本發(fā)明涉及制酸仿真建模領域，具體為一種硫酸生產的智能控制系統(tǒng)的仿真建模方法。

背景技術：

1、制酸處理過程具有典型非線性、大時滯、多輸入多輸出、強耦合特性，導致構建準確的制酸仿真模型非常困難，而且復雜的制酸模型通常需要大量的計算資源和時間開銷，難以滿足基于制酸的實時控制的需要。

2、構建系統(tǒng)仿真模型最為常見的方法是使用深度學習方法從專家數(shù)據中進行監(jiān)督學習(也被稱為行為克隆)，但往往效果不佳，因為環(huán)境模型中的轉移概率函數(shù)(或智能體策略)通常比深度學習中的數(shù)據分布函數(shù)要復雜得多，目前的普遍認知是，實際的生產系統(tǒng)產生的數(shù)據具有極強的時序性，直接使用監(jiān)督學習會累積復合誤差。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種硫酸生產的智能控制系統(tǒng)的仿真建模方法，有效的解決了現(xiàn)有在制酸構建系統(tǒng)仿真模型中，存在效果不佳，直接使用監(jiān)督學習會導致產生誤差的問題。

2、本發(fā)明的技術方案如下：

3、一種硫酸生產的智能控制系統(tǒng)的仿真建模方法，包括如下步驟：

4、第一步：確定硫酸生產控制系統(tǒng)的參數(shù)類型，將其分為智能體觀測變量參數(shù)與智能體動作變量參數(shù)；

5、第二步：將智能體觀測變量參數(shù)作為系統(tǒng)仿真模型的主要輸出變量，智能體動作變量參數(shù)作為系統(tǒng)仿真模型的輸入變量；

6、第三步：根據制酸處理系統(tǒng)的特性以及各階段硫酸處理控制的實際目標，構建出整體的系統(tǒng)模型框架；

7、ht+1＝fθ(ht,ot,at)

8、ot+1＝gφ(ht+1,ot)

9、第四步：完成模型設計后，確定系統(tǒng)的整體框架，生成對抗模仿學習算法訓練系統(tǒng)仿真模型；

10、第五步：在訓練完成后，進行相應的測試，再使用仿真模型進行策略學習。

11、進一步的，其中,ot為輸出變量，包含塔頂壓力、蒸汽流量、空氣流量、液硫流量、塔液位、酸平衡、硫酸冷卻溫度、風機轉速、換熱器溫度和爐煤量。

12、進一步的，at為系統(tǒng)輸入變量，包含蒸汽流量、液硫流量、風機出口風量和吸收塔入口溫度。

13、進一步的，ht為系統(tǒng)內部的狀態(tài)變量，fθ為系統(tǒng)的狀態(tài)轉移模型，gφ為觀測模型，θ＝(θ,φ)為模型的參數(shù)。

14、進一步的，所述測試內容包括：

15、①、推演測試，給定初始條件，仿真模型推演出的軌跡應該盡可能的接近真實軌跡；

16、②、響應曲線測試，確保模型學習到的動作與輸出之間的關系和物理實際中的動作與輸出之間的關系一致；

17、③、數(shù)據分布測試，當仿真模型足夠準確，能夠實現(xiàn)對制酸系統(tǒng)的仿真時，模型基于歷史數(shù)據產生的輸出的數(shù)據分布應當與真實輸出的數(shù)據分布近似。

18、進一步的，完成模型設計后，根據制酸工藝機理設計模型內部的網絡結構，構建機理數(shù)據模型，實現(xiàn)機理與數(shù)據的融合。

19、本發(fā)明的優(yōu)點是：

20、1、本發(fā)明通過仿真出的環(huán)境可以模擬和預測環(huán)境的變化和行為，并自動調整模型參數(shù)和結構，以適應生產環(huán)境的變化，從而模型的準確性和適應性。

21、2、系統(tǒng)是基于一款基于生成對抗模仿學習算法的數(shù)據驅動開發(fā)工具包，旨在不需要與真實環(huán)境進行額外的交互基礎之上，從歷史數(shù)據中學習并構建仿真模型。

22、3、本發(fā)明通過系統(tǒng)仿真模型對壓力，蒸汽流量，空氣流量，液硫流量，各個塔液位等處理系統(tǒng)動態(tài)特性的數(shù)學描述，該模型支持交互推演，可以根據輸入任意的控制指令序列，預測未來的制酸的變化情況，基于制酸處理系統(tǒng)仿真模型的預測能力，就可以實現(xiàn)基于模型的智能控制。

技術特征：

1.一種硫酸生產的智能控制系統(tǒng)的仿真建模方法，其特征在于，包括如下步驟：

2.根據權利要求1所述的硫酸生產的智能控制系統(tǒng)的仿真建模方法，其特征在于，其中,ot為輸出變量，包含塔頂壓力、蒸汽流量、空氣流量、液硫流量、塔液位、酸平衡、硫酸冷卻溫度、風機轉速、換熱器溫度和爐煤量。

3.根據權利要求2所述的硫酸生產的智能控制系統(tǒng)的仿真建模方法，其特征在于，at為系統(tǒng)輸入變量，包含蒸汽流量、液硫流量、風機出口風量和吸收塔入口溫度。

4.根據權利要求3所述的硫酸生產的智能控制系統(tǒng)的仿真建模方法，其特征在于，ht為系統(tǒng)內部的狀態(tài)變量，fθ為系統(tǒng)的狀態(tài)轉移模型，gφ為觀測模型，θ＝(θ,φ)為模型的參數(shù)。

5.根據權利要求1所述的硫酸生產的智能控制系統(tǒng)的仿真建模方法，其特征在于，所述測試內容包括：

6.根據權利要求1所述的硫酸生產的智能控制系統(tǒng)的仿真建模方法，其特征在于，完成模型設計后，根據制酸工藝機理設計模型內部的網絡結構，構建機理數(shù)據模型，實現(xiàn)機理與數(shù)據的融合。

技術總結
本發(fā)明公開了一種硫酸生產的智能控制系統(tǒng)的仿真建模方法，屬于制酸仿真建模領域，包括確定硫酸生產控制系統(tǒng)的參數(shù)類型，將其分為智能體觀測變量參數(shù)與智能體動作變量參數(shù)；將智能體觀測變量參數(shù)作為系統(tǒng)仿真模型的主要輸出變量，智能體動作變量參數(shù)作為系統(tǒng)仿真模型的輸入變量；根據制酸處理系統(tǒng)的特性以及各階段硫酸處理控制的實際目標，構建出整體的系統(tǒng)模型框架。旨在不需要與真實環(huán)境進行額外的交互基礎之上，從歷史數(shù)據中學習并構建仿真模型，通過其仿真出的環(huán)境可以模擬和預測環(huán)境的變化和行為，并自動調整模型參數(shù)和結構，以適應生產環(huán)境的變化，從而模型的準確性和適應性。

技術研發(fā)人員：鐘篤來,朱瑩瑩
受保護的技術使用者：創(chuàng)思界（南京）智能科技有限公司
技術研發(fā)日：
技術公布日：2024/12/30