性能 表，從表4可以看出，基于孿生支持向量回歸機(jī)的煮糖結(jié)晶過(guò)程數(shù)據(jù)驅(qū)動(dòng)模型訓(xùn)練所耗的 時(shí)間較少，其中母液過(guò)飽和度作為模型輸出時(shí)，模型訓(xùn)練時(shí)間為〇. 1521s，母液純度作為模 型輸出時(shí)，模型訓(xùn)練時(shí)間為〇. 1323s，表明了基于孿生支持向量回歸機(jī)的煮糖結(jié)晶過(guò)程數(shù)據(jù) 驅(qū)動(dòng)模型具有較好的學(xué)習(xí)效率。
[0297] 在RMSE、MAE、MAPE等性能評(píng)價(jià)指標(biāo)上，基于孿生支持向量回歸機(jī)的煮糖結(jié)晶過(guò)程 數(shù)據(jù)驅(qū)動(dòng)模型均具有較低的值，且具有較低的SSE/SST和較高的R 2, R2值接近1，表明了基 于孿生支持向量回歸機(jī)的煮糖結(jié)晶過(guò)程數(shù)據(jù)驅(qū)動(dòng)模型的學(xué)習(xí)性能不錯(cuò)，擬合優(yōu)度好，適合 用于煮糖結(jié)晶過(guò)程母液過(guò)飽和度和母液純度的預(yù)測(cè)估計(jì)，為煮糖結(jié)晶過(guò)程關(guān)鍵參數(shù)的在線 軟測(cè)量提供一種新的方法。
[0298] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：
[0299] (1)如圖18所示為以母液過(guò)飽和度為模型輸出時(shí)，采用BP(Backpropagation algorithm，反向傳播神經(jīng)網(wǎng)絡(luò)）構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示 意圖，如圖19所示為以母液過(guò)飽和度為模型輸出時(shí)，采用RBF(Radial basis function，徑 向基函數(shù)神經(jīng)網(wǎng)絡(luò)）構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖，如圖20 所示為以母液過(guò)飽和度為模型輸出時(shí)，采用ELM (extreme learning machine，極限學(xué)習(xí)機(jī)） 構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖。
[0300] 如圖21所示為以母液過(guò)飽和度為模型輸出時(shí)，采用SVR(Support Vector Regression，支持向量回歸機(jī)）構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意 圖，如圖22所示為以母液過(guò)飽和度為模型輸出時(shí)，采用LSSVR(最小二乘支持向量回歸機(jī)） 構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖，如圖23所示為以母液過(guò)飽 和度為模型輸出時(shí)，采用TSVR構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意 圖。
[0301] 如圖24所示為以母液純度為模型輸出時(shí)，采用BP構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能 決定系數(shù)大小對(duì)比結(jié)果示意圖，如圖25所示為以母液純度為模型輸出時(shí)，采用RBF構(gòu)建數(shù) 據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖，如圖26所示為以母液純度為模型 輸出時(shí)，采用ELM構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖。
[0302] 如圖27所示為以母液純度為模型輸出時(shí)，采用SVR構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能 決定系數(shù)大小對(duì)比結(jié)果示意圖，如圖28所示為以母液純度為模型輸出時(shí)，采用LSSVR構(gòu)建 數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖，如圖29所示為以母液純度為模 型輸出時(shí)，采用TSVR構(gòu)建數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)性能決定系數(shù)大小對(duì)比結(jié)果示意圖。
[0303] 從圖18-圖29可以看出，基于不同方法構(gòu)建煮糖結(jié)晶過(guò)程數(shù)據(jù)驅(qū)動(dòng)模型的決定系 數(shù)R 2的大小不同。很明顯，本發(fā)明提出的方法具有最高的決定系數(shù)，表明基于孿生支持向 量回歸機(jī)構(gòu)建的煮糖結(jié)晶過(guò)程數(shù)據(jù)驅(qū)動(dòng)模型相比其他方法，具有更高的回歸擬合效果和預(yù) 測(cè)性能。
[0304] (2)如表5所示為以母液過(guò)飽和度為輸出時(shí)，基于不同方法構(gòu)建煮糖結(jié)晶過(guò)程數(shù) 據(jù)驅(qū)動(dòng)模型的性能對(duì)比結(jié)果。
[0305] 如表6所示為以母液純度為輸出時(shí)，基于不同方法構(gòu)建煮糖結(jié)晶過(guò)程數(shù)據(jù)驅(qū)動(dòng)模 型的性能對(duì)比結(jié)果。
[0306]表5
[0307]
[0308]表6
[0309]
[0310] 從表5和表6可以看出，在RMSE、MAE、MAPE、SSE和SSE/SST等性能評(píng)價(jià)指標(biāo)上， 采用不同方法構(gòu)建的數(shù)據(jù)驅(qū)動(dòng)模型的性能評(píng)價(jià)結(jié)果不一樣，BP、RBF、ELM等方法構(gòu)建的數(shù)據(jù) 驅(qū)動(dòng)模型性能相比SVR和LS-SVR等方法構(gòu)建的數(shù)據(jù)驅(qū)動(dòng)模型性能較差，表明基于結(jié)構(gòu)風(fēng)險(xiǎn) 最小化的SVR和LS-SVR的泛化性能要比基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的BP、RBF和ELM的泛化性能 要好，體現(xiàn)SVR和LS-SVR等方法的優(yōu)越性。
[0311] 而本發(fā)明提出的方法相比BP、RBF、ELM、SVR和LS-SVR而言，RMSE、MAE、MAPE和SSE 等性能指標(biāo)值均最小，同時(shí)本發(fā)明提出的方法具有比其他方法更低的SSE/SST和更高的R 2， 表明本發(fā)明所述的方法相比其他方法具有更好的預(yù)測(cè)性能，對(duì)于測(cè)試樣本集具有更好的泛 化性能，體現(xiàn)本發(fā)明所述方法在模型性能上的優(yōu)越性。
[0312] (3)從表5和表6可以看出，在模型學(xué)習(xí)訓(xùn)練的效率上，BP和RBF等方法構(gòu)建的數(shù) 據(jù)驅(qū)動(dòng)的學(xué)習(xí)效率較差，而ELM、SVR和LS-SVR的效率表現(xiàn)較為出色。LS-SVR的學(xué)習(xí)效率 要比SVR的學(xué)習(xí)效率更高，這是因?yàn)長(zhǎng)S-SVR將SVR的二次規(guī)劃求解問(wèn)題轉(zhuǎn)化為求解線性方 程組，大大縮短了模型訓(xùn)練速度。而本發(fā)明提出方法TSVR相比SVR而言，具有更高的學(xué)習(xí) 效率，這是因?yàn)門SVR將原始SVR的二次規(guī)劃求解問(wèn)題轉(zhuǎn)變成兩個(gè)較小規(guī)模的二次規(guī)劃求解 問(wèn)題，且每個(gè)QPP問(wèn)題所包含的約束數(shù)目?jī)H是傳統(tǒng)SVR的一半，使得SVR的模型訓(xùn)練速度大 大提高，理論上計(jì)算復(fù)雜度僅為SVR的1/4,但由于仿真測(cè)試環(huán)境條件的約束限制，TSVR的 實(shí)際學(xué)習(xí)效率雖然沒(méi)有達(dá)到SVR的1/4,但總體而言，學(xué)習(xí)效率已經(jīng)大大高于SVR。
[0313] 本發(fā)明提出方法TSVR的學(xué)習(xí)效率相比LS-SVR而言稍微遜色，這是因?yàn)長(zhǎng)S-SVR將 二次規(guī)劃求解問(wèn)題轉(zhuǎn)化為求解線性方程組，模型訓(xùn)練速度稍高。雖然TSVR的訓(xùn)練速度比 LS-SVR略慢，但兩者相差不大，況且TSVR的模型性能和預(yù)測(cè)效果要比LS-SVR的高，因此，本 發(fā)明提出方法TSVR在模型構(gòu)建速度上具有較高的優(yōu)勢(shì)。
[0314] 實(shí)施例十
[0315] 本發(fā)明還提出了一種用于煮糖結(jié)晶的數(shù)據(jù)測(cè)量裝置，如圖30所示，包括：
[0316] 參數(shù)選擇模塊10,用于選擇構(gòu)建煮糖結(jié)晶過(guò)程中軟測(cè)量數(shù)據(jù)驅(qū)動(dòng)模型的輔助變 量，所述輔助變量為煮糖結(jié)晶過(guò)程中直接在線測(cè)量的狀態(tài)參數(shù)；
[0317] 模型構(gòu)建模塊20,用于將所述輔助變量作為所述數(shù)據(jù)驅(qū)動(dòng)模型的輸入，將母液過(guò) 飽和度、母液純度作為所述數(shù)據(jù)驅(qū)動(dòng)模型的輸出，基于孿生支持向量回歸機(jī)構(gòu)建煮糖結(jié)晶 過(guò)程的數(shù)據(jù)驅(qū)動(dòng)模型；
[0318] 模型評(píng)價(jià)模塊30,用于計(jì)算預(yù)設(shè)的性能評(píng)價(jià)參數(shù)，根據(jù)所述性能評(píng)價(jià)參數(shù)對(duì)所述 數(shù)據(jù)驅(qū)動(dòng)模型的性能進(jìn)行測(cè)試；
[0319] 數(shù)據(jù)測(cè)算模塊40,用于采集實(shí)時(shí)狀態(tài)參數(shù)，根據(jù)所述數(shù)據(jù)驅(qū)動(dòng)模型計(jì)算實(shí)時(shí)母液 過(guò)飽和度、母液純度。
[0320] 還包括：
[0321] 樣本構(gòu)建模塊50,用于根據(jù)所述輸入和所述輸出，構(gòu)建數(shù)據(jù)樣本集；
[0322] 樣本劃分模塊60,用于對(duì)所述數(shù)據(jù)樣本集的輸入進(jìn)行歸一化處理，對(duì)輸出進(jìn)行反 歸一化處理，并將處理后的數(shù)據(jù)樣本集隨機(jī)劃分為訓(xùn)練樣本集和測(cè)試樣本集；
[0323] 參數(shù)尋優(yōu)模塊70,用于根據(jù)所述訓(xùn)練樣本集，基于粒子群優(yōu)化算法和十折交叉驗(yàn) 證方法對(duì)數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行尋優(yōu)處理。
[0324] 本發(fā)明實(shí)施例的用于煮糖結(jié)晶的數(shù)據(jù)測(cè)量裝置具有與其相對(duì)應(yīng)的方法的全部有 益技術(shù)效果。
[0325] 優(yōu)選的，所述直接在線測(cè)量的狀態(tài)參數(shù)包括以下任意一種或幾種：真空度、糖膏溫 度、糖膏液位、蒸汽壓力、蒸汽溫度、入料流量、糖膏錘度。
[0326] 本發(fā)明還提出了一種煮糖結(jié)晶過(guò)程智能集成測(cè)控系統(tǒng)，包括硬件架構(gòu)和軟件架構(gòu) 兩部分。所述硬件架構(gòu)包括現(xiàn)場(chǎng)級(jí)、控制級(jí)和操作級(jí)三個(gè)部分。所述軟件架構(gòu)包括進(jìn)程管理 器、10 Server、數(shù)據(jù)管理調(diào)度單元、監(jiān)視操作調(diào)度單元、數(shù)據(jù)服務(wù)接口和自定義功能組件。 如圖34所示為本發(fā)明所述的煮糖結(jié)晶過(guò)程智能集成測(cè)控系統(tǒng)的軟件架構(gòu)示意圖。
[0327] 所述自定義功能組件包括圖像處理分析組件、智能軟測(cè)量組件、過(guò)程先進(jìn)控制組 件、工藝復(fù)雜計(jì)算組件、事件與報(bào)警組件、過(guò)程分析組件、多維報(bào)表分析組件和數(shù)據(jù)導(dǎo)入導(dǎo) 出組件。本發(fā)明為開(kāi)展煮糖結(jié)晶過(guò)程數(shù)據(jù)驅(qū)動(dòng)建模技術(shù)、混合建模技術(shù)等軟測(cè)量技術(shù)以及 相關(guān)實(shí)用控制策略的應(yīng)用測(cè)試與優(yōu)化提供了良好的研宄平臺(tái)，具有較強(qiáng)的擴(kuò)展能力和通訊 能力、智能化程度高、人機(jī)交互界面友好且易于操作的優(yōu)點(diǎn)。
[0328] 如圖31，本發(fā)明實(shí)施例所述硬件架構(gòu)包括現(xiàn)場(chǎng)級(jí)、控制級(jí)和操作級(jí)三個(gè)部分。所述 現(xiàn)場(chǎng)級(jí)主要包括現(xiàn)場(chǎng)的測(cè)量?jī)x表和執(zhí)行機(jī)構(gòu)，測(cè)量?jī)x表主要對(duì)煮糖結(jié)晶過(guò)程的參數(shù)進(jìn)行在 線直接測(cè)量，執(zhí)行機(jī)構(gòu)負(fù)責(zé)煮糖結(jié)晶過(guò)程的入料、蒸汽、真空和攪拌的調(diào)節(jié)與控制。
[0329] 所述控制級(jí)為下位機(jī)PLC控制系統(tǒng)，主要采用西門子S7系列可編程邏輯控制器及 相關(guān)擴(kuò)展模塊。PLC控制系統(tǒng)對(duì)現(xiàn)場(chǎng)的測(cè)量?jī)x表進(jìn)行集中采集和處理，并負(fù)責(zé)執(zhí)行上位機(jī)的 控制指令，對(duì)執(zhí)行機(jī)構(gòu)進(jìn)行控制。同時(shí)，PLC控制系統(tǒng)負(fù)責(zé)部署煮糖結(jié)晶過(guò)程的實(shí)用控制策 略，實(shí)現(xiàn)相關(guān)工藝流程控制。通過(guò)采用模塊化的設(shè)計(jì)，使得下位機(jī)PLC控制系統(tǒng)具有強(qiáng)大的 擴(kuò)展能力、通訊能力和邏輯運(yùn)算能力。
[0330] 所述操作級(jí)為上位機(jī)監(jiān)控平臺(tái)，主要用于監(jiān)視、操作及控制煮糖結(jié)晶過(guò)程的自動(dòng) 控制操作，通過(guò)以可視化的動(dòng)態(tài)監(jiān)控畫(huà)面、曲線、報(bào)表、報(bào)警等方式展示煮糖結(jié)晶過(guò)程的工 藝流程操作及控制，人機(jī)交互界面友好，同時(shí)還可以進(jìn)行系統(tǒng)組態(tài)和修改自動(dòng)控制系統(tǒng)。
[0331] 本發(fā)明所述軟件架構(gòu)包括進(jìn)程管理器、10 Server、數(shù)據(jù)管理調(diào)度單元、監(jiān)視操作 調(diào)度單元、數(shù)據(jù)服務(wù)接口和自定義功能組件。所述自定義功能組件包括圖像處理分析組件、 智能軟測(cè)量組件、過(guò)程先進(jìn)控制組件、工藝復(fù)雜計(jì)算組件、事件與報(bào)警組件、過(guò)程分析組件、 多維報(bào)表分析組件和數(shù)據(jù)導(dǎo)入導(dǎo)出組件。
[0332] 所述進(jìn)程管理器負(fù)責(zé)對(duì)煮糖結(jié)晶過(guò)程智能集成自動(dòng)控制系統(tǒng)軟件的所有進(jìn)程進(jìn) 行管理，可以自定義添加需要的進(jìn)程或者刪除某一進(jìn)程，統(tǒng)一管理所有進(jìn)程的數(shù)據(jù)通訊和 對(duì)接；所述10 Server集成了多種工業(yè)通用設(shè)備的驅(qū)動(dòng)，如Modbus協(xié)議設(shè)備、PLC設(shè)備，能 夠與大多數(shù)通用工控設(shè)備或者第三方支持0PC規(guī)范的應(yīng)用程序進(jìn)行通訊；所述數(shù)據(jù)管理調(diào) 度單元主要負(fù)責(zé)將煮糖結(jié)晶過(guò)程的海量生產(chǎn)數(shù)據(jù)進(jìn)行存儲(chǔ)、管理與調(diào)度；
[0333] 所述監(jiān)視操作調(diào)度單元是整個(gè)系統(tǒng)的關(guān)鍵與核心，主要負(fù)責(zé)對(duì)系統(tǒng)的流程操作進(jìn) 行管理與調(diào)度，具體包括系統(tǒng)組態(tài)、任務(wù)管理和操作配置等部分，以可視化的動(dòng)態(tài)監(jiān)控畫(huà) 面、曲線、報(bào)表、報(bào)警等方式展示煮糖結(jié)晶過(guò)程的工藝流程操作及控制，人機(jī)交互界面友好； 所述數(shù)據(jù)服務(wù)接口作為自定義組件與監(jiān)視操作調(diào)度單元和數(shù)據(jù)管理調(diào)度單元之間相互通 訊的橋梁，可以支持遠(yuǎn)程訪問(wèn)和本地訪問(wèn)，滿足工業(yè)現(xiàn)場(chǎng)的數(shù)據(jù)服務(wù)調(diào)用需求，常用數(shù)據(jù)服 務(wù)接口形式主要有0PC接口、動(dòng)態(tài)鏈接庫(kù)DLL、DDE接口和API接口；
[0334] 所述圖像處理分析組件負(fù)責(zé)實(shí)時(shí)采集煮糖結(jié)晶過(guò)程的糖膏圖像，通過(guò)對(duì)糖膏圖像 的分析和處理，從中提取糖膏顆粒的數(shù)量、大小、面積等特征信息；所述智能軟測(cè)量組件通 過(guò)結(jié)合機(jī)理建模和數(shù)據(jù)驅(qū)動(dòng)建模方法，實(shí)現(xiàn)對(duì)煮糖結(jié)晶過(guò)程關(guān)鍵參數(shù)的在線軟測(cè)量；所述 過(guò)程先進(jìn)控制組件結(jié)合先進(jìn)控制理論和預(yù)測(cè)控制理論，實(shí)現(xiàn)煮糖結(jié)晶過(guò)程的多變量預(yù)測(cè)控 制和非線性預(yù)測(cè)控制，優(yōu)化煮糖結(jié)晶過(guò)程的控制策略，提高系統(tǒng)的控制性能和穩(wěn)定性；
[0335] 所述工藝復(fù)雜計(jì)算組件負(fù)責(zé)根據(jù)煮糖結(jié)晶過(guò)程的物料情況，計(jì)算各種物料的配比 和使用情況，保證結(jié)晶過(guò)程的物料穩(wěn)定，同時(shí)自適應(yīng)調(diào)