基于分层分块结构的流程工业过程运行状态评价(2)

1.1 分层分块结构的提出

为了简化运行状态评价问题的规模,使得运行状态评价模型具有更强的物理意义,根据工业过程流程、工艺特性和工艺指标等级的分布,将一个流程工业过程划分为不同层次,每一层划分为不同子块.管理层次的细致程度决定了层次的数目,过程规模和工艺特性决定了子块的数目.本文采用的单元层、功能区层和全流程层的划分方法是一种常见的流程工业过程划分方法,但不是唯一的划分方法.一个流程工业过程的层次和子块的划分如图1所示.纵向,划分为全流程层、功能区层和单元层;横向,功能区层划分为M个功能区,第m个功能区划分为Nm个运行单元.全流程包含整个流程工业生产过程;一个功能区包含独立完成一个生产功能的所有生产单元;一个生产单元包含联系紧密的一系列设备,同一生产单元内变量强耦合.一个单元模型的输入为过程变量,输出为单元层工艺指标;在建立单元指标与单元内过程变量的模型时,提取了与单元指标有关的变量相关性特征.一个功能区模型的输入为体现单元特性的所有单元层工艺指标,输出为功能区层工艺指标.在建立功能区指标与单元指标的模型时,提取了与相应功能区指标有关的单元指标之间的相关特征、耦合关系.同理,全流程模型的输入为各个功能区层工艺指标,输出为全流程评价指标.在建立全流程评价指标与功能区层工艺指标的关系时,提取了与全流程评价指标有关的功能区指标之间的相关特征、耦合关系.同时,也相当于提取了与全流程指标相关的单元子块间的相关关系.工艺指标一般包括质量指标和消耗指标.在评价过程中,不能单独通过一个子块的工艺指标判断该子块的优劣程度,但可建立低一层工艺指标状态与高一层指标状态的关系,最终得到全流程指标和相关工艺指标的关系.同一模型内变量/指标之间相关性相对较强,不同模型间变量/指标之间相关性相对较弱.

图1 分层分块结构示意图 multi-block structure

1.2 基于RSHMM的离线建模

在完成分层分块结构的建立之后,由于不确定信息的存在,采用RS对每一个子模型进行建模,建立输入与输出之间的对应关系.

1.2.1 RS理论简介

RS是Pawlak提出的一种在信息系统内表达不确定信息的方法[18?19,23].假设U为目标的非空有限集合,称为论域,X为论域的一个子集(概念),A是一个有限的属性集合,R是A的一个子集.对于论域中的一个元素x,令[x]R是一个包含x的集合,其中,[x]R中的元素在关系R上都相同.[x]R称为x在关系R上的等价类.对于论域的任何子集X,X的上、下近似分别定义为

其中,R(X)包含U中所有可以确定属于X的元素,(X)包含U中所有可能属于X的元素.X的R-边界域定义为

如果X的边界域为空,即BNR(X)=?,则称X是R可定义的,否则称X是R不可定义的.R可定义集称作R-精确集,R不可定义集也称作RRough集,在不发生混淆的情况下,简称Rough集.

RS的约简和推理在决策表的基础上进行.决策表的每一列表示一个属性,每个属性的取值被划分为若干离散状态.通常,属性可分为条件属性和决策属性.决策表每一行代表论域中的一个元素和一种推理规则.规则以IF(条件),THEN(决策)的形式表达,来实现推理决策.RS理论参见文献[23].

1.2.2 离线建模

在实际生产中,一部分变量可以实时、定量测量,还有一部分变量无法准确、实时测量,变量取值可能来自于粗糙的测量、离线化验、专家定性估计等.本文旨在解决存在大量不确定信息的流程工业过程运行状态评价问题.

在建立如图1的分层分块结构基础上,用RS建立每个子模型的输入和输出之间的关系.采集充足的、覆盖所有运行状态等级的历史数据,以分层分块结构为基础,自顶向下,确定各子模型的决策属性和条件属性,组织决策表.每个子模型的输入输出,如图2所示.离线建模数据包括全流程评价指标CEI、功能区层评价指标、单元层评价指标、各单元内过程变量和表征生产工况的变量.在全流程层,以全流程运行状态综合评价指标CEI为决策属性,以功能区层工艺指标=[Z1, Z2,···, ZM]和代表过程生产工况的变量C为条件属性,组织决策表,其中,(m=1,2,···,M)为功能区m的Im个指标,为第i个指标的取值,D为历史样本数目.过程运行状态可根据CEI的水平划分为不同等级,CEI越高,反映出运行状态等级越好.在功能区层,针对第m个功能区,以该功能区工艺指标分别为决策属性,以单元层工艺指标和C为条件属性,组织第m个功能区的决策表,其中,为第m个功能区第n个单元的Im,n个指标,为第i个指标的取值.在单元层,针对第m个功能区第n个单元,分别以该单元工艺指标为决策属性,以该单元内过程变量m,n和C为条件属性,组织该单元的决策表,其中,,Jm,n为第m个功能区第n个单元包含的过程变量个数.不同生产工况下,过程对同样操作的响应特性不同,运行状态性能的评价指标所能达到的水平不同,性能评价标准也不同.因此,需要在每一层次每一子块的输入中加入反应过程生产工况的信息C.如果过程运行于单一工况,那么不需要进行工况区分,C为空.建立各子模型的决策表之后,将过程变量、工艺指标和评价指标进行离散化,即把无限空间中无限的个体映射到有限的空间中去,以此提高算法的时空效率.变量和指标的状态划分可采用传统的等距离离散化方法[23]或聚类方法[24],也可借助专家经验[25]进行划分.基于分层分块结构的评价模型,自顶向下进行离散化.离散化是应对过程信息不确定性的有效手段.针对定量测量的变量,将变量取值离散化为不同状态等级,并用一系列正整数对不同等级进行顺次编号.针对定性估计的变量,将每一种定性状态作为一个变量状态等级,并进行编号.值得注意的是,本文所指变量状态等级只与变量幅值大小有关,与变量优劣无关,只有全流程运行状态等级才与性能优劣有关;后文中,假设所有变量均已合理离散化.

文章来源：《湿法冶金》 网址: http://www.sfyjzz.cn/qikandaodu/2021/0128/392.html