(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110425048.7 (22)申请日 2021.04.20 (65)同一申请的已公布的文献号 申请公布号 CN 113076698 A (43)申请公布日 2021.07.0 6 (73)专利权人 广西大学 地址 530004 广西壮 族自治区南宁市西乡 塘区大学东路10 0号 (72)发明人 蒙艳玫　陈劼　张长水　肖凌　 许恩永　邱振勇　刘家粤　梁礼胜　 邱敏敏　韦锦　陆冠成　董振　 唐治宏　柳宏耀　李正源　胡松杰　 (74)专利代理 机构 南宁市吉昌知识产权代理事 务所(普通 合伙) 45125 专利代理师 林鹏 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06Q 10/04(2012.01) G06Q 50/04(2012.01) G06F 111/06(2020.01)(56)对比文件 CN 104880949 A,2015.09.02 CN 110412960 A,2019.1 1.05 CN 108107 737 A,2018.0 6.01 CN 109749 977 A,2019.0 5.14 CN 10807375 5 A,2018.0 5.25 CN 101887544 A,2010.1 1.17 CN 102426 663 A,2012.04.25 CN 107942686 A,2018.04.20 US 2007253874 A1,20 07.11.01 蒙艳玫 等.基 于数据驱动的煮糖结晶过程 自适应控制. 《甘蔗糖业》 .2017,(第02期),25 - 31. 陈劼 等.基 于多场协同的煮糖设备全局协 调优化方法研究. 《装备制造技 术》 .2020,(第0 6 期),1-5， 9. 汪淑奇 等.物质流、 能量 流与信息流协同的 探讨及应用. 《华中科技大 学学报(自然科 学 版)》 .2002,(第11期),71-73. (续) 审查员 赵玲 (54)发明名称 基于车间大数据的动态多目标协同优化方 法和系统 (57)摘要 本发明涉及甘蔗压榨过程优化控制领域， 涉 及基于车间大数据的动态多目标协同优化方法， 包括1)采集系统的大数据信息， 提取流特征信 息； 2)对物质流、 能量流以及信息流逐个单一进 行分析形成信息数据库， 信息数据库包括流的状 态变量和序参量； 3)以单一流参数目标为优化目 标， 与其他两个不同流参数系统耦合协同进行分 析,明确信息数据库中耦合变量、 辅助变量以及 流‑流协同作用律； 4)在各个流在序参量的支配 作用下实现系统最优化的基础上， 在系统耦合变 量和辅助变量的约束下， 采用混合鸡群算法对目标函数进行求解， 计算出系统的工艺参数， 本发 明方面在甘蔗压榨生产不同生产边界条件下处 于最优状态下， 提高压榨效果和压榨量， 降低能 耗。 [转续页] 权利要求书1页 说明书6页 附图3页 CN 113076698 B 2022.05.31 CN 113076698 B (56)对比文件 张慕雪 等.一种基 于正向学习和反向学习的改进鸡群算法. 《微电子学与计算机》 .2018,第 35卷(第06期),22-27.2/2 页 2[接上页] CN 113076698 B1.基于车间大数据的动态多目标协同优化方法， 作用 在车间作业的自动控制系统上， 其特征在于， 所述车间作业过程的参数包括物质流、 能量 流以及信息流的参数系统， 所述基于车间大 数据的动态多目标协同优化方法步骤 包括: 1） 采集系统的大数据信息， 结合经过包括清洗去噪、 集成、 转换预处理操作的车间大数 据资源， 提取流特 征信息； 2） 对物质流、 能量流以及信息流逐个单一进行分析形成信息数据库， 所述的信息数据 库包括流的状态变量和序参 量； 3） 分别以单一物质能量流协同关联、 能量信息流协同关联、 物质信息流协同关联作为 优化目标， 与其他两个不同流参数系统耦合协同进 行分析,明确信息数据库中耦合变量、 辅 助变量以及流 ‑流协同作用律； 4） 各个流在序参量的支配作用下实现系统最优化的基础上， 对步骤3） 中多个流协同作 用进行全局协调， 在系统耦合变量和辅助变量的一致约束下， 采用混合鸡群算法对目标函 数进行求 解， 计算出系统的工艺 参数； 其中， 所述的混合鸡群算法过程包括： ①  重新定义了适应度公式， 将精英反向学习机制引入种群 个体初始化中； ② 公鸡子群的更新迭代中引入正反向学习机制， 在小鸡更新迭代中引入双亲引导机 制和自适应因子； ③  引入小生 境机制， 用于更新维护外 部档案库， 保证种群的多样性。 2.根据权利要求1所述基于车间大数据的动态多目标协同优化方法， 其特征在于， 所述 步骤1） 中的所述 流特征信息包括所 涉及流的因素变量以及运行机制。 3.基于车间大数据的动态多目标协同优化系统， 作用 在车间作业的自动控制系统上， 其特征在于， 包括： 流特征属性提取层， 采集系统的大数据信息， 结合经过包括清洗去噪、 集成、 转换预处 理操作的车间大数据资源， 提取流特征信息， 所述的特征信息包括所涉及流的因素变量以 及运行机制； 子系统分析层， 对物质流、 能量流以及信 息流逐个单一进行分析形成信息数据库， 所述 数据库的信息包括 流的状态变量和序参 量； 局部协同优化层， 分别以单一物质能量流协同关联、 能量信 息流协同关联、 物质信 息流 协同关联作为优化 目标， 对所述子系统分析层中两个不同流参数系统耦合协同进行分析, 明确数据库中耦合变量、 辅助变量以及流 ‑流协同作用律； 系统协同优化层， 各个流在序参量的支配作用下实现子系统最优化的基础上， 对所述 局部协同优化层中多个流协同作用进 行全局协调， 在系统耦合变量和辅助变量的一致约束 下， 采用混合鸡群算法对目标函数进行求 解， 计算出系统的工艺 参数； 其中， 所述的混合鸡群算法过程包括： ①  重新定义了适应度公式， 将精英反向学习机制引入种群 个体初始化中； ② 公鸡子群的更新迭代中引入正反向学习机制， 在小鸡更新迭代中引入双亲引导机 制和自适应因子； ③  引入小生 境机制， 用于更新维护外 部档案库， 保证种群的多样性。权　利　要　求　书 1/1 页 2 CN 113076698 B 3