一种基于物联网的智能控制阀调控方法及其系统与流程

本发明涉及控制阀调控，特别是一种基于物联网的智能控制阀调控方法及其系统。

背景技术：

1、智能控制阀的调控技术，作为现代工业系统中关键的组成部分，它们承担着调节流体流速、压力和温度等重要任务，传统的控制阀系统依靠预设的控制逻辑和参数进行操作，这些系统通常包括基于pid控制器的解决方案，其调节性能依赖于控制参数的精确设置；

2、随着时间的推移，这些参数可能需要手动调整以适应外部环境的变化或设备性能的衰减，使得系统维护变得复杂且成本较高，而大多数传统智能控制系统仍依赖于静态参数设置，缺乏对环境变化和设备状态变动的动态响应能力，这种情况在处理复杂或变化多端的工业应用时尤为突出，容易导致系统效率低下和过度消耗，其次，当前的系统往往没有充分利用数据驱动的方法来优化控制策略，这限制了其适应性和优化潜力，此外，单一的异常检测机制和有限的故障预防措施增加了系统的脆弱性和停机风险。

技术实现思路

1、鉴于上述现有的基于物联网的智能控制阀调控方法及其系统中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于传统智能控制系统仍依赖于静态参数设置，缺乏对环境变化和设备状态变动的动态响应能力，这种情况在处理复杂或变化多端的工业应用时尤为突出，容易导致系统效率低下和过度消耗，其次，当前的系统往往没有充分利用数据驱动的方法来优化控制策略，这限制了其适应性和优化潜力，此外，单一的异常检测机制和有限的故障预防措施增加了系统的脆弱性和停机风险。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于物联网的智能控制阀调控方法，其包括，

4、集成智能控制阀和相关传感器采集数据，将设备连接至物联网平台；

5、构建支持向量机回归模型进行性能预测，基于支持向量机回归模型的输出，动态调节控制阀；

6、基于传感器采集数据，通过物理测量模型预测控制阀在不同的压力表现并进行实时异常检测，通过状态检测模型评估传感器的当前状态并进行趋势异常检测；

7、将采集数据通过通信协议安全传输至云平台存储。

8、作为本发明所述基于物联网的智能控制阀调控方法的一种优选方案，其中：所述集成智能控制阀和相关传感器采集数据，将设备连接至物联网平台包括，

9、通过智能网关设备与传感器、智能控制阀和物联网平台进行交互，通过传感器实时收集控制阀的流速、温度和压力数据，计算统计特征包括均值、标准差、最大值以及最小值，对每组均值、标准差、最大值和最小值作为特征值合并为多维特征向量x，对多维特征向量x中的每个元素进行归一化预处理。

10、作为本发明所述基于物联网的智能控制阀调控方法的一种优选方案，其中：所述构建支持向量机回归模型进行性能预测包括，

11、选择支持向量机回归模型进行建模，使用高斯径向基函数作为核函数，核函数表达式表示为：

12、

13、其中表示计算样本点和的相似度，是核函数的宽度参数；

14、目标优化函数表示为：

15、

16、其中表示目标函数，c是正则化参数，表示法向量，和是松弛变量，n表示样本总数；

17、约束条件表示为：

18、

19、

20、

21、其中b是偏置项，表示第i个数据的实际输出值，和均表示第j个数据的拉格朗日乘子，表示灵敏度阈值，表示所有支持向量的集合；

22、基于python的scikit-learn机器学习库部署配置svr模型；

23、选择k折交叉验证，将数据集分割为不同的子集，使用不同的子集作为验证集，其余作为训练集，对每组在验证集上通过均方误差验证模型计算均方误差，表示为：

24、

25、其中n是训练集中数据点的数量，是第i个实际值，是第i个模型预测值；

26、在交叉验证过程中，每一轮交叉验证训练中模型会基于训练数据集的数据点使用序列最小优化算法迭代优化拉格朗日乘子和，过程中使用最小优化算法选择一对乘子进行优化，根据对应数据点的误差，确保乘子满足约束条件后停止迭代，通过二次规划求解器基于最小化目标函数的约束条件，计算模型参数，以此计算当前的模型预测值，对每一组参数计算其在k次迭代中得到的mse的平均值，找到具有最低平均mse的参数组合为最优参数；

27、使用交叉验证得到的最优参数，模型会自动计算拉格朗日乘子和，通过二次规划求解器计算模型参数，当数据点的拉格朗日乘子非零时，该数据点被设定为支撑向量；

28、对新输入的数据进行归一化预处理，并通过模型进行性能预测，表示为：

29、

30、其中表示所有支持向量的集合，表示性能预测值，表示输入值，和分别表示第i个数据点对应的拉格朗日乘子，表示第i个支持向量。

31、作为本发明所述基于物联网的智能控制阀调控方法的一种优选方案，其中：所述基于支持向量机回归模型的输出，动态调节控制阀包括，

32、设计动态反应控制算法，表示为：

33、

34、其中表示智能控制阀调整后参数值，表示智能控制阀当前参数值，k表示调节系数，表示在时间t的预测输出，表示目标值，t表示积分时间窗口，表示指数衰减率；

35、持续监测并记录控制阀的性能数据并记录预测输出，基于计算得到值通过智能网关设备调控智能控制阀门。

36、作为本发明所述基于物联网的智能控制阀调控方法的一种优选方案，其中：所述基于传感器采集数据，通过物理测量模型预测控制阀在不同的压力表现并进行实时异常检测包括，

37、定义线性回归物理测量模型，表示为：

38、

39、其中表示时间t的压力读数，表示时间t的流量读数，表示时间t的误差项，表示温度读数，和表示模型的系数；

40、收集历史数据包括、和，使用python的scipy库进行线性回归训练，使用最小二乘法计算和；

41、根据历史数据的压力、流量和温度读数计算误差项，对历史误差项计算平均值和标准差，并设定误差范围；

42、通过检测数据计算当前的，在处于误差范围内时判定为正常，在处于误差范围外时，判定为异常并发出警报。

43、作为本发明所述基于物联网的智能控制阀调控方法的一种优选方案，其中：所述通过状态检测模型评估传感器的当前状态并进行趋势异常检测包括，

44、定义状态检测模型，基于历史采集数据预测传感器状态，表示为：

45、

46、其中为时刻t的检测值，为传感器在时刻i的测量值，是衰减因子，是归一化因子；

47、持续收集从传感器来的数据，进行数据清洗和预处理，根据历史的传感器数据计算，并计算的平均值和标准差，设定误差范围为；

48、根据时间新计算的位于误差范围内时，判定为正常，在位于误差范围外时，判定异常并发出警报。

49、作为本发明所述基于物联网的智能控制阀调控方法的一种优选方案，其中：所述将采集数据通过通信协议安全传输至云平台存储包括，

50、将采集数据发送到云端服务器，使用动态密钥交换算法确保数据安全；

51、通过tls/ssl证书实现双向验证，服务器验证来自传感器的数据，传感器也应验证服务器的身份，通过双向ssl认证进行双向验证；

52、对存储在设备上的数据使用强加密标准，对收集数据进行保护。

53、本发明的另外一个目的是提供一种基于物联网的智能控制阀调控方法的系统，其包括，

54、数据采集模块，实时监测和收集关键工作参数，从传感器接收数据；

55、数据传输与物联网连接模块，使用安全的通信协议将采集到的传感器数据转发到物联网平台；

56、机器学习模块，利用支持向量机回归模型来预测控制阀在不同工作条件下的性能；

57、异常检测模块，结合状态检测模型和物理测量模型，对设备的当前状态趋势进行异常检测。

58、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于物联网的智能控制阀调控方法的步骤。

59、本发明有益效果为：利用支持向量机回归模型来预测控制阀在不同工作条件下的性能，通过应用核函数和已经优化的模型参数，确保了性能预测的精度和可靠性，动态调节控制阀达到实时控制的效果，且采用了时间依赖的预测误差积分算法使控制更加平滑和稳定，提高系统的适应性和鲁棒性，通过物理测量模型和状态检测模型预测检测项的状态，防止了异常检测的单一性，可以及时的警报并进行必要的检查和维护。