[发明专利]一种PVB树脂产品质量指标预测方法及装置

说明书

本发明公开了一种PVB树脂产品质量指标预测方法及装置，属于人工智能技术领域，用于解决传统PVB树脂质量指标预测方法在准确率、鲁棒性和可拓展性上存在缺陷的技术问题。包括：采集PVB树脂的历史产品工艺数据；对历史产品工艺数据进行数据规范化处理，并剔除无关历史产品工艺数据，得到历史产品工艺数据集；基于BP神经网络以及遗传算法，构建人工智能模型，通过历史产品工艺数据集对人工智能模型进行训练以及优化；将PVB产品化学反应机理模型与训练后的人工智能模型相融合，得到PVB树脂产品质量指标预测模型；将待投产PVB树脂的产品工艺数据输入到PVB树脂产品质量指标预测模型中，得到预测质量指标。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种PVB树脂产品质量指标预测方法及装置。

背景技术

当前，以数据驱动为核心的智能制造技术迎来新的机遇和挑战。PVB树脂是国民经济发展所需的新型功能材料，属于国家支持的战略性新兴产业重点产品。PVB树脂基于化学反应进行合成，生产工艺过程复杂，工艺参数和多维质量指标间的相关性难以线性描述。

针对此难点，已有国内外研究团队开展了相关研究，当前主流方法是通过传统回归计算实现质量指标的预测，计算过程快捷，方便灵活，预测准确性较高。但预测模型的自优化能力不高，当复杂高维工艺参数作为预测数据源时，质量指标预测准确率和性能下降明显，且方法抽象，步骤繁琐，产业化应用推广较难。可见传统PVB树脂质量指标预测方法在可靠性、准确率、鲁棒性和可拓展性等方面仍存在较大提升空间。且质量指标预测方法过于抽象，未通过可视化装置予以支撑，无法沉淀至流程制造行业标准产品，最终对质量指标预测方法落地造成一定影响。

发明内容

本申请实施例提供了一种PVB树脂产品质量指标预测方法及装置，用于解决如下技术问题：传统PVB树脂质量指标预测方法自优化能力较低，在准确率、鲁棒性和可拓展性上存在缺陷。

本申请实施例采用下述技术方案：

一方面，本申请实施例提供了一种PVB树脂产品质量指标预测方法，方法包括：在分散控制系统DCS中采集PVB树脂的历史产品工艺数据；其中，所述历史产品工艺数据包括工艺参数数据以及质量指标数据；对所述历史产品工艺数据进行数据规范化处理，并剔除无关历史产品工艺数据，得到历史产品工艺数据集；基于BP神经网络以及遗传算法，构建人工智能模型，并通过所述历史产品工艺数据集对所述人工智能模型进行训练以及优化；将PVB产品化学反应机理模型与训练后的所述人工智能模型相融合，得到PVB树脂产品质量指标预测模型；将待投产PVB树脂的产品工艺数据输入到所述PVB树脂产品质量指标预测模型中，得到对应的预测质量指标，并根据所述预测质量指标，对所述待投产PVB树脂进行产品评估。

在一种可行的实施方式中，在分散控制系统DCS中采集PVB树脂的历史产品工艺数据，具体包括：建立OPC服务器，并将所述OPC服务器与制造执行系统MES进行对接；将工控机作为数据采集工作站，通过OPC协议以及DCS系统通讯，在分散控制系统DCS中采集PVB树脂的历史产品工艺数据；其中，所述工艺参数数据至少包括聚乙烯醇、乳化剂以及丁醛投料量；所述质量指标数据至少包括羟基含量、水分指标以及熔融指数；将采集到的所述历史产品工艺数据同步至所述制造执行系统MES的PostgresSQL关系数据库中。

在一种可行的实施方式中，通过OPC协议以及DCS系统通讯，在分散控制系统DCS中采集PVB树脂的历史产品工艺数据，具体包括：根据PVB树脂产品的自身特性，将历史产品工艺数据划分为原料数据、投料数据以及反应数据三大类；根据专家先验知识，对每类数据进行质量指标影响程度排序，制定每类数据对应的数据采集策略；根据所述数据采集策略，在分散控制系统DCS中采集对应的历史产品工艺数据。