CN117434875B - 用于阀门工控平台的电路运行监测方法及系统 - Google Patents
用于阀门工控平台的电路运行监测方法及系统 Download PDFInfo
- Publication number
- CN117434875B CN117434875B CN202311743415.3A CN202311743415A CN117434875B CN 117434875 B CN117434875 B CN 117434875B CN 202311743415 A CN202311743415 A CN 202311743415A CN 117434875 B CN117434875 B CN 117434875B
- Authority
- CN
- China
- Prior art keywords
- material supply
- cluster
- supply control
- fitness
- control solution
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000000463 material Substances 0.000 claims abstract description 471
- 238000010586 diagram Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 31
- 230000003213 activating effect Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 3
- 230000002860 competitive effect Effects 0.000 claims 1
- 238000010348 incorporation Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0428—Safety, monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24024—Safety, surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- 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]
Abstract
本发明提供了用于阀门工控平台的电路运行监测方法及系统,涉及数据监测技术领域,方法包括:响应多个物料供应点遍历多个物料需求点构建多个物料供应树状图,根据其与所接收多个物料需求量激活物料供应优化通道执行寻优进程,生成物料供应控制方案,获得电路接线控制时序信息,当物料供应控制方案开始执行时,上传电路接线监测状态,当电路接线监测状态与电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端,解决了现有技术中传统电路运行通常基于预设标准监测,难以结合实际任务需求,动态调整监测标准,导致电路运行监测效率低的技术问题,实现了结合实际任务需求,动态调整监测标准,提高电路运行监测效率。
Description
技术领域
本发明涉及数据监测技术领域,具体涉及用于阀门工控平台的电路运行监测方法及系统。
背景技术
随着科学技术的发展,特别是阀门工控平台的电路运行监测领域的发展,为了实现远程控制,阀门工控平台中的阀门通常设计为电力驱动机构,通过驱动机构带动阀杆和阀瓣上下运动,实现阀门的开关,从而远程控制管道内介质的通断,而在现有技术中存在传统电路运行通常基于预设标准监测,难以结合实际任务需求,动态调整监测标准,导致电路运行监测效率低的技术问题。
发明内容
本申请提供了用于阀门工控平台的电路运行监测方法及系统,用于针对解决现有技术中存在的传统电路运行通常基于预设标准监测,难以结合实际任务需求,动态调整监测标准,导致电路运行监测效率低的技术问题。
鉴于上述问题,本申请提供了用于阀门工控平台的电路运行监测方法及系统。
第一方面,本申请提供了用于阀门工控平台的电路运行监测方法,所述方法包括:响应多个物料需求点,接收多个物料需求量;响应多个物料供应点,遍历所述多个物料需求点,提取物料输送管道拓扑特征,构建多个物料供应树状图,其中,任意一个物料供应树状图的根结点为物料供应点,叶子节点为电控阀门或物料需求点;根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息;根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息;当所述物料供应控制方案开始执行时,上传电路接线监测状态;当所述电路接线监测状态与所述电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端。
第二方面,本申请提供了用于阀门工控平台的电路运行监测系统,所述系统包括:接收模块,所述接收模块用于响应多个物料需求点,接收多个物料需求量;第一构建模块,所述第一构建模块用于响应多个物料供应点,遍历所述多个物料需求点,提取物料输送管道拓扑特征,构建多个物料供应树状图,其中,任意一个物料供应树状图的根结点为物料供应点,叶子节点为电控阀门或物料需求点;激活模块,所述激活模块用于根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息;第一训练模块,所述第一训练模块用于根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息;状态上传模块,所述状态上传模块用于当所述物料供应控制方案开始执行时,上传电路接线监测状态;信号发送模块,所述信号发送模块用于当所述电路接线监测状态与所述电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的用于阀门工控平台的电路运行监测方法及系统,涉及数据监测技术领域,解决了现有技术中传统电路运行通常基于预设标准监测,难以结合实际任务需求,动态调整监测标准,导致电路运行监测效率低的技术问题,实现了结合实际任务需求,动态调整监测标准,提高电路运行监测效率。
附图说明
图1为本申请提供了用于阀门工控平台的电路运行监测方法流程示意图;
图2为本申请提供了用于阀门工控平台的电路运行监测方法中物料供应控制解集流程示意图;
图3为本申请提供了用于阀门工控平台的电路运行监测方法中物料供应控制方案流程示意图;
图4为本申请提供了用于阀门工控平台的电路运行监测系统结构示意图。
附图标记说明:接收模块1,第一构建模块2,激活模块3,第一训练模块4,状态上传模块5,信号发送模块6。
具体实施方式
本申请通过提供用于阀门工控平台的电路运行监测方法及系统,用于解决现有技术中传统电路运行通常基于预设标准监测,难以结合实际任务需求,动态调整监测标准,导致电路运行监测效率低的技术问题。
实施例1
如图1所示,本申请实施例提供了用于阀门工控平台的电路运行监测方法,该方法包括:
步骤A100:响应多个物料需求点,接收多个物料需求量;
在本申请中,本申请实施例提供的用于阀门工控平台的电路运行监测方法是为了避免传统情况下的基于预设监测标准进行阀门工控平台电路运行的监测,其监测过程难以与阀门工控平台的实际任务需求相结合,因此需要对预设监测标准进行动态调整,从而提高对阀门工控平台的电路运行监测效率,首先需要基于阀门工控平台中的每个物料需求点进行物料需求数据的响应,是指对每个物料需求点中对物料需求的数量、种类按照实际需要进行提取,继而达到接收并获取多个物料需求量,为后期实现对阀门工控平台的电路运行进行监测作为重要参考依据。
步骤A200:响应多个物料供应点,遍历所述多个物料需求点,提取物料输送管道拓扑特征,构建多个物料供应树状图,其中,任意一个物料供应树状图的根结点为物料供应点,叶子节点为电控阀门或物料需求点;
在本申请中,为了更清晰的获取物料供需关系,则需要通过再次响应多个物料供应点并同时按照物料需求由大到小的序列对多个物料需求点中的每个需求数据节点进行逐一访问,并基于多个物料需求点对阀门工控平台的物料输送管道进行管道拓扑特征的提取,该管道拓扑特征是根据阀门工控平台中的管道布设图进行确定的,该管道拓扑特征可以是树型拓扑结构,按照树型拓扑结构以及管道拓扑特征,对多个物料需求点的多个物料供应树状图进行构建,多个物料供应树状图基本和管道拓扑结构相同,其中,在多个物料供应树状图中的根结点作为物料供应点,多个物料供应树状图中的叶子结点作为电控阀门或物料需求点,同时将任意一个物料需求点作为最底层的叶子结点,最终根据物料供应点、物料需求点以及叶子节点根据树形拓扑结构进行连结,完成多个物料供应树状图的构建,进而为实现对阀门工控平台的电路运行进行监测做保障。
步骤A300:根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息;
进一步而言,如图2所示,本申请步骤A300还包括:
步骤A310:提取所述多个物料供应树状图的第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息;
步骤A320:根据所述第一组结点编号信息、所述第二组结点编号信息直到所述第N组结点编号信息,对所述多个物料供应树状图进行同编号结点融合,生成物料供应网络图;
步骤A330:基于物联网,对所述物料供应网络图,标定结点距离标签、结点高度差标签和结点间管道直径标签;
步骤A340:根据所述结点距离标签和所述结点高度差标签,构建物料供应适应度函数,其中,所述物料供应适应度函数为最小值优化函数:
,
其中,表征第i个物料供应控制解的供应适应度,/>表征第i个物料供应控制解的物料抬升高度,/>表征第i个物料供应控制解的物料抬升平均速度,/>>2,为物料抬升平均速度的缩小指数,/>表征第i个物料供应控制解的第j段共用输送路线长度,/>表征第i个物料供应控制解的第k段非共用输送路线长度,M为共用输送路线总段数,L为非共用输送路线总段数;
步骤A350:根据所述多个物料需求量,结合所述物料供应网络图,配置物料供应控制解集;
步骤A360:基于所述物料供应控制解集,激活存储于所述物料供应优化通道的竞争优化机制,结合所述物料供应适应度函数进行寻优,获得所述物料供应控制方案。
进一步而言,本申请步骤A350包括:
步骤A351:根据所述多个物料需求量,结合所述物料供应网络图,为所述多个物料需求点,随机分配所述多个物料供应点,生成若干个物料供应路线,其中,任意一条物料供应路线包括多个供应点分配供应量和多个极限供应距离;
步骤A352:配置供应约束时长,对所述多个极限供应距离和所述多个供应点分配供应量进行流量约束,获得多个供应约束流量;
步骤A353:激活开度流速配置表,随机分配满足所述多个供应约束流量和所述结点间管道直径标签的物料输送标定速度序列和阀门标定开度序列,其中,所述物料输送标定速度序列和所述阀门标定开度序列具有一一对应的供应流量序列,所述供应流量序列的均值等于所述供应约束流量;
步骤A354:根据所述物料输送标定速度序列、所述阀门标定开度序列、所述多个供应点分配供应量和关联物料供应路线,构建物料供应控制解,添加进所述物料供应控制解集。
在本申请中,为了更精准的对阀门工控平台的电路运行进行监测,首先需要对需要通过阀门工控平台的物料进行供应控制,是指在上述所构建的多个物料供应树状图以及所接收的多个物料需求量的基础上,对系统中所内嵌的物料供应优化通道进行激活,该物料供应优化通道是用于对需要通过阀门工控平台的物料供应进行寻优控制优化的数据通道。
进一步的,对多个物料供应树状图中的数据节点依次进行编号排序,同时在多个物料供应树状图中依次提取多个物料供应树状图中的编号数据分别记作第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息,以第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息作为基础参考数据,对多个物料供应树状图内的数据进行同编号结点融合,是指将第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息中相同编号下的数据在结点进行融合,再将完成数据融合的结点进行连接生成物料供应网络图,进一步的,在物联网中所包含的物料数据对物料供应网络图进行标签标定,使得在物料供应优化通道中更精准的执行寻优进程,且在物料供应网络图中可以标定结点距离标签、结点高度差标签和结点间管道直径标签,结点距离标签是用于表示每个结点中所包含的数据之间的相关程度的标签,即结点距离越近则相关程度越高,结点高度差标签是用于表示每个结点所对应的管道之间的实际高度距离的标签,即高度差越大则距离越远,结点间管道直径标签是用于表示每个结点所对应的管道内的直径大小,即直径越大则其所对应的管道就越宽,所能够供应的物料就越多,进一步的,根据结点距离标签和结点高度差标签,构建物料供应适应度函数,其中,物料供应适应度函数为最小值优化函数,该物料供应适应度函数如下所示:
,
其中,表征第i个物料供应控制解的供应适应度,/>表征第i个物料供应控制解的物料抬升高度,/>表征第i个物料供应控制解的物料抬升平均速度,/>>2,为物料抬升平均速度的缩小指数,/>表征第i个物料供应控制解的第j段共用输送路线长度,/>表征第i个物料供应控制解的第k段非共用输送路线长度,M为共用输送路线总段数,L为非共用输送路线总段数;
从而基于结点距离标签和结点高度差标签计算阀门工控平台的各个管道内物料供应控制解的物料抬升高度,以及在该抬升高度下的物料供应控制解的物料抬升平均速度,且抬升高度越高则所需抬升消耗的能量就越大,同时根据在管道内的输送路线长度等通过物料供应适应度函数对物料供应控制解的供应适应度进行计算获取。
进一步的,将多个物料需求量同步至物料供应网络图中进行结合,是指通过物料供应网络图中可以反映出不同物料需求点的物料需求量,从而对多个物料需求点中进行多个物料供应点的随机分配,并将多个物料需求点与多个物料供应点进行任意连接后生成若干个物料供应路线,其中,在若干个物料供应路线中的任意一条物料供应路线内应包括多个供应点所分配的物料供应量和多个物料的极限供应距离,即最大物料供应距离,具体的,首先对物料供应的时间周期按照历史供应时长进行约束配置记作物料的供应约束时长,同时对多个极限供应距离和多个供应点分配供应量进行物料的流量约束,是指根据供应点的分配物料供应量以及最大物料供应距离对物料供应进行限制,在此基础上生成多个供应约束流量,进一步的,对开度流速配置表进行激活,是指在物料供应优化通道中给定任何一个物料的流量值以及输送管道的直径,开度流速配置表就可以给出相应的输送速度和阀门开度,从而达到满足供应物料流量值的效果,该开度流速配置表可以是为机器学习中的,可以不断进行自我迭代优化的神经网络模型所构建获得的,继而随机分配满足多个供应约束流量和结点间管道直径标签的物料输送标定速度序列和阀门标定开度序列,该物料输送标定速度序列是指根据物料输送速度进行降序排列所获,阀门标定开度序列是根据物料供应控制量进行降序排列所获,且物料输送标定速度序列和阀门标定开度序列具有一一对应的供应流量序列,供应流量序列的均值等于供应约束流量,进一步的,根据物料输送标定速度序列、阀门标定开度序列、多个供应点分配供应量和关联物料供应路线,对物料供应控制解进行构建,是指按照物料输送标定速度序列以及阀门标定开度序列对多个供应点分配供应量进行设置,同时根据完成设置的多个供应点在关联物料供应路线中进行输送路线的确定,并将其添加进物料供应控制解集中进行完善,最终将所获物料供应控制解集作为参考基础数据,对存储于物料供应优化通道的竞争优化机制进行激活,其过程可以是首先对物料供应适应度函数进行激活,同时遍历物料供应控制解集进行适应度评价,并根据预设供应适应度偏差,对所计算出的供应适应度集合进行聚类后生成多簇供应适应度,其中,多簇供应适应度具有一一对应的多簇物料供应控制解,在此基础上对多簇物料供应控制解进行一阶段扩充,生成多簇更新物料供应控制解,且在多簇更新物料供应控制解中具有多簇更新供应适应度,从而对多簇更新物料供应控制解进行优化,由此对物料供应控制方案进行生成,为后续实现对阀门工控平台的电路运行进行监测夯实基础。
进一步而言,本申请步骤A360包括:
步骤A361:激活所述物料供应适应度函数,遍历所述物料供应控制解集进行评价,获得供应适应度集合;
步骤A362:根据预设供应适应度偏差,对所述供应适应度集合进行聚类,获得多簇供应适应度,其中,所述多簇供应适应度具有一一对应的多簇物料供应控制解;
步骤A363:基于所述多簇供应适应度,对所述多簇物料供应控制解进行一阶段扩充,生成多簇更新物料供应控制解,其中,所述多簇更新物料供应控制解具有多簇更新供应适应度;
步骤A364:根据所述多簇更新供应适应度,对所述多簇更新物料供应控制解进行优化,生成所述物料供应控制方案。
进一步而言,本申请步骤A363包括:
步骤A3631:根据所述多簇物料供应控制解,获得第一簇物料供应控制解和第二簇物料供应控制解,其中,所述第一簇物料供应控制解具有第一簇王解,所述第二簇物料供应控制解具有第二簇王解;
步骤A3632:计算所述第一簇王解的第一适应度和所述第二簇王解的第二适应度之和,生成适应度加和结果;
步骤A3633:求取所述第一适应度与所述适应度加和结果的比例,设为所述第一簇物料供应控制解向所述第二簇王解的第一变异概率;
步骤A3634:求取所述第二适应度与所述适应度加和结果的比例,设为所述第二簇物料供应控制解向所述第一簇王解的第二变异概率;
步骤A3635:根据所述第一变异概率和所述第二变异概率,对所述第一簇物料供应控制解和所述第二簇物料供应控制解进行轮盘赌随机选择,获得选定变异簇和选定目标王解;
步骤A3636:随机选择所述选定变异簇的预设数量子民解,向所述选定目标王解进行变异,获得变异扩充解,将所述变异扩充解添加进所述选定变异簇,当任意两个簇之间满足预设变异迭代次数时,获得所述多簇更新物料供应控制解。
在本申请中,为了更精准的对阀门工控平台中的物料供应进行控制,则首先需要对上述所构建的物料供应适应度函数进行激活,并通过物料供应适应度函数依次遍历计算物料供应控制解集同时进行物料供应控制的物料供应适应度评价,将计算所获的适应度进行汇总后记作供应适应度集合,进一步的,根据物料供应适应度函数的计算误差值域预设供应适应度偏差,由此对供应适应度集合进行聚类分析,是指将供应适应度集合分成由类似的对象组成的多个类,并将其记作多簇供应适应度,且在多簇供应适应度中具有与其一一对应的多簇物料供应控制解,多簇物料供应控制解是用于对不同类别内的物料进行供应控制的数据,进一步的,在多簇供应适应度的基础上,同步对多簇物料供应控制解进行一阶段扩充,是指将多簇供应适应度对应扩充至多簇物料供应控制解中,从而生成多簇更新物料供应控制解,且在多簇更新物料供应控制解中具有多簇更新供应适应度,从而根据多簇物料供应控制解中进行随机提取,对第一簇物料供应控制解和第二簇物料供应控制解进行获取,且在第一簇物料供应控制解具有第一簇王解,该第一簇王解为第一簇物料供应控制解中的最优解,第二簇物料供应控制解具有第二簇王解,该第二簇王解为第二簇物料供应控制解中的最优解,通过将第一簇王解的第一适应度与第二簇王解的第二适应度进行加和将其记作适应度加和结果,将第一适应度作为分子将适应度加和结果作为分母,求取第一适应度与适应度加和结果的比例将其设为第一簇物料供应控制解向第二簇王解的第一变异概率,是指当所选择的变异解为第一簇物料供应控制解时,则向第二簇王解进行移动,同理求取第二适应度与适应度加和结果的比例,设为第二簇物料供应控制解向第一簇王解的第二变异概率,是指当所选择的变异解为第二簇物料供应控制解时,则向第一簇王解进行移动,进一步的根据第一变异概率和第二变异概率,对第一簇物料供应控制解与第二簇物料供应控制解进行轮盘赌随机选择,根据随机选择的物料供应控制解确定选定变异簇和选定目标王解,随机选择选定变异簇的预设数量子民解,子民解为除第一簇物料供应控制解以及第二簇物料供应控制解之外的解,继而向选定目标王解进行变异,是指可以对不同需求点的供应点进行改变,或/和改变供应点中物料的供应量,后步的路线、阀门开度、输送速度等都会可以进行配置更新,从而根据所更新的配置确定变异扩充解,再将变异扩充解添加进选定变异簇,同时更新王解,即若是扩充解的适应度小于原本的王解,则更新扩充解作为王解进行输出,当任意两个簇之间满足预设变异迭代次数时,则将迭代过程中所出现的解进行汇总后记作多簇更新物料供应控制解。
进一步的,可以根据多簇更新供应适应度对多簇更新物料供应控制解依次进行控制优化,从而对所生成的物料供应控制方案进行完善,实现对阀门工控平台的电路运行进行监测有着限定的作用。
进一步而言,本申请步骤A364包括:
步骤A3641:根据所述多簇更新供应适应度,提取最优簇更新物料供应控制解,其中,所述最优簇更新物料供应控制解具有最优簇王解;
步骤A3642:根据所述多簇更新供应适应度,提取最劣簇更新物料供应控制解,其中,所述最劣簇更新物料供应控制解具有最劣簇王解;
步骤A3643:根据所述最优簇更新物料供应控制解和所述最劣簇更新物料供应控制解,构建第一连横阵营,其中,所述第一连横阵营获得的更新解均添加进所述最优簇更新物料供应控制解;
步骤A3644:对中间簇更新物料供应控制解随机选定,获得第一选定兼并目标簇,其中,所述第一选定兼并目标簇具有第一目标簇王解;
步骤A3645:对中间簇更新物料供应控制解随机选定,获得第二选定兼并目标簇,其中,所述第二选定兼并目标簇具有第二目标簇王解;
步骤A3646:根据所述第一选定兼并目标簇和所述第二选定兼并目标簇,构建第一合纵阵营,其中,所述第一合纵阵营获得的更新解添加进目标王解所在簇;
步骤A3647:根据所述最优簇王解、所述第一目标簇王解和所述第二目标簇王解,计算连横阵营变异概率和合纵阵营变异概率;
步骤A3648:根据所述最优簇王解和所述最劣簇王解,计算连横阵营目标王解选定概率;
步骤A3649:根据所述第一目标簇王解和所述第二目标簇王解,计算合纵阵营目标王解选定概率;
步骤A36410:根据所述连横阵营变异概率、所述合纵阵营变异概率、所述连横阵营目标王解选定概率和所述合纵阵营目标王解选定概率对所述多簇更新物料供应控制解进行变异扩充预设次数,统计合纵阵营最优适应度和连横阵营最优适应度;
步骤A36411:淘汰所述合纵阵营最优适应度和所述连横阵营最优适应度的较劣阵营,重复迭代,直到簇数小于或等于预设簇数停止,获得所述物料供应控制方案。
在本申请中,通过以多簇更新供应适应度作为参考基础数据,对多簇更新物料供应控制解进行优化的过程可以是,首先将多簇更新供应适应度按照降序进行序列化处理,将位序为第一的作为最优簇更新物料供应控制解进行提取,此时的最优簇更新物料供应控制解为王解适应度最小的簇,且在最优簇更新物料供应控制解具有最优簇王解,进一步的,同理将多簇更新供应适应度按照升序进行序列化处理,将位序为第一的作为最劣簇更新物料供应控制解进行提取,此时的最劣簇更新物料供应控制解为王解适应度最大的簇,且在最劣簇更新物料供应控制解具有最劣簇王解,从而在最优簇更新物料供应控制解和最劣簇更新物料供应控制解的基础上,将最优簇更新物料供应控制解和最劣簇更新物料供应控制解进行联合构建第一连横阵营,其中,在第一连横阵营中所获得的更新解均添加进最优簇更新物料供应控制解中进行完善,进一步的,对中间簇更新物料供应控制解进行随机选定,将随机选定的物料供应控制解记作第一选定兼并目标簇,且在第一选定兼并目标簇中具有第一目标簇王解,第一目标簇王解为第一选定兼并目标簇内的最优解,再次对中间簇更新物料供应控制解进行随机选定,将随机选定的物料供应控制解记作第二选定兼并目标簇,且在第二选定兼并目标簇具有第二目标簇王解,第二目标簇王解为第二选定兼并目标簇内的最优解,同时第一目标簇王解与第二目标簇王解为不相同的解数据,进一步的,将根据第一选定兼并目标簇和第二选定兼并目标簇进行联合,构建第一合纵阵营,同时将第一合纵阵营获得的更新解添加进目标王解所在簇中进行优化,最终根据最优簇王解、第一目标簇王解和第二目标簇王解,计算连横阵营变异概率和合纵阵营变异概率,是指连横阵营变异概率是通过将最优簇王解作为分子,将最优簇王解、第一目标簇王解和第二目标簇王解之和作为分母进行作商,生成连横阵营变异概率,合纵阵营变异概率是通过将第一合纵阵营中的王解作为分子,将第一选定兼并目标簇王解和第二选定兼并目标簇王解之和作为分母进行作商,生成合纵阵营变异概率,同时根据最优簇王解和最劣簇王解,通过计算连横阵营目标王解选定概率,该连横阵营目标王解选定概率包括最优簇王解选定概率,是通过将最劣簇王解适应度作为分子,将最优簇王解和最劣簇王解的适应度之和作为分母进行作商计算所获,进一步的,根据第一目标簇王解和第二目标簇王解,进行同理计算合纵阵营目标王解选定概率,是指合纵阵营目标王解选定概率包括兼并簇王解选定概率,是通过将兼并最劣簇王解适应度作为分子,将兼并最优簇王解和兼并最劣簇王解的适应度之和作为分母进行作商计算所获,进一步的,根据连横阵营变异概率、合纵阵营变异概率、连横阵营目标王解选定概率和合纵阵营目标王解选定概率对多簇更新物料供应控制解进行变异扩充预设次数,统计合纵阵营最优适应度和连横阵营最优适应度,连横阵营最优适应度是指通过将最优簇王解适应度、其他簇适应度与衰减因子相乘的数据进行加和所获,合纵阵营最优适应度是指通过将兼并最优簇王解适应度、其他兼并簇适应度与衰减因子相乘的数据进行加和所获,最终通过适应度比较后淘汰合纵阵营最优适应度和连横阵营最优适应度的较劣阵营,并将该过程进行重复迭代,直到簇数小于或等于预设簇数停止,最终根据迭代停止后的王解生成物料供应控制方案,达到基于物料供应控制方案对阀门工控平台的电路运行进行更为精准监测。
步骤A400:根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息;
进一步而言,如图3所示,本申请步骤A400还包括:
步骤A410:调取电气控制标识数据,其中,所述电气控制标识数据包括阀门开度时序记录数据、阀门工控电路图记录数据和电路接线控制时序标识信息;
步骤A420:以所述电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以所述阀门开度时序记录数据和所述阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行所述电路接线解析通道的训练,获得电路接线控制时序信息。
在本申请中,为了对阀门工控平台更好的进行电路运行监测,则需要在上述所生成的物料供应控制方案中包含的阀门编号以及阀门开度时序信息与阀门工控电路图进行结合后,对系统中内嵌的电路接线解析通道进行训练,是指在阀门工控平台中所包含不同的接线位置分别对应着阀门的开、关以及将阀门固定在某个开度。
其执行过程可以是首先对电气控制标识数据进行调取,在该电气控制标识数据中分别包括阀门开度时序记录数据、阀门工控电路图记录数据和电路接线控制时序标识信息,阀门开度时序记录数据是用于记录阀门工控平台内的阀门开合所对应的时间信息,阀门工控电路图记录数据是用于记录控制阀门工控平台内阀门的电路走线信息,电路接线控制时序标识信息是用于记录阀门工控电路图内对阀门工控平台进行开合控制的时间信息,进一步的,以电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以阀门开度时序记录数据和阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行电路接线解析通道的训练,电路接线解析通道可以是指一种多层的感知机结构的神经网络,进一步对电路接线解析通道进行构建,且电路接线解析通道的每一层的每一个节点都与上下层节点全部连接,在电路接线解析通道中包含输入层、隐藏层、输出层,输入层是用于数据输入的层级,隐藏层是用于更好的对数据特征进行分离,输出层是用于结果输出的层级,电路接线解析通道通过训练数据集和监督数据集训练获得,其中,训练数据集中的每组训练数据均包括以阀门开度时序记录数据和阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,监督数据集为以电路接线控制时序标识信息作为长短时记忆神经网络的监督数据。
进一步的,将训练数据集中每一组训练数据输入电路接线解析通道,通过这组训练数据对应的监督数据进行电路接线解析通道的输出监督调整,当电路接线解析通道的输出结果与监督数据一致,则当前组训练结束,将训练数据集中全部的训练数据均训练结束,则电路接线解析通道训练完成。
为了保证电路接线解析通道的收敛以及准确性,其收敛过程可以是电路接线解析通道中的输出数据会聚于一点时,向某一个值靠近则为收敛,其准确性可以通过测试数据集进行电路接线解析通道的测试处理,举例而言,测试准确率可以设定为80%,当测试数据集的测试准确率满足80%时,则电路接线解析通道构建完成,当电路接线解析通道训练至收敛时输出电路接线控制时序信息,以便为后期对阀门工控平台的电路运行进行监测时作为参照数据。
步骤A500:当所述物料供应控制方案开始执行时,上传电路接线监测状态;
在本申请中,为了保证在物料供应控制方案执行过程中电路接线的状态,因此需要按照物料供应控制方案中的阀门编号对阀门开度时序信息进行控制,同时在对阀门工控平台下的阀门开度时序信息进行控制时,将阀门工控中所控制的电路接线进行状态监测,其电路接线状态可以包含通路状态、断路状态、短路状态等,根据电路接线监测状态可以判别阀门工控平台中的阀门开合度以及相应的阀门控制状态,从而更精准的对阀门进行物料供应的控制,提高后期实现对阀门工控平台的电路运行进行监测的准确率。
步骤A600:当所述电路接线监测状态与所述电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端。
在本申请中,将所上传的电路接线监测状态与根据阀门编号和所述阀门开度时序信息结合阀门工控电路图执行电路接线解析通道的训练所获得电路接线控制时序信息进行数据比对,当电路接线监测状态内的按照时间顺序进行排列的电路接线状态与所述电路接线控制时序信息内的饿电路接线状态不一致时,则视为当前阀门工控平台的电路接线状态异常,并对应生成电路运行异常信号,在电路运行异常信号中包含电路接线状态的异常以及其所对应的时序异常,从而将电路运行异常信号发送至阀门工控平台的用户端,通过管控人员对阀门工控平台进行电路运行异常的筛查,以此保证后期对阀门工控平台的电路运行进行更好的监测。
综上所述,本申请实施例提供的用于阀门工控平台的电路运行监测方法,至少包括如下技术效果,实现了结合实际任务需求,动态调整监测标准,提高电路运行监测效率。
实施例2
基于与前述实施例中用于阀门工控平台的电路运行监测方法相同的发明构思,如图4所示,本申请提供了用于阀门工控平台的电路运行监测系统,系统包括:
接收模块1,所述接收模块1用于响应多个物料需求点,接收多个物料需求量;
第一构建模块2,所述第一构建模块2用于响应多个物料供应点,遍历所述多个物料需求点,提取物料输送管道拓扑特征,构建多个物料供应树状图,其中,任意一个物料供应树状图的根结点为物料供应点,叶子节点为电控阀门或物料需求点;
激活模块3,所述激活模块3用于根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息;
第一训练模块4,所述第一训练模块4用于根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息;
状态上传模块5,所述状态上传模块5用于当所述物料供应控制方案开始执行时,上传电路接线监测状态;
信号发送模块6,所述信号发送模块6用于当所述电路接线监测状态与所述电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端。
进一步而言,系统还包括:
第一提取模块,所述第一提取模块用于提取所述多个物料供应树状图的第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息;
同编号结点融合模块,所述同编号结点融合模块用于根据所述第一组结点编号信息、所述第二组结点编号信息直到所述第N组结点编号信息,对所述多个物料供应树状图进行同编号结点融合,生成物料供应网络图;
标定模块,所述标定模块用于基于物联网,对所述物料供应网络图,标定结点距离标签、结点高度差标签和结点间管道直径标签;
函数模块,所述函数模块用于根据所述结点距离标签和所述结点高度差标签,构建物料供应适应度函数,其中,所述物料供应适应度函数为最小值优化函数:
,
其中,表征第i个物料供应控制解的供应适应度,/>表征第i个物料供应控制解的物料抬升高度,/>表征第i个物料供应控制解的物料抬升平均速度,/>>2,为物料抬升平均速度的缩小指数,/>表征第i个物料供应控制解的第j段共用输送路线长度,/>表征第i个物料供应控制解的第k段非共用输送路线长度,M为共用输送路线总段数,L为非共用输送路线总段数;
配置模块,所述配置模块用于根据所述多个物料需求量,结合所述物料供应网络图,配置物料供应控制解集;
寻优模块,所述寻优模块用于基于所述物料供应控制解集,激活存储于所述物料供应优化通道的竞争优化机制,结合所述物料供应适应度函数进行寻优,获得所述物料供应控制方案。
进一步而言,系统还包括:
第一随机分配模块,所述第一随机分配模块用于根据所述多个物料需求量,结合所述物料供应网络图,为所述多个物料需求点,随机分配所述多个物料供应点,生成若干个物料供应路线,其中,任意一条物料供应路线包括多个供应点分配供应量和多个极限供应距离;
流量约束模块,所述流量约束模块用于配置供应约束时长,对所述多个极限供应距离和所述多个供应点分配供应量进行流量约束,获得多个供应约束流量;
第二随机分配模块,所述第二随机分配模块用于激活开度流速配置表,随机分配满足所述多个供应约束流量和所述结点间管道直径标签的物料输送标定速度序列和阀门标定开度序列,其中,所述物料输送标定速度序列和所述阀门标定开度序列具有一一对应的供应流量序列,所述供应流量序列的均值等于所述供应约束流量;
第一添加模块,所述第一添加模块用于根据所述物料输送标定速度序列、所述阀门标定开度序列、所述多个供应点分配供应量和关联物料供应路线,构建物料供应控制解,添加进所述物料供应控制解集。
进一步而言,系统还包括:
评价模块,所述评价模块用于激活所述物料供应适应度函数,遍历所述物料供应控制解集进行评价,获得供应适应度集合;
聚类模块,所述聚类模块用于根据预设供应适应度偏差,对所述供应适应度集合进行聚类,获得多簇供应适应度,其中,所述多簇供应适应度具有一一对应的多簇物料供应控制解;
一阶段扩充模块,所述一阶段扩充模块用于基于所述多簇供应适应度,对所述多簇物料供应控制解进行一阶段扩充,生成多簇更新物料供应控制解,其中,所述多簇更新物料供应控制解具有多簇更新供应适应度;
优化模块,所述优化模块用于根据所述多簇更新供应适应度,对所述多簇更新物料供应控制解进行优化,生成所述物料供应控制方案。
进一步而言,系统还包括:
数据处理模块,所述数据处理模块用于根据所述多簇物料供应控制解,获得第一簇物料供应控制解和第二簇物料供应控制解,其中,所述第一簇物料供应控制解具有第一簇王解,所述第二簇物料供应控制解具有第二簇王解;
加和模块,所述加和模块用于计算所述第一簇王解的第一适应度和所述第二簇王解的第二适应度之和,生成适应度加和结果;
第一计算模块,所述第一计算模块用于求取所述第一适应度与所述适应度加和结果的比例,设为所述第一簇物料供应控制解向所述第二簇王解的第一变异概率;
第二计算模块,所述第二计算模块用于求取所述第二适应度与所述适应度加和结果的比例,设为所述第二簇物料供应控制解向所述第一簇王解的第二变异概率;
随机选择模块,所述随机选择模块用于根据所述第一变异概率和所述第二变异概率,对所述第一簇物料供应控制解和所述第二簇物料供应控制解进行轮盘赌随机选择,获得选定变异簇和选定目标王解;
第二添加模块,所述第二添加模块用于随机选择所述选定变异簇的预设数量子民解,向所述选定目标王解进行变异,获得变异扩充解,将所述变异扩充解添加进所述选定变异簇,当任意两个簇之间满足预设变异迭代次数时,获得所述多簇更新物料供应控制解。
进一步而言,系统还包括:
第二提取模块,所述第二提取模块用于根据所述多簇更新供应适应度,提取最优簇更新物料供应控制解,其中,所述最优簇更新物料供应控制解具有最优簇王解;
第三提取模块,所述第三提取模块用于根据所述多簇更新供应适应度,提取最劣簇更新物料供应控制解,其中,所述最劣簇更新物料供应控制解具有最劣簇王解;
第二构建模块,所述第二构建模块用于根据所述最优簇更新物料供应控制解和所述最劣簇更新物料供应控制解,构建第一连横阵营,其中,所述第一连横阵营获得的更新解均添加进所述最优簇更新物料供应控制解;
第一选定模块,所述第一选定模块用于对中间簇更新物料供应控制解随机选定,获得第一选定兼并目标簇,其中,所述第一选定兼并目标簇具有第一目标簇王解;
第二选定模块,所述第二选定模块用于对中间簇更新物料供应控制解随机选定,获得第二选定兼并目标簇,其中,所述第二选定兼并目标簇具有第二目标簇王解;
第三构建模块,所述第三构建模块用于根据所述第一选定兼并目标簇和所述第二选定兼并目标簇,构建第一合纵阵营,其中,所述第一合纵阵营获得的更新解添加进目标王解所在簇;
第三计算模块,所述第三计算模块用于根据所述最优簇王解、所述第一目标簇王解和所述第二目标簇王解,计算连横阵营变异概率和合纵阵营变异概率;
第四计算模块,所述第四计算模块用于根据所述最优簇王解和所述最劣簇王解,计算连横阵营目标王解选定概率;
第五计算模块,所述第五计算模块用于根据所述第一目标簇王解和所述第二目标簇王解,计算合纵阵营目标王解选定概率;
第一统计模块,所述第一统计模块用于根据所述连横阵营变异概率、所述合纵阵营变异概率、所述连横阵营目标王解选定概率和所述合纵阵营目标王解选定概率对所述多簇更新物料供应控制解进行变异扩充预设次数,统计合纵阵营最优适应度和连横阵营最优适应度;
第二统计模块,所述第二统计模块用于淘汰所述合纵阵营最优适应度和所述连横阵营最优适应度的较劣阵营,重复迭代,直到簇数小于或等于预设簇数停止,获得所述物料供应控制方案。
进一步而言,系统还包括:
调取模块,所述调取模块用于调取电气控制标识数据,其中,所述电气控制标识数据包括阀门开度时序记录数据、阀门工控电路图记录数据和电路接线控制时序标识信息;
第二训练模块,所述第二训练模块用于以所述电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以所述阀门开度时序记录数据和所述阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行所述电路接线解析通道的训练,获得电路接线控制时序信息。
本说明书通过前述对用于阀门工控平台的电路运行监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中用于阀门工控平台的电路运行监测系统,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,所以描述的比较简单,相关之处参见方法部分说明即可。
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 (6)
1.用于阀门工控平台的电路运行监测方法,其特征在于,包括:
响应多个物料需求点,接收多个物料需求量;
响应多个物料供应点,遍历所述多个物料需求点,提取物料输送管道拓扑特征,构建多个物料供应树状图,其中,任意一个物料供应树状图的根结点为物料供应点,叶子节点为电控阀门或物料需求点;
根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息;
根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息;
当所述物料供应控制方案开始执行时,上传电路接线监测状态;
当所述电路接线监测状态与所述电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端;
根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息,包括:
提取所述多个物料供应树状图的第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息;
根据所述第一组结点编号信息、所述第二组结点编号信息直到所述第N组结点编号信息,对所述多个物料供应树状图进行同编号结点融合,生成物料供应网络图;
基于物联网,对所述物料供应网络图,标定结点距离标签、结点高度差标签和结点间管道直径标签;
根据所述结点距离标签和所述结点高度差标签,构建物料供应适应度函数,其中,所述物料供应适应度函数为最小值优化函数:
其中,fit(Xi)表征第i个物料供应控制解的供应适应度,H(Xi)表征第i个物料供应控制解的物料抬升高度,V(Xi)表征第i个物料供应控制解的物料抬升平均速度,a>2,为物料抬升平均速度的缩小指数,dij表征第i个物料供应控制解的第j段共用输送路线长度,dik表征第i个物料供应控制解的第k段非共用输送路线长度,M为共用输送路线总段数,L为非共用输送路线总段数;
根据所述多个物料需求量,结合所述物料供应网络图,配置物料供应控制解集;
基于所述物料供应控制解集,激活存储于所述物料供应优化通道的竞争优化机制,结合所述物料供应适应度函数进行寻优,获得所述物料供应控制方案;
根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息,包括:
调取电气控制标识数据,其中,所述电气控制标识数据包括阀门开度时序记录数据、阀门工控电路图记录数据和电路接线控制时序标识信息;
以所述电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以所述阀门开度时序记录数据和所述阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行所述电路接线解析通道的训练,获得电路接线控制时序信息;
其中,以电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以阀门开度时序记录数据和阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行电路接线解析通道的训练,电路接线解析通道是指一种多层的感知机结构的神经网络,进一步对电路接线解析通道进行构建,且电路接线解析通道的每一层的每一个节点都与上下层节点全部连接,在电路接线解析通道中包含输入层、隐藏层、输出层,输入层是用于数据输入的层级,隐藏层是用于对数据特征进行分离,输出层是用于结果输出的层级,电路接线解析通道通过训练数据集和监督数据集训练获得,其中,训练数据集中的每组训练数据均包括以阀门开度时序记录数据和阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,监督数据集为以电路接线控制时序标识信息作为长短时记忆神经网络的监督数据。
2.如权利要求1所述的方法,其特征在于,根据所述多个物料需求量,结合所述物料供应网络图,配置物料供应控制解集,包括:
根据所述多个物料需求量,结合所述物料供应网络图,为所述多个物料需求点,随机分配所述多个物料供应点,生成若干个物料供应路线,其中,任意一条物料供应路线包括多个供应点分配供应量和多个极限供应距离;
配置供应约束时长,对所述多个极限供应距离和所述多个供应点分配供应量进行流量约束,获得多个供应约束流量;
激活开度流速配置表,随机分配满足所述多个供应约束流量和所述结点间管道直径标签的物料输送标定速度序列和阀门标定开度序列,其中,所述物料输送标定速度序列和所述阀门标定开度序列具有一一对应的供应流量序列,所述供应流量序列的均值等于所述供应约束流量;
根据所述物料输送标定速度序列、所述阀门标定开度序列、所述多个供应点分配供应量和关联物料供应路线,构建物料供应控制解,添加进所述物料供应控制解集。
3.如权利要求1所述的方法,其特征在于,基于所述物料供应控制解集,激活存储于所述物料供应优化通道的竞争优化机制,结合所述物料供应适应度函数进行寻优,获得所述物料供应控制方案,包括:
激活所述物料供应适应度函数,遍历所述物料供应控制解集进行评价,获得供应适应度集合;
根据预设供应适应度偏差,对所述供应适应度集合进行聚类,获得多簇供应适应度,其中,所述多簇供应适应度具有一一对应的多簇物料供应控制解;
基于所述多簇供应适应度,对所述多簇物料供应控制解进行一阶段扩充,生成多簇更新物料供应控制解,其中,所述多簇更新物料供应控制解具有多簇更新供应适应度;
根据所述多簇更新供应适应度,对所述多簇更新物料供应控制解进行优化,生成所述物料供应控制方案。
4.如权利要求3所述的方法,其特征在于,基于所述多簇供应适应度,对所述多簇物料供应控制解进行一阶段扩充,生成多簇更新物料供应控制解,包括:
根据所述多簇物料供应控制解,获得第一簇物料供应控制解和第二簇物料供应控制解,其中,所述第一簇物料供应控制解具有第一簇王解,所述第二簇物料供应控制解具有第二簇王解;
计算所述第一簇王解的第一适应度和所述第二簇王解的第二适应度之和,生成适应度加和结果;
求取所述第一适应度与所述适应度加和结果的比例,设为所述第一簇物料供应控制解向所述第二簇王解的第一变异概率;
求取所述第二适应度与所述适应度加和结果的比例,设为所述第二簇物料供应控制解向所述第一簇王解的第二变异概率;
根据所述第一变异概率和所述第二变异概率,对所述第一簇物料供应控制解和所述第二簇物料供应控制解进行轮盘赌随机选择,获得选定变异簇和选定目标王解;
随机选择所述选定变异簇的预设数量子民解,向所述选定目标王解进行变异,获得变异扩充解,将所述变异扩充解添加进所述选定变异簇,当任意两个簇之间满足预设变异迭代次数时,获得所述多簇更新物料供应控制解。
5.如权利要求3所述的方法,其特征在于,根据所述多簇更新供应适应度,对所述多簇更新物料供应控制解进行优化,生成所述物料供应控制方案,包括:
根据所述多簇更新供应适应度,提取最优簇更新物料供应控制解,其中,所述最优簇更新物料供应控制解具有最优簇王解;
根据所述多簇更新供应适应度,提取最劣簇更新物料供应控制解,其中,所述最劣簇更新物料供应控制解具有最劣簇王解;
根据所述最优簇更新物料供应控制解和所述最劣簇更新物料供应控制解,构建第一连横阵营,其中,所述第一连横阵营获得的更新解均添加进所述最优簇更新物料供应控制解;
对中间簇更新物料供应控制解随机选定,获得第一选定兼并目标簇,其中,所述第一选定兼并目标簇具有第一目标簇王解;
对中间簇更新物料供应控制解随机选定,获得第二选定兼并目标簇,其中,所述第二选定兼并目标簇具有第二目标簇王解;
根据所述第一选定兼并目标簇和所述第二选定兼并目标簇,构建第一合纵阵营,其中,所述第一合纵阵营获得的更新解添加进目标王解所在簇;
根据所述最优簇王解、所述第一目标簇王解和所述第二目标簇王解,计算连横阵营变异概率和合纵阵营变异概率;
根据所述最优簇王解和所述最劣簇王解,计算连横阵营目标王解选定概率;
根据所述第一目标簇王解和所述第二目标簇王解,计算合纵阵营目标王解选定概率;
根据所述连横阵营变异概率、所述合纵阵营变异概率、所述连横阵营目标王解选定概率和所述合纵阵营目标王解选定概率对所述多簇更新物料供应控制解进行变异扩充预设次数,统计合纵阵营最优适应度和连横阵营最优适应度;
淘汰所述合纵阵营最优适应度和所述连横阵营最优适应度的较劣阵营,重复迭代,直到簇数小于或等于预设簇数停止,获得所述物料供应控制方案。
6.用于阀门工控平台的电路运行监测系统,其特征在于,包括:
接收模块,所述接收模块用于响应多个物料需求点,接收多个物料需求量;
第一构建模块,所述第一构建模块用于响应多个物料供应点,遍历所述多个物料需求点,提取物料输送管道拓扑特征,构建多个物料供应树状图,其中,任意一个物料供应树状图的根结点为物料供应点,叶子节点为电控阀门或物料需求点;
激活模块,所述激活模块用于根据所述多个物料供应树状图和所述多个物料需求量,激活物料供应优化通道执行寻优进程,生成物料供应控制方案,其中,所述物料供应控制方案具有一一对应的阀门编号和阀门开度时序信息;
第一训练模块,所述第一训练模块用于根据所述阀门编号和所述阀门开度时序信息,结合阀门工控电路图,执行电路接线解析通道的训练,获得电路接线控制时序信息;
状态上传模块,所述状态上传模块用于当所述物料供应控制方案开始执行时,上传电路接线监测状态;
信号发送模块,所述信号发送模块用于当所述电路接线监测状态与所述电路接线控制时序信息不一致时,生成电路运行异常信号发送至阀门工控平台用户端;
所述系统还包括:
第一提取模块,所述第一提取模块用于提取所述多个物料供应树状图的第一组结点编号信息、第二组结点编号信息直到第N组结点编号信息;
同编号结点融合模块,所述同编号结点融合模块用于根据所述第一组结点编号信息、所述第二组结点编号信息直到所述第N组结点编号信息,对所述多个物料供应树状图进行同编号结点融合,生成物料供应网络图;
标定模块,所述标定模块用于基于物联网,对所述物料供应网络图,标定结点距离标签、结点高度差标签和结点间管道直径标签;
函数模块,所述函数模块用于根据所述结点距离标签和所述结点高度差标签,构建物料供应适应度函数,其中,所述物料供应适应度函数为最小值优化函数:
其中,fit(Xi)表征第i个物料供应控制解的供应适应度,H(Xi)表征第i个物料供应控制解的物料抬升高度,V(Xi)表征第i个物料供应控制解的物料抬升平均速度,a>2,为物料抬升平均速度的缩小指数,dij表征第i个物料供应控制解的第j段共用输送路线长度,dik表征第i个物料供应控制解的第k段非共用输送路线长度,M为共用输送路线总段数,L为非共用输送路线总段数;
配置模块,所述配置模块用于根据所述多个物料需求量,结合所述物料供应网络图,配置物料供应控制解集;
寻优模块,所述寻优模块用于基于所述物料供应控制解集,激活存储于所述物料供应优化通道的竞争优化机制,结合所述物料供应适应度函数进行寻优,获得所述物料供应控制方案;
调取模块,所述调取模块用于调取电气控制标识数据,其中,所述电气控制标识数据包括阀门开度时序记录数据、阀门工控电路图记录数据和电路接线控制时序标识信息;
第二训练模块,所述第二训练模块用于以所述电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以所述阀门开度时序记录数据和所述阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行所述电路接线解析通道的训练,获得电路接线控制时序信息;
其中,以电路接线控制时序标识信息作为长短时记忆神经网络的监督数据,以阀门开度时序记录数据和阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,执行电路接线解析通道的训练,电路接线解析通道是指一种多层的感知机结构的神经网络,进一步对电路接线解析通道进行构建,且电路接线解析通道的每一层的每一个节点都与上下层节点全部连接,在电路接线解析通道中包含输入层、隐藏层、输出层,输入层是用于数据输入的层级,隐藏层是用于对数据特征进行分离,输出层是用于结果输出的层级,电路接线解析通道通过训练数据集和监督数据集训练获得,其中,训练数据集中的每组训练数据均包括以阀门开度时序记录数据和阀门工控电路图记录数据作为长短时记忆神经网络的拟合数据,监督数据集为以电路接线控制时序标识信息作为长短时记忆神经网络的监督数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311743415.3A CN117434875B (zh) | 2023-12-19 | 2023-12-19 | 用于阀门工控平台的电路运行监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311743415.3A CN117434875B (zh) | 2023-12-19 | 2023-12-19 | 用于阀门工控平台的电路运行监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117434875A CN117434875A (zh) | 2024-01-23 |
CN117434875B true CN117434875B (zh) | 2024-03-12 |
Family
ID=89553726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311743415.3A Active CN117434875B (zh) | 2023-12-19 | 2023-12-19 | 用于阀门工控平台的电路运行监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117434875B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN210882697U (zh) * | 2019-11-11 | 2020-06-30 | 刘国栋 | 一种物料分配系统 |
CN116468372A (zh) * | 2023-06-20 | 2023-07-21 | 泉州装备制造研究所 | 一种储位分配方法、系统及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2900753B1 (fr) * | 2006-05-05 | 2008-08-15 | Gaz De France Sa | Procede d'optimisation automatique d'un reseau de transport de gaz naturel |
CN101730800B (zh) * | 2007-05-12 | 2013-03-27 | 费斯托股份有限两合公司 | 用于不同的流量类型的模块化阀组件 |
-
2023
- 2023-12-19 CN CN202311743415.3A patent/CN117434875B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN210882697U (zh) * | 2019-11-11 | 2020-06-30 | 刘国栋 | 一种物料分配系统 |
CN116468372A (zh) * | 2023-06-20 | 2023-07-21 | 泉州装备制造研究所 | 一种储位分配方法、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于SVM-BN的天然气长输管道燃气轮机故障预警方法研究;王明达;韦永健;王建军;陈子新;许志倩;闫春颖;;天然气工业;20171125(第11期);全文 * |
蒋银健 ; 李钧 ; .空分设备液氧后备系统供应方案的优化.深冷技术.全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117434875A (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934337B (zh) | 一种基于集成lstm的航天器遥测数据异常的检测方法 | |
CN109840362B (zh) | 一种基于多目标优化的集成即时学习工业过程软测量建模方法 | |
Gao et al. | NARMAX time series model prediction: feedforward and recurrent fuzzy neural network approaches | |
CN109711453B (zh) | 一种基于多变量的设备动态健康状态评估方法 | |
CN109685252A (zh) | 基于循环神经网络和多任务学习模型的建筑能耗预测方法 | |
CN110046743A (zh) | 基于ga-ann的公共建筑能耗预测方法和系统 | |
CN110033281A (zh) | 一种智能客服至人工客服转换的方法及装置 | |
WO1992002865A1 (en) | Computer neural network supervisory process control system and method | |
US11815863B2 (en) | Predictive modeling and control for water resource infrastructure | |
CN109143408B (zh) | 基于mlp的动态区域联合短时降水预报方法 | |
CN109471698B (zh) | 云环境下虚拟机异常行为检测系统和方法 | |
CN107037306A (zh) | 基于隐马尔科夫模型的变压器故障动态预警方法 | |
CN115016276B (zh) | 智能水分调节与环境参数物联网大数据系统 | |
CN111981635B (zh) | 一种双智能算法的中央空调故障预测与诊断方法 | |
CN109508818A (zh) | 一种基于LSSVM的在线NOx预测方法 | |
CN111898867B (zh) | 一种基于深度神经网络的飞机总装生产线产能预测方法 | |
CN112257745A (zh) | 基于隐马尔可夫的煤矿井下系统健康度预测方法及装置 | |
CN117434875B (zh) | 用于阀门工控平台的电路运行监测方法及系统 | |
Lutska et al. | Forecasting the efficiency of the control system of the technological object on the basis of neural networks | |
CN113449919B (zh) | 一种基于特征和趋势感知的用电量预测方法及系统 | |
CN106567964A (zh) | 一种基于dcs数据的流量控制阀监控方法 | |
CN114154716A (zh) | 一种基于图神经网络的企业能耗预测方法及装置 | |
CN108959787A (zh) | 考虑实际工况的宏宏双驱动系统的热变形预测方法及系统 | |
CN112766548A (zh) | 基于gasa-bp神经网络的订单完工时间预测方法 | |
CN111242266A (zh) | 一种运行数据管理系统 |
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 |