一種鋼鐵生產(chǎn)設(shè)備的多時(shí)間尺度智能控制方法
專利類型:發(fā)明授權(quán)申請(專利)號:CN202510896651.1申請日:2025-07-01授權(quán)公告號:CN120406292B授權(quán)公告日:2025-09-19申請人:東北大學(xué)地址:110819 遼寧省沈陽市和平區(qū)文化路三號巷11號發(fā)明人:魏春新; 劉瑜; 孫杰; 彭文; 鄧志銀; 朱苗勇專輯:信息科技專題:自動(dòng)化技術(shù)主分類號:G05B19/05分類號:G05B19/05;G05B13/04國省代碼:21頁數(shù):11代理機(jī)構(gòu):沈陽優(yōu)普達(dá)知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)代理人:陳曦主權(quán)項(xiàng):1.一種鋼鐵生產(chǎn)設(shè)備的多時(shí)間尺度智能控制方法,其特征在于,包括:步驟1:采集歷史多模態(tài)數(shù)據(jù)并進(jìn)行預(yù)處理,構(gòu)成多模態(tài)時(shí)間序列數(shù)據(jù);步驟2:構(gòu)建融合物理模型和數(shù)據(jù)驅(qū)動(dòng)模型的設(shè)備數(shù)字孿生體,對設(shè)備響應(yīng)進(jìn)行預(yù)測,采用多模態(tài)時(shí)間序列數(shù)據(jù)對設(shè)備數(shù)字孿生體進(jìn)行訓(xùn)練;步驟3:采集實(shí)時(shí)的多模態(tài)數(shù)據(jù),經(jīng)預(yù)處理后輸入到訓(xùn)練好的設(shè)備數(shù)字孿生體,獲得設(shè)備響應(yīng)的預(yù)測值;步驟4:基于設(shè)備響應(yīng)的預(yù)測值,通過改進(jìn)多目標(biāo)粒子群優(yōu)化算法和約束貝葉斯優(yōu)化算法對控制參數(shù)進(jìn)行多時(shí)間尺度分層優(yōu)化控制;步驟5:基于步驟4的優(yōu)化控制結(jié)果,通過PLC執(zhí)行機(jī)構(gòu)調(diào)節(jié)設(shè)備的控制參數(shù),并將調(diào)整后的設(shè)備狀態(tài)變量反饋至傳感器,實(shí)現(xiàn)閉環(huán)控制;所述步驟4具體為:步驟4.1:以小時(shí)為大周期獲取設(shè)備響應(yīng)的預(yù)測值,通過改進(jìn)多目標(biāo)粒子群優(yōu)化算法對控制參數(shù)集合進(jìn)行小時(shí)級周期性全局搜索優(yōu)化,控制參數(shù)集合中的控制參數(shù)構(gòu)成改進(jìn)多目標(biāo)粒子群優(yōu)化算法中的粒子;步驟4.2:以分鐘為小周期獲取設(shè)備響應(yīng)的預(yù)測值,采用約束貝葉斯優(yōu)化算法對控制參數(shù)集合進(jìn)行分鐘級局部優(yōu)化;所述步驟4.1具體為:步驟4.1.1:粒子群初始化,每個(gè)粒子表示一組控制參數(shù)P-m∈P,隨機(jī)生成粒子位置x-(mn)表示第m個(gè)粒子P-m在維度n上的位置;粒子速度v-(mn)表示P-m的調(diào)節(jié)數(shù)值,粒子速度初始化為控制參數(shù)取值范圍的10%;步驟4.1.2:構(gòu)建改進(jìn)多目標(biāo)粒子群優(yōu)化算法的目標(biāo)函數(shù): 其中,目標(biāo)函數(shù)表示設(shè)備數(shù)字孿生體的預(yù)測結(jié)果與實(shí)際值Y(t)的誤差最小;步驟4.1.3:通過計(jì)算適應(yīng)度函數(shù)值判斷粒子是否為全局最優(yōu)位置,若不是全局最優(yōu)位置,則根據(jù)下式更新粒子速度以及粒子位置: 其中,w表示輸入變量靜態(tài)權(quán)重系數(shù);γ表示慣性權(quán)重衰減系數(shù),用于平衡全局搜索與局部搜索;r-1和r-2表示兩個(gè)隨機(jī)因子,r-1,r-2~U(0,1),控制搜索的平衡;pbest-(mn)表示粒子P-m在維度n上的歷史最佳位置;gbest-n表示當(dāng)前全局最佳位置;步驟4.1.4:基于設(shè)備數(shù)字孿生體重新獲取設(shè)備響應(yīng)的預(yù)測值,確保優(yōu)化搜索方向始終與設(shè)備實(shí)際物理響應(yīng)保持一致;步驟4.1.5:根據(jù)設(shè)定的終止條件,判斷是否終止優(yōu)化過程,如果滿足終止條件則輸出粒子的全局最佳位置,作為下一大周期的最優(yōu)控制參數(shù);如果不滿足終止條件,則返回步驟4.1.2繼續(xù)迭代;所述步驟4.2具體為:步驟4.2.1:構(gòu)建控制目標(biāo)函數(shù)F(P)的代理模型: 其中,μ(P)和σ~2(P)分別表示控制參數(shù)集合P中的控制參數(shù)在出現(xiàn)波動(dòng)時(shí)所對應(yīng)的設(shè)備響應(yīng)的預(yù)測結(jié)果的均值與方差;步驟4.2.2:建立如下期望提升表達(dá)式: 其中,F-(best)表示歷史最小控制目標(biāo)函數(shù)值;F表示標(biāo)準(zhǔn)正態(tài)分布的概率密度函數(shù),φ表示標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù);步驟4.2.3:在設(shè)備安全區(qū)B-(safe)內(nèi),獲得使EI(P)達(dá)到最大時(shí)對應(yīng)的控制參數(shù)p~*,作為下一小周期的最優(yōu)控制參數(shù): 其中,B-(safe)=[p-(min),p-(max)],p-(min)表示出現(xiàn)波動(dòng)的控制參數(shù)的最小設(shè)定值,p-(max)表示出現(xiàn)波動(dòng)的控制參數(shù)的最大設(shè)定值。摘要:本發(fā)明的一種鋼鐵生產(chǎn)設(shè)備的多時(shí)間尺度智能控制方法,屬于鋼鐵生產(chǎn)過程的智能控制技術(shù)領(lǐng)域。包括:采集歷史多模態(tài)數(shù)據(jù)并進(jìn)行預(yù)處理,構(gòu)成多模態(tài)時(shí)間序列數(shù)據(jù);構(gòu)建融合物理模型和數(shù)據(jù)驅(qū)動(dòng)模型的設(shè)備數(shù)字孿生體,對設(shè)備響應(yīng)進(jìn)行預(yù)測,采用多模態(tài)時(shí)間序列數(shù)據(jù)對設(shè)備數(shù)字孿生體進(jìn)行訓(xùn)練;采集實(shí)時(shí)的多模態(tài)數(shù)據(jù),經(jīng)預(yù)處理后輸入到訓(xùn)練好的設(shè)備數(shù)字孿生體,獲得設(shè)備響應(yīng)的預(yù)測值;基于設(shè)備響應(yīng)的預(yù)測值,通過改進(jìn)多目標(biāo)粒子群優(yōu)化算法和約束貝葉斯優(yōu)化算法對控制參數(shù)進(jìn)行多時(shí)間尺度分層優(yōu)化控制;基于優(yōu)化控制結(jié)果,通過PLC執(zhí)行機(jī)構(gòu)調(diào)節(jié)設(shè)備的控制參數(shù),并將調(diào)整后的設(shè)備狀態(tài)變量反饋至傳感器,實(shí)現(xiàn)閉環(huán)控制。
編輯:冶金材料設(shè)備網(wǎng)
發(fā)布時(shí)間:2025-10-13