CN120276310A 一种工业设备智能控制方法及系统 （湖南化工职业技术学院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120276310A(43)申请公布日2025.07.08

(21)申请号202510389457.4

(22)申请日2025.03.31

(71)申请人湖南化工职业技术学院

地址412000湖南省株洲市石峰区职教大

学城智慧路118号

(72)发明人董宗哲李坤鹏付伟李纲李敏

(74)专利代理机构广州飞航知识产权代理事务所(普通合伙)44763

专利代理师常银焕

(51)Int.CI.

G05B19/042(2006.01)

权利要求书4页说明书12页附图2页

(54)发明名称

一种工业设备智能控制方法及系统

(57)摘要

CN120276310A本发明公开了一种工业设备智能控制方法及系统，包括如下步骤：S1、采集并预处理设备运行数据，构建状态数据集；S2、采用高斯过程回归建立趋势预测模型，输出状态预测值；S3、构建图结构表示模型，结合图卷积网络与半监督学习方法，进行联合训练并识别工况类别与运行等级；S4、基于设备运行数据，计算模糊隶属度与模糊熵指标，生成熵分布曲线；S5、融合状态预测值、工况类别、运行等级和模糊熵指标，生成状态评估结果；S6、根据状态评估结果，调整控制策略参数，向设备控制系统下发控制指令；S7、采集反馈数据，更新状态数据集，实现闭环迭代优化。本发

CN120276310A

SI

SI、获取工业设备的运行数据，并进行预处理，构建标准化状态数据集

标记状态数据进行联合调练，输出当前设备运行状态对应的工况类别和运行等级

S4、基于当前时刻和历史时刻的设备运行数据，计算每一时刻对应的模糊隶属度函数值，基于隶属度函数值计算模糊楠指标，生成设备运行模糊楠分布曲线

55、基于状态预测值、工况类别、运行等级和模糊策指标，对当前设备运行状态进行综合评估，生成状态评估结果

S6、根据状态评估结果，生成对应的动态控制策略参数，向设备控制系统下发控制指令，执行实时调控操作

S7、采集设备执行调控后的反馈数据，更新状态数据集，实现闭环自学习与控制策略选代优化

CN120276310A权利要求书1/4页

2

1.一种工业设备智能控制方法，其特征在于，包括如下步骤：

S1、获取工业设备的运行数据，并进行预处理，构建标准化状态数据集；

S2、基于标准化状态数据集，采用高斯过程回归算法对设备运行趋势进行建模，生成指定时间窗口内的状态预测模型，并输出状态预测值；

S3、以设备运行状态为节点、设备间关联关系为边，构建图结构表示模型，将标准化状态数据映射至图结构中，采用图卷积网络与半监督学习方法对已标记状态数据和未标记状态数据进行联合训练，输出当前设备运行状态对应的工况类别和运行等级；

S4、基于当前时刻和历史时刻的设备运行数据，计算每一时刻对应的模糊隶属度函数值，基于隶属度函数值计算模糊熵指标，生成设备运行模糊熵分布曲线；

S5、基于状态预测值、工况类别、运行等级和模糊熵指标，对当前设备运行状态进行综合评估，生成状态评估结果；

S6、根据状态评估结果，调整对应的动态控制策略参数，向设备控制系统下发控制指令，执行实时调控操作；

S7、采集设备执行调控后的反馈数据，更新状态数据集，实现闭环自学习与控制策略迭代优化。

2.根据权利要求1所述的一种工业设备智能控制方法，其特征在于，所述运行数据包括温度、电流、振动频率、能耗和运行时间，所述预处理包括异常值剔除、去噪并标准化。

3.根据权利要求1所述的一种工业设备智能控制方法，其特征在于，所述S2具体包括：

S21、从标准化状态数据集中提取用于建模的目标变量序列Y={y?,y?,…,ym},其中y为第k个时刻的设备运行状态值，m为时间序列的长度；

S22、构建输入变量集合X={x?,X?,…,xm},其中x为第i个时刻对应的运行特征向量，特征维度为d,即x?∈Rd;

S23、基于输入变量集合X和目标变量序列Y,建立高斯过程回归模型，定义预测变量之间的协方差函数为核函数：

其中，k(x;,x)为核函数，2为核函数的信号方差，exp(·)为以e为底的自然指数函数，1为长度尺度超参数，||x:-x;|I为输入向量之间的欧氏距离，x;为第j个时刻对应的运行特征向量；

S24、基于核函数，计算高斯过程预测分布的均