CN117055512A - 一种连续搅拌反应釜的智能模型控制系统及其控制方法 - Google Patents
一种连续搅拌反应釜的智能模型控制系统及其控制方法 Download PDFInfo
- Publication number
- CN117055512A CN117055512A CN202311300748.9A CN202311300748A CN117055512A CN 117055512 A CN117055512 A CN 117055512A CN 202311300748 A CN202311300748 A CN 202311300748A CN 117055512 A CN117055512 A CN 117055512A
- Authority
- CN
- China
- Prior art keywords
- reaction kettle
- data
- intelligent
- control system
- value 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.)
- Pending
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 153
- 238000003756 stirring Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000012360 testing method Methods 0.000 claims abstract description 30
- 238000012824 chemical production Methods 0.000 claims abstract description 27
- 238000007689 inspection Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000009776 industrial production Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000003556 assay Methods 0.000 claims 2
- 239000000126 substance Substances 0.000 description 17
- 230000001276 controlling effect Effects 0.000 description 12
- 238000005520 cutting process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- DHKHKXVYLBGOIT-UHFFFAOYSA-N acetaldehyde Diethyl Acetal Natural products CCOC(C)OCC DHKHKXVYLBGOIT-UHFFFAOYSA-N 0.000 description 1
- 125000002777 acetyl group Chemical class [H]C([H])([H])C(*)=O 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920002037 poly(vinyl butyral) polymer Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33273—DCS distributed, decentralised controlsystem, multiprocessor
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Physical Or Chemical Processes And Apparatus (AREA)
Abstract
本发明公开了一种连续搅拌反应釜的智能模型控制系统及其控制方法,包括质量分析系统,利用生产现场传输的数据和检化验仪器传输的数据建立质量分析模型,按从大到小的顺序输出对质量影响的生产过程数据;连续搅拌反应釜智能控制系统,用于接收来自质量分析系统质量分析模型的输出结果,根据质量分析模型输出结果控制连续搅拌反应釜;传输网络,连接化工生产现场、检化验仪器、连续搅拌反应釜智能控制系统和质量分析系统的工业互联网。本发明从而实现生产效能提升0.5%,安全的提升,质量的提高。
Description
技术领域
本发明涉及反应釜的智能控制方法技术领域,尤其涉及一种连续搅拌反应釜的智能模型控制系统及其控制方法。
背景技术
化工生产中,连续搅拌反应釜是一种常见且重要的化学反应器,通常在中大型化工厂设置集控中心统一安装分散控制系统对化工生产设备进行自动化控制,小型的化工厂通常会用PLC控制系统对连续搅拌反应釜进行控制,但是传统分散控制系统和PLC控制系统都是通过检化验指标来控制化工生产的方式,不能很好的适应现代化工的要求。
传统的连续搅拌反应釜的控制逻辑如下:第一步:生产现场对反应釜内的反应物取样送检,第二步:化验室对反应物进行检化验,第三步:化验室将检化验结果告知DCS中控室值班人员,第四步:DCS中控室值班人员根据化验结果按经验操作反应釜。综合上述步骤,所有的检化验的结果都要通过DCS中控室值班人员实时系统的处理,让原本可以自动化的生产,变成人工重度参与的手工操作。而此类过程在当前的化工生产中频繁出现。因此,如何提供一种连续搅拌反应釜的智能模型控制系统及其控制方法是本领域技术人员亟须解决的问题。
发明内容
本发明的一个目的在于提出一种连续搅拌反应釜的智能模型控制系统及其控制方法,本发明从而实现生产效能提升0.5%,安全的提升,质量的提高。
根据本发明实施例的一种连续搅拌反应釜的智能模型控制系统,包括
质量分析系统,利用生产现场传输的数据和检化验仪器传输的数据建立质量分析模型,按从大到小的顺序输出对质量影响的生产过程数据;
连续搅拌反应釜智能控制系统,用于接收来自质量分析系统质量分析模型的输出结果,根据质量分析模型输出结果控制连续搅拌反应釜;
传输网络,连接化工生产现场、检化验仪器、连续搅拌反应釜智能控制系统和质量分析系统的工业互联网。
优选的,所述质量分析模型建立包括如下步骤:
采集化工生产现场和检化验仪器的数据;
对数据进行缺失值数据、重复值数据和异常值数据检测处理;
对检测处理后的数据进行相关性检验和降维算法处理;
对降维算法处理的数据进行相关性分析和XGBoos特征重要性分析得出最终的质量分析模型。
优选的,所述缺失值数据、重复值数据和异常值数据检测处理具体包括:
在处理重复值数据时,采取删除操作;
在处理缺失值数据时,根据缺失值数据总量和指标的缺失数量判断;
当缺失值数据总量大于预设阈值以及指标的缺失数量小于预设阈值时,对缺失值数据删除或填充处理,当缺失值数据总量小于预设阈值以及指标的缺失数量大于预设阈值时,对缺失值数据进行删除处理;
在处理异常值数据时,根据异常值数据总量和指标的异常数量判断;
当异常值数据总量大于预设阈值以及指标的异常数量小于预设阈值时,对异常值数据删除或填充处理,当异常值数据总量小于预设阈值以及指标的异常数量大于预设阈值时,对异常值数据进行删除处理。
优选的,所述相关性检验包括对连续搅拌反应釜的生产数据建立皮尔逊相关系数矩阵,用于查看生产过程数据内部、检化验数据内部以及生产过程数据与检化验数据之间的相关关系。
优选的,所述连续搅拌反应釜具体包括:
反应釜本体,所述反应釜本体内设置有驱动组件和数据检测组件;
反应釜智能控制器,所述反应釜智能控制器用于接收反应釜本体内数据检测组件传输的生产现场数据,所述反应釜智能控制器对生产现场数据进行处理并传送控制信号给设置在反应釜本体内驱动组件;
DCS集控中心,所述DCS集控中心用于接收反应釜智能控制器的控制执行结果,并输出为生产现场数据反馈至质量分析系统。
优选的,所述驱动组件包括设置在反应釜本体上的驱动电机,所述驱动电机用于控制设置在反应釜本体内的搅拌组件,所述驱动电机用于输出电流信号和搅拌组件的转速信号至反应釜智能控制器;
所述数据检测组件包括设置在反应釜本体内的压力传感器、夹套温度传感器和釜内温度传感器。
优选的,所述压力传感器、夹套温度传感器和釜内温度传感器分别输出反应釜本体内压力信号、反应釜本体内夹套温度信号和反应釜本体内温度信号至反应釜智能控制器。
优选的,所述反应釜智能控制器内包括:
通用信号预处理模块,所述反应釜本体的过程参数输入至通用信号预处理模块内;
通用在线建模模块,内置不同级数、不同条件的反应釜本体机理模型,依据机理模型中的变量为工生产过程提供参考依据;
通用优化模块,内置基于机理模型优化的非线性模型预测控制算法,用于变工况情况下反应釜本体的非线性控制;
通用先控模块,用于控制反应釜本体的运行状态,所述DCS集控中心对反应釜本体的所有操作通过通用先控模块进行。
一种连续搅拌反应釜的智能模型控制系统的控制方法,包括如下方法步骤:
S1、搭建质量分析系统,配置生产现场的DCS集控中心,质量分析系统通过化工生产现场中连续搅拌反应釜的DCS集控中心来获取化工生产的过程数据,质量分析系统分析输出对生产质量影响的参数进行推荐值计算;
S2、搭建连续搅拌反应釜智能控制系统服务器,测试和质量分析连续搅拌反应釜智能控制系统的通信正常,接收质量分析系统计算的参数推荐值,向生产现场的被控制目标发送控制指令。
本发明的有益效果是:
本发明通过不停的对化工产品进行检化验,通过结果分析,人为调整化工生产装置的参数,保证产品的质量,这个过程不能满足化工现代化的要求,本发明通过智能系统,打通自动化生产的链条,让检化验的结果直接去驱动设备,时效性更高。让化工自动化生产变成现实。让化工生产工人变成监督者,不再成为化工设备操作者,从而实现生产效能提升0.5%,安全的提升,质量的提高。
本发明能实现生产系统的闭环控制,能够从本质上提升化工企业的自动化率,可以增强工业生产过程的稳定性和安全性,保证产品质量的均匀性,提高目标产品的收率,提高生产装置的处理能力,降低生产过程运行成本,减少了环境污染。
本发明通过现场采集连续搅拌反应釜本体的现场的参数,存储到反应釜智能控制器内置的实时数据库内,经过反应釜智能控制器内的高性能处理器和内置的化学反应现场模型运算后,直接对反应釜本体的各个驱动组件进行近线控制,通过对化工生产过程的精准控制从而保证了化工产品的质量。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明提出的一种连续搅拌反应釜的智能模型控制系统及其控制方法的系统结构示意图;
图2为本发明提出的一种连续搅拌反应釜的智能模型控制系统及其控制方法的总流程图;
图3为本发明提出的一种连续搅拌反应釜的智能模型控制系统及其控制方法中质量分析系统的流程图;
图4为本发明提出的一种连续搅拌反应釜的智能模型控制系统及其控制方法中降维算法处理的流程图;
图5为本发明提出的一种连续搅拌反应釜的智能模型控制系统及其控制方法中连续搅拌反应釜的控制原理图;
图6为本发明提出的一种连续搅拌反应釜的智能模型控制系统及其控制方法中连续搅拌反应釜的装置结构示意图。
图中:1-驱动电机、2-反应釜本体、3-压力传感器、4-反应釜智能控制器、5-DCS集控中心、6-夹套温度传感器、7-釜内温度传感器。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
参考图1,一种连续搅拌反应釜的智能模型控制系统,包括
质量分析系统,利用生产现场传输的数据和检化验仪器传输的数据建立质量分析模型,按从大到小的顺序输出对质量影响的生产过程数据;
连续搅拌反应釜智能控制系统,用于接收来自质量分析系统质量分析模型的输出结果,根据质量分析模型输出结果控制连续搅拌反应釜;
传输网络,连接化工生产现场、检化验仪器、连续搅拌反应釜智能控制系统和质量分析系统的工业互联网。
参考图3-图4,本实施方式中,质量分析模型建立包括如下步骤:
采集化工生产现场和检化验仪器的数据;
对数据进行缺失值数据、重复值数据和异常值数据检测处理;
对检测处理后的数据进行相关性检验和降维算法处理;
相关性检验为质量数据建模前的重要基础是寻找各参数间的相关或潜在关系,在本发明中,对连续搅拌反应釜的生产数据建立皮尔逊相关系数矩阵,以查看生产过程数据内部、检化验数据内部以及生产过程数据与检化验数据之间的相关关系。
由于生产数据特征较多,本发明也使用降维算法从原始生产数据中去除不必要的特征,通过对数据特征进行抽取、转换、组合、选择等操作,降低数据维度,同时保留有价值的信息,提高模型的准确性和鲁棒性。
对降维算法处理的数据进行相关性分析和XGBoos特征重要性分析得出最终的质量分析模型。
相关性分析是求解特征变量两两之间的相关程度,可以用于分析输入特征与输出的关联程度,本发明采用的是Pearson相关系数法,即通过两个特征变量之间的协方差来反映变量之间的关联程度。
XGBoos特征重要性分析指模型在训练过程中,根据结构分数的增益选择特征分割点,某个特征在决策树中使用的越多则该特征越重要,通过查看模型的特征重要性排序,可以使用排名靠前的特征作为模型的输出结果。
本实施方式中,缺失值数据、重复值数据和异常值数据检测处理具体包括:
在处理重复值数据时,采取删除操作;
在处理缺失值数据时,根据缺失值数据总量和指标的缺失数量判断;
当缺失值数据总量大于预设阈值以及指标的缺失数量小于预设阈值时,对缺失值数据删除或填充处理,当缺失值数据总量小于预设阈值以及指标的缺失数量大于预设阈值时,对缺失值数据进行删除处理;
在本发明中,考虑到数据量的影响,使用箱线图法则,本发明将不在区间内的数据归类为异常数据的成功率为99.3%。
在处理异常值数据时,根据异常值数据总量和指标的异常数量判断;
当异常值数据总量大于预设阈值以及指标的异常数量小于预设阈值时,对异常值数据删除或填充处理,当异常值数据总量小于预设阈值以及指标的异常数量大于预设阈值时,对异常值数据进行删除处理。
本实施方式中,相关性检验包括对连续搅拌反应釜的生产数据建立皮尔逊相关系数矩阵,用于查看生产过程数据内部、检化验数据内部以及生产过程数据与检化验数据之间的相关关系。
参考图5-图6,本实施方式中,连续搅拌反应釜具体包括:
反应釜本体2,反应釜本体2内设置有驱动组件和数据检测组件;
反应釜智能控制器4,反应釜智能控制器4用于接收反应釜本体2内数据检测组件传输的生产现场数据,反应釜智能控制器4对生产现场数据进行处理并传送控制信号给设置在反应釜本体2内驱动组件;
DCS集控中心5,DCS集控中心5用于接收反应釜智能控制器4的控制执行结果,并输出为生产现场数据反馈至质量分析系统。
本实施方式中,驱动组件包括设置在反应釜本体2上的驱动电机1,驱动电机1用于控制设置在反应釜本体2内的搅拌组件,驱动电机1用于输出电流信号和搅拌组件的转速信号至反应釜智能控制器4;
数据检测组件包括设置在反应釜本体2内的压力传感器3、夹套温度传感器6和釜内温度传感器7。
本实施方式中,压力传感器3、夹套温度传感器6和釜内温度传感器7分别输出反应釜本体2内压力信号、反应釜本体2内夹套温度信号和反应釜本体2内温度信号至反应釜智能控制器4。
反应釜智能控制器4,反应釜智能控制器4用于接收反应釜本体2内数据检测组件传输的生产现场数据,反应釜智能控制器4对生产现场数据进行处理并传送控制信号给设置在反应釜本体2内驱动组件;
连续搅拌反应釜的每一个生产现场数据直接传送给安装在反应釜本体2上的反应釜智能控制器4,由反应釜智能控制器4直接处理后传送控制信号给反应釜本体2的执行机构,连续搅拌反应釜的反应釜智能控制器4仅和DCS集控中心5同步控制执行结果,DCS集控中心5不参与连续搅拌反应釜的控制过程,使得配置反应釜智能控制器4的连续搅拌反应釜一体智能化。
本实施方式中,反应釜智能控制器4内包括:
通用信号预处理模块,反应釜本体2的过程参数输入至通用信号预处理模块内,通用信号预处理模块提供的信号处理函数可对采集的生产现场信号进行去噪、平滑和去趋势处理,为模块后续分析做好准备,从数据中去除噪声、离群值和乱真内容,增强信号以对其可视化并发现模式,更改信号的采样率,或者使不规则采样信号或带缺失数据信号的采样率趋于恒定。
通用在线建模模块,内置不同级数、不同条件的反应釜本体2机理模型,并依据机理模型中具有实际物理意义的变量,为精细化工生产过程提供尽可能多的参考依据,解决工业现场中存在的一些困难。
例如,反应釜本体2内PH值、粘度等不易测量,造成因检测不便带来的产品质量不合格、执行机构操作迟缓、控制效果差等问题;
通用优化模块,内置基于机理模型优化的非线性模型预测控制算法,用于变工况情况下反应釜本体2的非线性控制;
在实际应用中连续搅拌反应釜在变工况,如生产负荷变化或者产品切换的情况下,呈现出强烈的非线性特性,对化工生产数据线性化并线性控制已经不能满足日益严苛的产品质量要求和生产性能要求,需要采用非线性模型预测控制。本实施方式中采用基于机理模型优化的非线性模型预测控制算法,解决了变工况生产负荷变化或者产品切换情况下连续搅拌反应釜的非线性控制问题,本实施方式中通过现场采集连续搅拌反应釜本体2的现场的参数,存储到反应釜智能控制器4内置的实时数据库内,经过反应釜智能控制器4内的高性能处理器和内置的化学反应现场模型运算后,直接对反应釜本体2的各个驱动组件进行近线控制,通过对化工生产过程的精准控制从而保证了化工产品的质量。
通用先控模块,用于控制反应釜本体2的运行状态,DCS集控中心5对反应釜本体2的所有操作通过通用先控模块进行。
反应釜智能控制器4最终是用来保证连续搅拌反应釜始终运行在可控最佳状态的核心控制模块,DCS集控中心5系统对反应釜本体2的所有操作是需要通过反应釜智能控制器4进行,通用先控模块通过接口服务器,OPC Server或私有协议sbus、vbus等,实现DCS集控中心5与反应釜智能控制器4之间的连接和控制逻辑切换。
通用先控模块包括:
计时器程序,监控反应釜智能控制器4运行状态,在DCS集控中心5通讯故障或反应釜智能控制器4没有运行时自动报警,同时将所有转到控制回路安全模式;
切换模块,通过通用先控模块与DCS集控中心5集中控制,用于通用先控模块和DCS集控中心5的投运、切除,即与常规控制之间的切换;
操作回路校验模块,在通用先控模块投用状态下,检验控制MV值是否满足最大调节幅度和上下限,符合则往操作回路写入默认设定值,不符合则切除通用先控模块回路,操作回路校验模块在常规控制状态下,通用先控模块控制变量自动跟踪操作回路MV设定值,校验各回路上下限是否设定合理,否则切除先控回路;检测各回路是否符合工程师上下限,否则切除先控回路。
DCS集控中心5,DCS集控中心5用于接收反应釜智能控制器4的控制执行结果。
反应釜智能控制器4、DCS集控中心5、质量分析系统以及连续搅拌反应釜智能控制系统通过工业互联网通信连接以实现基于质量分析的连续搅拌反应釜的智能控制。
可以理解的是,本发明中驱动组件、反应釜智能控制器4、压力传感器3、夹套温度传感器6和釜内温度传感器7的驱动方式可以采用外接电源线的方式进行驱动,驱动组件、反应釜智能控制器4、压力传感器3、夹套温度传感器6和釜内温度传感器7的控制可以采用主控系统进行编程控制,其控制原理为现有控制技术能实现的。驱动组件、反应釜智能控制器4、压力传感器3、夹套温度传感器6和釜内温度传感器7的型号不限于单一的类型可以为市场上现有适合于本发明的类型。
参考图2,一种连续搅拌反应釜的智能模型控制系统的控制方法,包括如下方法步骤:
S1、搭建质量分析系统:
配置生产现场的DCS集控中心5,质量分析系统通过化工生产现场中连续搅拌反应釜的DCS集控中心5来获取化工生产的过程数据,其中包括反应釜智能控制器4各种工况的预测控制数据,质量分析系统分析输出对生产质量影响的参数进行推荐值计算;
S2、搭建连续搅拌反应釜智能控制系统服务器:
测试和质量分析连续搅拌反应釜智能控制系统的通信正常,接收质量分析系统计算的参数推荐值,向生产现场的被控制目标发送控制指令,包含不限于:调节阀、开关阀、变频器、驱动组件、反应釜智能控制器4、压力传感器3、夹套温度传感器6和釜内温度传感器7;
S3、测试验证:
对比手动操作,本系统能否按正确的方式去控制被控对象,通过DCS集控中心5的曲线,查看本发明使用效果和手动操作的对比。
在本实施方式中,应用本系统在pvb聚乙烯醇缩丁醛生产中,通过生产前后的对比可以提升0.5%的缩醛率。
本发明通过不停的对化工产品进行检化验,通过结果分析,人为调整化工生产装置的参数,保证产品的质量,这个过程不能满足化工现代化的要求,本发明通过智能系统,打通自动化生产的链条,让检化验的结果直接去驱动设备,时效性更高。让化工自动化生产变成现实。让化工生产工人变成监督者,不再成为化工设备操作者,从而实现生产效能提升0.5%,安全的提升,质量的提高。
本发明能实现生产系统的闭环控制,能够从本质上提升化工企业的自动化率,可以增强工业生产过程的稳定性和安全性,保证产品质量的均匀性,提高目标产品的收率,提高生产装置的处理能力,降低生产过程运行成本,减少了环境污染。
本发明通过现场采集连续搅拌反应釜本体的现场的参数,存储到反应釜智能控制器内置的实时数据库内,经过反应釜智能控制器内的高性能处理器和内置的化学反应现场模型运算后,直接对反应釜本体的各个驱动组件进行近线控制,通过对化工生产过程的精准控制从而保证了化工产品的质量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种连续搅拌反应釜的智能模型控制系统,其特征在于,包括
质量分析系统,利用生产现场传输的数据和检化验仪器传输的数据建立质量分析模型,按从大到小的顺序输出对质量影响的生产过程数据;
连续搅拌反应釜智能控制系统,用于接收来自质量分析系统质量分析模型的输出结果,根据质量分析模型输出结果控制连续搅拌反应釜;
传输网络,连接化工生产现场、检化验仪器、连续搅拌反应釜智能控制系统和质量分析系统的工业互联网。
2.根据权利要求1所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述质量分析模型建立包括如下步骤:
采集化工生产现场和检化验仪器的数据;
对数据进行缺失值数据、重复值数据和异常值数据检测处理;
对检测处理后的数据进行相关性检验和降维算法处理;
对降维算法处理的数据进行相关性分析和XGBoos特征重要性分析得出最终的质量分析模型。
3.根据权利要求2所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述缺失值数据、重复值数据和异常值数据检测处理具体包括:
在处理重复值数据时,采取删除操作;
在处理缺失值数据时,根据缺失值数据总量和指标的缺失数量判断;
当缺失值数据总量大于预设阈值以及指标的缺失数量小于预设阈值时,对缺失值数据删除或填充处理,当缺失值数据总量小于预设阈值以及指标的缺失数量大于预设阈值时,对缺失值数据进行删除处理;
在处理异常值数据时,根据异常值数据总量和指标的异常数量判断;
当异常值数据总量大于预设阈值以及指标的异常数量小于预设阈值时,对异常值数据删除或填充处理,当异常值数据总量小于预设阈值以及指标的异常数量大于预设阈值时,对异常值数据进行删除处理。
4.根据权利要求2所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述相关性检验包括对连续搅拌反应釜的生产数据建立皮尔逊相关系数矩阵,用于查看生产过程数据内部、检化验数据内部以及生产过程数据与检化验数据之间的相关关系。
5.根据权利要求1所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述连续搅拌反应釜具体包括:
反应釜本体(2),所述反应釜本体(2)内设置有驱动组件和数据检测组件;
反应釜智能控制器(4),所述反应釜智能控制器(4)用于接收反应釜本体(2)内数据检测组件传输的生产现场数据,所述反应釜智能控制器(4)对生产现场数据进行处理并传送控制信号给设置在反应釜本体(2)内驱动组件;
DCS集控中心(5),所述DCS集控中心(5)用于接收反应釜智能控制器(4)的控制执行结果,并输出为生产现场数据反馈至质量分析系统。
6.根据权利要求5所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述驱动组件包括设置在反应釜本体(2)上的驱动电机(1),所述驱动电机(1)用于控制设置在反应釜本体(2)内的搅拌组件,所述驱动电机(1)用于输出电流信号和搅拌组件的转速信号至反应釜智能控制器(4);
所述数据检测组件包括设置在反应釜本体(2)内的压力传感器(3)、夹套温度传感器(6)和釜内温度传感器(7)。
7.根据权利要求6所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述压力传感器(3)、夹套温度传感器(6)和釜内温度传感器(7)分别输出反应釜本体(2)内压力信号、反应釜本体(2)内夹套温度信号和反应釜本体(2)内温度信号至反应釜智能控制器(4)。
8.根据权利要求7所述的一种连续搅拌反应釜的智能模型控制系统,其特征在于,所述反应釜智能控制器(4)内包括:
通用信号预处理模块,所述反应釜本体(2)的过程参数输入至通用信号预处理模块内;
通用在线建模模块,内置不同级数、不同条件的反应釜本体(2)机理模型,依据机理模型中的变量为工生产过程提供参考依据;
通用优化模块,内置基于机理模型优化的非线性模型预测控制算法,用于变工况情况下反应釜本体(2)的非线性控制;
通用先控模块,用于控制反应釜本体(2)的运行状态,所述DCS集控中心(5)对反应釜本体(2)的所有操作通过通用先控模块进行。
9.如权利要求1-8任一项所述的一种连续搅拌反应釜的智能模型控制系统的控制方法,其特征在于,包括如下方法步骤:
S1、搭建质量分析系统,配置生产现场的DCS集控中心(5),质量分析系统通过化工生产现场中连续搅拌反应釜的DCS集控中心(5)来获取化工生产的过程数据,质量分析系统分析输出对生产质量影响的参数进行推荐值计算;
S2、搭建连续搅拌反应釜智能控制系统服务器,测试和质量分析连续搅拌反应釜智能控制系统的通信正常,接收质量分析系统计算的参数推荐值,向生产现场的被控制目标发送控制指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300748.9A CN117055512A (zh) | 2023-10-10 | 2023-10-10 | 一种连续搅拌反应釜的智能模型控制系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300748.9A CN117055512A (zh) | 2023-10-10 | 2023-10-10 | 一种连续搅拌反应釜的智能模型控制系统及其控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117055512A true CN117055512A (zh) | 2023-11-14 |
Family
ID=88664779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311300748.9A Pending CN117055512A (zh) | 2023-10-10 | 2023-10-10 | 一种连续搅拌反应釜的智能模型控制系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117055512A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0578401A (ja) * | 1991-09-18 | 1993-03-30 | Hitachi Ltd | 連続プロセスの反応缶の粘度制御装置 |
RU2294556C1 (ru) * | 2005-06-03 | 2007-02-27 | Федеральное государственное унитарное предприятие "Специальное конструкторско-технологическое бюро "Технолог" | Устройство автоматического управления реактором полунепрерывного действия |
CN205103623U (zh) * | 2015-11-20 | 2016-03-23 | 威海新隆德电气有限公司 | 一种反应釜智能测控系统 |
CN105759764A (zh) * | 2016-04-08 | 2016-07-13 | 浙江中烟工业有限责任公司 | 一种卷烟生产工艺参数控制系统及其控制方法 |
CN109143872A (zh) * | 2018-11-19 | 2019-01-04 | 重庆科技学院 | 一种基于事件触发gdhp的连续搅拌反应釜过程控制方法 |
CN111563686A (zh) * | 2020-05-13 | 2020-08-21 | 中冶南方工程技术有限公司 | 一种基于全流程数据的冷轧硅钢质量判定方法 |
CN112699613A (zh) * | 2021-01-08 | 2021-04-23 | 中冶赛迪工程技术股份有限公司 | 炼铁多目标一体化配料优化方法、系统、设备及介质 |
CN114021483A (zh) * | 2021-11-24 | 2022-02-08 | 新疆工程学院 | 基于时域特征与XGBoost的超短期风电功率预测方法 |
CN114117884A (zh) * | 2021-10-21 | 2022-03-01 | 东北大学 | 一种基于铁前大数据的烧结智能配矿系统 |
CN114897227A (zh) * | 2022-04-26 | 2022-08-12 | 东北大学 | 基于改进随机森林算法的多钢种力学性能预报方法 |
CN115328059A (zh) * | 2022-08-31 | 2022-11-11 | 北京凯米优化科技有限公司 | 一种间歇生产与连续生产的智能转换方法及系统 |
CN116108934A (zh) * | 2023-04-13 | 2023-05-12 | 中电科大数据研究院有限公司 | 联邦学习系统、联邦学习方法和装置 |
-
2023
- 2023-10-10 CN CN202311300748.9A patent/CN117055512A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0578401A (ja) * | 1991-09-18 | 1993-03-30 | Hitachi Ltd | 連続プロセスの反応缶の粘度制御装置 |
RU2294556C1 (ru) * | 2005-06-03 | 2007-02-27 | Федеральное государственное унитарное предприятие "Специальное конструкторско-технологическое бюро "Технолог" | Устройство автоматического управления реактором полунепрерывного действия |
CN205103623U (zh) * | 2015-11-20 | 2016-03-23 | 威海新隆德电气有限公司 | 一种反应釜智能测控系统 |
CN105759764A (zh) * | 2016-04-08 | 2016-07-13 | 浙江中烟工业有限责任公司 | 一种卷烟生产工艺参数控制系统及其控制方法 |
CN109143872A (zh) * | 2018-11-19 | 2019-01-04 | 重庆科技学院 | 一种基于事件触发gdhp的连续搅拌反应釜过程控制方法 |
CN111563686A (zh) * | 2020-05-13 | 2020-08-21 | 中冶南方工程技术有限公司 | 一种基于全流程数据的冷轧硅钢质量判定方法 |
CN112699613A (zh) * | 2021-01-08 | 2021-04-23 | 中冶赛迪工程技术股份有限公司 | 炼铁多目标一体化配料优化方法、系统、设备及介质 |
CN114117884A (zh) * | 2021-10-21 | 2022-03-01 | 东北大学 | 一种基于铁前大数据的烧结智能配矿系统 |
CN114021483A (zh) * | 2021-11-24 | 2022-02-08 | 新疆工程学院 | 基于时域特征与XGBoost的超短期风电功率预测方法 |
CN114897227A (zh) * | 2022-04-26 | 2022-08-12 | 东北大学 | 基于改进随机森林算法的多钢种力学性能预报方法 |
CN115328059A (zh) * | 2022-08-31 | 2022-11-11 | 北京凯米优化科技有限公司 | 一种间歇生产与连续生产的智能转换方法及系统 |
CN116108934A (zh) * | 2023-04-13 | 2023-05-12 | 中电科大数据研究院有限公司 | 联邦学习系统、联邦学习方法和装置 |
Non-Patent Citations (2)
Title |
---|
曹俊杰: "APC系统关键技术及其在乙二醇生产工艺过程的应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 6, pages 016 - 29 * |
高雷 等: "一种间歇式脱溶釜温度控制系统应用", 《自动化应用》, no. 8, pages 149 - 151 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10921794B2 (en) | Parallel control method based on multi-period differential sampling and digital twinning technologies | |
CN201638081U (zh) | 矿井水净化处理全过程监控系统 | |
CN110567974B (zh) | 一种基于云端人工智能表面缺陷检测系统 | |
CN100470416C (zh) | 一种电厂热工设备智能状态诊断分析系统 | |
CN110263494B (zh) | 一种基于云边协同的氧化铝生产运行优化系统及方法 | |
CN1940781A (zh) | 用于控制分批过程的方法和系统 | |
CN116991130A (zh) | 一种石化生产智能化自动化控制系统和方法 | |
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 | |
CN116991146B (zh) | 一种超声波清洗装置的控制方法及系统 | |
CN117055512A (zh) | 一种连续搅拌反应釜的智能模型控制系统及其控制方法 | |
CN106950946B (zh) | 一种基于优化原则的湿法冶金异常控制方法 | |
CN104263960B (zh) | 金湿法冶金置换过程中置换率和金泥品位的在线预测方法 | |
CN111290267B (zh) | 基于LabVIEW的火电模型辨识装置和辨识方法 | |
CN115562141A (zh) | 基于plc的工业设备远程控制方法及装置 | |
CN114023477B (zh) | 一种核电厂计算机化规程系统和控制系统 | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理系统 | |
CN103941590A (zh) | 一种基于数学模型的过程模糊控制器系统与编程设计方法 | |
CN113138584A (zh) | 一种生物反应器数据管理和远程控制系统及方法 | |
Aminnayeri et al. | Short-run process control based on non-conformity degree | |
CN116203891B (zh) | 一种基于plc的自动化控制决策优化方法及系统 | |
CN111571594A (zh) | 一种提高遥操作机器人透明性和稳定性的方法 | |
CN118211026A (zh) | 一种水泥熟料质量预测方法 | |
CN110701029B (zh) | 基于压力轨迹预测和管网压损的空压机组调配系统及方法 | |
CN117436766B (zh) | 结合数字孪生的装配式建材自适应生产管控方法 | |
CN113446287B (zh) | 一种基于机器学习算法的2d换向阀自动调零系统及方法 |
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 |