间戳tz∈T，z=1,…,p，则确定所述生产过程Trak中与所述时间戳tz对应的成分含量信息的过程，可以包括如下步骤C-E：
步骤C、判断所述生产过程Trak在所述时间戳tz处是否具备化验数据lz，若是，则执行步骤D，否则执行步骤E。
步骤D、对于预设的基准区间集中的每一个基准区间rx：以与所述化验数据lz和所述基准区间rx为自变量，利用高斯分布函数，确定在所述生产过程Trak中，与所述时间戳tz对应的实际成分含量值属于所述基准区间rx的第一概率f(rx,lz)。
其中，rx∈R，x=1,…,n。示例性的，步骤D中所利用的高斯分布函数的数学期望为所述化验数据lz，其方差是根据一个生产过程中的一个采样时刻的若干个化验数据的平均误差确定的，需要说明的是，本申请方案所利用的各个高斯分布函数具备相同的方差。在根据所述化验数据lz确定出欲利用的高斯分布函数之后，将所述高斯分布函数在所述基准区间rx的左右端点处的函数值之差，确定为在所述生产过程Trak中，与所述时间戳tz对应的实际成分含量值属于所述基准区间rx的第一概率f(rx,lz)。
在所述生产过程Trak具备所述时间戳tz处的化验数据的情况下，与各个所述基准区间rx对应的第一概率f(rx,lz)可以表征所述生产过程Trak中与所述时间戳tz对应的成分含量信息，具体的，根据步骤D，所述生产过程Trak中与所述时间戳tz对应的成分含量信息可以表示为xz={f(r1,lz), f(r2,lz),…, f(rn,lz)}。
步骤E、对于每一个所述基准区间rx：判断所述生产过程Trak是否具备与所述时间戳tz的两个相邻时间戳tb和tb+1对应的两个化验数据lb和lb+1，若是，则基于所述生产过程Trak在所述时间戳tz的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1，确定所述生产过程Trak中与所述时间戳tz对应的实际成分含量值属于所述基准区间rx的第二概率P(rx，tz)，若否，则将所述第二概率P(rx，tz)确定为0。
其中，所述时间戳tz、tb和tb+1均属于所述时间戳集T，rx∈R，x=1,…,n，在所述生产过程Trak不具备所述时间戳tz处的化验数据的情况下，与各个所述基准区间rx对应的第二概率P(rx,tz)可以表征所述生产过程Trak中与所述时间戳tz对应的成分含量信息，具体的，根据步骤E，所述生产过程Trak的与所述时间戳tz对应的成分含量信息可以表示为xz={P(r1,tz),P(r2,tz),…,P(rn,tz)}。
在上述的基础上，确定所述历史生产过程和所述当前生产过程在所述时间戳tz处的成分含量相似度，可以包括如下步骤F和步骤G：
步骤F、对于所述基准区间集R中的每一个基准区间rx，x=1,…,n，计算所述历史生产过程和所述当前生产过程在所述时间戳tz处的实际成分含量值均属于所述基准区间rx的第三概率Pc(rx，tz)。
步骤G、根据与各个所述基准区间rx对应的第三概率Pc(rx，tz)，计算所述历史生产过程和所述当前生产过程在所述时间戳tz处的实际成分含量相同的第四概率PC(tz)。
其中，实际成分含量相同，指的是所述历史生产过程和所述当前生产过程在所述时间戳tz处的实际成分含量属于相同的基准区间，所述第四概率PC(tz)可以表征所述历史生产过程和所述当前生产过程在所述时间戳tz处的成分含量相似度。
上述的化工产品的成分含量控制方法，采用概率的形式来表征化工产品的成分含量信息，也就是说，将成分含量看作是含量的概率分布，不关心实际的成分含量的值，关心的是实际成分含量值属于各个基准区间的概率，基于此，可以在一定程度上解决化验数据的噪声问题。
在本申请提供的一些实施例中，还可以利用高斯分布对所述时间戳tz的相邻时间戳tb和tb+1处的化验数据lb和lb+1进行修正。
具体的，假设待计算对象为生产过程Trak，所述生产过程Trak是所述历史生产过程和所述当前生产过程中的任一生产过程，由所述历史生产过程和所述当前生产过程的化验结果中的全部时间戳构成了时间戳集T，时间戳tz∈T，则基于所述生产过程Trak在所述时间戳tz的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1，确定所述生产过程Trak中与所述时间戳tz对应的实际成分含量值属于所述基准区间rx的第二概率的过程，可以包括如下的步骤H-L：
步骤H、获取所述生产过程Trak中在所述时间戳tz的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1。
需要说明的是，所述时间戳tz、tb和tb+1均属于所述时间戳集T，且tb<tz<tb+1。
步骤I、对于所述基准区间集R中的每一个基准区间ri，以化验数据lb和所述基准区间ri为自变量，利用高斯分布函数，确定所述生产过程Trak中与时间戳tb对应的实际成分含量值属于所述基准区间ri的第五概率f(ri,lb)。
具体的，由与各个所述基准区间ri对应的第五概率f(ri,lb)，可以表征所述生产过程Trak在所述时间戳tb处的成分含量信息，其中，ri∈R。
步骤J、对于所述基准区间集R中的每一个基准区间rj，以化验数据lb+1和所述基准区间rj为自变量，利用高斯分布函数，确定所述生产过程Trak中与时间戳tb+1对应的实际成分含量值属于所述基准区间rj的第六概率f(rj,lb+1)。
具体的，由与各个所述基准区间rj对应的第六概率f(rj,tb+1)，可以表征所述生产过程Trak在所述时间戳tb+1处的成分含量信息，其中，rj∈R。
步骤L、利用各个所述基准区间ri及对应的第五概率f(ri,lb)和各个所述基准区间rj及对应的第六概率f(rj,lb+1)，确定所述生产过程Trak中与所述时间戳tz对应的实际成分含量值属于所述基准区间rx的第二概率。
下面对根据一时间戳的两个相邻时间戳处的化验数据确定与所述时间戳对应的成分含量信息的过程进行阐述。
假设待计算对象为生产过程Trak，所述生产过程Trak是所述历史生产过程和所述当前生产过程中的任一生产过程，则基于所述生产过程Trak在所述时间戳tz的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1，确定所述生产过程Trak中与所述时间戳tz对应的实际成分含量值属于所述基准区间rx的第二概率的过程，可以包括如下步骤M-P：
步骤M与上述的步骤H一致，在此不再赘述。
步骤N、根据化验数据lb确定在所述生产过程Trak中与所述时间戳tb对应的成分含量信息xb。
其中，所述成分含量信息xb可以用于表征所述生产过程Trak在所述时间戳tb处的成分含量值。
步骤O、根据化验数据lb+1确定在所述生产过程Trak中与所述时间戳tb+1对应的成分含量信息xb+1。
其中，所述成分含量信息xb+1可以用于表征所述生产过程Trak在所述时间戳tb+1处的成分含量值。
步骤P、根据在所述时间戳tb处的成分含量信息xb和在所述时间戳tb+1处的成分含量信息xb+1，计算所述生产过程Trak在所述时间戳tz处的实际成分含量值属于所述基准区间rx的第二概率P(rx，tz)。
接下来，具体阐述第二概率P(rx，tz)的计算过程。
假设将所述生产过程Trak表示为Trak={(x1,t1),(x2,t2),…,(xp,tp)}，其中，参数xb（b=1,…,p）表示的是所述生产过程Trak在时间戳tb处的成分含量信息，由t1,t2,…,tp构成了时间戳集T，则第二概率P(rx，tz)的计算公式如下：
需要说明的是，在化工产品的生产过程中，成分含量的实际值是具备马尔可夫属性的，即当前的状态只与上一时刻的状态有关，示例如在化肥的生产过程中，每一时刻的养分含量值可以表征该时刻的反应物属性，每一时刻的养分含量值，只与上一时刻的反应物属性，即上一时刻的养分含量值有关。
因此，对于tb＜tz＜tb+1，上述的公式（1）可以推导为：
也就是说，所述生产过程Trak在所述时间戳tz处的实际成分含量值属于所述基准区间rx的第二概率P(rx，tz)，等于在所述生产过程Trak中，成分含量信息由所述时间戳tb处的xb变化至所述时间戳tz处的所述基准区间rx中的各个值的概率P(rx,tz|xb,tb)与成分含量值由所述时间戳tz处的所述基准区间rx中的各个值变化至所述时间戳tb+1处的xb+1的概率P(xb+1,tb+1|rx,tz)的乘积，除以成分含量信息由所述时间戳tb处的xb变化至所述时间戳tb+1处的xb+1的概率P(xb+1,tb+1|xb,tb)。
需要说明的，所述成分含量信息xb可以是一个确定的值，示例如化验数据的值，也可以是一组值及与每一个值对应的概率，示例如由步骤I-J得到的若干个预设的基准区间及与每一个基准区间对应的概率，此时，概率P(rx,tz|xb,tb)=∑ri∈R f(ri,lb)·P(rx,tz|ri,tb)，概率P(xb+1,tb+1|rx,tz)=∑rj∈R f(rj,lb+1)·P(rj,tb+1|rx,tz)，概率P(xb+1,tb+1|xb,tb)=∑ri∈R f(ri,lb)·(∑rj∈R f(rj,lb+1)·P(rj,tb+1|ri,tb))。
在上述的基础上，上述的步骤P中所述第二概率P(rx，tz)的计算过程，包括下述的步骤T-W：
步骤T、基于核密度估计函数，计算在所述生产过程Trak中，成分含量值由所述时间戳tb处的成分含量值变化至所述时间戳tz处的所述基准区间rx中的各个值的概率P1。
步骤U、基于核密度估计函数，计算在所述生产过程Trak中，成分含量值由所述时间戳tz处的所述基准区间rx中的各个值变化至所述时间戳tb+1处的成分含量值的概率P2。
步骤V、基于核密度估计函数，计算在所述生产过程Trak中，成分含量值由所述时间戳tb处的成分含量值变化至所述时间戳tb+1处的成分含量值的概率P3。
步骤W。根据所述概率P1、所述概率P2和所述概率P3，计算得到所述生产过程中与所述时间戳tz对应的实际含量值属于所述基准区间rx的第二概率P（rx，tz）。
具体的，所述第二概率P(rx，tz)的计算公式为P(rx，tz)=P1×P2/P3。
下面对所述概率P1、所述概率P2和所述概率P3的计算过程进行示例性说明。假设生产过程Trak={(l1,t1),(l2,t2),…,(lm,tm)}，其中，参数lb（b=1,…,m）表示的是与时间戳tb对应的化验数据，以初始的时间戳为tb、与所述时间戳tb对应的成分含量值属于基准区间ri、终止的时间戳为tz且与所述时间戳tz对应的成分含量值属于基准区间rx为例，在所述生产过程Trak中，成分含量值由时间戳tb处的ri变化至时间戳tz处的rx的概率P(rx,tz|ri,tb)的计算公式如下：
其中，由于各个所述基准区间具备相同的区间长度，因此，参数（rx-ri）表示的是基准区间rx和基准区间的ri各自的左端点值的差，vc表示的是在所述生产时段Trak中，每两个相邻的时间戳间的成分含量变化率，计算公式为vc=|lc-lc+1|/|tc-tc+1|，其中，c=1,2,…,m-1，由vc构成速度集S={v1,v2,…,vm-1}，K( )为核函数，h为平滑参数。
上述的过程，利用核密度估计的方法，可以根据成分含量的化验数据的变化趋势和变化规律，确定出在所述生产过程中的任一给定时刻的成分含量情况，实现了以化学反应速度的概率来表征生产过程中的成分含量在不同时间点之间变化的概率的任务，可以适用于各种原料质量的场景，可以适用于解决间断采样的问题。
下面示例了一历史生产过程Tra1和当前生产过程Tra0的成分含量整体相似度的计算过程，该过程可以包括：
第一步：按照预设的区间长度，对预设的目标成分的成分含量的有效范围进行划分，得到n个基准区间ra，a=1,…,n，组成基准区间集R={r1,r2,…,rn}，示例性的，所述基准区间集中可以包括200个基准区间。
第二步：获取历史生产过程Tra1和当前生产过程Tra0各自的化验结果，Tra0={(l1,t1),(l2,t2),…,(lm,tm)}，Tra1={(l’1,t’1),(l’2,t’2),…,(l’M,t’M)}，由所述历史生产过程Tra1和当前生产过程Tra0的化验结果中的全部时间戳构成了时间戳集T=T0∪T1，T0={t1,t2,…,tm}，T1={t’1,t’2,…,t’M}。
第三步：计算当前生产过程Tra0中的每两个相邻的时间戳间的成分含量变化率vc=|lc-lc+1|/|tc-tc+1|，其中，c=1,2,…,m-1，由vc构成速度集S={v1,v2,…,vm-1}；计算历史生产过程Tra1中的每两个相邻的时间戳间的成分含量变化率v’c=|l’c-l’c+1|/|tc-tc+1|，其中，c=1,2,…,M-1，由v’c构成速度集S’={v’1,v’2,…,v’M-1}。
第四步：确定历史生产过程Tra1和当前生产过程Tra0在所述时间戳集中的各个时间戳处的成分含量信息。
示例性的，以当前生产过程Tra0为例，对于所述基准区间集R中的每一个基准区间rx，x=1,2,…,n，利用下述公式计算所述当前生产过程Tra0在时间戳tz处的实际成分含量值属于基准区间rx的概率PST(rx,tz|Tra0)：
同理可以计算得到所述历史生产过程Tra1在时间戳tz处的实际成分含量值属于基准区间rx的概率PST(rx,tz|Tra1)，与所述基准区间集中的各基准区间对应的概率PST(rx,tz|Tra0)和概率PST(rx,tz|Tra1)，x=1,…,n，可以表征对应的成分含量信息。
第五步：对于所述基准区间集R中的每一个基准区间rx，x=1,2,…,n，计算历史生产过程Tra1和当前生产过程Tra0，在时间戳tz处的成分含量值同属于基准区间rx的概率Pc(rx,tz|Tra1,Tra0)。
Pc(rx,tz|Tra1,Tra0)=PST(rx,tz|Tra1)PST(rx,tz|Tra0)
第六步：对于所述时间戳集T中的每一个时间戳tz，计算历史生产过程Tra1和当前生产过程Tra0在所述时间戳tz处的成分含量相同的概率PC(tz|Tra1,Tra0)。
第七步：计算得到用于表征历史生产过程Tra1和当前生产过程Tra0的成分含量整体相似度的概率SST：
图2是根据本申请实施例示出的另一种化工产品的成分含量控制方法的流程示意图，结合图2所示，该方法可以包括如下步骤：
步骤S201-S204与上述的步骤S101-S104一致，在此不再赘述。
步骤S205、对于所述历史生产过程和所述当前生产过程中的每一个生产过程，分别获取所述生产过程的若干种不同类型的原料数据和设备数据，得到所述生产过程的基础数据。
示例性的，以磷复肥的生产过程为例，所述原料设备和设备数据可以包括细度，H2O%，P2O5%，MgO%，Fe2O3%，Al2O3%，CaO%，各类设备温度、电压及运行时长等数据。
可选的，在获取到所述基础数据之后，还可以对所获取的高维的基础数据进行降维，示例性的，可以采取PCA降维方法，指定保留95%方差，可以得到三个维度的低维数据，后续可以利用得到的低维数据确定对应的基础数据相似度。
步骤S206、根据所述历史生产过程和所述当前生产过程各自的基础数据，确定所述历史生产过程和所述当前生产过程的基础数据相似度。
步骤S207、在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程。
其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度和基础数据相似度。所述步骤S207的其他相关表述可以参照上述的步骤S105。
步骤S208与上述的步骤S106一致，在此不再赘述。
在本申请提供的一些实施例中，上述的步骤S105、在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，可以包括：
在若干个所述历史生产过程中，查找匹配程度最高的预设数量个目标历史生产过程。
在上述的基础上，上述的步骤S106、根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据，可以包括下述的步骤X-Z：
步骤X、获取与各所述目标历史生产过程对应的历史操作数据。
步骤Y、基于将所获取的历史操作数据实施于对应的目标历史生产过程的操作时间，为各个所述目标历史生产过程分配权重。
其中，所述权重随着所述操作时间与目标操作时间的接近程度的增加而增加，所述目标操作时间为将待确定的目标操作数据实施于所述当前生产过程的时间。
可选的，还可以基于所述目标历史生产过程和所述当前生产过程的成分含量整体相似度，为各个所述目标历史生产过程分配权重，所述权重随着所述成分含量整体相似度的增加而增加。
步骤Z、根据所分配的权重，对所获取的各历史操作数据进行加权平均计算，将计算结果作为欲实施于所述当前生产过程的目标操作数据。
下面对本申请实施例提供的化工产品的成分含量控制装置进行描述，下文描述的化工产品的成分含量控制装置与上文描述的化工产品的成分含量控制方法可相互对应参照。
参见图3，图3为本申请实施例公开的一种化工产品的成分含量控制装置结构示意图。
如图3所示，该装置可以包括：
相似度计算单元11，用于对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集；对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息；对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度；基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
目标过程查找单元12，用于在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
目标数据确定单元13，用于根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据。
在本申请提供的一些实施例中，所述相似度计算单元11基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息的过程，可以包括：
对于预设的基准区间集中的每一个基准区间：以与所述时间戳对应的所述化验数据和所述基准区间为自变量，利用高斯分布函数，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第一概率。
其中，各个所述基准区间具备相同的区间长度且不存在交叉区间，顺序排列的各个所述基准区间，能够构成预设的成分含量值的有效范围，与各个所述基准区间对应的第一概率用于表征所述成分含量信息。
在上述的基础上，所述相似度计算单元11基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息的过程，可以包括：
对于每一个所述基准区间：判断所述生产过程是否具备与所述时间戳的两个相邻时间戳对应的两个化验数据，若是，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率，若否，则将所述第二概率确定为0，其中，与各个所述基准区间对应的第二概率用于表征所述成分含量信息。
在上述的基础上，所述相似度计算单元11确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度的过程，可以包括：
对于每一个所述基准区间，计算所述历史生产过程和所述当前生产过程在所述时间戳处的实际成分含量值均属于所述基准区间的第三概率；
根据与各个所述基准区间对应的第三概率，计算所述历史生产过程和所述当前生产过程在所述时间戳处的实际成分含量相同的第四概率，所述第四概率用于表征所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度。
在本申请提供的一些实施例中，所述相似度计算单元11基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率的过程，可以包括：
获取所述生产过程在所述时间戳的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1；
对于所述基准区间集中的每一个基准区间ri，以化验数据lb和所述基准区间ri为自变量，利用高斯分布函数，确定所述生产过程中与时间戳tb对应的实际成分含量值属于所述基准区间ri的第五概率f(ri,lb)；
对于所述基准区间集中的每一个基准区间rj，以化验数据lb+1和所述基准区间rj为自变量，利用高斯分布函数，确定所述生产过程中与时间戳tb+1对应的实际成分含量值属于所述基准区间rj的第六概率f(rj,lb+1)；
利用各个所述基准区间ri及对应的第五概率f(ri,lb)和各个所述基准区间rj及对应的第六概率f(rj,lb+1)，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率。
在本申请提供的一些实施例中，所述相似度计算单元11基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率的过程，可以包括：
获取所述生产过程在所述时间戳的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1；
根据化验数据lb确定所述生产过程中与时间戳tb对应的成分含量信息xb，所述成分含量信息xb用于表征所述生产过程在所述时间戳tb处的成分含量值；
根据化验数据lb+1确定所述生产过程中与时间戳tb+1对应的成分含量信息xb+1，所述成分含量信息xb+1用于表征所述生产过程在所述时间戳tb+1处的成分含量值；
基于核密度估计函数，计算在所述生产过程中，成分含量值由所述时间戳tb处的成分含量值变化至所述时间戳处的所述基准区间中的各个值的概率P1；
基于核密度估计函数，计算在所述生产过程中，成分含量值由所述时间戳处的所述基准区间中的各个值变化至所述时间戳tb+1处的成分含量值的概率P2；
基于核密度估计函数，计算在所述生产过程中，成分含量值由所述时间戳tb处的成分含量值变化至所述时间戳tb+1处的成分含量值的概率P3；
根据所述概率P1、所述概率P2和所述概率P3，计算得到所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率。
在本申请提供的一些实施例中，所述相似度计算单元11还可以用于对于若干个所述历史生产过程和所述当前生产过程中的每一个生产过程，分别获取所述生产过程的若干种不同类型的原料数据和设备数据，得到所述生产过程的基础数据；
对于每一个所述历史生产过程，根据所述历史生产过程和所述当前生产过程各自的基础数据，确定所述历史生产过程和所述当前生产过程的基础数据相似度。
在上述的基础上，所述匹配程度还可以包括所述历史生产过程和所述当前生产过程的基础数据相似度。
在本申请提供的一些实施例中，所述目标过程查找单元12在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程的过程，可以包括：
在若干个所述历史生产过程中，查找匹配程度最高的预设数量个目标历史生产过程。
在上述的基础上，所述目标数据确定单元13根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据的过程，可以包括：
获取与各个所述目标历史生产过程对应的历史操作数据；
基于将所获取的历史操作数据实施于对应的目标历史生产过程的操作时间，为各个所述目标历史生产过程分配权重，其中，所述权重随着所述操作时间与目标操作时间的接近程度的增加而增加，所述目标操作时间为将待确定的目标操作数据实施于所述当前生产过程的时间；
根据所分配的权重，对所获取的各历史操作数据进行加权平均计算，将计算结果作为欲实施于所述当前生产过程的目标操作数据。
在本申请提供的一些实施例中，所述相似度计算单元11获取所述历史生产过程和所述当前生产过程各自的化验结果的过程，可以包括：
获取所述历史生产过程和所述当前生产过程各自的原始化验结果；
对所获取的原始化验结果中的各个化验数据，计算所述化验数据和预设的成分含量值的有效范围的偏差程度，在所述偏差程度大于预设值的情况下，在所获取的原始化验结果中，删除所述化验数据及对应的时间戳；
得到所述历史生产过程和所述当前生产过程各自的化验结果。
本申请实施例提供的化工产品的成分含量控制装置可应用于化工产品的成分含量控制设备，如具备数据处理能力的终端：电脑、服务器等。可选的，图4示出了化工产品的成分含量控制设备的硬件结构框图，参照图4，化工产品的成分含量控制设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatilememory）等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：
获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集；
对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息；
对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中的与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度；
基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：
获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集；
对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述每一个时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息；
对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度；
基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种化工产品的成分含量控制方法，其特征在于，该方法包括：
对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：
获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集；
对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息；
对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度；
基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据；
其中，所述基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，包括：
对于预设的基准区间集中每一个的基准区间：
以与所述时间戳对应的所述化验数据和所述基准区间为自变量，利用高斯分布函数，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第一概率；
其中，各个所述基准区间具备相同的区间长度且不存在交叉区间，顺序排列的各个所述基准区间，能够构成预设的成分含量值的有效范围，与各个所述基准区间对应的第一概率用于表征所述成分含量信息；
所述基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，包括：
对于每一个所述基准区间：
判断所述生产过程是否具备与所述时间戳的两个相邻时间戳对应的两个化验数据；
若是，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率；
若否，则将所述第二概率确定为0；
其中，与各个所述基准区间对应的第二概率用于表征所述成分含量信息；
确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度，包括：
对于每一个所述基准区间，计算所述历史生产过程和所述当前生产过程在所述时间戳处的实际成分含量值均属于所述基准区间的第三概率；
根据与各个所述基准区间对应的第三概率，计算所述历史生产过程和所述当前生产过程在所述时间戳处的实际成分含量相同的第四概率，所述第四概率用于表征所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度。
2.根据权利要求1所述的方法，其特征在于，基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率，包括：
获取所述生产过程在所述时间戳的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1；
对于所述基准区间集中的每一个基准区间ri，以化验数据lb和所述基准区间ri为自变量，利用高斯分布函数，确定所述生产过程中与时间戳tb对应的实际成分含量值属于所述基准区间ri的第五概率f(ri,lb)；
对于所述基准区间集中的每一个基准区间rj，以化验数据lb+1和所述基准区间rj为自变量，利用高斯分布函数，确定所述生产过程中与时间戳tb+1对应的实际成分含量值属于所述基准区间rj的第六概率f(rj,lb+1)；
利用各个所述基准区间ri及对应的第五概率f(ri,lb)和各个所述基准区间rj及对应的第六概率f(rj,lb+1)，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率。
3.根据权利要求1所述的方法，其特征在于，基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率，包括：
获取所述生产过程在所述时间戳的两个相邻时间戳tb和tb+1处的化验数据lb和lb+1；
根据化验数据lb确定所述生产过程中与时间戳tb对应的成分含量信息xb，所述成分含量信息xb用于表征所述生产过程在所述时间戳tb处的成分含量值；
根据化验数据lb+1确定所述生产过程中与时间戳tb+1对应的成分含量信息xb+1，所述成分含量信息xb+1用于表征所述生产过程在所述时间戳tb+1处的成分含量值；
基于核密度估计函数，计算在所述生产过程中，成分含量值由所述时间戳tb处的成分含量值变化至所述时间戳处的所述基准区间中各个值的概率P1；
基于核密度估计函数，计算在所述生产过程中，成分含量值由所述时间戳处的所述基准区间中的各个值变化至所述时间戳tb+1处的成分含量值的概率P2；
基于核密度估计函数，计算在所述生产过程中，成分含量值由所述时间戳tb处的成分含量值变化至所述时间戳tb+1处的成分含量值的概率P3；
根据所述概率P1、所述概率P2和所述概率P3，计算得到所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率。
4.根据权利要求1-3中任一项所述的方法，其特征在于，该方法还包括：
对于若干个所述历史生产过程和所述当前生产过程中的每一个生产过程，分别获取所述生产过程的若干种不同类型的原料数据和设备数据，得到所述生产过程的基础数据；
对于每一个所述历史生产过程，根据所述历史生产过程和所述当前生产过程各自的基础数据，确定所述历史生产过程和所述当前生产过程的基础数据相似度；
所述匹配程度还包括：所述历史生产过程和所述当前生产过程的基础数据相似度。
5.根据权利要求1-3中任一项所述的方法，其特征在于，所述在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，包括：
在若干个所述历史生产过程中，查找匹配程度最高的预设数量个目标历史生产过程；
所述根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据，包括：
获取与各个所述目标历史生产过程对应的历史操作数据；
基于将所获取的历史操作数据实施于对应的目标历史生产过程的操作时间，为各个所述目标历史生产过程分配权重，其中，所述权重随着所述操作时间与目标操作时间的接近程度的增加而增加，所述目标操作时间为将待确定的目标操作数据实施于所述当前生产过程的时间；
根据所分配的权重，对所获取的各个历史操作数据进行加权平均计算，将计算结果作为欲实施于所述当前生产过程的目标操作数据。
6.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取所述历史生产过程和所述当前生产过程各自的化验结果，包括：
获取所述历史生产过程和所述当前生产过程各自的原始化验结果；
对所获取的原始化验结果中的各个化验数据，计算所述化验数据和预设的成分含量值的有效范围的偏差程度，在所述偏差程度大于预设值的情况下，在所获取的原始化验结果中，删除所述化验数据及对应的时间戳；
得到所述历史生产过程和所述当前生产过程各自的化验结果。
7.一种化工产品的成分含量控制装置，其特征在于，包括：
相似度计算单元，用于对于每一个历史生产过程，计算所述历史生产过程和当前生产过程的成分含量整体相似度，所述成分含量整体相似度的计算过程包括：获取所述历史生产过程和所述当前生产过程各自的化验结果，每一个所述化验结果包括若干个时间戳及与每一个所述时间戳对应的化验数据，所述时间戳为在对应的生产过程中，采集产品样本的实际时间相对于所述生产过程的开始时间的相对时间，由所获取的两个化验结果中的全部所述时间戳构成时间戳集，对于所述历史生产过程和所述当前生产过程中的每一生产过程，对于所述时间戳集中的每一个时间戳，判断所述生产过程在所述时间戳处是否具备化验数据，若是，则基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，若否，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，对于所述时间戳集中的每一个时间戳，基于所述历史生产过程中和所述当前生产过程中与所述时间戳对应的成分含量信息，确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度，基于所述历史生产过程和所述当前生产过程在各个所述时间戳处的成分含量相似度，确定所述历史生产过程和所述当前生产过程的成分含量整体相似度；
目标过程查找单元，用于在各个所述历史生产过程中，查找匹配程度满足预设的匹配条件的目标历史生产过程，其中，所述匹配程度包括所述历史生产过程和所述当前生产过程的成分含量整体相似度；
目标数据确定单元，用于根据与所述目标历史生产过程对应的历史操作数据，确定欲实施于所述当前生产过程的目标操作数据；
其中，所述基于与所述时间戳对应的所述化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，包括：
对于预设的基准区间集中每一个的基准区间：
以与所述时间戳对应的所述化验数据和所述基准区间为自变量，利用高斯分布函数，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第一概率；
其中，各个所述基准区间具备相同的区间长度且不存在交叉区间，顺序排列的各个所述基准区间，能够构成预设的成分含量值的有效范围，与各个所述基准区间对应的第一概率用于表征所述成分含量信息；
所述基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的成分含量信息，包括：
对于每一个所述基准区间：
判断所述生产过程是否具备与所述时间戳的两个相邻时间戳对应的两个化验数据；
若是，则基于所述生产过程在所述时间戳的两个相邻时间戳处的化验数据，确定所述生产过程中与所述时间戳对应的实际成分含量值属于所述基准区间的第二概率；
若否，则将所述第二概率确定为0；
其中，与各个所述基准区间对应的第二概率用于表征所述成分含量信息；
确定所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度，包括：
对于每一个所述基准区间，计算所述历史生产过程和所述当前生产过程在所述时间戳处的实际成分含量值均属于所述基准区间的第三概率；
根据与各个所述基准区间对应的第三概率，计算所述历史生产过程和所述当前生产过程在所述时间戳处的实际成分含量相同的第四概率，所述第四概率用于表征所述历史生产过程和所述当前生产过程在所述时间戳处的成分含量相似度。
8.一种化工产品的成分含量控制设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-6中任一项所述的化工产品的成分含量控制方法的各个步骤。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的化工产品的成分含量控制方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310296705.1A CN116030900B (zh) | 2023-03-24 | 2023-03-24 | 化工产品的成分含量控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310296705.1A CN116030900B (zh) | 2023-03-24 | 2023-03-24 | 化工产品的成分含量控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116030900A CN116030900A (zh) | 2023-04-28 |
| CN116030900B true CN116030900B (zh) | 2023-06-16 |
Family
ID=86070864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310296705.1A Active CN116030900B (zh) | 2023-03-24 | 2023-03-24 | 化工产品的成分含量控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116030900B (zh) |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6662116B2 (en) * | 2001-11-30 | 2003-12-09 | Exxonmobile Research And Engineering Company | Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend |
| CN101463407B (zh) * | 2008-11-22 | 2011-02-02 | 大连理工大学 | 一种转炉炼钢石灰加入量计算方法 |
| WO2018076243A1 (zh) * | 2016-10-27 | 2018-05-03 | 华为技术有限公司 | 一种查找方法及装置 |
| WO2018183972A2 (en) * | 2017-04-01 | 2018-10-04 | Massachusetts Institute Of Technology | Systems and methods for using behavior data of impurities and target proteins to design downstream processes |
| CN109001979B (zh) * | 2018-08-24 | 2021-05-18 | 东北大学 | 基于懒惰学习的高炉铁水质量自适应鲁棒预测控制方法 |
| CN112363474B (zh) * | 2020-11-09 | 2022-02-01 | 浙江蓝卓工业互联网信息技术有限公司 | 一种熟料烧成系统中控制参数的优化方法及装置 |
| CN113517037B (zh) * | 2021-03-25 | 2022-11-15 | 中南大学 | 一种数据与知识融合的烧结矿FeO预测方法及系统 |
| CN113066536A (zh) * | 2021-04-19 | 2021-07-02 | 工数科技(广州)有限公司 | 二水湿法磷酸萃取生产优化方法 |
| CN113255102B (zh) * | 2021-04-23 | 2022-02-08 | 北京科技大学 | 一种转炉终点钢水碳含量与温度预测方法及装置 |
| CN114091800A (zh) * | 2021-07-09 | 2022-02-25 | 宝山钢铁股份有限公司 | 硅钢产品生产方案的智能设计评估方法 |
| CN114492956B (zh) * | 2022-01-07 | 2024-03-12 | 上海烁恒科技有限责任公司 | 基于历史数据搜索的工况预测方法、设备及存储介质 |
| CN114678080B (zh) * | 2022-03-28 | 2022-11-18 | 北京科技大学 | 转炉终点磷含量预测模型及构建方法、磷含量预测方法 |
| CN115293577B (zh) * | 2022-08-05 | 2023-07-21 | 水利部珠江水利委员会技术咨询(广州)有限公司 | 基于机器学习的高寒流域地下水化学控制因素分析方法 |
| CN115115288B (zh) * | 2022-08-29 | 2022-11-22 | 南通玖溯环保科技有限公司 | 一种化工厂污水处理结果评估方法 |
-
2023
- 2023-03-24 CN CN202310296705.1A patent/CN116030900B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN116030900A (zh) | 2023-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103049526B (zh) | 基于双空间学习的跨媒体检索方法 | |
| Johnson et al. | Species distribution modeling and prediction: A class imbalance problem | |
| CN108876024B (zh) | 路径规划、路径实时优化方法及装置、存储介质 | |
| CN111046018A (zh) | 基于多目标优化的发电设备运行工况库构建方法和装置 | |
| Gautam et al. | A novel moving average forecasting approach using fuzzy time series data set | |
| JP2017097803A (ja) | 予測装置、方法及びプログラム | |
| CN112989169A (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
| CN110826181B (zh) | 一种相变材料的性能获取方法、终端设备和计算机可读介质 | |
| CN116030900B (zh) | 化工产品的成分含量控制方法、装置、设备及存储介质 | |
| CN116362823A (zh) | 用于行为稀疏场景的推荐模型训练方法、推荐方法及装置 | |
| CN116049672A (zh) | 一种缺失数据的填充方法及装置 | |
| CN110472143A (zh) | 一种信息推送方法、装置、可读存储介质及终端设备 | |
| CN104698838B (zh) | 基于论域动态划分和学习的模糊调度规则挖掘方法 | |
| CN108111976B (zh) | 一种WiFi信号指纹数据优化方法及装置 | |
| CN116166890B (zh) | 基于浅层自动编码器模型的推荐方法、系统、设备及介质 | |
| Vasant | Hybrid mesh adaptive direct search genetic algorithms and line search approaches for fuzzy optimization problems in production planning | |
| CN107909099A (zh) | 一种基于热核的三维模型识别与检索方法 | |
| CN113626578B (zh) | 一种密封材料的智能分析方法及系统 | |
| CN106599074A (zh) | 协同过滤推荐系统中的用户时间相关相似度的计算方法 | |
| Opoku et al. | The Ar-Star (Ar) Pathfinder | |
| CN114125813A (zh) | 基于手机信令的信号覆盖范围确定方法及相关装置 | |
| CN112150283B (zh) | 应用剩余面积计算法来进行链上累积和占比计算的方法 | |
| CN114819036A (zh) | 一种单次测量天牛须控制方法、装置及可读存储介质 | |
| JP5860828B2 (ja) | 行動確率推定装置、方法、及びプログラム | |
| CN103186711B (zh) | 基于非正交坐标系下软件成本评估方法 |
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 |