CN117111567A - 一种洗护组合物中季铵盐生产工艺控制方法及装置 - Google Patents
一种洗护组合物中季铵盐生产工艺控制方法及装置 Download PDFInfo
- Publication number
- CN117111567A CN117111567A CN202311354243.0A CN202311354243A CN117111567A CN 117111567 A CN117111567 A CN 117111567A CN 202311354243 A CN202311354243 A CN 202311354243A CN 117111567 A CN117111567 A CN 117111567A
- Authority
- CN
- China
- Prior art keywords
- reaction
- parameters
- abnormal
- current
- normal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 150000003242 quaternary ammonium salts Chemical class 0.000 title claims abstract description 37
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 29
- 239000000203 mixture Substances 0.000 title claims abstract description 19
- 238000005406 washing Methods 0.000 title abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 311
- 230000002159 abnormal effect Effects 0.000 claims abstract description 81
- 238000010586 diagram Methods 0.000 claims abstract description 58
- 239000002994 raw material Substances 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 16
- JPYHHZQJCSQRJY-UHFFFAOYSA-N Phloroglucinol Natural products CCC=CCC=CCC=CCC=CCCCCC(=O)C1=C(O)C=C(O)C=C1O JPYHHZQJCSQRJY-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000010438 heat treatment Methods 0.000 claims abstract description 10
- QCDYQQDYXPDABM-UHFFFAOYSA-N phloroglucinol Chemical compound OC1=CC(O)=CC(O)=C1 QCDYQQDYXPDABM-UHFFFAOYSA-N 0.000 claims abstract description 10
- 229960001553 phloroglucinol Drugs 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 14
- 239000000376 reactant Substances 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004886 process control Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 3
- 239000003599 detergent Substances 0.000 claims 2
- 238000002360 preparation method Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 22
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003093 cationic surfactant Substances 0.000 description 1
- 239000007806 chemical reaction intermediate Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000005187 foaming Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002453 shampoo Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012800 visualization 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
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)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
本发明提供一种洗护组合物中季铵盐生产工艺控制方法及装置,涉及洗护组合物分析技术领域,所述方法包括:在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;根据所述异常参数对反应参数进行调整。本发明可有效判断反应过程是否异常,并找到导致异常的关键参数,使异常识别更加准确。
Description
技术领域
本发明涉及洗护组合物分析技术领域,特别是指一种洗护组合物中季铵盐生产工艺控制方法及装置。
背景技术
季铵盐是一类常见的阳离子表面活性剂,广泛用于洗发水、护发素、沐浴液等洗护产品的配方中,可产生良好的起泡洗净效果。为了保证洗护产品的质量稳定,需要对产品中季铵盐的含量进行严格的质量控制。
目前,检测洗护产品中季铵盐含量的反应过程控制通常采用传统的PID控制技术,根据反馈参数进行控制。这种方法非常依赖专家经验进行参数调节,对过程变化敏感,稳定性较差。
发明内容
本发明要解决的技术问题是提供一种洗护组合物中季铵盐生产工艺控制方法及装置,能够有效判断反应过程是否异常,并找到导致异常的关键参数,使异常识别更加准确。
为解决上述技术问题,本发明的技术方案如下:
第一方面,一种洗护组合物中季铵盐生产工艺控制方法,所述方法包括:
在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;
将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;
加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;
根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;
根据所述异常参数对反应参数进行调整,直至反应稳定。
进一步的,在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数,包括:
使用质量流量控制器配置季铵盐生产所需原料的用量,并根据设定值和流量传感器反馈动态调节阀门开度,以稳定控制原料加入量;
每10分钟对反应溶液进行采样,实时获取反应釜内的反应参数。
进一步的,将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图,包括:
根据历史反应过程,预设温度范围和pH范围;
根据预设的温度范围和pH范围,绘制正常状态下反应体系温度、pH随时间的变化趋势曲线,作为正常反应表现图;
在正常反应表现图上标注预设的温度范围和pH范围的上下限值。
进一步的,根据预设的温度范围和pH范围,绘制正常状态下反应体系温度、pH随时间的变化趋势曲线,作为正常反应表现图,包括:
确定季铵盐生产所需原料反应的化学方程式,并提炼出反应物、产物和动力学参数;
根据反应物、产物和动力学参数建立反应速率与温度、pH的第一方程式;
根据第一方程式构建反应物和产物浓度随时间变化的反应动力学模型;
设置反应动力学模型的参数,并定义正常温度范围和pH范围;
求解反应动力学模型,模拟计算温度、pH随时间的变化曲线,并标注正常范围,以得到正常反应表现图。
进一步的,加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差,包括:
根据当前的温度、pH和浓度时间序列,建立数字双胞胎模型;
使用当前反应参数训练数字双胞胎模型,使输出结果与检测曲线误差最小化;
输入反应时间和反应参数至数字双胞胎模型,模拟预测当前反应参数的理论变化曲线;
将当前反应参数的理论变化曲线与正常反应表现图进行对比,得到当前反应参数与预期的偏差。
进一步的,根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数,包括:
比较当前反应表现图和正常反应表现图的特征,确定存在异常的反应参数;
根据反应机理分析异常参数的根源;例如pH值异常可能是酸碱度紊乱导致;
记录并显示异常参数、异常特征和可能原因,给出异常处理建议;
保存当前反应数据,待异常处理后,更新当前反应表现图。
进一步的,根据所述异常参数对反应参数进行调整,直至反应稳定,包括:
根据异常参数,查询映射知识库,获得导致异常参数的待选原因;
对各待选原因进行置信度评分,选择评分最高的待选原因;
查询映射知识库得到对应待选原因的调整方案;
使用强化学习算法进行多次模拟,评估各调整方案的效果,得到目标控制方案;
根据目标控制方案进行调控,直至反应稳定。
第二方面,一种洗护组合物中季铵盐生产工艺控制装置,包括:
获取模块,用于在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;
绘制模块,用于将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;
构建模块,用于加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;
判断模块,用于根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;
调整模块,用于根据所述异常参数对反应参数进行调整,直至反应稳定。
第三方面,一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述方法。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质中存储有程序,该程序被处理器执行时实现上述方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,通过构建正常反应表现图,并与实时检测参数进行对比,可有效判断反应过程是否异常,并找到导致异常的关键参数,充分利用了反应过程曲线的动态特征,使异常识别更加准确;同时,本方法建立了参数与反应机理的映射知识库,进行异常原因分析和参数调整,实现了对反应过程的自动化优化控制。
附图说明
图1是本发明的实施例提供的洗护组合物中季铵盐生产工艺控制方法的流程示意图。
图2是本发明的实施例提供的洗护组合物中季铵盐生产工艺控制装置示意图。
具体实施方式
下面将参照附图更细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提出一种洗护组合物中季铵盐生产工艺控制方法,所述方法包括:
步骤1,在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;
步骤2,将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;
步骤3,加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;
步骤4,根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;
步骤5,根据所述异常参数对反应参数进行调整,直至反应稳定。
在本发明实施例中,通过构建正常反应表现图,可以直观地观察各关键反应参数在正常情况下的变化趋势和范围。这为判断反应的异常情况提供了标准依据。应用数字双胞胎技术构建当前反应过程的模拟,可以实时预测参数状态,并与正常表现图进行对比,实现对反应的预判监控。通过分析当前反应参数与正常状态的偏差大小,可以提前发现反应的异常情况,及时干预和处理,避免产品质量问题的发生。该方法可以准确定位异常的参数,针对性地分析异常原因,有助于快速确定解决方案。根据明确的异常参数,可以进行针对性的调整,使反应过程重新回到正常和稳定状态,从而保证了整个生产工艺的顺利进行。整个方法实现了对反应过程的智能监控和优化调节,大大提高了操作的自动化水平,减少了对操作者经验的依赖。能够提高目标产品季铵盐的产量和质量稳定性,降低生产成本。
在本发明一优选的实施例中,上述步骤1,在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数,包括:
步骤11,使用质量流量控制器配置季铵盐生产所需原料的用量,并根据设定值和流量传感器反馈动态调节阀门开度,以稳定控制原料加入量;
步骤12,每10分钟对反应溶液进行采样,实时获取反应釜内的反应参数。
在本发明实施例中,使用质量流量控制器可以准确稳定地配置反应所需的各种原料用量,确保原料加入的精确性,为反应质量控制奠定基础。质量流量控制器采用PID算法,根据设定流量值和实时流量反馈自动调节阀门开度,实现对原料流量的闭环控制,不受外界环境影响。相较于人工加入原料,使用质量流量控制器可以消除人为误差,提高原料配置的重复精度,有利于重复生产相同质量的产品。实时获取关键反应参数,包括温度、pH、浓度等,可以随时监测反应过程,发现异常情况,及时处理。采用自动取样机制,确保了检测的持续性和稳定性,避免人工取样带来的误差。采样频率每10分钟一次,可以收集充分的过程数据,描绘反应过程曲线,但又不会因取样过多而影响反应。
在本发明一优选的实施例中,上述步骤2,将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图,包括:
步骤21,根据历史反应过程,预设温度范围和pH范围;
步骤22,根据预设的温度范围和pH范围,绘制正常状态下反应体系温度、pH随时间的变化趋势曲线,作为正常反应表现图;
步骤23,在正常反应表现图上标注预设的温度范围和pH范围的上下限值。
在本发明实施例中,预设温度范围和pH范围可以确定反应的最佳条件,这是根据该反应的反应动力学参数以及过往实验数据总结出的最优区间。绘制正常反应表现图可以直观地展示当反应条件处于最佳范围时,温度、pH随时间的正常变化趋势和极限。表现图上标注的预设范围为判断反应是否异常提供了标准,只要实时参数超出该范围,就可以判定反应条件已经偏离最优。与简单的预设阈值相比,表现图充分利用了变量随时间的动态变化规律,使异常判断更加准确可靠。表现图直观展示了变量之间的内在联系,如温度升高导致pH下降等,有助于找到异常的根本原因。重复绘制和优化表现图,可以持续积累对该反应的经验知识,用于指导实际生产过程的监控。该方法为实现对反应过程的预判性监控与调控奠定了基础,大幅提升了自动化水平。
在本发明一优选的实施例中,上述步骤22,根据预设的温度范围和pH范围,绘制正常状态下反应体系温度、pH随时间的变化趋势曲线,作为正常反应表现图,包括:
步骤221,确定季铵盐生产所需原料反应的化学方程式,并提炼出反应物、产物和动力学参数;
步骤222,根据反应物、产物和动力学参数建立反应速率与温度、pH的第一方程式;
步骤223,根据第一方程式构建反应物和产物浓度随时间变化的反应动力学模型;
步骤224,设置反应动力学模型的参数,并定义正常温度范围和pH范围;
步骤225,求解反应动力学模型,模拟计算温度、pH随时间的变化曲线,并标注正常范围,以得到正常反应表现图。
在本发明实施例中,提取反应的化学方程式和动力学参数,是建立数学模型的基础,也是深入理解反应机理的前提。建立反应速率方程,定量描述了温度、pH对反应速率的影响,是构建动力学模型的核心。利用微分方程描述反应物和产物浓度随时间的变化关系,将速率方程与浓度变化联系起来。参数设置直接影响模型的预测效果,需要收集充分的数据进行模型校准。数值求解模型方程,可以模拟反映正常反应条件下变量的状态变化。模型预测结果经过标注,直观呈现为反应表现图,成为判断反应异常的依据。建模需要重复优化,才能使表现图准确描述正常反应过程,为后续控制提供可靠参考。
在本发明一优选的实施例中,上述步骤222,根据反应物、产物和动力学参数建立反应速率与温度、pH的第一方程式,包括:
步骤2221,确定反应机理,提出反应步骤的假设反应方程式:,其中/>分别为每一步反应的速率常数,A、B为反应物,C、D为产物;
步骤2222,根据假设的反应机理,构建整体反应的速率方程:,其中,/>为整体反应速率,/>表示反应物浓度;
步骤2223,根据温度对速率常数的关系,构建公式:其中,/>为频率因子,/>为活化能,/>为气体常数,/>为反应温度;
步骤2224,通过公式:,在原始速率常数/>上加入质子浓度/>的影响,m为质子浓度对反应速率的影响指数;
步骤2225,建立反应速率与温度、pH的第一方程式:
。
在本发明实施例中,提出反应机理和速率方程的假设步骤,有助于深入理解反应的化学过程。构建整体反应速率方程,考虑了反应中间体对速率的影响,使之更准确描述反应动力学。加入Arrhenius关系,建立温度对速率常数的量化影响,是合理进行过程模拟的基础。考虑pH的影响,使速率方程涵盖更多变量,适用范围更广。最终得到温度、pH复合影响的速率方程。
在本发明一优选的实施例中,上述步骤3,加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差,包括:
步骤31,根据当前的温度、pH和浓度时间序列,建立数字双胞胎模型;
步骤32,使用当前反应参数训练数字双胞胎模型,使输出结果与检测曲线误差最小化;
步骤33,输入反应时间和反应参数至数字双胞胎模型,模拟预测当前反应参数的理论变化曲线;
步骤34,将当前反应参数的理论变化曲线与正常反应表现图进行对比,得到当前反应参数与预期的偏差。
在本发明实施例中,构建数字双胞胎为实现对反应过程的预测监控奠定了基础。利用实时数据训练数字模型,使其输出与实际检测高度吻合,确保了模型的预测精度。模型可以进行多步预测,描绘理论变化曲线,实现对反应过程的预判。将理论曲线与正常表现图对比,可以提前发现参数异常,及时干预。相较于简单的阈值预警,该方法充分利用了过程曲线的动态特性,判断更加准确。通过不断新增数据进行模型重新训练,数字双胞胎可以不断优化,适应过程变化。整个方法实现了数据驱动、模型驱动和知识驱动的有机结合,使过程控制更加智能。该技术显著提高了反应过程的可视化、可控性和稳定性,降低了操作者经验依赖度。
在本发明一优选的实施例中,上述步骤31,根据当前的温度、pH和浓度时间序列,建立数字双胞胎模型,包括:
步骤311,收集当前的温度、pH和浓度时间序列对应的数据,包括时间戳、温度值、pH值、原料浓度和产物浓度;
步骤312,对所述数据进行预处理,以得到稳定连续的温度、pH和浓度时间序列数据;
步骤313,确定温度、pH和原料浓度作为影响产物生成的关键输入变量;
步骤314,设计递归神经网络模型结构,输入层为温度、pH和原料浓度变量,输出层为产物浓度。
在本发明实施例中,收集充足的过程数据是建立数字模型的先决条件,为训练和验证模型提供基础。对原始数据进行预处理,包括去噪、补值等,可以提高数据质量,确保模型输入稳定可靠。选择输入输出变量要基于过程知识,只选择关键影响因素,可以使模型更加准确有效。递归神经网络可以学习时间序列中的长期依赖,适合建模动态过程,是数字双胞胎的首选模型。通过训练模型进行输入输出映射,实现对过程内在关系的学习,为后续预测奠定基础。
在本发明一优选的实施例中,上述步骤32,使用当前反应参数训练数字双胞胎模型,使输出结果与检测曲线误差最小化,包括:
步骤321,设数字双胞胎模型的待预测变量总数为mc,预测序列为,对应的实际序列为/>,通过公式:/>,计算第j个变量的MSE;
步骤322,通过公式:,计算第j个变量的的MAE;
步骤323,通过公式:,构建数字双胞胎模型综合评估函数,并通过综合评估函数评估数字双胞胎模型的预测准确性,其中,/>为第j个变量的权重,为调节MAE比重的系数。
在本发明实施例中,计算MSE和MAE可以量化模型对每个变量的预测误差,评估模型的预测能力。MSE主要反映误差的总体大小,MAE关注误差的方向性,两者结合可以全面评估。为不同变量设置权重,可以强调关键变量的预测效果,使模型更聚焦过程关键点。构建综合评估函数,综合考虑各变量、各指标,对模型整体效果进行评判。调节MAE权重因子,可以在降低总误差和减小偏差间取得平衡。训练目标是最小化综合评估函数,通过迭代不断优化模型,提高预测精度。评估函数的设计直接影响模型的训练方向和效果,需要考虑过程的重点关注点。训练过程充分利用了历史数据,使数字双胞胎与实际过程高度吻合,为后续预测奠定基础。
在本发明一优选的实施例中,上述步骤34,将当前反应参数的理论变化曲线与正常反应表现图进行对比,得到当前反应参数与预期的偏差,包括:
步骤341,依据时间轴将反应过程分为多段,并确定不同阶段每个变量的正常变化范围;
步骤342,设置反应参数的动态阈值,当数字双胞胎模型对应至少一个反应参数预测值超出动态阈值时,记录对应时间点下为异常点;
步骤343,通过公式:,计算各个阶段下的反应参数异常率/>,其中,为异常点数,/>为总点数。
在本发明实施例中,将反应过程分段可以区分不同阶段参数的正常变化范围,使判断更加精确。设置动态阈值考虑了参数随时间的变化,相较固定阈值判断更加合理。根据模型预测值判断异常点,避免受检测噪声影响,提高判断的准确可靠性。计算异常率可以评估不同阶段异常的严重程度,指导后续处理的重点方向。异常率的统计分析可以反映过程稳定性,并可以绘制控制图进行长期监测。相较简单比较曲线,该方法进行了定量化分析,使异常判断更加明确系统。区分不同阶段的正常范围,并设定动态阈值,使异常识别更加精确。整个方法实现了过程稳定性评估的数字化、规范化,有利于后续的优化控制,减少人工判断的随机性。
在本发明一优选的实施例中,上述步骤342,设置反应参数的动态阈值,包括:
通过公式:,设置温度动态阈值;
通过公式:,设置PH动态阈值;
通过公式:,设置浓度动态阈值,其中,/>为初始阈值,b为衰减系数,c为终值,/>为预测浓度的平均值,/>为预测浓度的标准差,/>为浓度允许误差设置为标准差的倍数。
在本发明实施例中,利用指数衰减函数设置温度和pH的动态阈值,可以使阈值随反应时间逐步收敛,使判断更加合理;温度和pH的衰减函数形式相同,方便统一设置初始值、收敛速率等参数;浓度阈值采用浮动形式,考虑了预测值的不确定性,避免模型误差导致误报;浓度阈值以预测值的标准差为基础,可以动态调整判断的严格程度;三变量的动态阈值曲线,合理反映了反应过程的特点,使异常判断更加精确;相较固定阈值,动态阈值降低了判断的假阳性率,使异常报警更加可靠;实现了异常判断的动态化和参数化,使监控和控制更加智能,该技术的应用将大幅提高过程监控的自动化水平,减少误操作风险。
在本发明一优选的实施例中,上述步骤4,根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数,包括:
步骤41,比较当前反应表现图和正常反应表现图的特征,确定存在异常的反应参数;
步骤42,根据反应机理分析异常参数的根源;例如pH值异常可能是酸碱度紊乱导致;
步骤43记录并显示异常参数、异常特征和可能原因,给出异常处理建议;
步骤44,保存当前反应数据,待异常处理后,更新当前反应表现图。
在本发明实施例中,比较当前表现图与正常表现图的特征,可以准确定位异常的参数,便于后续处理。根据反应机理分析异常的成因,可以快速确定解决方案,而不是盲目试错。显示异常信息并给出处理建议,可以指导操作者进行针对性的异常处理。保存异常数据为历史记录,以及更新表现图,可以持续完善对过程的数字描述。该方法充分发挥了过程知识在根因分析中的作用,使异常响应更加智能。相较简单报警,该方法实现了对异常的诊断和处理建议,使处理更加明确。异常处理闭环的形成,使过程控制系统向智能优化方向发展。记录异常数据改进表现图,体现了持续学习和优化的思想,使系统更加智能,可以大幅降低异常情况下的人工操作量,提高自动化水平。
在本发明一优选的实施例中,上述步骤41,比较当前反应表现图和正常反应表现图的特征,确定存在异常的反应参数,包括:
步骤411,提取当前反应表现图和正常反应表现图的特征向量,所述特征向量包括温度上升速率、pH下降趋势和浓度波动频率特征;
步骤412,使用动态时间规整算法对齐当前表现图和正常表现图在时间轴上的对位点,并在对位点计算两图特征向量之间的欧式距离,以反映特征偏差;
步骤413,设置不同特征的权重向量,根据反应关键程度赋予不同权重;
步骤414,计算加权特征向量距离,得到当前表现图与正常图的整体距离度量;
步骤415,比较距离度量与预设比较阈值,若超过预设比较阈值,则判定存在异常;
步骤416,根据特征向量距离分析每个特征的异常贡献度,确定异常参数。
在本发明实施例中,提取表现图的特征向量,可以从多个维度描述曲线的状态,进行全面的比较。对齐时间轴,使得可以精确计算对应时刻的特征偏差,避免时间错位带来的误差。设置特征权重,使得关键参数的异常更易被识别,提高判断的准确性。计算特征距离度量,可以直观反映两图的整体差异,进行定量化判断,实现了异常判断标准化,降低了人工经验依赖。分析特征贡献度,可以定位异常的具体参数,进行针对性处理,使异常判断更系统可靠。
在本发明一优选的实施例中,上述步骤5,根据所述异常参数对反应参数进行调整,直至反应稳定,包括:
步骤51,根据异常参数,查询映射知识库,获得导致异常参数的待选原因;
步骤52,对各待选原因进行置信度评分,选择评分最高的待选原因;
步骤53,查询映射知识库得到对应待选原因的调整方案;
步骤54,使用强化学习算法进行多次模拟,评估各调整方案的效果,得到目标控制方案;
步骤55,根据目标控制方案进行调控,直至反应稳定。
在本发明实施例中,利用知识库进行根因推理,可以快速确定导致异常的参数,而不需要人工经验判断。对根因进行评分排序,可以使得最可能的根因浮现,减少误判率。查询知识库直接获取对应处理方案,使得响应更加智能快速。强化学习可以对不同方案进行模拟评估,选择出最优处理策略。相较简单的人工操作,该方法实现了异常处理的智能化和最优化。知识库和强化学习的结合,使处理方案既利用了历史经验,又考虑当前环境。异常处理的智能化减少了人工参与,大幅提高了自动化水平,可以显著降低异常情况下的质量损失和时间损耗。
如图2所示,本发明的实施例还提供一种洗护组合物中季铵盐生产工艺控制装置,包括:
获取模块10,用于在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;
绘制模块20,用于将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;
构建模块30,用于加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;
判断模块40,用于根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;
调整模块50,用于根据所述异常参数对反应参数进行调整,直至反应稳定。
需要说明的是,该装置是与上述方法相对应的装置,上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质,存储指令,当所述指令在计算机上运行时,使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种洗护组合物中季铵盐生产工艺控制方法,其特征在于,所述方法包括:
在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;
将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;
加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;
根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;
根据所述异常参数对反应参数进行调整,直至反应稳定。
2.根据权利要求1所述的洗护组合物中季铵盐生产工艺控制方法,其特征在于,在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数,包括:
使用质量流量控制器配置季铵盐生产所需原料的用量,并根据设定值和流量传感器反馈动态调节阀门开度,以稳定控制原料加入量;
每10分钟对反应溶液进行采样,实时获取反应釜内的反应参数。
3.根据权利要求2所述的洗护组合物中季铵盐生产工艺控制方法,其特征在于,将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图,包括:
根据历史反应过程,预设温度范围和pH范围;
根据预设的温度范围和pH范围,绘制正常状态下反应体系温度、pH随时间的变化趋势曲线,作为正常反应表现图;
在正常反应表现图上标注预设的温度范围和pH范围的上下限值。
4.根据权利要求3所述的洗护组合物中季铵盐生产工艺控制方法,其特征在于,根据预设的温度范围和pH范围,绘制正常状态下反应体系温度、pH随时间的变化趋势曲线,作为正常反应表现图,包括:
确定季铵盐生产所需原料反应的化学方程式,并提炼出反应物、产物和动力学参数;
根据反应物、产物和动力学参数建立反应速率与温度、pH的第一方程式;
根据第一方程式构建反应物和产物浓度随时间变化的反应动力学模型;
设置反应动力学模型的参数,并定义正常温度范围和pH范围;
求解反应动力学模型,模拟计算温度、pH随时间的变化曲线,并标注正常范围,以得到正常反应表现图。
5.根据权利要求4所述的洗护组合物中季铵盐生产工艺控制方法,其特征在于,加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差,包括:
根据当前的温度、pH和浓度时间序列,建立数字双胞胎模型;
使用当前反应参数训练数字双胞胎模型,使输出结果与检测曲线误差最小化;
输入反应时间和反应参数至数字双胞胎模型,模拟预测当前反应参数的理论变化曲线;
将当前反应参数的理论变化曲线与正常反应表现图进行对比,得到当前反应参数与预期的偏差。
6.根据权利要求5所述的洗护组合物中季铵盐生产工艺控制方法,其特征在于,根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数,包括:
比较当前反应表现图和正常反应表现图的特征,确定存在异常的反应参数;
根据反应机理分析异常参数的根源;
记录并显示异常参数、异常特征和可能原因,给出异常处理建议;
保存当前反应数据,待异常处理后,更新当前反应表现图。
7.根据权利要求6所述的洗护组合物中季铵盐生产工艺控制方法,其特征在于,根据所述异常参数对反应参数进行调整,直至反应稳定,包括:
根据异常参数,查询映射知识库,获得导致异常参数的待选原因;
对各待选原因进行置信度评分,选择评分最高的待选原因;
查询映射知识库得到对应待选原因的调整方案;
使用强化学习算法进行多次模拟,评估各调整方案的效果,得到目标控制方案;
根据目标控制方案进行调控,直至反应稳定。
8.一种洗护组合物中季铵盐生产工艺控制装置,其特征在于,包括:
获取模块,用于在反应釜内配置季铵盐生产所需原料,并实时获取反应釜内的反应参数;
绘制模块,用于将0.2~0.5%浓度的间苯三酚指示剂溶液添加至反应釜内,预设温度范围和PH范围,以绘制正常反应表现图;
构建模块,用于加热反应釜,根据所述反应参数绘制当前反应表现图,并构建当前反应表现图的数字双胞胎进行模拟,以得到当前反应参数与预期的偏差;
判断模块,用于根据所述偏差判断当前反应参数是否异常,若是,则根据所述反应表现图与所述正常反应表现图,得到异常参数;
调整模块,用于根据所述异常参数对反应参数进行调整,直至反应稳定。
9.一种计算设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序,该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311354243.0A CN117111567B (zh) | 2023-10-19 | 2023-10-19 | 一种洗护组合物中季铵盐生产工艺控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311354243.0A CN117111567B (zh) | 2023-10-19 | 2023-10-19 | 一种洗护组合物中季铵盐生产工艺控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117111567A true CN117111567A (zh) | 2023-11-24 |
CN117111567B CN117111567B (zh) | 2023-12-29 |
Family
ID=88805827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311354243.0A Active CN117111567B (zh) | 2023-10-19 | 2023-10-19 | 一种洗护组合物中季铵盐生产工艺控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117111567B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117414785A (zh) * | 2023-12-19 | 2024-01-19 | 广东林工工业装备有限公司 | 光刻胶生产用高通量反应釜控制方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455054A (zh) * | 2013-09-03 | 2013-12-18 | 张家港市胜达钢绳有限公司 | 反应釜、反应釜的压力控制系统、控制方法及其应用 |
US20190087544A1 (en) * | 2017-09-21 | 2019-03-21 | General Electric Company | Surgery Digital Twin |
CN110669369A (zh) * | 2019-10-14 | 2020-01-10 | 中国科学院长春应用化学研究所 | 一种具有pH监测功能的抗菌涂层、具有pH监测功能的抗菌涂层的功能材料及其制备方法 |
CN111889055A (zh) * | 2020-07-28 | 2020-11-06 | 黄俊雄 | 一种新型的弹性体涂料生产装置及其工艺 |
CN114624378A (zh) * | 2022-03-22 | 2022-06-14 | 中化国际新材料(河北)有限公司 | 4-羟基苯乙酮制备1,1,1-三(4-羟基苯基)乙烷过程的监控分析方法 |
CN114677025A (zh) * | 2022-03-30 | 2022-06-28 | 北京数智勘实科技有限公司 | 一种催化剂运行智能管理系统和管理方法 |
WO2022230988A1 (ja) * | 2021-04-30 | 2022-11-03 | 株式会社三井E&Sマシナリー | アンモニア混合燃料、アンモニア混合燃料の製造装置、アンモニア混合燃料の製造方法、アンモニア混合燃料の供給装置、アンモニア混合燃料の燃焼装置、アンモニア混合燃料を用いた発電設備、及び、アンモニア混合燃料を用いた輸送機器 |
CN115423333A (zh) * | 2022-09-13 | 2022-12-02 | 浙江大学 | 基于数字孪生的流程生产工艺多目标优化方法及系统 |
CN116224806A (zh) * | 2023-04-17 | 2023-06-06 | 无锡法特莱蒙生物科技有限公司 | 基于数字孪生技术发酵操作变量优化控制方法 |
CN116540533A (zh) * | 2023-04-17 | 2023-08-04 | 无锡法特莱蒙生物科技有限公司 | 一种基于数字孪生技术发酵溶解氧浓度优化控制方法 |
CN116823175A (zh) * | 2023-07-10 | 2023-09-29 | 深圳市昭行云科技有限公司 | 一种石油化工生产信息化系统智能运维方法及系统 |
-
2023
- 2023-10-19 CN CN202311354243.0A patent/CN117111567B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455054A (zh) * | 2013-09-03 | 2013-12-18 | 张家港市胜达钢绳有限公司 | 反应釜、反应釜的压力控制系统、控制方法及其应用 |
US20190087544A1 (en) * | 2017-09-21 | 2019-03-21 | General Electric Company | Surgery Digital Twin |
CN110669369A (zh) * | 2019-10-14 | 2020-01-10 | 中国科学院长春应用化学研究所 | 一种具有pH监测功能的抗菌涂层、具有pH监测功能的抗菌涂层的功能材料及其制备方法 |
CN111889055A (zh) * | 2020-07-28 | 2020-11-06 | 黄俊雄 | 一种新型的弹性体涂料生产装置及其工艺 |
WO2022230988A1 (ja) * | 2021-04-30 | 2022-11-03 | 株式会社三井E&Sマシナリー | アンモニア混合燃料、アンモニア混合燃料の製造装置、アンモニア混合燃料の製造方法、アンモニア混合燃料の供給装置、アンモニア混合燃料の燃焼装置、アンモニア混合燃料を用いた発電設備、及び、アンモニア混合燃料を用いた輸送機器 |
CN114624378A (zh) * | 2022-03-22 | 2022-06-14 | 中化国际新材料(河北)有限公司 | 4-羟基苯乙酮制备1,1,1-三(4-羟基苯基)乙烷过程的监控分析方法 |
CN114677025A (zh) * | 2022-03-30 | 2022-06-28 | 北京数智勘实科技有限公司 | 一种催化剂运行智能管理系统和管理方法 |
CN115423333A (zh) * | 2022-09-13 | 2022-12-02 | 浙江大学 | 基于数字孪生的流程生产工艺多目标优化方法及系统 |
CN116224806A (zh) * | 2023-04-17 | 2023-06-06 | 无锡法特莱蒙生物科技有限公司 | 基于数字孪生技术发酵操作变量优化控制方法 |
CN116540533A (zh) * | 2023-04-17 | 2023-08-04 | 无锡法特莱蒙生物科技有限公司 | 一种基于数字孪生技术发酵溶解氧浓度优化控制方法 |
CN116823175A (zh) * | 2023-07-10 | 2023-09-29 | 深圳市昭行云科技有限公司 | 一种石油化工生产信息化系统智能运维方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117414785A (zh) * | 2023-12-19 | 2024-01-19 | 广东林工工业装备有限公司 | 光刻胶生产用高通量反应釜控制方法、装置、设备及介质 |
CN117414785B (zh) * | 2023-12-19 | 2024-03-19 | 广东林工工业装备有限公司 | 光刻胶生产用高通量反应釜控制方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117111567B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117111567B (zh) | 一种洗护组合物中季铵盐生产工艺控制方法及装置 | |
US20240000046A1 (en) | Predictive control system and regulatory method for temperature of livestock house | |
CN102298319B (zh) | 过程分析模型与实际过程运转的在线对齐 | |
CN102906650B (zh) | 多阶段过程建模方法 | |
CN111949700B (zh) | 用于石化装置的智能安全保障实时优化方法及系统 | |
Gnoth et al. | Control of cultivation processes for recombinant protein production: a review | |
US10152879B2 (en) | Method, apparatus, and system for monitoring manufacturing equipment | |
JP6985833B2 (ja) | データ処理装置、制御システム、データ処理方法及びプログラム | |
CN106845826B (zh) | 一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法 | |
CN117873238A (zh) | 一种植物生长控制方法及其系统、计算机设备和存储介质 | |
CN108595380B (zh) | 一种高炉异常炉况检测方法 | |
CN116452358A (zh) | 基于物联网的智慧农业管理系统 | |
CN112130542B (zh) | 基于正常运行数据与系统辨识的控制回路性能评价方法 | |
CN111695300A (zh) | 一种汽轮机阀门流量拟合方法及系统 | |
CN112990682A (zh) | 一种基于大数据的化工装置控制参数优化方法和系统 | |
CN117332360B (zh) | 基于5g技术的温室大棚设备故障监测方法及系统 | |
CN112931912B (zh) | 制丝线加料机控制执行机构诊断方法 | |
CN117229905B (zh) | 一种生物饲料发酵管控方法及系统 | |
CN117724348B (zh) | 基于爆破试验机的精确压力调节与控制系统 | |
CN118047359A (zh) | 一种磷酸铁的制备设备控制方法及系统 | |
CN118092324A (zh) | 一种基于物联网的化工生产控制系统 | |
CN112396344A (zh) | 一种基于产品质量的化工过程可靠性在线评估方法 | |
CN117742273A (zh) | 一种基于深度强化学习的造纸过程优化系统及方法 | |
CN117932377A (zh) | 基于聚类学习的冷轧铝板带材厚度控制方法及相关设备 | |
CN115584371A (zh) | 高炉炉温闭环控制系统的设计方法及应用 |
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 |