CN116954088B - 一种混合机的在线监控方法及系统 - Google Patents
一种混合机的在线监控方法及系统 Download PDFInfo
- Publication number
- CN116954088B CN116954088B CN202311211508.1A CN202311211508A CN116954088B CN 116954088 B CN116954088 B CN 116954088B CN 202311211508 A CN202311211508 A CN 202311211508A CN 116954088 B CN116954088 B CN 116954088B
- Authority
- CN
- China
- Prior art keywords
- control
- preset
- parameter
- neighborhood
- uniformity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 80
- 230000006870 function Effects 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 22
- 238000005265 energy consumption Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Accessories For Mixers (AREA)
Abstract
本公开提供了一种混合机的在线监控方法及系统,涉及混合机监控技术领域,该方法包括:通过单因素混合试验得到单因素试验记录;以混合均匀度为寻优指标分析单因素试验记录得到第一控制方案;得到第一控制阈和第二控制阈;获取混合控制邻域;引入预设适应度函数筛选得到多个控制方案中最优的方案,将其记作最优邻域方案,最优邻域方案具备邻域适应度的标识;将基于预设适应度函数得到的第一控制方案的第一适应度与邻域适应度进行对比,得到第一对比结果;根据第一对比结果确定目标控制方案。通过本公开可以解决现有技术中存在由于混合均匀度较低,导致混合效果较差的技术问题,实现提高混合均匀度的目标,达到提高混合效果的技术效果。
Description
技术领域
本公开涉及混合机监控技术领域,具体涉及一种混合机的在线监控方法及系统。
背景技术
混合机是利用机械力和重力等,将两种或两种以上物料均匀混合起来的机械设备。在混合的过程中,还可以增加物料接触表面积,以促进化学反应,还能够加速物理变化。目前,现有的混合机的控制方案获得的混合效果较为粗糙,均匀程度不高,不能适应精细的物料混合工作。
综上所述,现有技术中存在由于混合均匀度较低,导致混合效果较差的技术问题。
发明内容
本公开提供了一种混合机的在线监控方法及系统,用以解决现有技术中存在由于混合均匀度较低,导致混合效果较差的技术问题。
根据本公开的第一方面,提供了一种混合机的在线监控方法,包括:通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制。
根据本公开的第二方面,提供了一种混合机的在线监控系统,包括:单因素试验记录获得模块,所述单因素试验记录获得模块用于通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;第一控制方案获得模块,所述第一控制方案获得模块用于以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;第一控制阈获得模块,所述第一控制阈获得模块用于根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;混合控制邻域获得模块,所述混合控制邻域获得模块用于获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;最优邻域方案获得模块,所述最优邻域方案获得模块用于引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;第一对比结果获得模块,所述第一对比结果获得模块用于将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;目标控制方案获得模块,所述目标控制方案获得模块用于根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制。
根据本公开的第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器实现能够执行第一方面中任一项所述的方法。
根据本公开的第四方面,一种计算机可读存储介质,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能够执行第一方面中任一项所述的方法。
本公开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:根据本公开采用的通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制,解决了现有技术中存在由于混合均匀度较低,导致混合效果较差的技术问题,实现提高混合均匀度的目标,达到提高混合效果的技术效果。
应当理解,本部分所描述的内容并非旨在标示本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开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的介绍,显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的一种混合机的在线监控方法的流程示意图;
图2为本公开实施例一种混合机的在线监控方法中以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案的流程示意图;
图3为本公开实施例一种混合机的在线监控方法中混合机的逻辑示意图;
图4为本公开实施例提供的一种混合机的在线监控系统的结构示意图;
图5为本公开实施例提供的一种计算机设备的结构示意图。
附图标记说明:单因素试验记录获得模块11,第一控制方案获得模块12,第一控制阈获得模块13,混合控制邻域获得模块14,最优邻域方案获得模块15,第一对比结果获得模块16,目标控制方案获得模块17,计算机设备800,处理器801,存储器802,总线803。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
本公开实施例提供的一种混合机的在线监控方法,兹参照图1、图2及图3作说明,所述方法包括:
本公开实施例提供的方法中包括:
通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;
单因素混合试验为只有一个影响因素,或虽有多个影响因素,但在安排实验时只考虑一个对指标影响最大的因素,其它因素尽量保持不变的实验,即为单因素混合试验。其目的为通过单因素混合试验达到优质、高产、低耗的目的。进一步地,按照预设控制指标进行单因素混合试验,通过单因素混合试验得到单因素试验记录。单因素试验记录中包括预设控制指标中各预设指标的试验记录。其中,预设控制指标包括各预设指标,预设控制指标包括转速、桨叶安装角度、混合时长等指标。
以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;
以混合均匀度为寻优指标。具体地,根据单因素试验记录对应的预设控制指标中预设指标,提取单因素试验记录中预设指标对应的预设参数集。其中,预设参数集包括多个参数和多个扩充参数。进一步地,按照单因素试验记录提取多个参数的下的多个均匀度。根据多个参数及其多个均匀度构建均匀度预测模型。进一步地,将多个扩充参数输入均匀度预测模型,通过均匀度预测模型训练获得多个预测均匀度。进一步地,从多个预测均匀度中提取均匀度最高的均匀度及其对应扩充参数。将所述扩充参数作为预设指标的最优控制参数。相应地,根据获得所述预设指标的最优控制参数的方法,获得各预设指标的各最优控制参数。进一步地,提取各预设指标的各最优控制参数获得第一控制方案。
根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;
从预设控制指标提取一个预设指标,作为第一预设指标。将第一控制方案中第一预设指标的对应最优控制参数作为第一最优控制参数。进一步地,根据第一控制方案中第一预设指标的第一最优控制参数的变换范围获得第一控制阈。其中,由于各预设指标间的耦合作用,各预设指标的对应最优控制参数组成的第一控制方案并不一定是最优方案,因此第一最优控制参数具有变换范围,第一控制方案根据第一最优控制参数的变换而变化。具体而言,自定义预设一个加减区域范围,计算获得第一最优控制参数的加减区域范围,得到第一控制阈。举例而言,第一最优控制参数为5,计算获得第一最优控制参数的加减区域范围3,则第一控制阈为2-8。相应地,根据第一控制方案中第二预设指标的第二最优控制参数获得第二控制阈。
获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;
根据第一控制阈与第二控制阈确定获取混合控制邻域。其中,获取混合控制邻域的方法可以为计算第一控制阈与第二控制阈的平均范围大小,也可以为第一控制阈与第二控制阈之和。进一步地,由于混合控制邻域为范围数值,因此通过混合控制邻域对应获取多个控制方案。
引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;
引入预设适应度函数并进行利用计算。其中,预设适应度函数自变量为控制方案,因变量为适应度值。进一步地,通过预设适应度函数计算获得适应度函数值的最大值,并筛选获得函数值最大时的控制方案,作为最优的控制方案,记作最优邻域方案。进一步地,最优邻域方案具备邻域适应度的标识。
将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;
从多个控制方案随机获取一个控制方案作为第一控制方案。将第一控制方案作为预设适应度函数的自变量,计算得到第一适应度。将第一适应度与邻域适应度进行对比,得到第一对比结果。
根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制。
进一步地,若第一对比结果中邻域适应度大于第一适应度,则最优邻域方案作为目标控制方案,即,基于最优邻域方案对混合机进行混合控制;若邻域适应度小于第一适应度,则第一控制方案作为目标控制方案,即,则基于第一控制方案对所述混合机进行混合控制。
其中,通过本实施例可以解决现有技术中存在由于混合均匀度较低,导致混合效果较差的技术问题,实现提高混合均匀度的目标,达到提高混合效果的技术效果。
本公开实施例提供的方法中还包括:
预设控制指标包括混合机转速、桨叶角度、混合时长。
预设控制指标用于通过预设控制指标内各预设指标进行单因素混合试验。混合机转速为单位时间内混合机的转动圈数,比如380转每分。桨叶角度为混合机运行时的桨叶角度,比如桨叶角度在30°时混合效果最好。混合时长为混合机运行时长,比如混合15分等。
其中,获取预设控制指标可以获得各预设指标的试验记录,用于获得混合机的控制方案,进而提高混合效果。
本公开实施例提供的方法中还包括:
从所述预设控制指标提取所述第一预设指标,并获取所述第一预设指标的第一预设参数集,其中,所述第一预设参数集包括第一参数和第二参数;
根据从所述单因素试验记录中匹配到的所述第一预设指标的第一试验记录,依次得到所述第一参数下的第一均匀度和所述第二参数下的第二均匀度;
对所述第一参数及其所述第一均匀度、所述第二参数及其所述第二均匀度进行监督训练得到均匀度预测模型;
从基于预设扩充规则得到的所述第一预设指标的第一扩充参数集随机提取第一扩充参数;
将所述第一扩充参数作为所述均匀度预测模型的输入变量,得到第一预测均匀度,并组成第一均匀度集合,所述第一均匀度集合与所述第一扩充参数集具备对应关系;
将所述第一均匀度集合中均匀度最高的参数作为第一优化决策添加进所述第一控制方案。
从预设控制指标提取一个预设指标,作为第一预设指标。进一步地,提取第一预设指标进行单因素试验,获取第一预设指标的第一预设参数集。第一预设参数集为真正实际参与了其单因素试验的控制参数。其中,第一预设参数集包括第一参数和第二参数。
进一步地,将第一预设指标与单因素试验记录进行匹配,获得根据从单因素试验记录中匹配到的第一预设指标的第一试验记录,依次得到第一参数下的第一均匀度和第二参数下的第二均匀度。通过第一试验记录获得第一参数下的第一均匀度和第二参数下的第二均匀度。
进一步地,从给定的第一参数及其第一均匀度、第二参数及其第二均匀度中进行训练学习均匀度预测模型。将均匀度预测模型的标识第一输出结果的标识信息作为监督数据。输入每一组训练数据中,对第一输入数据进行监督学习,确定均匀度预测模型的输出信息达到收敛状态。通过第一输出结果与均匀度预测模型的输出结果进行对比,当一致时,本组数据监督学习完成,进行下一组数据监督学习;当不一致时,则训练模型进行自我修正,直至其输出结果与标识的第一输出结果一致,本组监督学习完成,进行下一组数据监督学习;通过大量数据的监督学习,使得机器学习均匀度预测模型的输出结果达到收敛状态,则监督学习完成。通过对均匀度预测模型进行监督学习的过程,使得均匀度预测模型输出的第一输出结果更加准确,达到了能够准确地获得第一输出结果,保证后续可以根据均匀度预测模型的输出结果作出相应的预测,从而通过协调数据提高数据分析的智能化程度,提高工作效率,降低数据分析成本。
进一步地,根据第一预设参数集中第一参数与第二参数的实际参数数值配置预设扩充规则。进一步地,获取预设控制指标中第一预设指标。将第一预设指标对应的多个参数通过预设扩充规则进行扩充,获得第一扩充参数集。其中,从第一扩充参数集中随机提取一个扩充参数,作为第一扩充参数。举例而言,若预设控制指标中第一预设指标为桨叶角度,实际进行单因素混合试验时的第一参数、第二参数、第三参数、第四参数分别为10°、20°、30°、40°等。则提取第一参数10°,获取第一参数的最邻近参数,即第二参数20°。进一步地,以第一参数10°和第二参数20°组成区间进行填充,结合单位步进,获得多个参数11°、12°直至19°。
进一步地,将第一扩充参数作为均匀度预测模型的输入变量,输入均匀度预测模型后,进行训练得到第一预测均匀度。相应地,将第一扩充参数集中多个扩充参数作为均匀度预测模型的输入变量,通过均匀度预测模型进行训练后获得多个预测均匀度。将多个预测均匀度组成第一均匀度集合。其中,第一均匀度集合与第一扩充参数集具备对应关系。
进一步地,将第一均匀度集合中多个均匀度中多个预测均匀度按照预测均匀度的均匀度数值高低进行序列化处理,获得预测均匀度序列化处理结果。其中,预测均匀度序列化处理结果中排序第一的预测均匀度为均匀度最高的预测均匀度。进一步地,将第一均匀度集合中均匀度最高的参数作为第一优化决策添加进第一控制方案。
其中,以混合均匀度为寻优指标分析单因素试验记录得到第一控制方案,进而最终确定目标控制方案,可以提高混合效果。
本公开实施例提供的方法中还包括:
提取所述第一预设参数集中第三参数;
基于所述预设扩充规则从所述第一预设参数集中获取所述第三参数的最邻近参数,记作第四参数;
以所述第三参数与所述第四参数为区间进行扩充,得到第一扩充结果;
根据所述第一扩充结果组成所述第一扩充参数集。
提取第一预设参数集中第三参数。根据预设扩充规则从第一预设参数集中获取第三参数的多个邻近参数,将多个邻近参数按照邻近距离进行排序,获得邻近序列化处理结果。其中,邻近序列化处理结果排序第一的邻近参数为最邻近参数。将最邻近参数进行提取,记作第四参数。
进一步地,以第三参数与第四参数为区间进行扩充,得到第一扩充结果。举例而言,预设控制指标中预设指标为混合机转速,实际进行单因素混合试验时的第一参数、第二参数、第三参数、第四参数分别为10转/秒、20转/秒、30转/秒、40转/秒等。则提取第一参数10转/秒,获取第一参数的最邻近参数,即第二参数20转/秒。进一步地,以第一参数10转/秒和第二参数20转/秒组成区间进行填充,结合时间单位步进,获得多个参数11转/秒、12转/秒直至19转/秒。
进一步地,提取第一扩充结果中的多个参数组成第一扩充参数集。举例而言,第一扩充集包括多个参数11转/秒、12转/秒直至19转/秒。
其中,根据第一扩充结果组成第一扩充参数集,用于提高混合机均匀度,进而提高混合效果。
本公开实施例提供的方法中还包括:
;
其中,是指控制方案/>的适应度函数,/>是指在所述控制方案下的混合均匀度,/>是指在所述控制方案/>下的总能耗,即,包括/>个混合机能耗部件的总能耗,其中,所述混合机共/>个能耗部件,/>、/>分别为混合均匀度与混合能耗的权重系数,且,/>。
具体地,为控制方案,根据自变量/>获得混合均匀度/>。其中,混合均匀度/>的值越大,适应度函数的值适应度/>的值越大,即控制方案对应的混合均匀度越高,适应度越高。进一步地,根据自变量/>,混合机能耗部件个数/>,混合机能耗部件总个数/>,获得/>个混合机能耗部件的总能耗/>。其中,/>个混合机能耗部件的总能耗/>的值越小,适应度函数的值适应度/>的值越大,即控制方案对应的混合机总能耗越低,适应度越高。进一步地,/>、/>分别为混合均匀度与混合能耗的权重系数,/>。对混合均匀度/>与/>个混合机能耗部件的总能耗/>分别分配权重,权重分配根据混合均匀度/>与/>个混合机能耗部件的总能耗/>的影响因素进行分配。
其中,预设适应度函数可以筛选最优的控制方案,进而提高混合效果。
本公开实施例提供的方法中还包括:
动态监测得到所述混合机的混合运行数据;
利用变异系数法对预处理后的所述混合运行数据进行加权计算,得到混合运行指数;
根据所述混合运行指数对所述邻域适应度和所述第一适应度进行调整。
通过混合机中装载的智能监测组件对混合机的混合机水箱温度、混合锅位置、混合机上桨叶和油泵压力进行实时监测,获得混合机的混合机水箱温度数据、混合锅位置数据、混合机上桨叶和油泵压力数据,并组合获得混合运行数据。
进一步地,变异系数法是根据统计学方法计算得出系统各指标变化程度的方法,是直接利用各项指标所包含的信息,通过计算得到指标的权重。变异系数法根据各评价指标当前值与目标值的变异程度来对各项指标进行赋权,若某项指标的数值差异较大,能明确区分开各被评价对象,说明该指标的分辨信息丰富,因而应给该指标以较大的权重;反之,若各个被评价对象在某项指标上的数值差异较小,那么这项指标区分各评价对象的能力较弱,因而应给该指标较小的权重。进一步地,对混合运行数据进行预处理,比如将混合运行数据中多项数值进行统一单位处理。进一步地,利用变异系数法对预处理后的混合运行数据分配不同权重进行加权计算,得到混合运行指数。
进一步地,根据混合运行指数,通过预设适应度函数调整混合机能耗部件的总能耗,进而对邻域适应度和第一控制方案对应的第一适应度进行调整。
其中,根据混合运行指数对邻域适应度和第一适应度进行调整,可以提高邻域适应度和第一适应度的精确度,进而提高混合效果。
本公开实施例提供的方法中还包括:
所述智能监测组件包括温度传感器、位置传感器和多个压力传感器;
通过所述温度传感器动态监测得到所述混合机上水箱的实时温度时序;
通过所述位置传感器动态监测得到所述混合机上混合锅的实时位置时序;
通过所述多个压力传感器分别动态监测得到所述混合机上桨叶和油泵的实时运行压力时序,所述多个压力传感器基于实际监测需求布署在桨叶及油泵上;
所述实时温度时序、所述实时位置时序和所述实时运行压力时序共同组成所述混合机的所述混合运行数据。
混合机上装载有智能监测组件。其中,智能监测组件包括温度传感器、位置传感器和多个压力传感器。进一步地,通过温度传感器对混合机进行动态监测得到混合机上水箱的实时温度时序,即随着时间推移变化的温度变化数值。通过位置传感器对混合机进行动态监测得到混合机上混合锅的实时位置时序,即随着时间推移变化的位置变化。通过多个压力传感器对混合机进行分别动态监测得到混合机上桨叶和油泵的实时运行压力时序,即随着时间推移变化的运行压力变化数值。其中,多个压力传感器基于实际监测需求布署在桨叶及油泵上。进一步地,实时温度时序、实时位置时序和实时运行压力时序共同组成混合机的混合运行数据。
其中,动态监测得到混合机的混合运行数据,用于对混合机进行精确控制。
实施例二
基于与前述实施例中一种混合机的在线监控方法同样的发明构思,兹参照图4作说明,本公开还提供了一种混合机的在线监控系统,所述系统包括:
单因素试验记录获得模块11,所述单因素试验记录获得模块用于通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;
第一控制方案获得模块12,所述第一控制方案获得模块用于以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;
第一控制阈获得模块13,所述第一控制阈获得模块用于根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;
混合控制邻域获得模块14,所述混合控制邻域获得模块用于获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;
最优邻域方案获得模块15,所述最优邻域方案获得模块用于引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;
第一对比结果获得模块16,所述第一对比结果获得模块用于将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;
目标控制方案获得模块17,所述目标控制方案获得模块用于根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制。
进一步地,所述系统还包括:
预设控制指标获得模块,所述预设控制指标获得模块用于所述预设控制指标包括混合机转速、桨叶角度、混合时长。
进一步地,所述系统还包括:
第一预设参数集获得模块,所述第一预设参数集获得模块用于从所述预设控制指标提取所述第一预设指标,并获取所述第一预设指标的第一预设参数集,其中,所述第一预设参数集包括第一参数和第二参数;
第一试验记录获得模块,所述第一试验记录获得模块用于根据从所述单因素试验记录中匹配到的所述第一预设指标的第一试验记录,依次得到所述第一参数下的第一均匀度和所述第二参数下的第二均匀度;
均匀度预测模型获得模块,所述均匀度预测模型获得模块用于对所述第一参数及其所述第一均匀度、所述第二参数及其所述第二均匀度进行监督训练得到均匀度预测模型;
第一扩充参数获得模块,所述第一扩充参数获得模块用于从基于预设扩充规则得到的所述第一预设指标的第一扩充参数集随机提取第一扩充参数;
第一均匀度集合获得模块,所述第一均匀度集合获得模块用于将所述第一扩充参数作为所述均匀度预测模型的输入变量,得到第一预测均匀度,并组成第一均匀度集合,所述第一均匀度集合与所述第一扩充参数集具备对应关系;
第一优化决策获得模块,所述第一优化决策获得模块用于将所述第一均匀度集合中均匀度最高的参数作为第一优化决策添加进所述第一控制方案。
进一步地,所述系统还包括:
第三参数获得模块,所述第三参数获得模块用于提取所述第一预设参数集中第三参数;
第四参数获得模块,所述第四参数获得模块用于基于所述预设扩充规则从所述第一预设参数集中获取所述第三参数的最邻近参数,记作第四参数;
第一扩充结果获得模块,所述第一扩充结果获得模块用于以所述第三参数与所述第四参数为区间进行扩充,得到第一扩充结果;
第一扩充参数集获得模块,所述第一扩充参数集获得模块用于根据所述第一扩充结果组成所述第一扩充参数集。
进一步地,所述系统还包括:
预设适应度函数获得模块,所述预设适应度函数获得模块用于所述预设适应度函数的表达式如下:;
预设适应度函数分析模块,所述预设适应度函数分析模块用于其中,是指控制方案/>的适应度函数,/>是指在所述控制方案/>下的混合均匀度,是指在所述控制方案/>下的总能耗,即,包括/>个混合机能耗部件的总能耗,其中,所述混合机共/>个能耗部件,/>、/>分别为混合均匀度与混合能耗的权重系数,且,/>。
进一步地,所述系统还包括:
混合运行数据获得模块,所述混合运行数据获得模块用于动态监测得到所述混合机的混合运行数据;
混合运行指数获得模块,所述混合运行指数获得模块用于利用变异系数法对预处理后的所述混合运行数据进行加权计算,得到混合运行指数;
混合运行指数处理模块,所述混合运行指数处理模块用于根据所述混合运行指数对所述邻域适应度和所述第一适应度进行调整。
进一步地,所述系统还包括:
智能监测组件获得模块,所述智能监测组件获得模块用于所述智能监测组件包括温度传感器、位置传感器和多个压力传感器;
实时温度时序获得模块,所述实时温度时序获得模块用于通过所述温度传感器动态监测得到所述混合机上水箱的实时温度时序;
实时位置时序获得模块,所述实时位置时序获得模块用于通过所述位置传感器动态监测得到所述混合机上混合锅的实时位置时序;
实时运行压力时序获得模块,所述实时运行压力时序获得模块用于通过所述多个压力传感器分别动态监测得到所述混合机上桨叶和油泵的实时运行压力时序,所述多个压力传感器基于实际监测需求布署在桨叶及油泵上;
混合运行数据处理模块,所述混合运行数据处理模块用于所述实时温度时序、所述实时位置时序和所述实时运行压力时序共同组成所述混合机的所述混合运行数据。
前述实施例一中的一种混合机的在线监控方法具体实例同样适用于本实施例的一种混合机的在线监控系统,通过前述对一种混合机的在线监控方法的详细描述,本领域技术人员可以清楚地知道本实施例中一种混合机的在线监控系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
实施例三
图5是根据本公开第三实施例的示意图,如图5所示,本公开中的计算机设备800可以包括:处理器801和存储器802。
存储器802,用于存储程序;存储器802,可以包括易失性存储器(英文:volatilememory),例如随机存取存储器(英文:random-access memory,缩写:RAM),如静态随机存取存储器(英文:static random-access memory,缩写:SRAM),双倍数据率同步动态随机存取存储器(英文:Double Data Rate Synchronous Dynamic Random Access Memory,缩写:DDR SDRAM)等;存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等,上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令等可以被处理器801调用。
处理器801,用于执行存储器802存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构,也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时,存储器802、处理器801可以通过总线803耦合连接。
本实施例的计算机设备可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
根据本公开的实施例,本公开还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在执行时实现上述任一实施例提供的步骤。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所做的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (7)
1.一种混合机的在线监控方法,其特征在于,所述方法应用于一种混合机的在线监控系统,所述系统与混合机通信连接,所述方法包括:
通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;
以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;
根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;
获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;
引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;
将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;
根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制;
所述预设控制指标包括混合机转速、桨叶角度、混合时长;
所述以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,包括:
从所述预设控制指标提取所述第一预设指标,并获取所述第一预设指标的第一预设参数集,其中,所述第一预设参数集包括第一参数和第二参数;
根据从所述单因素试验记录中匹配到的所述第一预设指标的第一试验记录,依次得到所述第一参数下的第一均匀度和所述第二参数下的第二均匀度;
对所述第一参数及其所述第一均匀度、所述第二参数及其所述第二均匀度进行监督训练得到均匀度预测模型;
从基于预设扩充规则得到的所述第一预设指标的第一扩充参数集随机提取第一扩充参数;
将所述第一扩充参数作为所述均匀度预测模型的输入变量,得到第一预测均匀度,并组成第一均匀度集合,所述第一均匀度集合与所述第一扩充参数集具备对应关系;
将所述第一均匀度集合中均匀度最高的参数作为第一优化决策添加进所述第一控制方案;
所述预设适应度函数的表达式如下:
;
其中,是指控制方案/>的适应度函数,/>是指在所述控制方案/>下的混合均匀度,/>是指在所述控制方案/>下的总能耗,即,包括/>个混合机能耗部件的总能耗,其中,所述混合机共/>个能耗部件,/>、/>分别为混合均匀度与混合能耗的权重系数,且,/>。
2.根据权利要求1所述方法,其特征在于,在所述从基于预设扩充规则得到的所述第一预设指标的第一扩充参数集随机提取第一扩充参数之前,包括:
提取所述第一预设参数集中第三参数;
基于所述预设扩充规则从所述第一预设参数集中获取所述第三参数的最邻近参数,记作第四参数;
以所述第三参数与所述第四参数为区间进行扩充,得到第一扩充结果;
根据所述第一扩充结果组成所述第一扩充参数集。
3.根据权利要求1所述方法,其特征在于,在所述根据所述第一对比结果确定目标控制方案之前,还包括:
动态监测得到所述混合机的混合运行数据;
利用变异系数法对预处理后的所述混合运行数据进行加权计算,得到混合运行指数;
根据所述混合运行指数对所述邻域适应度和所述第一适应度进行调整。
4.根据权利要求3所述方法,其特征在于,所述混合机上装载有智能监测组件,所述动态监测得到所述混合机的混合运行数据,包括:
所述智能监测组件包括温度传感器、位置传感器和多个压力传感器;
通过所述温度传感器动态监测得到所述混合机上水箱的实时温度时序;
通过所述位置传感器动态监测得到所述混合机上混合锅的实时位置时序;
通过所述多个压力传感器分别动态监测得到所述混合机上桨叶和油泵的实时运行压力时序,所述多个压力传感器基于实际监测需求布署在桨叶及油泵上;
所述实时温度时序、所述实时位置时序和所述实时运行压力时序共同组成所述混合机的所述混合运行数据。
5.一种混合机的在线监控系统,其特征在于,用于实施权利要求1-4中任意一项所述的一种混合机的在线监控方法,所述系统包括:
单因素试验记录获得模块,所述单因素试验记录获得模块用于通过单因素混合试验得到单因素试验记录,所述单因素混合试验基于预设控制指标进行设计,所述单因素试验记录中包括所述预设控制指标中各预设指标的试验记录;
第一控制方案获得模块,所述第一控制方案获得模块用于以混合均匀度为寻优指标分析所述单因素试验记录得到第一控制方案,所述第一控制方案包括所述各预设指标的各最优控制参数;
第一控制阈获得模块,所述第一控制阈获得模块用于根据所述第一控制方案中第一预设指标的第一最优控制参数得到第一控制阈,根据所述第一控制方案中第二预设指标的第二最优控制参数得到第二控制阈;
混合控制邻域获得模块,所述混合控制邻域获得模块用于获取混合控制邻域,所述混合控制邻域由所述第一控制阈与所述第二控制阈确定,且,所述混合控制邻域包括多个控制方案;
最优邻域方案获得模块,所述最优邻域方案获得模块用于引入预设适应度函数筛选得到所述多个控制方案中最优的方案,将其记作最优邻域方案,且所述最优邻域方案具备邻域适应度的标识;
第一对比结果获得模块,所述第一对比结果获得模块用于将基于所述预设适应度函数得到的所述第一控制方案的第一适应度与所述邻域适应度进行对比,得到第一对比结果;
目标控制方案获得模块,所述目标控制方案获得模块用于根据所述第一对比结果确定目标控制方案,所述目标控制方案用于对所述混合机进行混合控制。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-4中任一项所述的方法的步骤。
7.一种计算机可读存储介质,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权利要求1-4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211508.1A CN116954088B (zh) | 2023-09-20 | 2023-09-20 | 一种混合机的在线监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211508.1A CN116954088B (zh) | 2023-09-20 | 2023-09-20 | 一种混合机的在线监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116954088A CN116954088A (zh) | 2023-10-27 |
CN116954088B true CN116954088B (zh) | 2023-12-12 |
Family
ID=88442878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311211508.1A Active CN116954088B (zh) | 2023-09-20 | 2023-09-20 | 一种混合机的在线监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116954088B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117929633B (zh) * | 2023-12-20 | 2024-08-23 | 纳琳威纳米科技南通有限公司 | 光刻胶用色浆的均一性在线检测方法及系统 |
CN118502376A (zh) * | 2024-07-17 | 2024-08-16 | 江南载福粉末涂料(张家港)有限公司 | 一种粉末涂料生产的流程优化控制方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113813814A (zh) * | 2021-10-12 | 2021-12-21 | 中冶长天国际工程有限责任公司 | 一种强力混合机的犁头角度调节方法及系统 |
CN115618480A (zh) * | 2022-06-13 | 2023-01-17 | 中国船舶工业集团公司第七0八研究所 | 一种基于遗传算法的挖泥船能耗优化方法及系统 |
CN116027138A (zh) * | 2023-03-28 | 2023-04-28 | 南通江海储能技术有限公司 | 一种超级电容器的一致性测试方法及系统 |
CN116300475A (zh) * | 2023-05-11 | 2023-06-23 | 苏州先准电子科技有限公司 | 一种金属滚压加工控制方法及系统 |
CN116440670A (zh) * | 2023-04-12 | 2023-07-18 | 华能伊春热电有限公司 | 一种石灰石浆液密度稳定性控制方法 |
CN116560328A (zh) * | 2023-07-10 | 2023-08-08 | 江苏晨达半导体科技有限公司 | 一种半导体设备控制系统的优化方法及系统 |
CN116561710A (zh) * | 2023-05-12 | 2023-08-08 | 西咸新区大熊星座智能科技有限公司 | 基于数据空间转化的焊接参数迁移学习预测方法 |
CN116610081A (zh) * | 2023-05-26 | 2023-08-18 | 江苏邦鼎科技有限公司 | 一种饲料生产控制方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12017381B2 (en) * | 2020-02-05 | 2024-06-25 | Oshkosh Corporation | Systems and methods for controlling discharge of a mixer drum |
-
2023
- 2023-09-20 CN CN202311211508.1A patent/CN116954088B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113813814A (zh) * | 2021-10-12 | 2021-12-21 | 中冶长天国际工程有限责任公司 | 一种强力混合机的犁头角度调节方法及系统 |
CN115618480A (zh) * | 2022-06-13 | 2023-01-17 | 中国船舶工业集团公司第七0八研究所 | 一种基于遗传算法的挖泥船能耗优化方法及系统 |
CN116027138A (zh) * | 2023-03-28 | 2023-04-28 | 南通江海储能技术有限公司 | 一种超级电容器的一致性测试方法及系统 |
CN116440670A (zh) * | 2023-04-12 | 2023-07-18 | 华能伊春热电有限公司 | 一种石灰石浆液密度稳定性控制方法 |
CN116300475A (zh) * | 2023-05-11 | 2023-06-23 | 苏州先准电子科技有限公司 | 一种金属滚压加工控制方法及系统 |
CN116561710A (zh) * | 2023-05-12 | 2023-08-08 | 西咸新区大熊星座智能科技有限公司 | 基于数据空间转化的焊接参数迁移学习预测方法 |
CN116610081A (zh) * | 2023-05-26 | 2023-08-18 | 江苏邦鼎科技有限公司 | 一种饲料生产控制方法及系统 |
CN116560328A (zh) * | 2023-07-10 | 2023-08-08 | 江苏晨达半导体科技有限公司 | 一种半导体设备控制系统的优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116954088A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116954088B (zh) | 一种混合机的在线监控方法及系统 | |
CN114619292B (zh) | 一种基于小波降噪和注意力机制融合gru网络的铣削加工刀具磨损监测方法 | |
CN108021773B (zh) | 基于dss数据库的分布式水文模型多场次洪水参数率定方法 | |
CN108776831A (zh) | 一种基于动态卷积神经网络的复杂工业过程数据建模方法 | |
CN101061443A (zh) | 控制对象模型生成设备和生成方法 | |
CN104881707B (zh) | 一种基于集成模型的烧结能耗预测方法 | |
CN109147875A (zh) | 基于模糊聚类的支持向量回归算法的污水溶解氧浓度预测方法 | |
CN109670549B (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
CN110222387A (zh) | 基于混合漏积分crj网络的多元钻井时间序列预测方法 | |
CN108052963A (zh) | 风电功率预测建模的数据筛选方法、装置及风力发电机组 | |
CN117689661A (zh) | 医用透气材料表面的涂层缺陷检测方法及系统 | |
CN109389309A (zh) | 一种风力发电机性能评估方法、系统、设备及计算机介质 | |
CN116499011B (zh) | 太阳能相变蓄能系统的智能控制方法、终端及系统 | |
CN116777861B (zh) | 一种激光雕刻机打标质量检测方法及系统 | |
CN117635361A (zh) | 一种基于集成学习的金枪鱼渔场预测方法及系统 | |
CN109114805A (zh) | 一种设备能耗的确定方法及装置 | |
CN117056678A (zh) | 一种基于小样本的机泵设备运行故障诊断方法及装置 | |
WO2021076943A1 (en) | Machine learning variable selection and root cause discovery by cumulative prediction | |
CN104575613B (zh) | 一种电性失效分析方法 | |
CN103994858B (zh) | 基于生物地理学智能优化支持向量机算法的动平衡检测控制方法 | |
US11339517B2 (en) | Laundry treating apparatus including control device and control method thereof | |
CN112801398B (zh) | 冷却装置故障预测方法、装置、电子设备及存储介质 | |
CN114108232B (zh) | 泡沫量预测方法、装置、存储介质以及洗涤设备 | |
CN116467911B (zh) | 基于多工况信息融合的蒸发过程出口溶液浓度估算方法 | |
CN116413609B (zh) | 一种电池跳水识别方法、装置、电子设备及存储介质 |
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 |