(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 202111655832.3 (22)申请日 2021.12.3 0 (65)同一申请的已公布的文献号 申请公布号 CN 114240243 A (43)申请公布日 2022.03.25 (73)专利权人 无锡雪浪数制科技有限公司 地址 214000 江苏省无锡市经济开发区金 融一街1号昌兴国际金融大厦6楼 (72)发明人 梁新乐　王峰　 (74)专利代理 机构 无锡华源专利商标事务所 (普通合伙) 32228 专利代理师 过顾佳 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/04(2012.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/2458(2019.01) (56)对比文件 CN 10495180 3 A,2015.09.3 0 CN 111914873 A,2020.1 1.10 CN 110008079 A,2019.07.12 向刚 等.改进型变分自编码器及其在航天 器故障检测中的应用. 《西北工业大 学学报》 .2020,第38卷 审查员 周亚楠 (54)发明名称 一种基于动态系统辨识的精馏塔产品质量 预测方法及装置 (57)摘要 本发明公开了一种基于动态系统辨识的精 馏塔产品质量预测方法及装置， 涉及产品质量预 警领域， 该方法将当前状态数据和计划输入数据 输入动态系统辨识模型得到预测状态序列， 预测 状态序列包含精馏塔在未来预定时长内的状态 数据， 动态系统辨识模型利用精馏塔的历史运行 数据基于SINDy模型训练得到； 将预测状态序列 输入利用精馏塔的历史运行数据预先训练得到 的时间序列异常检测模型， 得到对应的loss值， 继而可以在loss值超过loss阈值时输出用于警 示精馏塔的产品质量异常的预警信息； 该方法利 用动态系统辨识模型可以有效的对精馏塔的状 态进行精确预测， 结合无监督的时间序列异常检 测模型可以有效预测产品质量。 权利要求书2页 说明书7页 附图3页 CN 114240243 B 2022.10.11 CN 114240243 B 1.一种基于动态系统辨识的精 馏塔产品质量预测方法， 其特 征在于， 所述方法包括： 确定精馏塔的当前状态数据和计划输入数据， 精馏塔的状态数据 是用于反映精馏塔的 运行状态的数据， 精 馏塔的输入数据是精 馏塔的输入变量的数据； 将所述当前状态数据和计划输入数据输入动态系统辨识模型， 得到预测状态序列， 所 述预测状态序列包含所述精馏塔在未来预定时长内的状态数据， 所述动态系统辨识模型利 用所述精 馏塔的历史运行 数据基于SI NDy模型训练得到； 将所述预测状态序列输入利用所述精馏塔的历史运行数据预先训练得到的时间序列 异常检测模型， 得到对应的l oss值； 当得到的所述loss值超过loss阈值时， 输出用于警示所述精馏塔的产品质量异常的预 警信息； 其中， 用于训练所述动态系统辨识模型的历史运行数据包括所述精馏塔的历史状态序 列和历史输入序列， 所述历史状态序列包括所述精馏塔的按时间顺序排列的各个工作状态 点的状态数据， 所述历史输入序列包括所述精馏塔的按时间顺序排列的各个工作状态点的 输入数据； 则所述方法还 包括： 将所述精馏塔的历史状态序列中的第t ‑1个工作状态点的状态数据xt‑1和所述历史输 入序列中的第t ‑1个工作状态点的输入数据ut‑1作为SINDy模型的输入， 将所述历史状态序 列中的第t个工作状态点的历史状态序列xt作为SINDy模型的输出， 并设定SINDy模型的回 归模型为LASSO， 利用所述精馏塔的历史状态序列和历史输入序列训练得到所述动态系统 辨识模型。 2.根据权利要求1所述的方法， 其特征在于， 用于训练所述 时间序列异常检测模型的历 史运行数据包括所述精馏塔的窗口化历史状态序列， 所述窗口化历史状态序列包括预定时 间窗口范围内的所述精馏塔的按时间顺序排列的各个工作状态点的状态数据且表示为 x[i,i+1,. ..i+N]； 则所述方法还 包括： 将所述精馏塔的窗口化历史状态序列输入LSTM_VAE模型得到对应的重组序列 x′[i,i+1,. ..i+N]； 根据所述窗口化历史状态序列x[i,i+1,…i+N]及其对应的重组序列x ′[i,i+1,…i+N]之间的误差 更新所述 LSTM_VAE模型的网络参数， 直到训练得到所述时间序列异常检测模型。 3.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 根据所述窗口化历史状态序列x[i,i+1,…i+N]及其对应的重组序列x ′[i,i+1,…i+N]计算重组 loss， 并计算VAE的KL散度， 将计算得到的重组loss和KL散度按照各自对应的权重进行加权 得到所述窗口化历史状态序列x[i,i+1,…i+N]及其对应的重组序列x ′[i,i+1,…i+N]之间的误差 。 4.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 将所述精馏塔的历史运行数据构建得到的K个训练样本分别输入训练得到的时间序列 异常检测模型中， 得到对应的loss值， 每个训练样本为包括预定时间窗口范围内的所述精 馏塔的按时间顺序排列的各个工作状态点的状态数据的窗口化历史状态序列； 对所有训练样本对应的loss值 中从高至低的第k个loss值作为所述loss阈值， k/K的比 例为预设异常样本比例。 5.根据权利要求1 ‑4任一所述的方法， 其特 征在于，权　利　要　求　书 1/2 页 2 CN 114240243 B 2精馏塔的状态数据包括精馏段灵敏板温度、 精馏塔顶压力、 塔顶冷回流量和泵出口压 力中的至少一种， 精馏塔的输入数据包括进料量、 调节阀电流和塔顶产品调节阀开度中的 至少一种。 6.一种基于动态系统辨识的精 馏塔产品质量预测装置， 其特 征在于， 所述装置包括： 第一模型训练模块， 用于将精馏塔的历史状态序列中的第t ‑1个工作状态点的状态数 据xt‑1和历史输入序列中的第t ‑1个工作状态点的输入数据ut‑1作为SINDy模型的输入， 将历 史状态序列中的第t个工作状态点的历史状态序列xt作为SINDy模型的输出， 并设定SINDy 模型的回归模型为LASSO， 利用精馏塔的历史状态序列和历史输入序列训练得到动态系统 辨识模型； 数据确定模块， 用于确定精馏塔的当前状态数据和计划输入数据， 精馏塔的状态数据 是用于反映精 馏塔的运行状态的数据， 精 馏塔的输入数据是精 馏塔的输入变量的数据； 预测状态序列获取模块， 用于将所述当前状态数据和计划输入数据输入所述动态系统 辨识模型， 得到预测状态序列， 所述预测状态序列包含所述精馏塔在未来预定时长内的状 态数据， 所述动态系统辨识模 型利用所述精馏塔的历史运行数据基于SINDy模型训练得到； 其中， 用于训练所述动态系统辨识模型的历史运行数据包括精馏塔的历史状态序列和历史 输入序列， 历史状态序列包括精馏塔的按时间顺序排列的各个工作状态点的状态数据， 历 史输入序列包括精 馏塔的按时间顺序排列的各个工作状态点的输入数据； 损失值获取模块， 用于将所述预测状态序列输入利用所述精馏塔的历史运行数据 预先 训练得到的时间序列异常检测模型， 得到对应的l oss值； 预警模块， 用于在得到的所述loss值超过loss阈值时， 输出用于警示所述精馏塔的产 品质量异常的预警信息 。 7.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 5中任一项所述的方法的步骤。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 5中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114240243 B 3