【技術實現(xiàn)步驟摘要】
本申請屬于人工智能和工業(yè)自動化，具體涉及一種用于粉體輸送系統(tǒng)的智能物料路徑規(guī)劃方法及裝置。本申請主要應用于水泥、化工、冶金等行業(yè)的粉體物料輸送過程中的智能路徑規(guī)劃和控制。
技術介紹
1、粉體物料輸送是現(xiàn)代工業(yè)生產(chǎn)中的重要環(huán)節(jié)，其輸送過程的精確控制對提高生產(chǎn)效率和產(chǎn)品質量具有重要意義。目前，傳統(tǒng)的粉體輸送系統(tǒng)通常采用基于預設規(guī)則的固定路徑規(guī)劃方法，但無法依據(jù)實時工況進行動態(tài)調整。或，基于簡單傳感器反饋的路徑調整方法，但缺乏系統(tǒng)性的優(yōu)化策略。
2、隨著機器學習技術的發(fā)展，開始嘗試將傳統(tǒng)機器學習算法應用于粉體輸送系統(tǒng)的路徑規(guī)劃中。這類方法通常基于歷史數(shù)據(jù)訓練預測模型，用于優(yōu)化輸送路徑。然而，由于粉體輸送過程中存在大量復雜的動態(tài)干擾因素，如物料性質變化、環(huán)境條件波動等，傳統(tǒng)機器學習方法難以準確捕捉和應對這些動態(tài)變化。
3、因此，現(xiàn)有技術存在的主要問題是難以有效處理粉體輸送過程中的動態(tài)干擾，缺乏對物料軌跡時空特征的深度建模，影響路徑規(guī)劃的準確性，導致輸送效率低下。
技術實現(xiàn)思路
1、鑒于此，本申請?zhí)峁┮环N粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法及裝置，解決了現(xiàn)有技術中難以有效處理粉體輸送過程中的動態(tài)干擾的問題。
2、第一方面，本申請實施例提供了一種粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，包括：
3、獲取傳感器發(fā)送的多源傳感數(shù)據(jù)，所述傳感器用于監(jiān)測粉體輸送系統(tǒng)的運行，所述多源傳感數(shù)據(jù)包括物料狀態(tài)數(shù)據(jù)、環(huán)境參數(shù)數(shù)據(jù)和設備運行數(shù)據(jù)；
4、基于預
5、根據(jù)所述時空對齊特征矩陣構建生成干預模型，所述生成干預模型用于指示在粉體輸送過程中的干擾因素；
6、基于預先建立的等方差局部神經(jīng)網(wǎng)絡和所述生成干預模型訓練物料路徑規(guī)劃策略，得到路徑規(guī)劃策略模型；
7、采用所述路徑規(guī)劃策略模型生成粉體輸送路徑，所述粉體輸送路徑用于控制所述粉體輸送系統(tǒng)進行粉體輸送。
8、在一個可能的實現(xiàn)方式中，所述基于預先建立的高斯邊緣網(wǎng)絡對所述多源傳感數(shù)據(jù)進行特征提取和時空對齊，得到時空對齊特征矩陣，包括：
9、對所述多源傳感數(shù)據(jù)進行標準化處理，其中，標準化處理包括計算數(shù)據(jù)的均值和標準差，并將原始數(shù)據(jù)轉換為標準分數(shù)；
10、基于預設的多層感知機對標準化后的多源傳感數(shù)據(jù)進行特征提取，所述多層感知機包含relu激活函數(shù)；
11、構建高斯邊緣模型，所述高斯邊緣模型用于指示通過預設的邊緣概率密度函數(shù)對特征提取結果進行不可知性學習后得到潛在特征表示；
12、對所述潛在特征表示進行時間同步和空間配準，得到時空對齊特征矩陣。
13、在一個可能的實現(xiàn)方式中，所述對所述潛在特征表示進行時間同步和空間配準，得到時空對齊特征矩陣，包括：
14、基于所述潛在特征表示，建立以所述粉體輸送系統(tǒng)的采樣周期為基準時間單位的時空參考系；
15、基于所述時空參考系，采用預設的動態(tài)時間規(guī)整算法對所述潛在特征表示進行時間同步；
16、以所述粉體輸送系統(tǒng)的輸送管道的中心線作為空間坐標系的參考軸，建立三維坐標系；
17、基于所述三維坐標系，采用預設的空間插值算法以及預設的自適應權重策略，對所述潛在特征表示進行空間配準，所述自適應權重策略用于指示依據(jù)待插值點與所述潛在特征表示所對應的傳感器之間的距離調整所述傳感器在插值過程中的權重；
18、將時間同步后的潛在特征表示以及空間配準后的潛在特征表示，整合成時空對齊特征矩陣。
19、在一個可能的實現(xiàn)方式中，所述根據(jù)所述時空對齊特征矩陣構建生成干預模型，包括：
20、基于所述時空對齊特征矩陣，構建干擾初始模型；
21、在所述干擾初始模型中，引入所述干擾因素的關聯(lián)數(shù)據(jù)，得到生成干預模型；
22、其中，所述基于所述時空對齊特征矩陣，構建干擾初始模型，包括：
23、基于所述時空對齊特征矩陣，構建編碼器，所述編碼器包含預設的雙向lstm網(wǎng)絡；
24、以預設的條件生成網(wǎng)絡作為解碼器，基于所述編碼器和所述解碼器，構建模型框架；
25、建立干擾識別模塊，并基于所述模型框架及所述干擾識別模塊，建立初始模型，其中，所述干擾識別模塊用于指示基于預設的注意力機制獲取指定的干擾因素；
26、采用預設的全卷積網(wǎng)絡結構，構建判別器；
27、確定所述判別器及生成器的對抗損失函數(shù)和重建損失函數(shù)；
28、基于所述對抗損失函數(shù)和所述重建損失函數(shù)，對所述初始模型進行對抗訓練，得到干擾初始模型。
29、在一個可能的實現(xiàn)方式中，所述在所述干擾初始模型中，引入所述干擾因素的關聯(lián)數(shù)據(jù)，得到生成干預模型，包括：
30、確定所述粉體輸送系統(tǒng)中關于所述干擾因素的因果關系；
31、基于所述因果關系，構建動態(tài)因果圖模型，所述動態(tài)因果圖模型用于描述數(shù)據(jù)之間的時序依賴關系；
32、通過預設的反事實推理算法，對所述干擾因素進行干擾影響評估，得到干擾評估結果；
33、將所述動態(tài)因果圖模型及所述干擾評估結果，引入到所述干擾初始模型中，得到生成干預模型。
34、在一個可能的實現(xiàn)方式中，所述方法還包括：
35、構建具有權重共享機制的神經(jīng)網(wǎng)絡結構，所述權重共享機制用于指示循環(huán)共享權重矩陣中的權重模板，所述權重模板由所述神經(jīng)網(wǎng)絡結構的輸入確定；
36、確定局部連接模式，所述局部連接模式用于指示將所述神經(jīng)網(wǎng)絡結構的輸入空間劃分為多個局部感受野并確定局部連接矩陣；
37、基于所述神經(jīng)網(wǎng)絡結構和所述局部連接模式，引入等方差約束，得到等方差局部神經(jīng)網(wǎng)絡。
38、在一個可能的實現(xiàn)方式中，所述基于預先建立的等方差局部神經(jīng)網(wǎng)絡和所述生成干預模型訓練物料路徑規(guī)劃策略，得到路徑規(guī)劃策略模型，包括：
39、基于所述生成干預模型，構建環(huán)境模型；
40、基于所述等方差局部神經(jīng)網(wǎng)絡和所述環(huán)境模型，確定深度強化學習框架，所述深度強化學習框架包括價值網(wǎng)絡結構、策略網(wǎng)絡結構和獎勵函數(shù)；
41、基于所述環(huán)境模型和所述深度強化學習框架，采用預設的近端策略優(yōu)化算法優(yōu)化決策網(wǎng)絡；
42、基于優(yōu)化后的決策網(wǎng)絡，得到路徑規(guī)劃策略模型。
43、在一個可能的實現(xiàn)方式中，所述采用所述路徑規(guī)劃策略模型生成粉體輸送路徑，包括：
44、基于所述路徑規(guī)劃策略模型，計算用于粉體輸送的速度調整量和方向調整量；
45、將所述速度調整量和所述方向調整量轉換為作用于所述粉體輸送系統(tǒng)的控制指令，所述控制指令用于指示所述粉體輸送系統(tǒng)進行粉體輸送。
46、在一個可能的實現(xiàn)方式中，還包括：
47、監(jiān)測所述粉體輸本文檔來自技高網(wǎng)...
【技術保護點】
1.一種粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，包括：
2.根據(jù)權利要求1所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述基于預先建立的高斯邊緣網(wǎng)絡對所述多源傳感數(shù)據(jù)進行特征提取和時空對齊，得到時空對齊特征矩陣，包括：
3.根據(jù)權利要求2所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述對所述潛在特征表示進行時間同步和空間配準，得到時空對齊特征矩陣，包括：
4.根據(jù)權利要求1所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述根據(jù)所述時空對齊特征矩陣構建生成干預模型，包括：
5.根據(jù)權利要求4所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述在所述干擾初始模型中，引入所述干擾因素的關聯(lián)數(shù)據(jù)，得到生成干預模型，包括：
6.根據(jù)權利要求1所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述方法還包括：
7.根據(jù)權利要求6所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述基于預先建立的等方差局部神經(jīng)網(wǎng)絡和所述生成干預模型訓練物料路徑規(guī)劃策略，得到路
8.根據(jù)權利要求1所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述采用所述路徑規(guī)劃策略模型生成粉體輸送路徑，包括：
9.根據(jù)權利要求8所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，還包括：
10.一種粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃裝置，其特征在于，包括：
...【技術特征摘要】
1.一種粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，包括：
2.根據(jù)權利要求1所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述基于預先建立的高斯邊緣網(wǎng)絡對所述多源傳感數(shù)據(jù)進行特征提取和時空對齊，得到時空對齊特征矩陣，包括：
3.根據(jù)權利要求2所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述對所述潛在特征表示進行時間同步和空間配準，得到時空對齊特征矩陣，包括：
4.根據(jù)權利要求1所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述根據(jù)所述時空對齊特征矩陣構建生成干預模型，包括：
5.根據(jù)權利要求4所述的粉體輸送系統(tǒng)中的智能物料路徑規(guī)劃方法，其特征在于，所述在所述干擾初始模型中...
【專利技術屬性】
技術研發(fā)人員：曾力群，劉昆鵬，沈洪義，
申請(專利權)人：廣東維杰物料自動化系統(tǒng)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。