[发明专利]一种面向流程型制造业的高级过程控制的机器学习系统

说明书

本发明公开了一种面向流程型制造业的高级过程控制的机器学习系统，包括模型库、数据读入和预处理模块、离线训练引擎、模型性能的实时评估组件以及高级过程控制器；本发明可以自动化的实现特征抽取，数据建模，在线控制，实时监控并更新参数等功能，另外该框架还可以帮助用户找到对高级过程控制最有必要的数据项，帮助工厂选择合适的仪表。

技术领域

本发明涉及过程控制中的智能控制领域，具体涉及一种面向流程型制造业的高级过程控制的机器学习系统。

背景技术

在流程型制造业中应用智能控制，可以大大提升智能制造水平，提高生产效率，降低生产成本。现有的高级过程控制(APC)系统往往依赖被控制对象的理想的状态方程模型，或者需要有较强的行业专业知识背景进行对象建模，从而来进行预测式的控制。这种方式对行业的知识储备要求很高，又需要很强的实际场景应变能力。另外，在实际部署应用中，现有的APC解决方案还需要工程师到现场根据实际场景调优参数，随着时间的推移以及机器设备的老化等，这些相关参数还需要不断调整以保证模型的表达能力不会衰减。

另一方面，目前整个流程型制造业的智能化正处于发展阶段，会出现整体信息化水平不高，在线仪表大量缺失或者性能较差的情况；而制造企业自身也不知道如何选择配置必要的仪表进行信息化/智能化改造。如何快速评估在线测量仪表是否必要，合理，精确是另一个影响流程型制造业智能化改造的问题。

发明内容

为了解决上述存在的问题，本发明提供了一种面向流程型制造业的高级过程控制的机器学习系统。

为了实现上述目的，本发明采用以下技术方案：

一种面向流程型制造业的高级过程控制的机器学习系统，包括模型库、数据读入和预处理模块、离线训练引擎、模型性能的实时评估组件以及高级过程控制器；

模型库内置多个适用于流程行业的机器学习模型，

数据读入和预处理模块负责获取数据，并对数据进行预处理；

离线训练引擎挑选模型库中的一个或多个模型以及预处理之后的数据来进行最优模型的寻找和模型参数的训练；

模型性能的实时评估组件能够实时获取现场运行数据并在训练完成之后的模型上进行测试，选取一个实际测试中性能最优的模型进行实际的过程控制；

高级过程控制器利用筛选出来的最优模型以及现场真实运行数据，找到控制变量的最优解，并将该最优解输出送给设备的硬件控制单元。

进一步地，机器学习模型包括但不限于标准线性回归、多项式回归、Lasso回归、局部加权回归、随机森林、梯度上升决策树。

进一步地，所述数据读入和预处理模块从历史数据中读取数据。

进一步地，所述数据读入和预处理模块通过自动激励的方式获取数据。

进一步地，数据读入和预处理模块的预处理方法包括过滤非法数据以及生成高纬度的新数据。

进一步地，离线训练引擎还可以帮助用户发现和最终控制目标相关性最大的多个数据项。

进一步地，当在实际运行过程中发现模型的性能下降或开始下降时，模型性能的实时评估组件负责切换更优的模型或发出系统异常通知。

本发明的有益效果是：

(1)本发明提供了一种面向流程型制造业的高级过程控制的机器学习系统，该框架无需行业的基础背景专业知识，可以自动化的实现特征抽取，数据建模，在线控制，实时监控并更新参数等功能，另外该框架还可以帮助用户找到对高级过程控制最有必要的数据项例如，是否需要在线测量仪表，或者发现哪些数据波动不太正常的数据项，例如，在线仪表性能可能有问题，从而帮助工厂选择合适的仪表，节省硬件改造费用。该框架面向流程型制造业设计，并已经通过了典型试点验证。