摘要
本申请涉及工业过程控制技术领域,公开了一种基于边缘计算的铁水含硅量实时智能调控方法,包括:首先,在离线阶段,构建一个热力学约束的变分自编码器模型,从高维历史数据中学习描述过程内在机理的低维热力学状态流形,并计算该流形的标量曲率以量化各工况的局部稳定性。然后,在线追踪阶段,于边缘节点运行曲率自适应的粒子滤波算法,根据当前状态的曲率动态调整过程噪声,实现对铁水状态的鲁棒追踪。最后,在智能调控阶段,于中央控制器采用模型预测控制框架,其成本函数中创新性地引入几何风险项。本发明通过引导操作轨迹规避不稳定工况,实现了对关键质量指标的精准控制与生产过程全局稳定性的主动维持。
技术关键词
铁水含硅量
智能调控方法
粒子滤波算法
模型预测控制器
模型预测控制框架
编码器
数据
关键质量指标
智能调控系统
中央控制模块
阶段
高炉
离线
中央控制器
噪声
协方差矩阵
节点
系统为您推荐了相关专利信息
同位素气体
智能调控方法
神经网络模型
偏差
多层感知机
温度分布图像
可见光图像
无人机
生成对抗网络模型
超分辨率重建算法
北斗高精度定位
波束成形系统
多径信道建模
卡尔曼滤波算法
优化波束赋形
异常点
发电设备
实时状态信息
粒子滤波算法
监测方法
局部波动特征
充电状态数据
退化特征
车辆电池
粒子滤波算法