-
公开(公告)号：CN112130453B
公开(公告)日：2022-12-13
申请号：CN202010750083.1
申请日：2020-07-30
申请人： 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司 , 浙江新安化工集团股份有限公司
摘要： 本发明涉及工业控制领域，尤其涉及一种基于机器学习的提高MCS生产平稳性的控制方法及系统，包括采集甲基氯硅烷生产系统历史及实时运行数据；通过特征选择确定影响甲基氯硅烷产量及平稳性的特征；基于影响甲基氯硅烷产量及平稳性的特征，通过机器学习算法在不同工况下建立对应的系统控制模型；判定甲基氯硅烷生产系统当前运行工况；根据当前运行工况选择对应的系统控制模型；通过系统控制模型获得对应的控制策略并执行。通过使用本发明，可以实现以下效果：在不改变原有工艺和装置生产现状的前提下，利用历史及实时运行数据基于机器学习等方法建立系统控制模型；通过优化操作能够提升生产稳定性及MCS产量。
-
公开(公告)号：CN112130453A
公开(公告)日：2020-12-25
申请号：CN202010750083.1
申请日：2020-07-30
申请人： 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司 , 浙江新安化工集团股份有限公司
摘要： 本发明涉及工业控制领域，尤其涉及一种基于机器学习的提高MCS生产平稳性的控制方法及系统，包括采集甲基氯硅烷生产系统历史及实时运行数据；通过特征选择确定影响甲基氯硅烷产量及平稳性的特征；基于影响甲基氯硅烷产量及平稳性的特征，通过机器学习算法在不同工况下建立对应的系统控制模型；判定甲基氯硅烷生产系统当前运行工况；根据当前运行工况选择对应的系统控制模型；通过系统控制模型获得对应的控制策略并执行。通过使用本发明，可以实现以下效果：在不改变原有工艺和装置生产现状的前提下，利用历史及实时运行数据基于机器学习等方法建立系统控制模型；通过优化操作能够提升生产稳定性及MCS产量。
-
公开(公告)号：CN112102890B
公开(公告)日：2023-12-15
申请号：CN202010737959.9
申请日：2020-07-28
申请人： 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
摘要： 本发明涉及工业装置数据挖掘领域，尤其涉及一种基于机器学习模型的MCS合成装置反应温度预测方法，包括从MCS合成装置运行相关变量中筛选出与反应温度有关的变量因素；获取与反应温度有关的变量因素所对应的历史数据并进行预处理；采用ε‑SVR机器学习算法建立SVR反应温度变化率预测模型；获取与反应温度有关的变量因素所对应的当前数据并输入训练好的SVR反应温度变化率预测模型，计算获得未来一段时间的反应温度变化率预测值，通过对当前反应温度值与反应温度变化率预测值进行累加，获得未来一段时间MCS合成装置的反应温度预测值。通过对甲基氯硅烷(MCS)合成装置运行反应温度进行预测，能够分析当前该甲基氯硅烷(MCS)合成装置的反应温度的稳定性及变化趋势。
-
公开(公告)号：CN113539382A
公开(公告)日：2021-10-22
申请号：CN202110591042.7
申请日：2021-05-28
申请人： 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC分类号： G16C20/10 , G16C20/70 , G16C20/90 , G06F16/215 , G06N3/04
摘要： 本发明提出了一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统，包括：选取影响酯化反应温度、酯化真空度两个关键工艺参数的设备，基于选取的设备在亚磷酸二甲酯生产线上的关联位号采集历史数据；对采集到的历史数据进行数据清洗；根据清洗后的历史数据划分工况，将不同工况下的历史数据保存到样本库中；建立时序性机器学习模型，根据样本库对时序性机器学习模型进行训练；通过训练好的时序性机器学习模型对酯化反应温度、酯化真空度进行预测，根据预测结果对酯化反应温度、酯化真空度进行分析，生成预警提示。本发明能够快速利用历史数据构建具有学习能力的时序性机器学习模型，克服机理建模过程耗时较久、建模过程复杂等问题。
-
公开(公告)号：CN113539382B
公开(公告)日：2024-04-05
申请号：CN202110591042.7
申请日：2021-05-28
申请人： 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
IPC分类号： G16C20/10 , G16C20/70 , G16C20/90 , G06F16/215 , G06N3/0442
摘要： 本发明提出了一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统，包括：选取影响酯化反应温度、酯化真空度两个关键工艺参数的设备，基于选取的设备在亚磷酸二甲酯生产线上的关联位号采集历史数据；对采集到的历史数据进行数据清洗；根据清洗后的历史数据划分工况，将不同工况下的历史数据保存到样本库中；建立时序性机器学习模型，根据样本库对时序性机器学习模型进行训练；通过训练好的时序性机器学习模型对酯化反应温度、酯化真空度进行预测，根据预测结果对酯化反应温度、酯化真空度进行分析，生成预警提示。本发明能够快速利用历史数据构建具有学习能力的时序性机器学习模型，克服机理建模过程耗时较久、建模过程复杂等问题。
-
公开(公告)号：CN112102890A
公开(公告)日：2020-12-18
申请号：CN202010737959.9
申请日：2020-07-28
申请人： 浙江中控技术股份有限公司 , 浙江中控软件技术有限公司
摘要： 本发明涉及工业装置数据挖掘领域，尤其涉及一种基于机器学习模型的MCS合成装置反应温度预测方法，包括从MCS合成装置运行相关变量中筛选出与反应温度有关的变量因素；获取与反应温度有关的变量因素所对应的历史数据并进行预处理；采用ε‑SVR机器学习算法建立SVR反应温度变化率预测模型；获取与反应温度有关的变量因素所对应的当前数据并输入训练好的SVR反应温度变化率预测模型，计算获得未来一段时间的反应温度变化率预测值，通过对当前反应温度值与反应温度变化率预测值进行累加，获得未来一段时间MCS合成装置的反应温度预测值。通过对甲基氯硅烷(MCS)合成装置运行反应温度进行预测，能够分析当前该甲基氯硅烷(MCS)合成装置的反应温度的稳定性及变化趋势。
-
公开(公告)号：CN114399086A
公开(公告)日：2022-04-26
申请号：CN202111583683.4
申请日：2021-12-22
申请人： 浙江中控技术股份有限公司
摘要： 本申请公开了一种甲基氯硅烷粗单体的产量预测方法及装置。其中，该方法包括：获取当前时段内甲基氯硅烷MCS合成装置运行的过程中，与甲基氯硅烷粗单体的产量具有关联关系的各个自变量，其中，自变量至少包括：温度；将各个自变量输入至预先训练好的支持向量机回归模型，其中，支持向量机回归模型为基于多组训练数据训练得到的，其中，多组训练数据中每组数据包括：第一历史时段内影响甲基氯硅烷粗单体的产量的自变量，以及甲基氯硅烷粗单体的实际产量；根据支持向量机回归模型的计算结果确定甲基氯硅烷粗单体的产量预测值。本申请解决了现有技术中对甲基氯硅烷(MCS)合成装置运行过程中的甲基氯硅烷粗单体产量预测结果不准确，容错性小以及预测结果稳健性较差的技术问题。
-
公开(公告)号：CN115206449A
公开(公告)日：2022-10-18
申请号：CN202210873687.4
申请日：2022-07-21
申请人： 浙江中控技术股份有限公司
摘要： 本申请提供一种流化床反应温度的确定方法、相关装置及计算机存储介质，该方法包括：首先，实时采集目标因素的实时数据；其中，所述目标因素为影响二甲基二氯硅烷选择性的因素；然后，将所述目标因素的数据进行预处理，得到第一目标实时数据；之后，对所述第一目标实时数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第二目标实时数据；最后，将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度；其中，所述流化床反应温度确定模型由至少一个训练样本数据对机器学习模型进行训练得到。从而在不同的生产时期和工况下推荐反应温度控制目标建议，在保证产量和安全的前提下达到二甲基二氯硅烷选择性最高。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.068 秒)
