CN117666462A - 一种基于多参数独立调配的plc产品标准化控制系统 - Google Patents
一种基于多参数独立调配的plc产品标准化控制系统 Download PDFInfo
- Publication number
- CN117666462A CN117666462A CN202410132536.2A CN202410132536A CN117666462A CN 117666462 A CN117666462 A CN 117666462A CN 202410132536 A CN202410132536 A CN 202410132536A CN 117666462 A CN117666462 A CN 117666462A
- Authority
- CN
- China
- Prior art keywords
- representing
- model
- subunit
- control system
- system based
- 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
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 22
- 238000003066 decision tree Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 15
- 238000012502 risk assessment Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 6
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000012300 Sequence Analysis Methods 0.000 abstract description 3
- 238000010801 machine learning Methods 0.000 abstract description 3
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000004886 process control Methods 0.000 abstract description 2
- 238000003860 storage Methods 0.000 description 12
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000005311 autocorrelation function Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 201000009240 nasopharyngitis Diseases 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- 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
- G05B2219/10—Plc systems
- G05B2219/11—Plc I-O input output
- G05B2219/1103—Special, intelligent I-O processor, also plc can only access via processor
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于多参数独立调配的PLC产品标准化控制系统，涉及PLC控制领域，本发明通过结合时间序列分析、机器学习和优化算法，提高过程控制的智能化和精准度；根据实时数据和模型预测自动调整控制策略，以适应复杂和变化的操作条件；并能够实时监测和评估系统的安全风险，确保操作的安全性，通过本发明的控制系统，能够实现更高级别的自动化和智能化，有效地提高工业过程的效率和安全性，同时降低运维成本。
Description
技术领域
本发明涉及PLC智能控制领域，具体是一种基于多参数独立调配的PLC产品标准化控制系统。
背景技术
可编程逻辑控制器（PLC）是工业自动化领域的核心技术，广泛应用于控制生产线、机械设备和工业过程。PLC系统通过输入/输出（I/O）模块接收来自各种传感器和执行器的信号。其中，数字输入（DI）模块在PLC系统中扮演着重要角色，它负责读取来自传感器的数字信号，如开关状态、安全装置的触发等。DI配置可调"通常是指“依赖注入（DependencyInjection, DI）配置的可调整性”。在软件开发中，依赖注入是一种设计模式，用于降低程序组件之间的耦合度。通过这种方式，组件的依赖关系不是在组件内部硬编码，而是通过外部方式（例如配置文件）注入。在典型的工业控制环境中，PLC根据来自DI模块的信号执行特定的逻辑操作，控制机械运动、流程顺序或安全逻辑。例如，当一个“急停”开关被激活时，相应的DI信号会触发PLC执行紧急停机程序。有效的DI配置对于确保系统的正确响应和运行至关重要。
尽管PLC和DI模块在工业控制系统中广泛应用，但在DI配置控制方面仍存在一些挑战和不足之处，在某些现有系统中，DI配置与PLC的其他功能（如数据处理、设备监控）集成度不够高。这可能导致数据处理延迟、信息传递不畅和操作效率低下；在一些旧的或传统的PLC系统中，修改DI配置可能既费时又复杂，特别是在需要实时调整配置以响应不断变化的工业环境时；许多现有的PLC系统在DI配置方面缺乏智能化的决策支持，不能根据历史数据和实时反馈自动优化配置。
发明内容
本发明的目的在于克服现有技术的不足，旨在提高工业自动化的效率性和灵活性，通过引入更先进的数据处理算法、机器学习技术，提出一种基于多参数独立调配的PLC产品标准化控制系统。
其中，一种基于多参数独立调配的PLC产品标准化控制系统，包括前端DI配置模块和后端DI控制模块，所述后端DI控制模块用于通过前端DI配置模块的DI状态的变化触发相应的控制动作，所述后端DI控制模块包括：
ARIMA故障预测单元，用于通过ARIMA故障预测模型对DI信号进行分析，预测潜在的设备故障或过程异常；
线性规划参数优化单元，用于通过线性规划模型，求解优化问题，通过求解结果调整DO配置；
贝叶斯风险评估单元，用于通过贝叶斯网络对DI状态的关键参数进行风险评估；
决策树操作决策单元，用于通过决策树，分析DI信号，提供操作建议。
进一步的，所述ARIMA故障预测单元具体包括：
数据采集子单元，用于通过DI信号收集时间序列数据；
特征提取子单元，用于将时间序列数据中的关键特征进行提取，所述关键特征至少包括平均运行时间、故障间隔；
模型训练子单元，用于通过ARIMA时间序列预测模型，对提取的特征进行训练；
故障预测子单元，用于训练后的ARIMA时间序列预测模型预测未来的故障发生时间。
进一步的，所述ARIMA时间序列预测模型的具体算法为：
;
其中，所述表示滞后算子，所述/>表示差分阶数，所述/>表示自回归项，所述/>表示滑动平均项的阶数，所述/>表示时间序列数据的一个观测值，所述/>表示时间序列，所述/>表示时间点，所述/>表示滞后的观测值的时间单位，即滞后了/>个时间单位的观测值，所述/>表示第/>阶自回归项的系数，用于量化过去的观测值对当前值的影响，所述/>表示将时间序列向后移动/>个时间单位，所述/>表示第/>阶移动平均项的系数，所述/>表示时间点/>的预测误差项。
进一步的，所述线性规划参数优化单元具体包括：
变量定义子单元，用于确定优化目标和约束；
模型构建子单元，用于对优化目标和约束建立优化模型；
优化问题求解子单元，用于通过线性规划求解优化问题；
参数调整子单元，用于根据求解结果调整DO配置，所述DO配置至少包括阀门、釜体设备位置和温度、压力参数配置。
进一步的，所述线性规划的具体算法为：
，使/>；
其中，所述表示成本系数，所述/>表示约束矩阵，所述/>表示约束值，所述/>表示决策变量。
进一步的，所述贝叶斯风险评估单元具体包括：
风险参数识别子单元，用于识别和记录影响安全的关键参数，至少包括故障、急停、高压；
风险模型构建子单元，用于通过贝叶斯网络构建风险评估模型；
风险计算子单元，用于计算系统的总体风险水平；
风险响应子单元，用于当总体风险水平超过阈值，进行安全响应。
进一步的，所述贝叶斯网络的具体模型算法为：
；
其中，所述表示在给定/>的条件下/>的条件概率，所述/>表示控制动作，所述/>表示DI状态。
进一步的，所述总体风险水平的具体算法为：
；
其中，所述表示在给定/>的条件下/>的条件概率，所述/>表示在给定的条件下/>的影响。
进一步的，所述决策树操作决策单元具体包括：
数据分析子单元，用于对DI信号提取状态数据；
决策模型构建子单元，用于构建决策树决策模型；
决策子单元，用于通过决策树决策模型的模型输出对DO配置进行决策。
进一步的，所述决策树模型的具体算法为：
；
其中，所述表示信息熵，所述/>表示父节点，所述/>表示第/>个子节点的数据集，所述/>表示第/>个子节点中的数据点总数，所述/>表示父节点中的数据点总数，所述/>表示特征，所述/>表示使用特征/>分裂父节点/>时的信息增益，所述/>表示子节点的数量。
本发明的有益效果是：
本发明通过结合时间序列分析、机器学习和优化算法，提高过程控制的智能化和精准度；根据实时数据和模型预测自动调整控制策略，以适应复杂和变化的操作条件；并能够实时监测和评估系统的安全风险，确保操作的安全性，通过本发明的控制系统，能够实现更高级别的自动化和智能化，有效地提高工业过程的效率和安全性，同时降低运维成本。
附图说明
图1为本发明实施例提供的一种基于多参数独立调配的PLC产品标准化控制系统的系统结构框图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
为了使本发明的目的，技术方案及优点更加清楚明白，结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
而且，术语“包括”，“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程，方法，物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程，方法，物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程，方法，物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
如图1所示，一种基于多参数独立调配的PLC产品标准化控制系统，包括前端DI配置模块和后端DI控制模块，所述后端DI控制模块用于通过前端DI配置模块的DI状态的变化触发相应的控制动作，所述后端DI控制模块包括：
ARIMA故障预测单元，用于通过ARIMA故障预测模型对DI信号进行分析，预测潜在的设备故障或过程异常；
线性规划参数优化单元，用于通过线性规划模型，求解优化问题，通过求解结果调整DO配置；
贝叶斯风险评估单元，用于通过贝叶斯网络对DI状态的关键参数进行风险评估；
决策树操作决策单元，用于通过决策树，分析DI信号，提供操作建议。
具体的，对于本实施例中的DI状态，在可视化界面中包括DI配置表，其DI配置中包括多个DI配置对应的IO名称，至少包括如下：急停、釜体就位、釜盖升降外部连锁输入、釜盖上升到位、覆盖上升到位极限位、釜盖下降到位、液压电机故障、液压站压力高、真空电机故障、出料电机故障、出料电机风机故障、真空阀开到位、真空阀关到位、氮气阀开到位、氮气阀关到位、釜体夹套冷水入口阀开到位、釜体夹套冷水入口阀关到位、阀体封头冷水入口开到位、阀体封头冷水入口关到位。示例性的，每个IO接口独立有一个控制通道，实时显示IO对应的取反、启用和通道状态，另外，还包括DI状态表对序号和地址进行显示。
进一步的，所述ARIMA故障预测单元具体包括：
数据采集子单元，用于通过DI信号收集时间序列数据；
特征提取子单元，用于将时间序列数据中的关键特征进行提取，所述关键特征至少包括平均运行时间、故障间隔；
模型训练子单元，用于通过ARIMA时间序列预测模型，对提取的特征进行训练；
故障预测子单元，用于训练后的ARIMA时间序列预测模型预测未来的故障发生时间。
进一步的，所述ARIMA时间序列预测模型的具体算法为：
；
其中，所述表示滞后算子，所述/>表示差分阶数，所述/>表示自回归项，所述/>表示滑动平均项的阶数，所述/>表示时间序列数据的一个观测值，所述/>表示时间序列，所述/>表示时间点，所述/>表示滞后的观测值的时间单位，即滞后了/>个时间单位的观测值，所述/>表示第/>阶自回归项的系数，用于量化过去的观测值对当前值的影响，所述/>表示将时间序列向后移动/>个时间单位，所述/>表示第/>阶移动平均项的系数，所述/>表示时间点/>的预测误差项。
示例性的，提出一种具体的实施方案，该方案为液压电机的运行状态或其他与故障相关的指标，在本实施例中，实时采集的DI信号使用ARIMA模型的具体流程为：
从DI信号（如液压电机的运行状态指示器）收集实时数据，分析时间序列数据，确定ARIMA模型的、/>、/>参数，需要说明的是，该步骤中需要识别数据中是否存在季节性模式，可能会影响差分阶段/>的选择，设选择的参数为/>，/>，/>，则模型表示为：
+/>；
其中，表示时间t时间点的DI信号值，/>和/>表示模型参数，所述/>表示误差项。本实施方式将此ARIMA模型集成到控制系统中，用于实时监控关键DI信号，并基于预测结果自动调整相关DO控制，如启动备用系统或发出维护警告。
需要说明的是，对于上述实施例中，ARIMA模型参数的确定步骤，具体为：
对于差分阶数d的确定：进行如Augmented Dickey-Fuller）检验确定时间序列是否平稳，如果时间序列非平稳，则进行一阶或二阶差分，直至序列变得平稳；
对于自回归项p和滑动平均项q的确定：绘制自相关函数（ACF）和偏自相关函数（PACF）图，观察PACF图估计p值，通过观察ACF图估计q值。
进一步的，所述线性规划参数优化单元具体包括：
变量定义子单元，用于确定优化目标和约束；
模型构建子单元，用于对优化目标和约束建立优化模型；
优化问题求解子单元，用于通过线性规划求解优化问题；
参数调整子单元，用于根据求解结果调整DO配置，所述DO配置至少包括阀门、釜体设备位置和温度、压力参数配置。
进一步的，所述线性规划的具体算法为：
，使/>；
其中，所述表示成本系数，所述/>表示约束矩阵，所述/>表示约束值，所述/>表示决策变量。
示例性的，提出一种具体的实施方案，该方案设定目标是最大化釜体内特定化学反应的产率P，同事考虑温度T和流量F约束，具体的，目标函数为maxN=aT+bF，其中a和b表示系数，其约束条件为；/>。
进一步的，所述贝叶斯风险评估单元具体包括：
风险参数识别子单元，用于识别和记录影响安全的关键参数，至少包括故障、急停、高压；
风险模型构建子单元，用于通过贝叶斯网络构建风险评估模型；
风险计算子单元，用于计算系统的总体风险水平；
风险响应子单元，用于当总体风险水平超过阈值，进行安全响应。
进一步的，所述贝叶斯网络的具体模型算法为：
；
其中，所述表示在给定/>的条件下/>的条件概率，所述/>表示控制动作，所述/>表示DI状态。示例性的，设定影响因素包括急停、液压电机故障和真空泵故障，则具体算法对应为：
和/>。
进一步的，所述总体风险水平的具体算法为：
；
其中，所述表示在给定/>的条件下/>的条件概率，所述/>表示在给定的条件下/>的影响。
进一步的，所述决策树操作决策单元具体包括：
数据分析子单元，用于对DI信号提取状态数据；
决策模型构建子单元，用于构建决策树决策模型；
决策子单元，用于通过决策树决策模型的模型输出对DO配置进行决策。
进一步的，所述决策树模型的具体算法为：
；
其中，所述表示信息熵，所述/>表示父节点，所述/>表示第/>个子节点的数据集，所述/>表示第/>个子节点中的数据点总数，所述/>表示父节点中的数据点总数，所述/>表示特征，所述/>表示使用特征/>分裂父节点/>时的信息增益，所述/>表示子节点的数量。
具体的，对于上述实施例优选的实施方式，其分裂标准设定为：基于“釜体就位”、“釜盖升降”等状态；所述决策规则示例性的：当 “釜体就位”状态连续x天异常，则推荐维护，当“釜盖升降”状态连续y天异常，则推迟维护。
进一步的，作为本实施例优选的具体实施方案，提出一种基于多参数独立调配的PLC产品标准化控制方法，包括以下步骤：
S1. 使用时间序列分析和预测模型，对 “电机故障”、“真空泵故障”的DI信号进行分析，预测设备故障时间，根据预测结果提前安排维护；
S2. 应用约束优化算法，对过程变量进行优化，动态调整涉及“釜体温度”、“阀门状态”等的DO配置，优化参数如温度和压力，提高效率和产量；
S3. 结合贝叶斯网络分析评估整体系统风险，连续评估“急停”、“高压”等DI信号的安全风险，当检测到高风险，自动采取安全措施，如降低操作速度或停机；
S4. 使用决策树分析DI信号，根据“釜体就位”、“釜盖升降”等DI信号，智能系统提供操作建议，自动或手动调整DO配置，如调节釜体位置或温度。
进一步的，作为本实施例优选的实施方案，提出一种基于多参数独立调配的PLC产品标准化控制的终端设备，终端设备包括至少一个存储器、至少一个处理器以及连接不同平台系统的总线。
存储器可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)和/或高速缓存存储器，还可以进一步包括只读存储器(ROM)。
其中，存储器还存储有计算机程序，计算机程序可以被处理器执行，使得处理器执行本申请实施例中上述任一项一种基于多参数独立调配的PLC产品标准化控制系统，其具体实现方式与上述实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。存储器还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器可以执行上述计算机程序，以及可以执行程序/实用工具。
总线可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
终端设备也可以与一个或多个外部设备例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该终端设备交互的设备通信，和/或与使得该终端设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出I/O接口进行。并且，终端设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器可以通过总线与终端设备的其它模块通信。应当明白，尽管图中未示出，可以结合终端设备使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
进一步的，作为本实施例优选的实施方案，提出一种基于多参数独立调配的PLC产品标准化控制的计算机可读存储介质，所述计算机可读存储介质上存储有指令，该指令被处理器执行时实现上述任一的一种基于多参数独立调配的PLC产品标准化控制系统。其具体实现方式与上述实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
本实施例提供的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，其设置有的实用进步性，已符合专利法所强调的功能增进及使用要件，本申请以上的说明及附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种基于多参数独立调配的PLC产品标准化控制系统，包括前端DI配置模块和后端DI控制模块，所述后端DI控制模块用于通过前端DI配置模块的DI状态的变化触发相应的控制动作，其特征在于，所述后端DI控制模块包括：
ARIMA故障预测单元，用于通过ARIMA故障预测模型对DI信号进行分析，预测潜在的设备故障或过程异常；
线性规划参数优化单元，用于通过线性规划模型，求解优化问题，通过求解结果调整DO配置；
贝叶斯风险评估单元，用于通过贝叶斯网络对DI状态的关键参数进行风险评估；
决策树操作决策单元，用于通过决策树，分析DI信号，提供操作建议。
2.如权利要求1所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述ARIMA故障预测单元具体包括：
数据采集子单元，用于通过DI信号收集时间序列数据；
特征提取子单元，用于将时间序列数据中的关键特征进行提取，所述关键特征至少包括平均运行时间、故障间隔；
模型训练子单元，用于通过ARIMA时间序列预测模型，对提取的特征进行训练；
故障预测子单元，用于训练后的ARIMA时间序列预测模型预测未来的故障发生时间。
3.如权利要求2所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述ARIMA时间序列预测模型的具体算法为：
；
其中，所述表示滞后算子，所述/>表示差分阶数，所述/>表示自回归项，所述/>表示滑动平均项的阶数，所述/>表示时间序列数据的一个观测值，所述/>表示时间序列，所述/>表示时间点，所述/>表示滞后的观测值的时间单位，即滞后了/>个时间单位的观测值，所述/>表示第/>阶自回归项的系数，用于量化过去的观测值对当前值的影响，所述/>表示将时间序列向后移动/>个时间单位，所述/>表示第/>阶移动平均项的系数，所述/>表示时间点/>的预测误差项。
4.如权利要求1所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述线性规划参数优化单元具体包括：
变量定义子单元，用于确定优化目标和约束；
模型构建子单元，用于对优化目标和约束建立优化模型；
优化问题求解子单元，用于通过线性规划求解优化问题；
参数调整子单元，用于根据求解结果调整DO配置，所述DO配置至少包括阀门、釜体设备位置和温度、压力参数配置。
5.如权利要求4所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述线性规划的具体算法为：
，使/>；
其中，所述表示成本系数，所述/>表示约束矩阵，所述/>表示约束值，所述/>表示决策变量。
6.如权利要求1所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述贝叶斯风险评估单元具体包括：
风险参数识别子单元，用于识别和记录影响安全的关键参数，至少包括故障、急停、高压；
风险模型构建子单元，用于通过贝叶斯网络构建风险评估模型；
风险计算子单元，用于计算系统的总体风险水平；
风险响应子单元，用于当总体风险水平超过阈值，进行安全响应。
7.如权利要求6所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述贝叶斯网络的具体模型算法为：
；
其中，所述表示在给定/>的条件下/>的条件概率，所述/>表示控制动作，所述/>表示DI状态。
8.如权利要求6所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述总体风险水平的具体算法为：
；
其中，所述表示在给定/>的条件下/>的条件概率，所述/>表示在给定/>的条件下/>的影响。
9.如权利要求1所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述决策树操作决策单元具体包括：
数据分析子单元，用于对DI信号提取状态数据；
决策模型构建子单元，用于构建决策树决策模型；
决策子单元，用于通过决策树决策模型的模型输出对DO配置进行决策。
10.如权利要求9所述的一种基于多参数独立调配的PLC产品标准化控制系统，其特征在于，所述决策树模型的具体算法为：
；
其中，所述表示信息熵，所述/>表示父节点，所述/>表示第/>个子节点的数据集，所述表示第/>个子节点中的数据点总数，所述/>表示父节点中的数据点总数，所述/>表示特征，所述/>表示使用特征/>分裂父节点/>时的信息增益，所述/>表示子节点的数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410132536.2A CN117666462B (zh) | 2024-01-31 | 2024-01-31 | 一种基于多参数独立调配的plc产品标准化控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410132536.2A CN117666462B (zh) | 2024-01-31 | 2024-01-31 | 一种基于多参数独立调配的plc产品标准化控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117666462A true CN117666462A (zh) | 2024-03-08 |
| CN117666462B CN117666462B (zh) | 2024-05-17 |
Family
ID=90071663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410132536.2A Active CN117666462B (zh) | 2024-01-31 | 2024-01-31 | 一种基于多参数独立调配的plc产品标准化控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117666462B (zh) |
Citations (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101276209A (zh) * | 2007-03-27 | 2008-10-01 | 宝山钢铁股份有限公司 | 钢板冷却控制模拟系统及方法 |
| CN102156496A (zh) * | 2011-04-07 | 2011-08-17 | 杭州电子科技大学 | 一种反应釜温度混合控制方法 |
| CN102830616A (zh) * | 2011-06-14 | 2012-12-19 | 北京三博中自科技有限公司 | 一种蒸汽系统的运行优化系统和方法 |
| CN103064289A (zh) * | 2012-12-19 | 2013-04-24 | 华南理工大学 | 一种垃圾发电厂多目标运行优化及协调的控制方法及装置 |
| CN103713569A (zh) * | 2013-12-26 | 2014-04-09 | 西安西热控制技术有限公司 | 一种火电机组滑压优化调节系统及调节方法 |
| EP2913724A1 (en) * | 2014-02-25 | 2015-09-02 | Abb Ag | PLC with a finite horizon optimization control program |
| CN105608634A (zh) * | 2015-11-09 | 2016-05-25 | 国网新疆电力公司 | 一种基于贝叶斯网络的电网风险预警评估模型 |
| US20190347590A1 (en) * | 2014-03-12 | 2019-11-14 | Bahwan CyberTek Private Limited | Intelligent Decision Synchronization in Real Time for both Discrete and Continuous Process Industries |
| CN111427753A (zh) * | 2020-03-23 | 2020-07-17 | 上海新炬网络信息技术股份有限公司 | 基于arima模型的容量预测装置及其控制方法 |
| CN111930790A (zh) * | 2020-03-20 | 2020-11-13 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于时序分析的阀冷设备进阀温度预测方法 |
| CN112182835A (zh) * | 2020-08-25 | 2021-01-05 | 中国电力科学研究院有限公司 | 一种考虑风电不确定性和储能调节的电力系统可靠性评估方法及系统 |
| CN112580780A (zh) * | 2020-12-14 | 2021-03-30 | 深圳前海微众银行股份有限公司 | 模型训练的处理方法、装置、设备和存储介质 |
| CN113467365A (zh) * | 2021-07-31 | 2021-10-01 | 郑州信大捷安信息技术股份有限公司 | 一种基于can总线的plc监控系统及方法 |
| CN113742932A (zh) * | 2021-09-13 | 2021-12-03 | 华能新能源股份有限公司 | 一种用于风电机组齿轮箱故障预测诊断的方法 |
| CN114046593A (zh) * | 2021-11-29 | 2022-02-15 | 中国科学院广州能源研究所 | 一种动态预测性机器学习型空调节能控制方法及系统 |
| CN114498615A (zh) * | 2021-12-14 | 2022-05-13 | 中国电力科学研究院有限公司 | 一种用户侧多能源系统的安全域在线评估分析方法及系统 |
| KR102479755B1 (ko) * | 2021-11-30 | 2022-12-23 | 팩트얼라이언스 주식회사 | 실시간 센싱 데이터 기반의 중전기기 예방정비 권고 시스템 및 그 방법 |
| CN115511140A (zh) * | 2021-06-03 | 2022-12-23 | 武汉市奥拓智能科技有限公司 | 一种智慧灯杆漏电风险预测方法、装置和系统 |
| CN115526670A (zh) * | 2022-11-03 | 2022-12-27 | 华北电力大学 | 基于多参数规划的虚拟电厂运行曲线优化计算方法及装置 |
| EP4202582A1 (en) * | 2021-12-21 | 2023-06-28 | Siemens Aktiengesellschaft | Method of operation of a process plant, soft sensor and digital process twin system and use thereof |
| CN116384735A (zh) * | 2023-03-14 | 2023-07-04 | 广州工程总承包集团有限公司 | 一种塔吊全过程风险识别系统、方法、设备及存储介质 |
| EP4206838A1 (en) * | 2021-12-29 | 2023-07-05 | Petkim Petrokimya Holding A.S. | Forecasting and anomaly detection method for low density polyethylene autoclave reactor |
| CN116663842A (zh) * | 2023-06-15 | 2023-08-29 | 黑龙江卓锦科技有限公司 | 一种基于人工智能的数字化管理系统及方法 |
| CN116842809A (zh) * | 2023-07-26 | 2023-10-03 | 北京航天斯达科技有限公司 | 一种结构热试验的数据分析方法和系统 |
| CN116957639A (zh) * | 2023-07-07 | 2023-10-27 | 狮行智慧物流有限公司 | 基于arima算法自适应参数选择的方法及系统 |
| CN117035410A (zh) * | 2023-08-04 | 2023-11-10 | 交控科技股份有限公司 | 基于贝叶斯网络的列车碰撞风险评估方法、装置及介质 |
| CN117077866A (zh) * | 2023-08-31 | 2023-11-17 | 陕西黄陵发电有限公司 | 一种发电设备时间序列数据的预测方法 |
| CN117170998A (zh) * | 2023-11-03 | 2023-12-05 | 凌雄技术(深圳)有限公司 | 一种智能化设备生命周期管理系统 |
| CN117239713A (zh) * | 2023-06-12 | 2023-12-15 | 中国南方电网有限责任公司 | 一种基于配电网调度智慧安全的管控方法及系统 |
| CN117270483A (zh) * | 2023-11-22 | 2023-12-22 | 中控技术股份有限公司 | 化工生产装置全流程动态优化控制方法、装置、电子设备 |
| CN117351702A (zh) * | 2023-09-15 | 2024-01-05 | 中科国力电子技术有限公司 | 一种基于车流量进行调节的智慧交通管理方法 |
| CN117436846A (zh) * | 2023-12-18 | 2024-01-23 | 陕西智科云控电子有限公司 | 基于神经网络的设备预测性维护方法及系统 |
| CN117434886A (zh) * | 2023-12-21 | 2024-01-23 | 成都苔岑智能设备有限公司 | 一种基于运转数字模型的plc控制系统及方法 |
-
2024
- 2024-01-31 CN CN202410132536.2A patent/CN117666462B/zh active Active
Patent Citations (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101276209A (zh) * | 2007-03-27 | 2008-10-01 | 宝山钢铁股份有限公司 | 钢板冷却控制模拟系统及方法 |
| CN102156496A (zh) * | 2011-04-07 | 2011-08-17 | 杭州电子科技大学 | 一种反应釜温度混合控制方法 |
| CN102830616A (zh) * | 2011-06-14 | 2012-12-19 | 北京三博中自科技有限公司 | 一种蒸汽系统的运行优化系统和方法 |
| CN103064289A (zh) * | 2012-12-19 | 2013-04-24 | 华南理工大学 | 一种垃圾发电厂多目标运行优化及协调的控制方法及装置 |
| CN103713569A (zh) * | 2013-12-26 | 2014-04-09 | 西安西热控制技术有限公司 | 一种火电机组滑压优化调节系统及调节方法 |
| EP2913724A1 (en) * | 2014-02-25 | 2015-09-02 | Abb Ag | PLC with a finite horizon optimization control program |
| US20190347590A1 (en) * | 2014-03-12 | 2019-11-14 | Bahwan CyberTek Private Limited | Intelligent Decision Synchronization in Real Time for both Discrete and Continuous Process Industries |
| CN105608634A (zh) * | 2015-11-09 | 2016-05-25 | 国网新疆电力公司 | 一种基于贝叶斯网络的电网风险预警评估模型 |
| CN111930790A (zh) * | 2020-03-20 | 2020-11-13 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于时序分析的阀冷设备进阀温度预测方法 |
| CN111427753A (zh) * | 2020-03-23 | 2020-07-17 | 上海新炬网络信息技术股份有限公司 | 基于arima模型的容量预测装置及其控制方法 |
| CN112182835A (zh) * | 2020-08-25 | 2021-01-05 | 中国电力科学研究院有限公司 | 一种考虑风电不确定性和储能调节的电力系统可靠性评估方法及系统 |
| CN112580780A (zh) * | 2020-12-14 | 2021-03-30 | 深圳前海微众银行股份有限公司 | 模型训练的处理方法、装置、设备和存储介质 |
| CN115511140A (zh) * | 2021-06-03 | 2022-12-23 | 武汉市奥拓智能科技有限公司 | 一种智慧灯杆漏电风险预测方法、装置和系统 |
| CN113467365A (zh) * | 2021-07-31 | 2021-10-01 | 郑州信大捷安信息技术股份有限公司 | 一种基于can总线的plc监控系统及方法 |
| CN113742932A (zh) * | 2021-09-13 | 2021-12-03 | 华能新能源股份有限公司 | 一种用于风电机组齿轮箱故障预测诊断的方法 |
| CN114046593A (zh) * | 2021-11-29 | 2022-02-15 | 中国科学院广州能源研究所 | 一种动态预测性机器学习型空调节能控制方法及系统 |
| KR102479755B1 (ko) * | 2021-11-30 | 2022-12-23 | 팩트얼라이언스 주식회사 | 실시간 센싱 데이터 기반의 중전기기 예방정비 권고 시스템 및 그 방법 |
| CN114498615A (zh) * | 2021-12-14 | 2022-05-13 | 中国电力科学研究院有限公司 | 一种用户侧多能源系统的安全域在线评估分析方法及系统 |
| EP4202582A1 (en) * | 2021-12-21 | 2023-06-28 | Siemens Aktiengesellschaft | Method of operation of a process plant, soft sensor and digital process twin system and use thereof |
| EP4206838A1 (en) * | 2021-12-29 | 2023-07-05 | Petkim Petrokimya Holding A.S. | Forecasting and anomaly detection method for low density polyethylene autoclave reactor |
| CN115526670A (zh) * | 2022-11-03 | 2022-12-27 | 华北电力大学 | 基于多参数规划的虚拟电厂运行曲线优化计算方法及装置 |
| CN116384735A (zh) * | 2023-03-14 | 2023-07-04 | 广州工程总承包集团有限公司 | 一种塔吊全过程风险识别系统、方法、设备及存储介质 |
| CN117239713A (zh) * | 2023-06-12 | 2023-12-15 | 中国南方电网有限责任公司 | 一种基于配电网调度智慧安全的管控方法及系统 |
| CN116663842A (zh) * | 2023-06-15 | 2023-08-29 | 黑龙江卓锦科技有限公司 | 一种基于人工智能的数字化管理系统及方法 |
| CN116957639A (zh) * | 2023-07-07 | 2023-10-27 | 狮行智慧物流有限公司 | 基于arima算法自适应参数选择的方法及系统 |
| CN116842809A (zh) * | 2023-07-26 | 2023-10-03 | 北京航天斯达科技有限公司 | 一种结构热试验的数据分析方法和系统 |
| CN117035410A (zh) * | 2023-08-04 | 2023-11-10 | 交控科技股份有限公司 | 基于贝叶斯网络的列车碰撞风险评估方法、装置及介质 |
| CN117077866A (zh) * | 2023-08-31 | 2023-11-17 | 陕西黄陵发电有限公司 | 一种发电设备时间序列数据的预测方法 |
| CN117351702A (zh) * | 2023-09-15 | 2024-01-05 | 中科国力电子技术有限公司 | 一种基于车流量进行调节的智慧交通管理方法 |
| CN117170998A (zh) * | 2023-11-03 | 2023-12-05 | 凌雄技术(深圳)有限公司 | 一种智能化设备生命周期管理系统 |
| CN117270483A (zh) * | 2023-11-22 | 2023-12-22 | 中控技术股份有限公司 | 化工生产装置全流程动态优化控制方法、装置、电子设备 |
| CN117436846A (zh) * | 2023-12-18 | 2024-01-23 | 陕西智科云控电子有限公司 | 基于神经网络的设备预测性维护方法及系统 |
| CN117434886A (zh) * | 2023-12-21 | 2024-01-23 | 成都苔岑智能设备有限公司 | 一种基于运转数字模型的plc控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117666462B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arunthavanathan et al. | A deep learning model for process fault prognosis | |
| EP3742358A1 (en) | Cloud and edge integrated energy optimizer | |
| Bruton et al. | Review of automated fault detection and diagnostic tools in air handling units | |
| Ge et al. | Online monitoring of nonlinear multiple mode processes based on adaptive local model approach | |
| EP2477086A1 (en) | Anomaly detection and diagnostic method, anomaly detection and diagnostic system, and anomaly detection and diagnostic program | |
| Yang et al. | Machine learning-based prognostics for central heating and cooling plant equipment health monitoring | |
| Kim et al. | Estimating the quantitative relation between PSFs and HEPs from full-scope simulator data | |
| CN118089287B (zh) | 一种基于智能算法的冷水机能效优化系统 | |
| CN114579380B (zh) | 一种计算机系统故障的人工智能检测系统及方法 | |
| CN102884486B (zh) | 故障分析装置、故障分析方法 | |
| JP2013025367A (ja) | 設備状態監視方法およびその装置 | |
| Cupek et al. | Determination of the machine energy consumption profiles in the mass-customised manufacturing | |
| JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
| JP2018128854A (ja) | イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム及び記録媒体 | |
| EP3985460B1 (en) | Controller, control system and method to control a facility and to generate a control model by learning | |
| JP2000259223A (ja) | プラント監視装置 | |
| US20210088986A1 (en) | Assistance device, learning device, and plant operation condition setting assistance system | |
| JP2023106037A (ja) | 運転支援装置、運転支援方法及びプログラム | |
| EP3904987B1 (en) | Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system | |
| CN117992859B (zh) | 配备scada系统的机电装备早期故障预警与辨识方法及装置 | |
| CN114861522A (zh) | 一种基于人工智能元学习技术的精密制造质量监测方法和装置 | |
| CN115129146A (zh) | 用于识别关键性能指示符的方法 | |
| CN117666462B (zh) | 一种基于多参数独立调配的plc产品标准化控制系统 | |
| CN117833468A (zh) | 一种运行中配电环网柜断路器单元传控部件检修方法 | |
| CN117234844A (zh) | 云服务器异常管理方法、装置、计算机设备及存储介质 |
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 |