[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110609530A - 基于dcs系统边缘实现工况寻优的数据挖掘方法和系统 - Google Patents

基于dcs系统边缘实现工况寻优的数据挖掘方法和系统 Download PDF

Info

Publication number
CN110609530A
CN110609530A CN201910901372.4A CN201910901372A CN110609530A CN 110609530 A CN110609530 A CN 110609530A CN 201910901372 A CN201910901372 A CN 201910901372A CN 110609530 A CN110609530 A CN 110609530A
Authority
CN
China
Prior art keywords
module
logic
air compressor
sft
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910901372.4A
Other languages
English (en)
Other versions
CN110609530B (zh
Inventor
沈志刚
沈娅芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Huaxia International Power Development Co Ltd
Original Assignee
Xiamen Huaxia International Power Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiamen Huaxia International Power Development Co Ltd filed Critical Xiamen Huaxia International Power Development Co Ltd
Priority to CN201910901372.4A priority Critical patent/CN110609530B/zh
Publication of CN110609530A publication Critical patent/CN110609530A/zh
Application granted granted Critical
Publication of CN110609530B publication Critical patent/CN110609530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供基于DCS系统边缘实现工况寻优的数据挖掘方法和系统。本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法，通过DCS系统采集装置采集备择拟合量X的实时变量，并将输入的备择拟合量X与预警决策相关联，从而进行历史数据挖掘和故障检测决策树的构建，达到了不需借助额外的检测装置即可实现分析实时工况的潜在故障的目的；故障检测及时、检测精度高，具有良好的市场应用前景。

Description

基于DCS系统边缘实现工况寻优的数据挖掘方法和系统
技术领域
本发明涉及工业系统故障检测领域，特别涉及基于DCS系统边缘实现工况寻优的数据挖掘方法和系统。
背景技术
在当前的电力、石化等大型工业企业中，伴随着环境、效率等内外诉求的提升，其生产业务系统已发展的极为复杂，且对于精密控制的要求越发严格，DCS控制系统作为大部分工业生产行业领域通用的控制核心，需要不断优化升级适应新要求。
然而，对大型工业如电力生产企业而言，整个热力循环系统涉及极多的压力、温度、料位等采集变量，由于DCS控制系统部分可变编程语言的限制，仅能在邻近时序范围内完成顺序逻辑控制，对于高维变量数据和长时序数据的分析往往是困难的。较常见的作法是划分业务子系统，对整个热力循环系统分段实时分析，这样的分析结果往往是粗糙的，前置系统的分析误差经常会带入后置系统。部分关键业务系统为了消除分析误差经常需要增加变量采集设备，以提升分析控制精确度，但不受限制的增加设备会使生产成本高企，且部分业务系统的高集成度也限制了新设备安装空间，更特殊的一些变量采集设备如实时入炉煤热值在目前还处于低精度技术水平，增加投入实际效果不明显。而对于长周期生产数据的分析多年以来还是依靠人机交互界面，由生产专家通过历史趋势图等工具根据自身经验进行识别分析判断。长期以来，大型工业企业的生产业务数据被认定为缺乏有效挖掘利用的信息孤岛、数据荒漠。
伴随着统计学数据分析与工业领域的融合，开始对工业DCS控制系统的多变量复杂控制问题提供分析帮助。但是上述分析手段需要完成DCS生产数据传输的先期建设投入，这个成本都是以百万元计的，而随着网络安全问题引发大规模停电等社会性事件，关键工业领域的生产业务系统联通外层数据库的安全设施投入成本逐年递增，在日常使用中也受限极多，近年来已基本禁止外层数据分析系统向生产业务系统的反向数据传输。因此基于生产过程数据的二次传输采集并开发专业数据分析的做法，往往是一过性的集中建设，基本上只具备分析提示功能不具备控制功能，欠缺延续性，无法实时多次开发。无法满足在受限于生产业务系统无法增加变量采集设备的情况下对工况故障检测的工业生产要求。
发明内容
为解决上述背景技术中提到的问题，本发明提供基于DCS系统边缘实现工况寻优的数据挖掘方法和系统，其中，基于DCS系统边缘实现工况寻优的数据挖掘方法，所述方法步骤具体如下：
S1、根据生产业务系统、设备的控制需求，分析欠采集工况的备择拟合量X；并通过DCS系统采集装置采集备择拟合量X的实时变量作为输入项；
S2、分析备择拟合量X在生产过程中的受控情况，确认拟合工况造成拟合量变化的各项边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K；
S3、建立训练集，以每次完整的生产过程拟合工况周期变化为一个学习周期，预期备择拟合量X的收敛方向，并估计反向初始值；
S4、在DCS系统中设计迭代学习回路，使每个学习周期内的备择拟合量X经确认集K判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，K判定无效则不学习；
S5、设定DCS系统学习迭代过程的分段限幅区间；初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
S6、在DCS系统学习回路设置中间优值寄存取回分支，以拟合工况单次学习绝对时间判定所述寄存取回分支的学习率λ阈值；
S7、根据拟合工况单次学习绝对时间设置学习率λ终止值，达到阈值终止DCS系统学习迭代，获得备择拟合量X的历史最优值；
S8、利用历史优值建立决策树，分析实时工况的潜在故障，形成DCS系统决策预警及控制回路。
进一步地，所述方法步骤如下：
S1、根据空压机设备的控制需求，分析加载、卸载工况的备择拟合量X，并通过DCS系统采集装置采集的空压机电机电流、空压机趋稳时间作为输入量；
S2、分析空压机电机电流、空压机趋稳时间在生产过程中的受控情况，确认拟合工况造成空压机电机电流、空压机趋稳时间变化的各项边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K；所述确认集K至少包括空压机综合报警S、加载指令Dl、空压机运行信号R、空压机电流质量信号Q、排气压力P1、分离器压力P2、管网压力P3、空压机单机出力M、空压机调节阀位Z、卸载指令Du、空压机加载电流Il、空压机卸载电流Iu；
S3、建立训练集，以每次完整的生产过程拟合工况周期变化为一个学习周期，预期空压机电机电流、空压机趋稳时间的收敛方向，并估计反向初始值；
S4、在DCS系统中设计迭代学习回路，使每个学习周期内的空压机电机电流经第一学习确认系数判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，第一学习确认系数判定无效则不学习；
使每个学习周期内的空压机趋稳时间在经第二学习确认系数判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，第二学习确认系数判定无效则不学习；
S5、设定DCS系统学习迭代过程的分段限幅区间；初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
S6、在DCS系统回路设置中间优值寄存取回分支，以拟合工况单次学习绝对时间判定所述寄存取回分支的学习率λ阈值；
S7、根据拟合工况单次学习绝对时间设置学习率λ终止值，达到阈值终止DCS系统学习迭代，获得备择拟合量X的历史最优值；
S8、利用历史优值建立决策树，分析实时工况的潜在故障，形成DCS系统决策预警及控制回路。
进一步地，空压机加载过程中，所述空压机电机电流为空压机电机加载电流Iln、空压机趋稳时间为空压机加载趋稳时间Tln；
所述步骤S4中所述第一学习确认系数为Kl，Kl的公式如下：
其中：
所述为空压机综合报警S非信号；所述ΔP1为排气压力P1的趋稳确认信号；所述ΔP3为管网压力P3的趋稳确认信号；所述ΔZ为调节阀位趋稳确认信号；所述ΔI为电流趋稳确认信号。
空压机卸载过程中，所述空压机电机电流为空压机电机卸载电流Iun、空压机趋稳时间为空压机卸载趋稳时间Tun；
所述步骤S4中第一学习确认系数为Ku，Ku的公式如下：
其中：
所述为空压机综合报警S非信号；所述ΔP2为分离器压力P2的压力趋稳确认信号；所述ΔI为电流趋稳确认信号。
进一步地，在加载过程中，所述第二学习确认系数为KlT，KlT的公式如下：
其中：所述为空压机综合报警S非信号；R为空压机运行信号；Q为空压机电流质量信号；所述ΔP3为管网压力P3的趋稳确认信号；所述ΔIl为加载电流趋稳确认信号；所述d为加载实时电流与加载电流优选值Il值接近；
在卸载过程中，所述第二学习确认系数为KuT，KuT的公式如下：
其中，所述为空压机综合报警S非信号；R为空压机运行信号；Q为空压机电流质量信号；所述ΔP2为分离器压力P2的压力趋稳确认信号；所述ΔIu为卸载电流趋稳确认信号；所述d为卸载实时电流与加载电流优选值Il值接近。
进一步地，所述分析实时工况的潜在故障，形成DCS系统决策预警的方法步骤如下：
S71、根据空压机加卸载工况学习程度，当空压机加载电流优值学习次数、加载趋稳时间优值学习次数、空压机卸载电流学习次数、卸载趋稳时间优值学习次数达到设定次数时，激活预警决策回路；
S72、输入实时空压机加载电流Iln，空压机卸载电流Iun，加载趋稳时间Tln，卸载趋稳时间Tun，加载电流优选值Il，卸载电流优选值Iu，加载驱稳时间优选值Tl，卸载驱稳时间优选值Tu；
S73、以空压机综合报警S非信号、空压机运行信号R、空压机电流质量信号Q、空压机电流驱稳信号ΔI作为回路决策确认条件KA；
S74、生成ΔIl＝Iln-Il、ΔTl＝Tln-Tl、ΔIu＝Iun-Iu、ΔTu＝Tun-Tu四项差值计算判断分支，并建立若干个判断阈值；
S75、根据上述判断阈值输出正常或异常工况分析信号。
本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法，通过DCS系统采集装置采集备择拟合量X的实时变量，并将输入的备择拟合量X与预警决策相关联，从而进行历史数据挖掘和故障检测决策树的构建，达到了不需借助额外的检测装置即可实现分析实时工况的潜在故障的目的；故障检测及时、检测精度高，具有良好的市场应用前景。
本发明另外提供基于DCS系统边缘实现工况寻优的数据挖掘系统，用于执行如上任意所述的基于DCS系统边缘实现工况寻优的数据挖掘方法，包括加载电流优选拟合模块、加载趋稳时间优选拟合模块、卸载电流优选拟合模块、卸载趋稳时间优选拟合模块和预警模块；其中：
所述加载电流优选拟合模块输出端分别与加载趋稳时间优选拟合模块输入端、预警模块连接；所述加载趋稳时间优选拟合模块输出端与预警模块输入端连接；
所述卸载电流优选拟合模块输出端分别与卸载趋稳时间优选拟合模块输入端、预警模块输入端连接；所述卸载趋稳时间优选拟合模块输出端与、预警模块输入端连接。
进一步地，所述加载电流优选拟合模块和卸载电流优选拟合模块均包括第一SFT切换模块、第三SFT切换模块、第四SFT切换模块、第五SFT切换模块、第六SFT切换模块、第七SFT切换模块、第八SFT切换模块、第九SFT切换模块、第十SFT切换模块、第一DELAY滞后运算模块、第三DELAY滞后运算模块、第一AND逻辑与模块、第一CNT计数功能、第一HLLMT限幅模块、第一HLALM高低限判断模块、第二HLALM高低限判断模块、第三HLALM高低限判断模块、第四HLALM高低限判断模块、第五HLALM高低限判断模块、第六HLALM高低限判断模块、第一TRISEL选择器模块、第一TQ质量判断模块、第一NOT逻辑非模块、第二NOT逻辑非模块、第一ADD加减计算功能块、第五NOT逻辑非模块；
所述第一SFT切换模块输出端与第一DELAY滞后运算模块输入端、第一HLLMT限幅模块输入端连接；所述第一DELAY滞后运算模块输出端、所述第三DELAY滞后运算模块输出端分别与第一AND逻辑与模块输入端连接；所述第一TQ质量判断模块通过第一NOT逻辑非模块与第一AND逻辑与模块连接；、第二NOT逻辑非模块与第一AND逻辑与模块连接；
所述第一AND逻辑与模块输出端分别与第四SFT切换模块输入端、第一CNT计数模块输入端连接；
所述第四SFT切换模块输出端与第一TRISEL选择器模块输入端连接；所述第一HLLMT限幅模块输出端与第四SFT切换模块输入端连接；所述第一TRISEL选择器模块输出端分别与第六SFT切换模块、第七SFT切换模块、第八SFT切换模块、第九SFT切换模块、第十SFT切换模块和第一ADD加减计算功能块连接；
所述第一CNT计数模块输出端分别与第一HLALM高低限判断模块、第二HLALM高低限判断模块、第三HLALM高低限判断模块、第四HLALM高低限判断模块、第五HLALM高低限判断模块和第六HLALM高低限判断模块的输入端连接；所述第一HLALM高低限判断模块输出端依次通过第三SFT切换模块、第一ADD加减计算功能块与所述第一HLLMT限幅模块输入端；第六HLALM高低限判断模块通过第五NOT逻辑非模块与第一AND逻辑与模块输入端连接；
所述第六HLALM高低限判断模块通过第十SFT切换模块与第一SEL模块输入端连接；第五HLALM高低限判断模块通过第九SFT切换模块与第一SEL模块输入端连接；所述第四HLALM高低限判断模块通过第八SFT切换模块与第一SEL模块输入端连接；所述第三HLALM高低限判断模块通过第七SFT切换模块与第一SEL模块输入端连接；所述第二HLALM高低限判断模块通过第六SFT切换模块与第一SEL模块输入端连接；
所述第一SEL模块输出端通过第五SFT切换模块与第一TR I SEL选择器模块输入端连接；
所述加载电流优选拟合模块还包括第二SFT切换模块、第二DELAY滞后运算模块、第四DELAY滞后运算模块、第一NOR逻辑或非模块；所述第二SFT切换模块通过第二DELAY滞后运算模块与第一AND逻辑与模块输入端连接；所述第四DELAY滞后运算模块、第一NOR逻辑或非模块分别与所述第一AND逻辑与模块输入端连接。
进一步地，所述加载趋稳时间优选拟合模块和卸载趋稳时间优选拟合模块均包括第二AND逻辑与模块、第三AND逻辑与模块、第四AND逻辑与模块、第一TSUMD模块、第一DEV偏差比较模块、第一RS触发器模块、第五DELAY滞后运算模块、第六DELAY滞后运算模块、第二CNT计数功能、第七HLALM高低限判断模块、第八HLALM高低限判断模块、第九HLALM高低限判断模块、第十HLALM高低限判断模块、第十一SFT切换模块、第十二SFT切换模块、第十三SFT切换模块、第十四SFT切换模块、第十五SFT切换模块、第十六SFT切换模块、十七SFT切换模块、Add模块、第二HLLMT限幅模块、第二TRI SEL选择器模块、第二SEL模块、第二TQ质量判断模块、第三NOT逻辑非模块、第四NOT逻辑非模块、第二ADD加减计算功能块；
所述第二AND逻辑与模块与第一TSUMD模块置位端连接；所述述加载电流优选拟合模块或卸载电流优选拟合模块与第一DEV偏差比较模块连接；所述第一DEV偏差比较模块依次通过第四AND逻辑与模块、第一RS触发器模块与第一TSUMD模块信号端连接；第一TSUMD模块依次通过第二HLLMT限幅模块、第十一SFT切换模块、第二TRI SEL选择器模块连接；第二TRI SEL选择器模块输出端分别与第十二SFT切换模块、第一Add模块连接；
所述十七SFT切换模块通过第六DELAY滞后运算模块与第三AND逻辑与模块输入端连接；所述第五DELAY滞后运算模块与第三AND逻辑与模块输入端连接；第二TQ质量判断模块通过第三NOT逻辑非模块与第三AND逻辑与模块输入端连接；第四NOT逻辑非模块与第三AND逻辑与模块输入端连接；
第三AND逻辑与模块输出端分别与第四AND逻辑与模块输入端、第二CNT计数功能、第十一SFT切换模块连接；
所述第二CNT计数功能分别与第七HLALM高低限判断模块、第八HLALM高低限判断模块、第九HLALM高低限判断模块、第十HLALM高低限判断模块输入端连接
所述第十HLALM高低限判断模块依次通过、第十三SFT切换模块、第二ADD加减计算功能块与第二HLLMT限幅模块连接；
所述第七HLALM高低限判断模块与第十四SFT切换模块连接；第八HLALM高低限判断模块与第十五SFT切换模块连接；第九HLALM高低限判断模块输出端分别与第一TSUMD模块、第十六SFT切换模块连接；所述第十四SFT切换模块、第十五SFT切换模块、第十六SFT切换模块均通过第二SEL模块与第十二SFT切换模块连接。
进一步地，所述预警模块包括第五AND逻辑与模块、第六AND逻辑与模块、第七AND逻辑与模块、第八AND逻辑与模块、第九AND逻辑与模块、第十AND逻辑与模块、第十一AND逻辑与模块、第十二AND逻辑与模块、第十三AND逻辑与模块、第十四AND逻辑与模块、第十五AND逻辑与模块、第十六AND逻辑与模块、第十七AND逻辑与模块、第二TSUMD模块、第三TSUMD模块、第二RS触发器模块、第三RS触发器模块、第二DEV偏差比较模块、第三DEV偏差比较模块、第四DEV偏差比较功能块、第五DEV偏差比较功能块、第十一HLALM高低限判断模块、第十二HLALM高低限判断模块、第十三HLALM高低限判断模块、第十四HLALM高低限判断模块、第七NOT逻辑非模块、第八NOT逻辑非模块、第九NOT逻辑非模块、第十NOT逻辑非模块；
所述加载电流优选拟合模块、加载趋稳时间优选拟合模块通过所述第十五AND逻辑与模块分别与第二TSUMD模块、第五AND逻辑与模块、第六AND逻辑与模块、第七AND逻辑与模块、第八AND逻辑与模块、第十四AND逻辑与模块连接；
所述卸载电流优选拟合模块、卸载趋稳时间优选拟合模块通过第十六AND逻辑与模块分别与第三TSUMD模块、第九AND逻辑与模块、第十AND逻辑与模块、第十一AND逻辑与模块、第十二AND逻辑与模块、第十三AND逻辑与模块连接；第三TSUMD模块与第三DEV偏差比较模块连接；第三DEV偏差比较模块分别与第十一功能与模块和第十二功能与模块连接；
所述第十七AND逻辑与模块分别与第二RS触发器模块、第五AND逻辑与模块、第十四AND逻辑与模块、第三RS触发器模块连接；第二RS触发器模块与第二TSUMD模块与第二DEV偏差比较模块；所述第二DEV偏差比较模块分别与第七功能与模块和第六功能与模块连接；所述第三RS触发器模块连接与第三TSUMD模块连接；第五AND逻辑与模块与第六AND逻辑与模块军与第一或逻辑模块连接；所述第十AND逻辑与模块、第十一AND逻辑与模块均与第二或逻辑模块连接；
所述第四DEV偏差比较功能块分别与第九NOT逻辑非模块、第十二HLALM高低限判断模块连接、第十四AND逻辑与模块、第五AND逻辑与模块；第九NOT逻辑非模块分别与第六AND逻辑与模块、第七AND逻辑与模块连接；所述第十二HLALM高低限判断模块分别与第五AND逻辑与模块、第八AND逻辑与模块连接；所述第十二HLALM高低限判断模块和第五AND逻辑与模块之间设有第十NOT逻辑非模块；
所述第五DEV偏差比较功能块分别与第十三高低限判断模块、第八NOT逻辑非模块、第九AND逻辑与模块、第十AND逻辑与模块连接；所述第十三高低限判断模块分别与第九AND逻辑与模块、第十三AND逻辑与模块连接；所述第十三高低限判断模块与第九AND逻辑与模块之间设有第七NOT逻辑非模块；所述第八NOT逻辑非模块别与第十一AND逻辑与模块、第十二AND逻辑与模块连接。
本发明另外提供基于DCS系统边缘实现工况寻优的数据挖掘系统，各个模块的连接，实现了将通过DCS系统采集装置采集备择拟合量X的实时变量，并将输入的备择拟合量X与预警决策相关联的目的，解决了现有的DCS系统采集备择拟合量X的实时输入变量难以与预警决策相关联的问题。本发明另外提供基于DCS系统边缘实现工况寻优的数据挖掘系统，故障检测及时、检测精度高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法的框图；
图2为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法的加载优值拟合决策树；
图3为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法的卸载优值拟合决策树；
图4为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法的实时工况决策树；
图5为本发明提供的基基于DCS系统边缘实现工况寻优的数据挖掘系统中的空压机卸载电流优选拟合逻辑图；
图6为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘系统中的空压机卸载趋稳时间优选拟合逻辑图；
图7为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘系统中的空压机加载电流优选拟合逻辑；
图8为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘系统中的空压机加载趋稳时间优选拟合逻辑；
图9为本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘系统中的空压机加、卸载预警决策逻辑图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，“连接”或者“相连”等类似词语并非限定与物理或者机械的连接，而是可以包括电性的连接、光连接等，不管是直接的还是间接的。
本发明提供一种应用于工况检测的数据挖掘方法及DCS系统和应用，其中，应用于工况检测的数据挖掘方法，所述方法步骤具体如下：
S1、根据生产业务系统、设备的控制需求，分析欠采集工况的备择拟合量X；并通过DCS系统采集装置采集备择拟合量X的实时变量作为输入项；
S2、分析备择拟合量X在生产过程中的受控情况，确认拟合工况造成拟合量变化的各项边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K；
S3、建立训练集，以每次完整的生产过程拟合工况周期变化为一个学习周期，预期备择拟合量X的收敛方向，并估计反向初始值；
S4、在DCS系统中设计迭代学习回路，使每个学习周期内的备择拟合量X经确认集K判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，K判定无效则不学习；
S5、设定DCS系统学习迭代过程的分段限幅区间；初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
S6、在DCS系统学习回路设置中间优值寄存取回分支，以拟合工况单次学习绝对时间判定所述寄存取回分支的学习率λ阈值；
S7、根据拟合工况单次学习绝对时间设置学习率λ终止值，达到阈值终止DCS系统学习迭代，获得备择拟合量X的历史最优值；
S8、利用历史优值建立决策树，分析实时工况的潜在故障，形成DCS系统决策预警及控制回路。
具体实施时，在实施例中针对的是较常见的空压机站，设备中一般设计有一套控制加卸载的气动单元，该气动执行单元一般采用2-3个独立电磁阀控制加载、卸载气路通断，并由此实现整个空压机设备的加载压缩做功以及卸载空转。限于当前空压机高度集成化、小型化的趋势，内部气动单元并未设计较多的压力采集元件，无法有效监控加卸载气路元件故障导致的内泄漏，进而造成多数空压机发生以下故障：加载气路堵塞造成空压机无法做功或压缩出力受限，卸载气路堵塞造成分离器无法消压发生呕油，加载气路泄漏造成卸载空转时压缩机进气多余做功，卸载气路泄漏造成加载出力被旁路导致出力下降。
本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法，通过三幅决策树分别完成加载优值拟合、卸载优值拟合以及拟合后的实时工况决策，以下分别为加载优值拟合、卸载优值拟合以及拟合后的实时工况决策的过程，应当指出的是加载电流优选拟合模块、加载趋稳时间优选拟合模块、卸载电流优选拟合模块、卸载趋稳时间优选拟合模块和预警模块均为独立的模块：
一、加载优值拟合：
S1、根据空压机设备的控制需求，分析加载工况的备择拟合量，并通过DCS系统采集装置采集备择拟合量X的实时变量作为输入项，使用空压机加载电机电流、加载趋稳时间作为输入量，设为Iln和Tln；
S2、分析备择拟合量加载过程中的受控情况，列举拟合工况造成Iln和Tln变化的各项学习边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K，包含空压机综合报警S、加载指令Dl、空压机运行信号R、空压机电流质量信号Q、排气压力P1、管网压力P3、空压机单机出力M、空压机调节阀位Z等信号；
S3、建立学习树，以每次完整的空压机加载过程为一个学习周期，预期拟合量Iln和Tln的收敛(优化)方向，估计反向初始极值；
S4、在DCS系统设计加载电流迭代学习回路，使每个学习周期内的拟合量Iln在经第一学习确认系数Kl判定有效后，与已放入数据寄存器堆栈的初始极值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ加1，Kl判定无效则不学习；第一学习确认系数Kl公式为：
Iln迭代学习公式为；
迭代限幅动量ωl公式为：
具体实施时，以空压机运行信号R值为1时激活学习回路，将拟合量Iln经第一SFT切换模块送入第一DELAY滞后运算模块，递进计算10秒内的拟合量Iln变化幅度，变化幅度趋于稳定后送出值为1的电流趋稳确认信号ΔI。空压机调节阀位Z在加载指令Dl值为1时送入第二SFT切换模块，经第二DELAY滞后运算模块，递进计算10秒内的阀位Z变化幅度，变化幅度趋于稳定后送出值为1的调节趋稳确认信号ΔZ；排气压力P1、管网压力P3经第三、第四DELAY滞后运算模块，递进计算10秒内的变化幅度，变化幅度趋于稳定后分别送出值为1的压力趋稳确认信号ΔP1、ΔP3；
空压机站的其他空压机运行信号全部送入第一NOR逻辑或非模块，均为0时送出值为1的单机出力确认信号M；拟合量Iln送入第一TQ质量判断模块，经第一NOT逻辑非模块，无坏质量时送出值为1的空压机电流质量信号Q；空压机综合报警信号S送入第二NOT逻辑非模块，无报警时送出值为1的空压机综合报警非信号；上述7个布尔量信号与加载指令Dl、空压机运行信号R、空压机加载电流学习终止信号Ild共同进入第一AND逻辑与模块，均为1时送出值为1的学习确认信号Kl。学习确认信号Kl送入第一CNT计数模块，累积学习率λ加1，第一SFT切换模块输出至第一HLLMT限幅模块变量引脚的实时拟合量Iln，输出经迭代限幅动量ωl修正的空压机稳定加载电流本次学习拟合量，拟合量进入第四SFT切换模块，经学习确认信号K1激活后送入第一TRISEL选择器模块第一引脚，与第二引脚的初始极值以及第三引脚的收敛下限值经“选中值”后输出为空压机加载电流优选值，第一TRISEL选择器模块输出的加载电流优选值经第五SFT切换模块，送回第一TRISEL选择器模块第二引脚，作为新的迭代极值与下一次学习激活送入第一引脚的新拟合量再次比较选优；
S5、在DCS系统加载电流迭代学习回路设定不同学习期的限幅区间，根据学习率λ切换，切换区间为λ≤10以及λ＞10，总体原则为初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；该步骤中，通过第一CNT计数模块将学习率λ的累加和送入第一HLALM高低限判断模块，判断学习率所处区间并送出0或1的学习率判断布尔量，学习率判断布尔量进入第三SFT切换模块的切换该模块输出的迭代限幅动量，λ≤10时输出ωl1，λ＞10时输出ωl2，迭代限幅动量进入第一ADD加减计算功能块的第二引脚，第一ADD加减计算功能块的第一引脚接收来自第一TRISEL选择器模块输出的加载电流优选值，第一ADD加减计算功能块执行加载电流优选值减去迭代限幅动量后，送入第一HLLMT限幅模块的低限位引脚，对第一SFT切换模块输出至第一HLLMT限幅模块变量引脚的实时拟合量Iln输出执行迭代收敛方向限幅。
S6、在DCS系统加载电流迭代学习回路设置中间优值寄存取回分支，防止学习过程中泛化误差导致的过度拟合，寄存分支的学习率λ阈值根据加载工况单次学习绝对时间判定，设为每10次寄存；该步骤中，通过第一TRISEL选择器模块输出的加载电流优选值同时送入第六、第七、第八、第九、第十SFT切换模块的待激活引脚，同时第一CNT计数模块将学习率λ的累加和送入第二、第三、第四、第五、第六HLALM高低限判断模块，分别判断学习率λ累加和达到10、20、30、40、50后，送出值为1的激活信号至第六、第七、第八、第九、第十SFT切换模块，将此时的加载电流优选值寄存。上述寄存值经第一SEL多输入量选择功能块控制进入第五SFT切换模块的待激活引脚，根据需要可通过第一手操器DMA模块选择其中之一的寄存值经第五SFT切换模块重新送回第一TRISEL选择器模块第二引脚，更换迭代极值。
S7、设置学习率λ达到20次为加载电流拟合次优值，在DCS系统设计加载趋稳时间迭代学习回路，加载趋稳时间Tl计算公式为{Tl＝dT(In→Il)，Dl 0→1}，采用加载电流20次拟合次优值作为判断阈值。使每个学习周期内的拟合量Tln在经第二学习确认系数KT判定有效后，与已放入数据寄存器堆栈的初始极值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ加1，KT判定无效则不学习；第二学习确认系数KT公式为：
Tln迭代学习公式为：迭代限幅动量ξl公式为：该步骤中，通过空压机加载电流拟合学习达20次的判断布尔量与空压机运行信号R共同进入第二AND逻辑与模块，输出为1的布尔量送入第一TSUMD模块置位端激活加载电流驱稳时间拟合学习回路。此时，空压机加载电流Iln与空压机加载电流20次学习拟合优值送入第一DEV偏差比较模块，产生空压机实时加载电流趋近优值的确认信号布尔量dIl；拟合量Iln经第十七SFT切换模块送入第六DELAY滞后运算模块，递进计算10秒内的拟合量Iln变化幅度，变化幅度趋于稳定后送出值为1的电流趋稳确认信号ΔI；拟合量Iln送入第二TQ质量判断模块，经第三NOT逻辑非模块，无坏质量时送出值为1的空压机电流质量信号Q；空压机综合报警信号S送入第四NOT逻辑非模块，无报警时送出值为1的空压机综合报警非信号；管网压力P3经第五DELAY滞后运算模块，递进计算10秒内的变化幅度，变化幅度趋于稳定后分别送出值为1的压力趋稳确认信号ΔP3；与加载指令Dl、空压机运行信号R等两个个信号经过第三AND逻辑与模块判断后生成的空压机加载驱稳时间学习确认信号KT，送入第四AND逻辑与模块判断后送入第一RS触发器模块复位端，与送入第一RS触发器模块置位端的加载指令Dl互置，产生一个加载信号由0变1时持续输出为1的布尔量，在复位端重新获得驱稳确认信号且接近优值时重新变为0的脉冲输出布尔量，此布尔量送入第一TSUMD模块信号端，在第一TSUMD模块置位端激活后计算布尔量值为1的时长；
在第一TSUMD模块置位端激活后计算布尔量值为1的时长，并获得的加载电流驱稳时间输出至第二HLLMT限幅模块变量引脚的实时拟合量Tln，输出经迭代限幅动量ξl修正的空压机加载驱稳时间本次学习拟合量，拟合量进入第十一SFT切换模块，经学习确认信号KT激活后送入第二TRISEL选择器模块第一引脚，与第二引脚的初始极值以及第三引脚的收敛下限值经“选中值”后输出为空压机加载驱稳时间优选值，第二TRISEL选择器模块输出的加载驱稳时间优选值经第十二SFT切换模块，送回第二TRISEL选择器模块第二引脚，作为新的迭代极值与下一次学习激活送入第一引脚的新拟合量再次比较选优。学习确认信号KT送入第二CNT计数模块，累积学习率λ加1。
S8、在DCS系统加载趋稳时间迭代学习回路设定不同学习期的限幅区间，根据学习率λ切换，切换区间为λ≤10以及λ＞10，总体原则为初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；该步骤中通过第二CNT计数模块将学习率λ的累加和送入第十HLALM高低限判断模块，判断学习率所处区间并送出0或1的学习率判断布尔量，学习率判断布尔量进入第十三SFT切换模块的切换该模块输出的迭代限幅动量，λ≤10时输出ξl1，λ＞10时输出ξl2，迭代限幅动量进入第二ADD加减计算功能块的第二引脚，第二ADD加减计算功能块的第一引脚接收来自第二TRISEL选择器模块输出的加载驱稳时间优选值，第二ADD加减计算功能块执行加载驱稳时间优选值减去迭代限幅动量后，送入第二HLLMT限幅模块的低限位引脚，对实时拟合量Tln输出执行迭代收敛方向限幅。
S9、在DCS系统加载趋稳迭代学习回路设置中间优值寄存取回分支，防止学习过程中泛化误差导致的过度拟合，寄存分支的学习率λ阈值根据加载工况单次学习绝对时间判定，设为每10次寄存；该步骤中，通过第二TRISEL选择器模块输出的加载驱稳时间优选值同时送入第十四、第十五、第十六SFT切换模块的待激活引脚，同时第二CNT计数模块将学习率λ的累加和送入第七、第八、第九HLALM高低限判断模块，分别判断学习率λ累加和达到10、20、30后，送出值为1的激活信号至第十四、第十五、第十六SFT切换模块，将此时的加载驱稳时间优选值寄存。上述寄存值经第二SEL多输入量选择功能块控制进入第十二SFT切换模块的待激活引脚，根据需要可通过第二手操器DMA模块选择其中之一的寄存值经第十二SFT切换模块重新送回第二TRISEL选择器模块第二引脚，更换迭代极值；
S10、根据加载工况单次学习绝对时间，设计DCS系统加载电流迭代学习回路学习终止阈值为50次，加载趋稳迭代学习回路学习终止阈值为30次。达到阈值终止学习迭代，获得加载工况直接因变量Il和Tl的历史拟合优值；该步骤中，通过第六HLALM高低限判断模块获得输出为1的学习达有效次数信号，经第五NOT逻辑非模块，闭锁第一AND逻辑与模块；通过第十HLALM高低限判断模块获得输出为1的学习达有效次数信号，送入第一TSUMD模块的复位端，闭锁第一TSUMD模块。
SFT为两输入变量切换模块。
二、卸载优值拟合：
S1、根据空压机设备的控制需求，分析卸载工况的备择拟合量，使用空压机卸载电机电流、卸载趋稳时间作为输入量，设为Iun和Tun；
S2、分析备择拟合量卸载过程中的受控情况，列举拟合工况造成Iun和Tun变化的各项学习边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K，包含空压机综合报警S、卸载指令Du、空压机运行信号R、空压机电流质量信号Q、分离器压力P2等等信号；
S3、建立学习树，以每次完整的空压机卸载过程为一个学习周期，预期拟合量Iun和Tun的收敛(优化)方向，估计反向初始极值；
S4、在DCS系统设计卸载电流迭代学习回路，使每个学习周期内的拟合量Iun在经学习确认系数Ku判定有效后，与已放入数据寄存器堆栈的初始极值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ加1，Ku判定无效则不学习；学习确认系数Ku公式为：
Iun迭代学习公式为：
迭代限幅动量ωu公式为：
该步骤具体实施时，空压机运行信号R值为1时激活学习回路，将拟合量Iun经第一SFT切换模块送入第一DELAY滞后运算模块，递进计算10秒内的拟合量Iun变化幅度，变化幅度趋于稳定后送出值为1的电流趋稳确认信号ΔI；分离器压力P2经第三DELAY滞后运算模块，递进计算10秒内的变化幅度，变化幅度趋于稳定后分别送出值为1的压力趋稳确认信号ΔP2；拟合量Iun送入第一TQ质量判断模块，经第一NOT逻辑非模块，无坏质量时送出值为1的空压机电流质量信号Q；空压机综合报警信号S送入第二NOT逻辑非模块，无报警时送出值为1的空压机综合报警非信号上述4个布尔量信号与卸载指令Du、空压机运行信号R、空压机卸载电流学习终止信号Iud共同进入第一AND逻辑与模块，均为1时送出值为1的学习确认信号Ku；学习确认信号Ku送入第一CNT计数模块，累积学习率λ加1，第一SFT切换模块输出至第一HLLMT限幅模块变量引脚的实时拟合量Iun，输出经迭代限幅动量ωu2修正的空压机稳定卸载电流本次学习拟合量，拟合量进入第四SFT切换模块，经学习确认信号Ku激活后送入第一TRISEL选择器模块第一引脚，与第二引脚的初始极值以及第三引脚的收敛下限值经“选中值”后输出为空压机卸载电流优选值，第一TRISEL选择器模块输出的卸载电流优选值经第五SFT切换模块，送回第一TRISEL选择器模块第二引脚，作为新的迭代极值与下一次学习激活送入第一引脚的新拟合量再次比较选优；
S5、在DCS系统卸载电流迭代学习回路设定不同学习期的限幅区间，根据学习率λ切换，切换区间为λ≤10以及λ＞10，总体原则为初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
该步骤具体实施时，第一CNT计数模块将学习率λ的累加和送入第一HLALM高低限判断模块，判断学习率所处区间并送出0或1的学习率判断布尔量，学习率判断布尔量进入第三SFT切换模块的切换该模块输出的迭代限幅动量，λ≤10时输出ωu1，λ＞10时输出ωu2，迭代限幅动量进入第一ADD加减计算功能块的第二引脚，第一ADD加减计算功能块的第一引脚接收来自第一TRISEL选择器模块输出的卸载电流优选值，第一ADD加减计算功能块执行卸载电流优选值减去迭代限幅动量后，送入第一HLLMT限幅模块的低限位引脚，对第一SFT切换模块输出至第一HLLMT限幅模块变量引脚的实时拟合量Iun输出执行迭代收敛方向限幅；
S6、在DCS系统卸载电流迭代学习回路设置中间优值寄存取回分支，防止学习过程中泛化误差导致的过度拟合，寄存分支的学习率λ阈值根据卸载工况单次学习绝对时间判定，设为每10次寄存；
该步骤具体实施时，第一TRISEL选择器模块输出的卸载电流优选值同时送入第六、第七、第八、第九、第十SFT切换模块的待激活引脚，同时第一CNT计数模块将学习率λ的累加和送入第一、第二、第三、第四、第五、第六HLALM高低限判断模块，分别判断学习率λ累加和达到10、20、30、40、50后，送出值为1的激活信号至第六、第七、第八、第九、第十SFT切换模块，将此时的卸载电流优选值寄存。上述寄存值经第一SEL多输入量选择功能块控制进入第五SFT切换模块的待激活引脚，根据需要可通过第一手操器DMA模块选择其中之一的寄存值经第五SFT切换模块重新送回第一TRISEL选择器模块第二引脚，更换迭代极值；
S7、设置学习率λ达到20次为卸载电流拟合次优值，在DCS系统设计卸载趋稳时间迭代学习回路，卸载趋稳时间Tu计算公式为{Tu＝dT(In→Iu)，Du 0→1}，采用卸载电流20次拟合次优值作为判断阈值；使每个学习周期内的拟合量Tun在经学习确认系数KT判定有效后，与已放入数据寄存器堆栈的初始极值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ加1，KT判定无效则不学习；学习确认系数KT公式为：
Tun迭代学习公式为；迭代限幅动量ξu公式为：该步骤具体实施时，空压机卸载电流拟合学习达20次的判断布尔量与空压机运行信号R共同进入第二AND逻辑与模块，输出为1的布尔量送入第一TSUMD模块置位端激活卸载电流驱稳时间拟合学习回路。此时，空压机卸载电流Iun与空压机卸载电流20次学习拟合优值送入第一DEV偏差比较模块，产生空压机实时卸载电流趋近优值的确认信号布尔量dIu，拟合量Iun经第十七SFT切换模块送入第六DELAY滞后运算模块，递进计算10秒内的拟合量Iun变化幅度，变化幅度趋于稳定后送出值为1的电流趋稳确认信号ΔI；拟合量Iun送入第二TQ质量判断模块，经第三NOT逻辑非模块，无坏质量时送出值为1的空压机电流质量信号Q；空压机综合报警信号S送入第四NOT逻辑非模块，无报警时送出值为1的空压机综合报警非信号；分离器压力P2经第五DELAY滞后运算模块，递进计算10秒内的变化幅度，变化幅度趋于稳定后分别送出值为1的压力趋稳确认信号ΔP2；与卸载指令Du、空压机运行信号R等两个信号经过第三AND逻辑与模块判断后生成的空压机卸载驱稳时间学习确认信号KT，送入第四AND逻辑与模块判断后送入第一RS触发器模块复位端，与送入第一RS触发器模块置位端的卸载指令Du互置，产生一个卸载信号由0变1时持续输出为1的布尔量，在复位端重新获得驱稳确认信号且接近优值时重新变为0的脉冲输出布尔量，此布尔量送入第一TSUMD模块信号端，在第一TSUMD模块置位端激活后计算布尔量值为1的时长。获得的卸载电流驱稳时间输出至第二HLLMT限幅模块变量引脚的实时拟合量Tun，输出经迭代限幅动量ξu修正的空压机卸载驱稳时间本次学习拟合量，拟合量进入第十一SFT切换模块，经学习确认信号KT激活后送入第二TRISEL选择器模块第一引脚，与第二引脚的初始极值以及第三引脚的收敛下限值经“选中值”后输出为空压机卸载驱稳时间优选值，第二TRISEL选择器模块输出的卸载驱稳时间优选值经第十二SFT切换模块，送回第二TRISEL选择器模块第二引脚，作为新的迭代极值与下一次学习激活送入第一引脚的新拟合量再次比较选优。学习确认信号KT送入第二CNT计数模块，累积学习率λ加1；
S8、在DCS系统卸载趋稳时间迭代学习回路设定不同学习期的限幅区间，根据学习率λ切换，切换区间为λ≤10以及λ＞10，总体原则为初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
该步骤中通过第二CNT计数模块将学习率λ的累加和送入第十HLALM高低限判断模块，判断学习率所处区间并送出0或1的学习率判断布尔量，学习率判断布尔量进入第十三SFT切换模块的切换该模块输出的迭代限幅动量，λ≤10时输出ξu1，λ＞10时输出ξu2，迭代限幅动量进入第二ADD加减计算功能块的第二引脚，第二ADD加减计算功能块的第一引脚接收来自第二TRISEL选择器模块输出的卸载驱稳时间优选值，第二ADD加减计算功能块执行卸载驱稳时间优选值减去迭代限幅动量后，送入第二HLLMT限幅模块的低限位引脚，对实时拟合量Tun输出执行迭代收敛方向限幅；
S9、在DCS系统卸载趋稳迭代学习回路设置中间优值寄存取回分支，防止学习过程中泛化误差导致的过度拟合，寄存分支的学习率λ阈值根据卸载工况单次学习绝对时间判定，设为每10次寄存；
该步骤中，通过第二TRISEL选择器模块输出的卸载驱稳时间优选值同时送入第十四、第十五、第十六SFT切换模块的待激活引脚，同时第二CNT计数模块将学习率λ的累加和送入第七、第八、第九HLALM高低限判断模块，分别判断学习率λ累加和达到10、20、30后，送出值为1的激活信号至第十四、第十五、第十六SFT切换模块，将此时的卸载驱稳时间优选值寄存。上述寄存值经第二SEL多输入量选择功能块控制进入第十二SFT切换模块的待激活引脚，根据需要可通过第二手操器DMA模块选择其中之一的寄存值经第十二SFT切换模块重新送回第二TRISEL选择器模块第二引脚，更换迭代极值；
S10、根据卸载工况单次学习绝对时间，设计DCS系统卸载电流迭代学习回路学习终止阈值为50次，卸载趋稳迭代学习回路学习终止阈值为30次。达到阈值终止学习迭代，获得卸载工况直接因变量Iu和Tu的历史拟合优值。
该步骤中，通过第九HLALM高低限判断模块获得输出为1的学习达有效次数信号，送入第一TSUMD模块的复位端，闭锁第一TSUMD模块。
三、实时工况预警决策：
S701、根据空压机加卸载工况学习程度，以空压机加载电流优值学习达到50次、加载趋稳时间优值学习达到30次、空压机卸载电流优值学习达到50次、卸载趋稳时间优值学习达到30次、空压机运行信号R、加载指令Dl、卸载指令Du等信号作为预警决策回路激活信号；
该步骤具体实施时，空压机加载电流优值学习达到50次、加载趋稳时间优值学习达到30次的判断布尔量接入第十五AND逻辑与模块，与一起进入的空压机运行信号R、加载指令Dl均为1时输出值为1的预警决策加载支路激活信号，该信号接入第二TSUMD模块置位端，以及第五、第六、第七、第八、第十四AND逻辑与模块。
空压机卸载电流优值学习达到50次、卸载趋稳时间优值学习达到30次的判断布尔量接入第十六AND逻辑与模块，与一起进入的空压机运行信号R、卸载指令Du均为1时输出值为1的预警决策卸载支路激活信号，该信号接入第三TSUMD模块置位端，以及第九、第十、第十一、第十二、第十三AND逻辑与模块；
S702、输入空压机加载指令Dl，空压机加载电流Tln，空压机卸载电流Iun，加载趋稳时间Tln，卸载趋稳时间Tun，加载电流优选值Il，卸载指令Du，卸载电流优选值Iu，加载驱稳时间优选值Tl，卸载驱稳时间优选值Tu；
该步骤具体实施时，空压机加载电流Iln、加载电流优选值Il分别进入第四DEV偏差比较功能块的输入引脚1、输入引脚2。空压机卸载电流Iun、卸载电流优选值Iu分别进入第五DEV偏差比较功能块的输入引脚1、输入引脚2。加载驱稳时间优选值Tl进入第二DEV偏差比较功能块的输入引脚2，卸载驱稳时间优选值Tu进入第三DEV偏差比较功能块的输入引脚2。加载指令Dl进入第二RS触发器功能块置位端，第十七AND逻辑与功能块输出信号进入第二RS触发器功能块复位端，第二RS触发器功能块输出端接至第二TSUMD功能块信号端，第二TSUMD功能块输出端获得加载趋稳时间Tln，进入第二DEV偏差比较功能块的输入引脚1。卸载指令Du进入第三RS触发器功能块置位端，第十七AND逻辑与功能块输出信号进入第三RS触发器功能块复位端，第三RS触发器功能块输出端接至第三TSUMD功能块信号端，第三TSUMD功能块输出端获得卸载趋稳时间Tun，进入第三DEV偏差比较功能块的输入引脚1；
S703、采用空压机综合报警S非信号，空压机电流质量信号Q，空压机电流驱稳信号ΔI作为回路决策确认条件KA；
该步骤具体实施时，空压机综合报警S经过第六NOT非逻辑模块，与空压机电流质量信号Q、空压机电流驱稳信号ΔI共同进入第十七AND逻辑与模块，均为1时送出值为1的回路决策确认信号KA，回路决策确认信号KA分别进入前述第二、第三RS触发器模块复位端，以及第八、第五、第十四、第九、第十、第十三AND逻辑与模块；
S704、生成ΔIl＝Iln-Il、ΔTl＝Tln-Tl、ΔIu＝Iun-Iu、ΔTu＝Tun-Tu四项差值计算判断分支，建立四类共10个判断阈值；
该步骤具体实施时，由第二DEV偏差比较模块计算ΔIl，第三DEV偏差比较模块计算ΔIu，第四DEV偏差比较模块计算ΔTl，第五DEV偏差比较模块计算ΔTu。第五DEV偏差比较模块偏差越限D输出端经过第八NOT非逻辑模块，进入第十一、第十二AND逻辑与模块，第五DEV偏差比较模块偏差越限D1输出端接入第九AND逻辑与模块，第二DEV偏差比较模块偏差越限D2输出端接入第十AND逻辑与模块，第五DEV偏差比较模块偏差Y输出端接入第十三HLALM高低限判断模块，第十三HLALM高低限判断模块D2低限输出端接入第七NOT非逻辑模块、第十三AND逻辑与模块；第七NOT非逻辑模块接入第九AND逻辑与模块。第三DEV偏差比较模块偏差越限D1输出端接入第十二AND逻辑与模块，第三DEV偏差比较模块偏差越限D2输出端接入第十一AND逻辑与模块。第四DEV偏差比较模块偏差越限D输出端经过第九NOT非逻辑模块，进入第六、第七AND逻辑与模块，第四DEV偏差比较模块偏差越限D1输出端接入第十四AND逻辑与模块，第四DEV偏差比较模块偏差越限D2输出端接入第五AND逻辑与模块，第四DEV偏差比较模块偏差Y输出端接入第十二HLALM高低限判断模块，第十二HLALM高低限判断模块D2低限输出端接入第十NOT非逻辑模块、第八AND逻辑与模块，第十NOT非逻辑模块接入第五AND逻辑与模块。第二DEV偏差比较模块偏差越限D1输出端接入第七AND逻辑与模块，第二DEV偏差比较模块偏差越限D2输出端接入第六AND逻辑与模块。
S705、输出加载正常、卸载正常、更新加载拟合值、更新卸载拟合值、出力异常增大、加载缓慢、加载堵塞、卸载效率下降、卸载缓慢、卸载堵塞等10类工况分析信号。
该步骤具体实施时，加载正常、卸载正常信号隐含不输出。由第五、第六AND逻辑与模块输出端分别引出信号至第一OR逻辑或模块，输出更新加载拟合值信号，由第十四AND逻辑与模块输出出力异常增大信号，由第七AND逻辑与模块输出加载缓慢信号，由第八AND逻辑与模块输出加载堵塞信号。由第十、第十一AND逻辑与模块输出端分别引出信号至第二OR逻辑或模块，输出更新卸载拟合值信号，由第九AND逻辑与模块输出卸载效率下降信号，由第十二AND逻辑与模块输出卸载缓慢信号，由第十三AND逻辑与模块输出卸载堵塞信号。
本发明另外提供基于DCS系统边缘实现工况寻优的数据挖掘系统，各个模块的连接，实现了将通过DCS系统采集装置采集备择拟合量X的实时变量，并将输入的备择拟合量X与预警决策相关联的目的，解决了现有的DCS系统采集备择拟合量X的实时输入变量难以与预警决策相关联的问题。本发明另外提供基于DCS系统边缘实现工况寻优的数据挖掘系统，故障检测及时、检测精度高。
当然，上述如AND逻辑、OR逻辑或模块等模块也可采用现有的有二极管、三极管等元器件。
较佳地，所述AND逻辑、OR逻辑或模块等模块可由半导体或二极管材料制成。
为检验本发明提供的方法在实际中的应用，在空压机站中的四台空压机上进行试验，空压机编号分别为#1、#2、#3和#4；各空压机在采用本发明提供的工况检测方法实施15天后，空压机站已获得收敛的4项拟合优值，经代入故障预警决策回路后，先后发现#1空压机卸载电磁阀内泄漏及#3空压机卸载电磁阀堵塞，有效降低#1空压机空载电流40A，消除#3空压机长期近空载运行状态，使其恢复单机带载能力，正常管网负荷情况下减少1台空压机投运，从而大大节省了厂用电量。
并且，通过采用本发明提供的方法，还发现新采购的空压机的电磁阀存在线圈吸合力不足的质量缺陷，该缺陷通过常规手段无法检测，但在安装后的卸载试验时经卸载拟合优值决策，分析出了卸载缓慢、出力不足的问题，可避免直接的经济损失。
本发明提供的基于DCS系统边缘实现工况寻优的数据挖掘方法，通过DCS系统采集装置采集备择拟合量X的实时变量，并将输入的备择拟合量X与预警决策相关联，从而进行历史数据挖掘和故障检测决策树的构建，达到了不需借助额外的检测装置即可实现分析实时工况的潜在故障的目的；故障检测及时、检测精度高，具有良好的市场应用前景。
尽管本文中较多的使用了诸如空压机、决策树、迭代学习回路等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；即在有限变量的生产业务系统中均可采用上述方法，经由变量相关性改变训练集、确认集、权值、决策树函数等，以本方法实现关键权值的历史寻优与控制优化，而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.基于DCS系统边缘实现工况寻优的数据挖掘方法，其特征在于：所述方法步骤具体如下：
S1、根据生产业务系统、设备的控制需求，分析欠采集工况的备择拟合量X；并通过DCS系统采集装置采集备择拟合量X的实时变量作为输入项；
S2、分析备择拟合量X在生产过程中的受控情况，确认拟合工况造成拟合量变化的各项边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K；
S3、建立训练集，以每次完整的生产过程拟合工况周期变化为一个学习周期，预期备择拟合量X的收敛方向，并估计反向初始值；
S4、在DCS系统中设计迭代学习回路，使每个学习周期内的备择拟合量X经确认集K判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，K判定无效则不学习；
S5、设定DCS系统学习迭代过程的分段限幅区间；初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
S6、在DCS系统学习回路设置中间优值寄存取回分支，以拟合工况单次学习绝对时间判定所述寄存取回分支的学习率λ阈值；
S7、根据拟合工况单次学习绝对时间设置学习率λ终止值，达到阈值终止DCS系统学习迭代，获得备择拟合量X的历史最优值；
S8、利用历史优值建立决策树，分析实时工况的潜在故障，形成DCS系统决策预警及控制回路。
2.基于DCS系统边缘实现工况寻优的数据挖掘方法，其特征在于：所述方法步骤如下：
S1、根据空压机设备的控制需求，分析加载、卸载工况的备择拟合量X，并通过DCS系统采集装置采集的空压机电机电流、空压机趋稳时间作为输入量；
S2、分析空压机电机电流、空压机趋稳时间在生产过程中的受控情况，确认拟合工况造成空压机电机电流、空压机趋稳时间变化的各项边界条件，通过DCS系统采集装置对各项边界条件进行实时采集和/或二次处理形成确认集K；所述确认集K至少包括空压机综合报警S、加载指令Dl、空压机运行信号R、空压机电流质量信号Q、排气压力P1、分离器压力P2、管网压力P3、空压机单机出力M、空压机调节阀位Z、卸载指令Du、空压机加载电流Il、空压机卸载电流Iu；
S3、建立训练集，以每次完整的生产过程拟合工况周期变化为一个学习周期，预期空压机电机电流、空压机趋稳时间的收敛方向，并估计反向初始值；
S4、在DCS系统中设计迭代学习回路，使每个学习周期内的空压机电机电流经第一学习确认系数判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，第一学习确认系数判定无效则不学习；
使每个学习周期内的空压机趋稳时间在经第二学习确认系数判定有效后，与初始估计值进行收敛方向的择优，择优值寄存为中间优值，并累积学习率λ，第二学习确认系数判定无效则不学习；
S5、设定DCS系统学习迭代过程的分段限幅区间；初始学习期大幅迭代，中后期缩小限幅阈值精细迭代；
S6、在DCS系统回路设置中间优值寄存取回分支，以拟合工况单次学习绝对时间判定所述寄存取回分支的学习率λ阈值；
S7、根据拟合工况单次学习绝对时间设置学习率λ终止值，达到阈值终止DCS系统学习迭代，获得备择拟合量X的历史最优值；
S8、利用历史优值建立决策树，分析实时工况的潜在故障，形成DCS系统决策预警及控制回路。
3.根据权利要求2所述的基于DCS系统边缘实现工况寻优的数据挖掘方法，其特征在于：空压机加载过程中，所述空压机电机电流为空压机电机加载电流Iln、空压机趋稳时间为空压机加载趋稳时间Tln；
所述步骤S4中所述第一学习确认系数为Kl，Kl的公式如下：
其中:
所述为空压机综合报警S非信号；所述ΔP1为排气压力P1的趋稳确认信号；所述ΔP3为管网压力P3的趋稳确认信号；所述ΔZ为调节阀位趋稳确认信号；所述ΔI为电流趋稳确认信号。
空压机卸载过程中，所述空压机电机电流为空压机电机卸载电流Iun、空压机趋稳时间为空压机卸载趋稳时间Tun；
所述步骤S4中第一学习确认系数为Ku，Ku的公式如下：
其中：
所述为空压机综合报警S非信号；所述ΔP2为分离器压力P2的压力趋稳确认信号；所述ΔI为电流趋稳确认信号。
4.根据权利要求3所述的基于DCS系统边缘实现工况寻优的数据挖掘方法，其特征在于：
在加载过程中，所述第二学习确认系数为KlT，KlT的公式如下：
其中：所述为空压机综合报警S非信号；R为空压机运行信号；Q为空压机电流质量信号；所述ΔP3为管网压力P3的趋稳确认信号；所述ΔI为电流趋稳确认信号；所述dIl为加载实时电流与加载电流优选值Il值接近；
在卸载过程中，所述第二学习确认系数为KuT，KuT的公式如下：
其中，所述为空压机综合报警S非信号；R为空压机运行信号；Q为空压机电流质量信号；所述ΔP2为分离器压力P2的压力趋稳确认信号；所述ΔI为电流趋稳确认信号；所述dIu为卸载实时电流与加载电流优选值Iu值接近。
5.根据权利要求2所述的基于DCS系统边缘实现工况寻优的数据挖掘方法，其特征在于：所述分析实时工况的潜在故障，形成DCS系统决策预警的方法步骤如下：
S71、根据空压机加卸载工况学习程度，当空压机加载电流优值学习次数、加载趋稳时间优值学习次数、空压机卸载电流学习次数、卸载趋稳时间优值学习次数达到设定次数时，激活预警决策回路；
S72、输入实时空压机加载电流Iln，空压机卸载电流Iun，加载趋稳时间Tln,卸载趋稳时间Tun，加载电流优选值Il，卸载电流优选值Iu，加载驱稳时间优选值Tl，卸载驱稳时间优选值Tu；
S73、以空压机综合报警S非信号、空压机运行信号R、空压机电流质量信号Q、空压机电流驱稳信号ΔI作为回路决策确认条件KA；
S74、生成ΔIl＝Iln-Il、ΔTl＝Tln-Tl、ΔIu＝Iun-Iu、ΔTu＝Tun-Tu四项差值计算判断分支，并建立若干个判断阈值；
S75、根据上述判断阈值输出正常或异常工况分析信号。
6.基于DCS系统边缘实现工况寻优的数据挖掘系统，用于执行如权利要求2-5任一项所述的基于DCS系统边缘实现工况寻优的数据挖掘方法，其特征在于：包括加载电流优选拟合模块、加载趋稳时间优选拟合模块、卸载电流优选拟合模块、卸载趋稳时间优选拟合模块和预警模块；其中：
所述加载电流优选拟合模块输出端分别与加载趋稳时间优选拟合模块输入端、预警模块连接；所述加载趋稳时间优选拟合模块输出端与预警模块输入端连接；
所述卸载电流优选拟合模块输出端分别与卸载趋稳时间优选拟合模块输入端、预警模块输入端连接；所述卸载趋稳时间优选拟合模块输出端与、预警模块输入端连接。
7.根据权利要求6所述的基于DCS系统边缘实现工况寻优的数据挖掘系统，其特征在于：所述加载电流优选拟合模块和卸载电流优选拟合模块均包括第一SFT切换模块、第三SFT切换模块、第四SFT切换模块、第五SFT切换模块、第六SFT切换模块、第七SFT切换模块、第八SFT切换模块、第九SFT切换模块、第十SFT切换模块、第一DELAY滞后运算模块、第三DELAY滞后运算模块、第一AND逻辑与模块、第一CNT计数功能、第一HLLMT限幅模块、第一HLALM高低限判断模块、第二HLALM高低限判断模块、第三HLALM高低限判断模块、第四HLALM高低限判断模块、第五HLALM高低限判断模块、第六HLALM高低限判断模块、第一TRISEL选择器模块、第一TQ质量判断模块、第一NOT逻辑非模块、第二NOT逻辑非模块、第一ADD加减计算功能块、第五NOT逻辑非模块；
所述第一SFT切换模块输出端与第一DELAY滞后运算模块输入端、第一HLLMT限幅模块输入端连接；所述第一DELAY滞后运算模块输出端、所述第三DELAY滞后运算模块输出端分别与第一AND逻辑与模块输入端连接；所述第一TQ质量判断模块通过第一NOT逻辑非模块与第一AND逻辑与模块连接；、第二NOT逻辑非模块与第一AND逻辑与模块连接；
所述第一AND逻辑与模块输出端分别与第四SFT切换模块输入端、第一CNT计数模块输入端连接；
所述第四SFT切换模块输出端与第一TRISEL选择器模块输入端连接；所述第一HLLMT限幅模块输出端与第四SFT切换模块输入端连接；所述第一TRISEL选择器模块输出端分别与第六SFT切换模块、第七SFT切换模块、第八SFT切换模块、第九SFT切换模块、第十SFT切换模块和第一ADD加减计算功能块连接；
所述第一CNT计数模块输出端分别与第一HLALM高低限判断模块、第二HLALM高低限判断模块、第三HLALM高低限判断模块、第四HLALM高低限判断模块、第五HLALM高低限判断模块和第六HLALM高低限判断模块的输入端连接；所述第一HLALM高低限判断模块输出端依次通过第三SFT切换模块、第一ADD加减计算功能块与所述第一HLLMT限幅模块输入端；第六HLALM高低限判断模块通过第五NOT逻辑非模块与第一AND逻辑与模块输入端连接；
所述第六HLALM高低限判断模块通过第十SFT切换模块与第一SEL模块输入端连接；第五HLALM高低限判断模块通过第九SFT切换模块与第一SEL模块输入端连接；所述第四HLALM高低限判断模块通过第八SFT切换模块与第一SEL模块输入端连接；所述第三HLALM高低限判断模块通过第七SFT切换模块与第一SEL模块输入端连接；所述第二HLALM高低限判断模块通过第六SFT切换模块与第一SEL模块输入端连接；
所述第一SEL模块输出端通过第五SFT切换模块与第一TRISEL选择器模块输入端连接；
所述加载电流优选拟合模块还包括第二SFT切换模块、第二DELAY滞后运算模块、第四DELAY滞后运算模块、第一NOR逻辑或非模块；所述第二SFT切换模块通过第二DELAY滞后运算模块与第一AND逻辑与模块输入端连接；所述第四DELAY滞后运算模块、第一NOR逻辑或非模块分别与所述第一AND逻辑与模块输入端连接。
8.根据权利要求6所述的基于DCS系统边缘实现工况寻优的数据挖掘系统，其特征在于：所述加载趋稳时间优选拟合模块和卸载趋稳时间优选拟合模块均包括第二AND逻辑与模块、第三AND逻辑与模块、第四AND逻辑与模块、第一TSUMD模块、第一DEV偏差比较模块、第一RS触发器模块、第五DELAY滞后运算模块、第六DELAY滞后运算模块、第二CNT计数功能、第七HLALM高低限判断模块、第八HLALM高低限判断模块、第九HLALM高低限判断模块、第十HLALM高低限判断模块、第十一SFT切换模块、第十二SFT切换模块、第十三SFT切换模块、第十四SFT切换模块、第十五SFT切换模块、第十六SFT切换模块、十七SFT切换模块、Add模块、第二HLLMT限幅模块、第二TRISEL选择器模块、第二SEL模块、第二TQ质量判断模块、第三NOT逻辑非模块、第四NOT逻辑非模块、第二ADD加减计算功能块；
所述第二AND逻辑与模块与第一TSUMD模块置位端连接；所述述加载电流优选拟合模块或卸载电流优选拟合模块与第一DEV偏差比较模块连接；所述第一DEV偏差比较模块依次通过第四AND逻辑与模块、第一RS触发器模块与第一TSUMD模块信号端连接；第一TSUMD模块依次通过第二HLLMT限幅模块、第十一SFT切换模块、第二TRISEL选择器模块连接；第二TRISEL选择器模块输出端分别与第十二SFT切换模块、第一Add模块连接；
所述十七SFT切换模块通过第六DELAY滞后运算模块与第三AND逻辑与模块输入端连接；所述第五DELAY滞后运算模块与第三AND逻辑与模块输入端连接；第二TQ质量判断模块通过第三NOT逻辑非模块与第三AND逻辑与模块输入端连接；第四NOT逻辑非模块与第三AND逻辑与模块输入端连接；
第三AND逻辑与模块输出端分别与第四AND逻辑与模块输入端、第二CNT计数功能、第十一SFT切换模块连接；
所述第二CNT计数功能分别与第七HLALM高低限判断模块、第八HLALM高低限判断模块、第九HLALM高低限判断模块、第十HLALM高低限判断模块输入端连接
所述第十HLALM高低限判断模块依次通过、第十三SFT切换模块、第二ADD加减计算功能块与第二HLLMT限幅模块连接；
所述第七HLALM高低限判断模块与第十四SFT切换模块连接；第八HLALM高低限判断模块与第十五SFT切换模块连接；第九HLALM高低限判断模块输出端分别与第一TSUMD模块、第十六SFT切换模块连接；所述第十四SFT切换模块、第十五SFT切换模块、第十六SFT切换模块均通过第二SEL模块与第十二SFT切换模块连接。
9.根据权利要求6所述的基于DCS系统边缘实现工况寻优的数据挖掘系统，其特征在于：所述预警模块包括第五AND逻辑与模块、第六AND逻辑与模块、第七AND逻辑与模块、第八AND逻辑与模块、第九AND逻辑与模块、第十AND逻辑与模块、第十一AND逻辑与模块、第十二AND逻辑与模块、第十三AND逻辑与模块、第十四AND逻辑与模块、第十五AND逻辑与模块、第十六AND逻辑与模块、第十七AND逻辑与模块、第二TSUMD模块、第三TSUMD模块、第二RS触发器模块、第三RS触发器模块、第二DEV偏差比较模块、第三DEV偏差比较模块、第四DEV偏差比较功能块、第五DEV偏差比较功能块、第十一HLALM高低限判断模块、第十二HLALM高低限判断模块、第十三HLALM高低限判断模块、第十四HLALM高低限判断模块、第七NOT逻辑非模块、第八NOT逻辑非模块、第九NOT逻辑非模块、第十NOT逻辑非模块；
所述加载电流优选拟合模块、加载趋稳时间优选拟合模块通过所述第十五AND逻辑与模块分别与第二TSUMD模块、第五AND逻辑与模块、第六AND逻辑与模块、第七AND逻辑与模块、第八AND逻辑与模块、第十四AND逻辑与模块连接；
所述卸载电流优选拟合模块、卸载趋稳时间优选拟合模块通过第十六AND逻辑与模块分别与第三TSUMD模块、第九AND逻辑与模块、第十AND逻辑与模块、第十一AND逻辑与模块、第十二AND逻辑与模块、第十三AND逻辑与模块连接；第三TSUMD模块与第三DEV偏差比较模块连接；第三DEV偏差比较模块分别与第十一功能与模块和第十二功能与模块连接；
所述第十七AND逻辑与模块分别与第二RS触发器模块、第五AND逻辑与模块、第十四AND逻辑与模块、第三RS触发器模块连接；第二RS触发器模块与第二TSUMD模块与第二DEV偏差比较模块；所述第二DEV偏差比较模块分别与第七功能与模块和第六功能与模块连接；所述第三RS触发器模块连接与第三TSUMD模块连接；第五AND逻辑与模块与第六AND逻辑与模块军与第一或逻辑模块连接；所述第十AND逻辑与模块、第十一AND逻辑与模块均与第二或逻辑模块连接；
所述第四DEV偏差比较功能块分别与第九NOT逻辑非模块、第十二HLALM高低限判断模块连接、第十四AND逻辑与模块、第五AND逻辑与模块；第九NOT逻辑非模块分别与第六AND逻辑与模块、第七AND逻辑与模块连接；所述第十二HLALM高低限判断模块分别与第五AND逻辑与模块、第八AND逻辑与模块连接；所述第十二HLALM高低限判断模块和第五AND逻辑与模块之间设有第十NOT逻辑非模块；
所述第五DEV偏差比较功能块分别与第十三高低限判断模块、第八NOT逻辑非模块、第九AND逻辑与模块、第十AND逻辑与模块连接；所述第十三高低限判断模块分别与第九AND逻辑与模块、第十三AND逻辑与模块连接；所述第十三高低限判断模块与第九AND逻辑与模块之间设有第七NOT逻辑非模块；所述第八NOT逻辑非模块别与第十一AND逻辑与模块、第十二AND逻辑与模块连接。
CN201910901372.4A 2019-09-23 2019-09-23 基于dcs系统边缘实现工况寻优的数据挖掘方法和系统 Active CN110609530B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910901372.4A CN110609530B (zh) 2019-09-23 2019-09-23 基于dcs系统边缘实现工况寻优的数据挖掘方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910901372.4A CN110609530B (zh) 2019-09-23 2019-09-23 基于dcs系统边缘实现工况寻优的数据挖掘方法和系统

Publications (2)

Publication Number Publication Date
CN110609530A true CN110609530A (zh) 2019-12-24
CN110609530B CN110609530B (zh) 2020-09-04

Family

ID=68892098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910901372.4A Active CN110609530B (zh) 2019-09-23 2019-09-23 基于dcs系统边缘实现工况寻优的数据挖掘方法和系统

Country Status (1)

Country Link
CN (1) CN110609530B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104635684A (zh) * 2014-12-25 2015-05-20 冶金自动化研究设计院 一种空压机集群优化控制系统
CN108681248A (zh) * 2018-05-14 2018-10-19 浙江大学 一种参数最优的自主学习故障诊断系统
CN109145948A (zh) * 2018-07-18 2019-01-04 宁波沙塔信息技术有限公司 一种基于集成学习的注塑机堵料异常检测方法
CN109459993A (zh) * 2018-12-06 2019-03-12 湖南师范大学 一种流程工业过程在线自适应故障监测与诊断方法
CN109524139A (zh) * 2018-10-23 2019-03-26 中核核电运行管理有限公司 一种基于设备工况变化的实时设备性能监测方法
CN109871865A (zh) * 2019-01-08 2019-06-11 浙江大学 一种基于群智能寻优的采煤机在线故障诊断系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104635684A (zh) * 2014-12-25 2015-05-20 冶金自动化研究设计院 一种空压机集群优化控制系统
CN108681248A (zh) * 2018-05-14 2018-10-19 浙江大学 一种参数最优的自主学习故障诊断系统
CN109145948A (zh) * 2018-07-18 2019-01-04 宁波沙塔信息技术有限公司 一种基于集成学习的注塑机堵料异常检测方法
CN109524139A (zh) * 2018-10-23 2019-03-26 中核核电运行管理有限公司 一种基于设备工况变化的实时设备性能监测方法
CN109459993A (zh) * 2018-12-06 2019-03-12 湖南师范大学 一种流程工业过程在线自适应故障监测与诊断方法
CN109871865A (zh) * 2019-01-08 2019-06-11 浙江大学 一种基于群智能寻优的采煤机在线故障诊断系统

Also Published As

Publication number Publication date
CN110609530B (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
Ko et al. Assessment of achievable PI control performance for linear processes with dead time
Krysander et al. An efficient algorithm for finding minimal overconstrained subsystems for model-based diagnosis
US7797113B2 (en) Gas turbine performance analysis method and gas turbine performance analysis system
Roemer et al. An overview of selected prognostic technologies with application to engine health management
Garcia-Diaz et al. Dynamic programming analysis of special multi-stage inspection systems
CN109670625B (zh) 基于无迹卡尔曼滤波最小二乘支持向量机的NOx排放浓度预测方法
Kamohara et al. Product quality estimation and operating condition monitoring for industrial ethylene fractionator
CN111581831B (zh) 一种失效相关多状态系统可靠性评估方法
CN106250709A (zh) 基于传感器关联网络的燃气轮机异常检测与故障诊断算法
Glassey et al. Analysis of behaviour of an unreliable n-stage transfer line with (n− 1) inter-stage storage buffers
Li et al. Preventive maintenance decision model of urban transportation system equipment based on multi-control units
CN114645844A (zh) 确定空压站的流量状态的方法、计算设备和计算机介质
Han et al. Optimal buffer allocation of serial production lines with quality inspection machines
CN110609530B (zh) 基于dcs系统边缘实现工况寻优的数据挖掘方法和系统
Yan et al. Two‐Stage Degradation Assessment and Prediction Method for Aircraft Engine Based on Data Fusion
KR20230104951A (ko) 센서 맵핑 및 트리거링된 데이터로깅을 포함한 건전성 (health) 에 기초한 모니터링, 평가 및 응답하기 위한 기판 프로세싱 시스템 툴들
Skaf et al. A simple state-based prognostic model for filter clogging
CN112800672B (zh) 锅炉粘污系数的评估方法、系统、介质及电子设备
CN114444394B (zh) 一种基于数据驱动的压气机性能退化预测算法
Syfert et al. Current diagnostics of the evaporation station
Gershwin An efficient decomposition method for the approximate evaluation of production lines with finite storage space
CN113630287A (zh) 卫星遥测数据自动监视和判读方法及其系统
Huang et al. Diagnostic checking in stochastic dynamic programming
CN114152527B (zh) 一种基于监测数据的三维雨流疲劳分析方法
Schrempf et al. Automatic engine modeling for failure detection

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant