本發(fā)明涉及數據處理，尤其涉及一種原料倉清洗智能控制方法及系統。

背景技術：

1、隨著現代化工業(yè)企業(yè)對于原料倉庫的管理和清潔工作越來越高的要求，原料倉的清潔不僅關系生產質量，還涉及到產品的安全性和衛(wèi)生標準是否合格，傳統的人工清洗方法效率低下，且容易存在人為疏漏，不符合現代化生產企業(yè)對高效、安全、無誤差的要求。隨著技術的發(fā)展，智能清洗系統能夠通過自動化控制，減少人工干預，提高清洗效率，縮短清洗周期，從而有效提升生產線的整體效率。在智能清洗系統中，清洗劑流量的智能控制直接影響清潔效果；若清洗劑流量不足，可能無法有效去除原料倉中的殘留物或污垢，造成清洗不徹底；若清洗劑流量過大，會導致浪費，不僅增加了清洗成本，還可能對原料倉造成不必要的腐蝕或損壞。現有一種用于清洗劑流量智能控制的方法是模擬退火算法，該算法在清洗劑流量智能控制中靈活性強、適應性強，且擁有良好的全局優(yōu)化能力。

2、公告號為cn112232545b的專利文件公開了基于模擬退火算法的agv任務調度方法，屬于自動化倉儲系統任務調度領域。包括：1.確定agv的位置坐標和續(xù)航里程，待搬運貨架和揀選工作站的位置坐標；2.設置模擬退火算法的參數；3.產生初始任務分配方案；4.開始迭代搜索，生成候選解；5.檢驗候選解的可行性，如不可行轉至步驟4重新生成候選解；6.判斷是否接受候選解，如接受則用候選解替換當前解；7.如未達到預設迭代次數，跳轉至步驟4進行下一次迭代搜索；8.如滿足算法終止條件，輸出當前解，否則降低退火溫度并跳轉至步驟4開始新的一輪迭代搜索。該方法能夠快速求解一種智能倉儲系統環(huán)境下的agv任務調度問題，獲得完工時間最短或近似最短的任務分配方案。

3、然而，上述專利文件并非針對倉儲清洗方向，并且在使用模擬退火算法進行清洗劑流量數據智能控制時，通常會使用一個固定的冷卻系數（即溫度下降速率），其影響著算法的探索與收斂過程；冷卻系數過小會導致收斂速度過慢，從而浪費大量的計算資源，冷卻系數過大會導致溫度下降過快，算法將很快停止探索新的解，過早地收斂到局部最優(yōu)解，如此，盡管算法運行速度較快，但最終結果可能并不是全局最優(yōu)解；同時在采集清洗劑流量數據時，由于清洗系統中的可能會有其它電氣設備（如電機、變頻器等）產生電磁干擾，使得清洗劑流量數據中產生噪聲數據，那么噪聲數據的存在就會影響對于清洗劑流量數據變化特征的量化以及后續(xù)對于冷卻系數計算的準確性。

技術實現思路

1、為了解決在模擬退火算法中使用固定的冷卻系數導致，從而影響算法的探索與收斂過程，同時，由于電磁干擾產生的噪聲數據，使得計算冷卻系數的準確性降低的問題，本發(fā)明提供一種原料倉清洗智能控制方法及系統。

2、第一方面，本發(fā)明提供一種原料倉清洗智能控制方法，采用如下的技術方案：

3、一種原料倉清洗智能控制方法，包括：實時獲取原料倉清洗時清洗劑在當前時間段的流量數據和壓力數據；基于上一時間段的流量數據中流量數據點的極差，以及上一時間段的流量數據中二階導數為0的流量數據點的數量，計算上一時間段的流量數據的反常程度；基于所述反常程度、上一時間段的流量數據和壓力數據的相關系數，以及上一時間段內所有時刻對應的流量數據點和壓力數據點分別在所屬數據段中的百分位數之間的差異，計算上一時間段的流量數據的劇烈程度；依據所述劇烈程度對預設的初始冷卻系數進行加權，得到當前時間段的流量數據的自適應冷卻系數；依據所述自適應冷卻系數，利用模擬退火算法得到下一時間段的流量數據的理想流量，以實現原料倉清洗的智能控制。

4、通過根據流量數據的反常程度和劇烈程度動態(tài)調整冷卻系數，提升模擬退火算法的魯棒性和適應性，克服固定冷卻系數帶來的局限性；實時監(jiān)測和調整流量，確保清洗劑流量穩(wěn)定，提升原料倉清洗的質量，避免誤差或波動對清洗效果的影響；通過計算流量和壓力數據的異常值，減少電磁干擾和噪聲對數據的影響，確保算法優(yōu)化的準確性；精準控制流量，減少資源浪費，優(yōu)化清洗過程，提升生產效率。

5、進一步地，所述反常程度滿足如下關系式：

6、；式中，為上一時間段的流量數據的反常程度，與分別為上一時間段的流量數據中流量數據點的最大值與最小值，為上一時間段的流量數據中二階導數為0的流量數據點的數量，為超參數，為歸一化函數，為絕對值符號。

7、通過結合流量數據的極差和二階導數為0的流量數據點的數量，能夠準確識別流量數據中的異常波動，量化反常程度，提升對數據變化的敏感度，并通過二階導數為0的流量數據點的數量來反映數據的平穩(wěn)性，有效降低噪聲對流量數據的影響，提高數據分析的準確性；通過歸一化處理和引入超參數，使得反常程度的計算對不同規(guī)模的數據更加穩(wěn)定，確保冷卻系數調整具有較好的適應性。

8、進一步地，所述劇烈程度滿足如下關系式：

9、；式中，為上一時間段的流量數據的劇烈程度，為上一時間段的流量數據的反常程度，為上一時間段的流量數據和壓力數據的相關系數，為上一時間段中時刻的數量，為上一時間段內第個時刻對應的流量數據點在所屬數據段中的百分位數，為上一時間段內第個時刻對應的壓力數據點在所屬數據段中的百分位數，為超參數，為歸一化函數，為絕對值符號。

10、通過結合流量數據的反常程度和流量與壓力數據的相關系數，能夠準確衡量流量數據的劇烈變化，反映系統中波動的嚴重程度；引入流量和壓力數據點的百分位數差異，提供了更加全面的評估，能夠同時考慮流量和壓力之間的偏差，使得計算更加準確。

11、進一步地，所述相關系數為皮爾遜相關系數。

12、進一步地，所述自適應冷卻系數滿足如下關系式：

13、；式中，為當前時間段的流量數據的自適應冷卻系數，為上一時間段的流量數據的劇烈程度，為預設的初始冷卻系數。

14、通過將上一時間段流量數據的劇烈程度與預設的初始冷卻系數相結合，能夠根據流量波動的強弱，動態(tài)調整當前時間段的冷卻系數，確保冷卻系統根據實時需求做出優(yōu)化調整，提升冷卻效率；自適應冷卻系數能夠根據系統流量的劇烈變化進行調整，避免冷卻過度或不足，從而有效維持系統的穩(wěn)定運行。

15、進一步地，所述利用模擬退火算法得到下一時間段的流量數據的理想流量，包括：實時獲取原料倉的在當前時間段的污垢濃度數據，依據當前時間段的流量數據、原料倉在當前時間段開始時刻與結束時刻對應的污垢濃度數據點的值，以及原料倉在當前時間段的清洗成本，構建模擬退火算法的目標函數，將目標函數的解中的最優(yōu)解作為下一時間段的流量數據的理想流量。

16、通過綜合考慮當前流量、污垢濃度和清洗成本，模擬退火算法能夠精準地優(yōu)化下一時間段的理想流量，提高系統運行效率；實時獲取污垢濃度數據，系統能根據實際污垢情況調整流量，避免過度積累和影響生產，保持穩(wěn)定運行；優(yōu)化流量數據可減少不必要的清洗頻次，降低清洗成本，同時延長設備使用壽命；通過合理調整流量，平衡各因素，提升生產效率并減少資源浪費，帶來長期的節(jié)能和成本節(jié)省。

17、進一步地，所述目標函數滿足如下關系式：

18、；

19、式中，為目標函數的解，為預設的污垢濃度權重值，與分別為當前時間段開始時刻與結束時刻對應的污垢濃度數據點的值，為預設的成本權重值，為原料倉在當前時間段的清洗成本。

20、第二方面，本發(fā)明提供一種原料倉清洗智能控制系統，采用如下的技術方案：

21、一種原料倉清洗智能控制系統，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當所述計算機程序指令被所述處理器執(zhí)行時實現上述一種原料倉清洗智能控制方法。

22、通過采用上述技術方案，將上述的一種原料倉清洗智能控制方法生成計算機程序，并存儲于存儲器中，以被處理器加載并執(zhí)行，從而根據存儲器及處理器制作終端設備，方便使用。

23、本發(fā)明具有以下技術效果：

24、由于噪聲數據會導致模擬退火算法對流量數據變化的誤判，進而影響冷卻系數的自適應調整過程，而通過對上一時間段流量數據變化劇烈程度的分析，可以為當前時間段提供一個更為平滑和準確的動態(tài)調整機制，有效降低噪聲的干擾，避免過快或過慢的溫度下降速率，使得冷卻系數的調整更加精準，從而優(yōu)化了模擬退火算法的探索過程和收斂過程，避免過早陷入局部最優(yōu)解，同時加快了全局最優(yōu)解的搜索速度；因此，通過分析清洗劑流量數據和壓力數據的變化特征，并結合冷卻系數的自適應調整，能夠有效地減少噪聲數據對智能控制過程的干擾，并提高模擬退火算法的全局優(yōu)化能力和收斂速度；此外，自適應調整機制能夠根據流量數據的實際變化情況靈活調整冷卻速率，使得控制過程更加符合實際工況，提高了清洗劑流量的智能控制精度，最終優(yōu)化了清洗系統的運行效率，減少了計算資源的浪費，確保了智能控制結果的穩(wěn)定性與準確性。