專利名稱：一種可配置型智能制程控制系統(tǒng)及其實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于制程控制技術(shù)領(lǐng)域，涉及一種可配置型智能制程控制系統(tǒng)及其實(shí)現(xiàn)方法。
背景技術(shù)：
目前制程控制系統(tǒng)已經(jīng)從“單變量參數(shù)控制”發(fā)展到“單變量+多變量參數(shù)”解決方案，這就需要制程控制系統(tǒng)能對(duì)其所控制的制程保持動(dòng)態(tài)或可調(diào)模式，制程模式?jīng)Q定設(shè)備上應(yīng)該調(diào)整的參數(shù)以及調(diào)整程度，對(duì)制程偏移與改變進(jìn)行修正。一旦使用了該模式，必須進(jìn)行不斷的微調(diào)以支持變化中的制程狀態(tài)。在傳統(tǒng)的制程控制解決方案中，制程工程師在需要進(jìn)行模式動(dòng)態(tài)調(diào)整或修改設(shè)定的時(shí)候，需要把模式的算法實(shí)現(xiàn)要求，算法的數(shù)據(jù)來源，數(shù)據(jù)結(jié)構(gòu)等內(nèi)容匯總并提供給工廠的資訊部門，每一次的變更都需要軟件工程師或資訊工程師對(duì)現(xiàn)有系統(tǒng)進(jìn)行源程序上的修改并程序更新?？膳渲弥瞥趟惴ㄒ鎻母旧辖鉀Q了上述實(shí)施中遇到的問題，在實(shí)現(xiàn)并支持目前業(yè)界采用的全部常規(guī)基本算法的基礎(chǔ)上，算法引擎利用動(dòng)態(tài)解析的方法來解釋并實(shí)現(xiàn)用戶自定義的算法。制程工程師只需要根據(jù)模式的需要自主定義任何需要實(shí)現(xiàn)的算法，軟件工程師或資訊工程師不再需要修改源程序就可以輕松滿足用戶需求。

發(fā)明內(nèi)容
本發(fā)明的目的是克服了目前制程控制過程中的各種困難和問題，來提供一種可配置型智能制程控制系統(tǒng)及其實(shí)現(xiàn)方法。一種可配置型智能制程控制系統(tǒng)，該系統(tǒng)包括原始數(shù)據(jù)采集模塊，它是用于采集所控制設(shè)備的原始數(shù)據(jù)的模塊結(jié)構(gòu)；特征參數(shù)提取模塊，它是用于從上述原始數(shù)據(jù)中提取出需要控制的特征參數(shù)的模塊結(jié)構(gòu)；神經(jīng)網(wǎng)絡(luò)算法模塊，它是用于對(duì)所提取出的特征參數(shù)進(jìn)行智能算法分析的模塊結(jié)構(gòu)；指示變量計(jì)算模塊，它是通過上述神經(jīng)網(wǎng)絡(luò)算法對(duì)特征參數(shù)進(jìn)行分析過后，得出需要控制的指示變量結(jié)果的模塊結(jié)構(gòu)。進(jìn)一步，所述的一種可配置型智能制程控制系統(tǒng)，還具有如下技術(shù)特征所述的神經(jīng)網(wǎng)絡(luò)算法模塊，它包括有用于將制程算法輸入系統(tǒng)的制程算法植入模塊，以及用于將輸入的制程算法進(jìn)行學(xué)習(xí)記憶的制程算法學(xué)習(xí)模塊。所述的神經(jīng)網(wǎng)絡(luò)算法模塊，它包括有根據(jù)系統(tǒng)的需要能夠自主識(shí)別用戶需要的制程算法的制程算法識(shí)別模塊。所述的神經(jīng)網(wǎng)絡(luò)算法模塊，它包括有根據(jù)制程算法識(shí)別結(jié)果能夠自主生成系統(tǒng)所需要的制程算法的制程算法生產(chǎn)模塊。
所述的一種可配置型智能制程控制系統(tǒng)，還包括有用于對(duì)系統(tǒng)自主生成的算法進(jìn)行優(yōu)化處理的制程算法優(yōu)化模塊。所述的一種可配置型智能制程控制系統(tǒng)，還包括有用于制程模式植入的人機(jī)交互界面。所述的一種可配置型智能制程控制系統(tǒng)，它還包括有原始數(shù)據(jù)和報(bào)警信息鏈接模塊。所述的一種可配置型智能制程控制系統(tǒng)，還包括有報(bào)警信息統(tǒng)計(jì)模塊，以及根據(jù)該統(tǒng)計(jì)結(jié)果來得出設(shè)備報(bào)警頻率的設(shè)備報(bào)警頻率比較模塊。一種可配置型智能制程控制系統(tǒng)的實(shí)現(xiàn)方法，配套的實(shí)現(xiàn)系統(tǒng)如上述，該方法包括如下步驟步驟1.用戶輸入制程算法，讓系統(tǒng)自主學(xué)習(xí)；步驟2.系統(tǒng)采集需要控制設(shè)備的原始數(shù)據(jù)；步驟3.從原始數(shù)據(jù)中提取特征參數(shù)；步驟4.通過神經(jīng)網(wǎng)絡(luò)算法對(duì)特征參數(shù)進(jìn)行分析和控制；步驟5.得出特征參數(shù)的控制指示變量值；步驟6.系統(tǒng)根據(jù)該指示變量值對(duì)設(shè)備進(jìn)行控制，以達(dá)到最終目標(biāo)。進(jìn)一步，所述的一種可配置型智能制程控制系統(tǒng)的實(shí)現(xiàn)方法，包括有如下技術(shù)特征在步驟4中，通過神經(jīng)網(wǎng)絡(luò)算法分析生成了需要的制程算法之后，還需要對(duì)該制程算法進(jìn)行優(yōu)化處理。本發(fā)明的優(yōu)點(diǎn)本發(fā)明所述的這種可配置型智能制程控制系統(tǒng)及其實(shí)現(xiàn)方法，采用神經(jīng)網(wǎng)絡(luò)算法模塊以解析并實(shí)現(xiàn)用戶自己設(shè)計(jì)或定義的算法公式，并采用數(shù)據(jù)和模式匹配技術(shù)，全部過程都是神經(jīng)網(wǎng)絡(luò)程序自動(dòng)完成全部工作的，在此過程中，不需要或極少用戶的干預(yù)，所以系統(tǒng)的實(shí)施具有廣泛和適應(yīng)性。神經(jīng)網(wǎng)絡(luò)算法在完成客戶方的部署以后，用戶每次設(shè)計(jì)或提出新的算法公式需求時(shí)，需要做的工作僅僅是把設(shè)計(jì)完成的新算法公式，通過人機(jī)交互界面導(dǎo)入到算法引擎的系統(tǒng)配置數(shù)據(jù)庫中。軟件工程師不需要修改系統(tǒng)的源程序，資訊工程師也不需要頻繁的進(jìn)行系統(tǒng)的升級(jí)維護(hù)。系統(tǒng)會(huì)對(duì)算法公式用實(shí)際原始數(shù)據(jù)和模式的匹配自動(dòng)優(yōu)化，并讓工程師做出相應(yīng)的確認(rèn)，這樣融合了工程師的經(jīng)驗(yàn)做到算法的自適應(yīng)，做到預(yù)測(cè)和控制的智能化。通過制程工程師不斷放入模式讓系統(tǒng)自動(dòng)學(xué)習(xí)具有部分人工智能，系統(tǒng)對(duì)制程的控制會(huì)逐漸優(yōu)化并趨于智能。


圖1為本發(fā)明所述的一種可配置型智能制程控制系統(tǒng)的原理框圖。圖2為本發(fā)明所述的一種可配置型智能制程控制系統(tǒng)實(shí)現(xiàn)方法的流程圖。
具體實(shí)施例方式下面參照著附圖，對(duì)本發(fā)明所述的一種可配置型智能制程控制系統(tǒng)及其實(shí)現(xiàn)方法，做更詳細(xì)的介紹
圖1的說明參圖1所示，展示了本發(fā)明所述的一種可配置型智能制程控制系統(tǒng)100的主要原理結(jié)構(gòu)。該系統(tǒng)包括有原始數(shù)據(jù)采集模塊110，它是用于采集所控制設(shè)備的原始數(shù)據(jù)的模塊結(jié)構(gòu)，通過該模塊，系統(tǒng)100采集所控制的設(shè)備的各種原始數(shù)據(jù)參數(shù)，例如，設(shè)備目前的溫度、轉(zhuǎn)速、功率等信息，以備后續(xù)使用。特征參數(shù)提取模塊120，它是用于從上述原始數(shù)據(jù)中提取出需要控制的特征參數(shù)的模塊結(jié)構(gòu)；神經(jīng)網(wǎng)絡(luò)算法模塊130，它是用于對(duì)所提取出的特征參數(shù)進(jìn)行智能算法分析的模塊結(jié)構(gòu)，它包括有制程算法植入模塊131、制程算法學(xué)習(xí)模塊132、制程算法識(shí)別模塊133以及制程算法生成模塊134。其中的制程算法植入模塊131，它是用于讓制程工程師將制程算法輸入系統(tǒng)中，讓系統(tǒng)來學(xué)習(xí)的模塊結(jié)構(gòu)。用戶每次設(shè)計(jì)或提出新的算法公式需求時(shí)，需要做的工作僅僅是把設(shè)計(jì)完成的新算法公式通過人機(jī)交互界面160導(dǎo)入到該系統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法模塊130 中，使得系統(tǒng)的實(shí)施具有很強(qiáng)的適應(yīng)性。其中的制程算法學(xué)習(xí)模塊132，它是用于將輸入的制程算法進(jìn)行學(xué)習(xí)記憶的模塊結(jié)構(gòu)，系統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法模塊130，接收到用戶導(dǎo)入的新算法公式后，會(huì)自主進(jìn)行學(xué)習(xí)，記憶該算法，以備需要時(shí)直接調(diào)出進(jìn)行使用。其中的制程算法識(shí)別模塊133，它是根據(jù)系統(tǒng)的需要能夠自主識(shí)別用戶需要的制程算法的模塊結(jié)構(gòu)，通過制程算法學(xué)習(xí)模塊132學(xué)習(xí)過的制程算法可以讓系統(tǒng)作出自動(dòng)識(shí)別和判別，并對(duì)制程數(shù)據(jù)結(jié)果進(jìn)行預(yù)測(cè)并作出相應(yīng)的措施，這樣系統(tǒng)對(duì)制程的控制會(huì)逐漸優(yōu)化并趨于智能。其中的制程算法生成模塊134，它是根據(jù)制程算法識(shí)別模塊133的制程識(shí)別結(jié)果， 能夠自主生成系統(tǒng)所需要的制程算法的模塊結(jié)構(gòu)。所述的一種可配置型智能制程控制系統(tǒng)100，還包括有用于對(duì)系統(tǒng)自主生成的算法進(jìn)行優(yōu)化處理的制程算法優(yōu)化模塊140，通過該制程算法優(yōu)化模塊140，系統(tǒng)會(huì)對(duì)制程算法生成模塊134生成的制程算法公式，用實(shí)際原始數(shù)據(jù)和模式的匹配進(jìn)行自動(dòng)優(yōu)化，并讓工程師作出相應(yīng)的確認(rèn)，這樣融合了工程師的經(jīng)驗(yàn)做到算法的自適應(yīng)，做到預(yù)測(cè)和控制的智能化。所述的一種可配置型智能制程控制系統(tǒng)100還設(shè)置有指示變量計(jì)算模塊150，它是通過上述制程算法優(yōu)化模塊140得出的制程算法，進(jìn)一步計(jì)算出需要控制的指示變量結(jié)果的模塊結(jié)構(gòu)。這樣就可以對(duì)設(shè)備進(jìn)行最終的控制指示操作了，例如，應(yīng)該將溫度提高5°C 等這種指示變量信息。所述的一種可配置型智能制程控制系統(tǒng)100，還包括有用于制程模式植入的人機(jī)交互界面160，用戶通過該界面與系統(tǒng)進(jìn)行交流完成相關(guān)配置方面的工作，特別是對(duì)系統(tǒng)進(jìn)行新算法的植入，讓系統(tǒng)進(jìn)行自主學(xué)習(xí)。例如，用戶可以植入哪些原始數(shù)據(jù)提取特征值，采用哪種算法，需要在線監(jiān)控哪些特征值的變化，具體采取哪些應(yīng)對(duì)措施等等，所以系統(tǒng)相關(guān)的配置工作都可以在這里完成。所述的一種可配置型智能制程控制系統(tǒng)100，它還包括有原始數(shù)據(jù)和報(bào)警信息鏈接模塊170，這樣方便查找設(shè)備出現(xiàn)問題的原因。所述的一種可配置型智能制程控制系統(tǒng)，還包括有報(bào)警信息統(tǒng)計(jì)模塊180，以及設(shè)備報(bào)警頻率比較模塊190。通過報(bào)警信息統(tǒng)計(jì)模塊180可以統(tǒng)計(jì)處各個(gè)設(shè)備的故障累計(jì)情況，通過設(shè)備報(bào)警頻率比較模塊190，可以比較每個(gè)設(shè)備的故障報(bào)警頻率，從而找出故障率高的設(shè)備。圖2的說明參圖2所示，為本發(fā)明所述的一種可配置型智能制程控制系統(tǒng)實(shí)現(xiàn)方法的流程圖。步驟1.制程工程師通過制程算法植入模塊，將制程算法輸入系統(tǒng)中，讓系統(tǒng)來學(xué)習(xí)，用戶每次設(shè)計(jì)或提出新的算法公式需求時(shí)，需要做的工作僅僅是把設(shè)計(jì)完成的新算法公式通過人機(jī)交互界面導(dǎo)入到該系統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法模塊中，使得系統(tǒng)的實(shí)施具有很強(qiáng)的適應(yīng)性。系統(tǒng)接收到用戶導(dǎo)入的新算法公式后，通過制程算法學(xué)習(xí)模塊會(huì)自主進(jìn)行學(xué)習(xí)，記憶該算法，以備需要時(shí)直接調(diào)出進(jìn)行使用。步驟2.通過原始數(shù)據(jù)采集模塊，系統(tǒng)采集所控制的設(shè)備的各種原始數(shù)據(jù)參數(shù)，例如，設(shè)備目前的溫度、轉(zhuǎn)速、功率等信息，以備后續(xù)使用。步驟3.通過特征參數(shù)提取模塊，從上述原始數(shù)據(jù)中提取出需要控制的特征參數(shù)。步驟4.通過制程算法識(shí)別模塊，根據(jù)系統(tǒng)的需要能夠自主識(shí)別用戶需要的制程算法。通過制程算法學(xué)習(xí)模塊學(xué)習(xí)過的制程算法，可以讓系統(tǒng)作出自動(dòng)識(shí)別和判別，并對(duì)制程數(shù)據(jù)結(jié)果進(jìn)行預(yù)測(cè)并作出相應(yīng)的措施，這樣系統(tǒng)對(duì)制程的控制會(huì)逐漸優(yōu)化并趨于智能。 通過制程算法生成模塊，根據(jù)制程算法識(shí)別模塊的制程識(shí)別結(jié)果，生成系統(tǒng)所需要的制程算法。通過制程算法優(yōu)化模塊，系統(tǒng)會(huì)對(duì)制程算法生成模塊生成的制程算法公式，用實(shí)際原始數(shù)據(jù)和模式的匹配進(jìn)行自動(dòng)優(yōu)化，并讓工程師作出相應(yīng)的確認(rèn)，這樣融合了工程師的經(jīng)驗(yàn)做到算法的自適應(yīng)，做到預(yù)測(cè)和控制的智能化。步驟5.通過指示變量計(jì)算模塊，將上述制程算法優(yōu)化模塊得出的制程算法，進(jìn)一步計(jì)算出需要控制的指示變量結(jié)果。這樣就可以對(duì)設(shè)備進(jìn)行最終的控制指示操作了，例如， 應(yīng)該將溫度提高5 °C等這種指示變量信息。步驟6.系統(tǒng)根據(jù)指示變量，對(duì)設(shè)備進(jìn)行具體控制，達(dá)到目標(biāo)要求。以上是對(duì)本發(fā)明的描述而非限定，基于本發(fā)明思想的其它實(shí)施方式，均在本發(fā)明的保護(hù)范圍之中。
權(quán)利要求
1.一種可配置型智能制程控制系統(tǒng)，其特征在于，該系統(tǒng)包括 原始數(shù)據(jù)采集模塊，它是用于采集所控制設(shè)備的原始數(shù)據(jù)的模塊結(jié)構(gòu)；特征參數(shù)提取模塊，它是用于從上述原始數(shù)據(jù)中提取出需要控制的特征參數(shù)的模塊結(jié)構(gòu)；神經(jīng)網(wǎng)絡(luò)算法模塊，它是用于對(duì)所提取出的特征參數(shù)進(jìn)行智能算法分析的模塊結(jié)構(gòu)； 指示變量計(jì)算模塊，它是通過上述神經(jīng)網(wǎng)絡(luò)算法對(duì)特征參數(shù)進(jìn)行分析過后，得出需要控制的指示變量結(jié)果的模塊結(jié)構(gòu)。
2.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的神經(jīng)網(wǎng)絡(luò)算法模塊，它包括有用于將制程算法輸入系統(tǒng)的制程算法植入模塊，以及用于將輸入的制程算法進(jìn)行學(xué)習(xí)記憶的制程算法學(xué)習(xí)模塊。
3.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的神經(jīng)網(wǎng)絡(luò)算法模塊，它包括有根據(jù)系統(tǒng)的需要能夠自主識(shí)別用戶需要的制程算法的制程算法識(shí)別模塊。
4.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的神經(jīng)網(wǎng)絡(luò)算法模塊，它包括有根據(jù)制程算法識(shí)別結(jié)果能夠自主生成系統(tǒng)所需要的制程算法的制程算法生成模塊。
5.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的一種可配置型智能制程控制系統(tǒng)，還包括有用于對(duì)系統(tǒng)自主生成的算法進(jìn)行優(yōu)化處理的制程算法優(yōu)化模塊。
6.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的一種可配置型智能制程控制系統(tǒng)，還包括有用于制程模式植入的人機(jī)交互界面。
7.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的一種可配置型智能制程控制系統(tǒng)，它還包括有原始數(shù)據(jù)和報(bào)警信息鏈接模塊。
8.根據(jù)權(quán)利要求1所述的一種可配置型智能制程控制系統(tǒng)，其特征在于所述的一種可配置型智能制程控制系統(tǒng)，還包括有報(bào)警信息統(tǒng)計(jì)模塊，以及根據(jù)該統(tǒng)計(jì)結(jié)果來得出設(shè)備報(bào)警頻率的設(shè)備報(bào)警頻率比較模塊。
9.一種可配置型智能制程控制系統(tǒng)的實(shí)現(xiàn)方法，配套的實(shí)現(xiàn)系統(tǒng)如上述，其特征在于， 該方法包括如下步驟步驟1.用戶輸入制程算法，讓系統(tǒng)自主學(xué)習(xí)；步驟2.系統(tǒng)采集需要控制設(shè)備的原始數(shù)據(jù)；步驟3.從原始數(shù)據(jù)中提取特征參數(shù)；步驟4.通過神經(jīng)網(wǎng)絡(luò)算法對(duì)特征參數(shù)進(jìn)行分析和控制；步驟5.得出特征參數(shù)的控制指示變量值；步驟6.系統(tǒng)根據(jù)該指示變量值對(duì)設(shè)備進(jìn)行控制，以達(dá)到最終目標(biāo)。
10.根據(jù)權(quán)利要求9所述的一種可配置型智能制程控制系統(tǒng)的實(shí)現(xiàn)方法，其特征在于， 在步驟4中，通過神經(jīng)網(wǎng)絡(luò)算法分析生成了需要的制程算法之后，還需要對(duì)該制程算法進(jìn)行優(yōu)化處理。
全文摘要
本發(fā)明提出了一種可配置型智能制程控制系統(tǒng)及其實(shí)現(xiàn)方法，屬于制程控制技術(shù)領(lǐng)域。該系統(tǒng)包括原始數(shù)據(jù)采集模塊、指示變量計(jì)算模塊、神經(jīng)網(wǎng)絡(luò)算法模塊以及特征參數(shù)提取模塊。該系統(tǒng)的實(shí)現(xiàn)方法包括(1)用戶輸入制程算法，讓系統(tǒng)自主學(xué)習(xí)；(2)系統(tǒng)采集需要控制設(shè)備的原始數(shù)據(jù)；(3)從原始數(shù)據(jù)中提取特征參數(shù)；(4)通過神經(jīng)網(wǎng)絡(luò)算法對(duì)特征參數(shù)進(jìn)行分析和控制；(5)得出特征參數(shù)的控制指示變量值；(6)系統(tǒng)根據(jù)該指示變量值對(duì)設(shè)備進(jìn)行控制，以達(dá)到最終目標(biāo)。該系統(tǒng)及其實(shí)現(xiàn)方法，通過制程工程師不斷放入模式讓系統(tǒng)自動(dòng)學(xué)習(xí)具有部分人工智能，系統(tǒng)對(duì)制程的控制會(huì)逐漸優(yōu)化并趨于智能。
文檔編號(hào)G05B19/02GK102253644SQ20101017727
公開日2011年11月23日 申請(qǐng)日期2010年5月17日 優(yōu)先權(quán)日2010年5月17日
發(fā)明者曹翃, 金學(xué)義, 馬鴻健 申請(qǐng)人:無錫愛德普信息技術(shù)有限公司