复杂化工过程调控操纵策略的深度学习方法

• 作者: 唐晓婕 杨博 李宏光
• 来源期刊: 化工学报
• 关键词: 操纵策略 层次聚类 Levenshtein距离 SAX符号化 卷积神经网络
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 过程系统工程
• 页码范围: 4830-4837
• 页数: 7页
• 分类号: TQ028.8
• 语种: 中文
• DOI: 10.11949/0438-1157.20210357

摘要

现代复杂化工过程生产运行记录了大量的过程调控时序数据，如何提取其中有价值的调控操纵经验和规则，对于提升过程运行智能化水平具有重要意义。时间序列聚类是一种挖掘历史调控操纵序列的有效方法，然而由于实际工况经常与历史数据出现偏差，使得重构准确的过程调控操纵策略出现困难。为此，本文提出了一种基于数据碎片化深度学习的过程调控操纵提取方法，采用基于Levenshtein距离的凝聚层次时序聚类获取不同过程扰动状态类别，提取对应的有效操纵序列进行碎片化处理，采用卷积神经网络对调控操纵策略进行深度学习和重构。将此方法在工业换热器过程上进行了应用，获得了满意的结果，表明所提出的方法能够克服常规操纵序列挖掘的工程应用适应性差、对数据源依赖性强等缺点。