(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111526605.0 (22)申请日 2021.12.14 (71)申请人 浙江中控技 术股份有限公司 地址 310053 浙江省杭州市滨江区六和路 309号 (72)发明人 韦金银　陈江义　张壹芬　郑二磊　 黄繁秋　 (74)专利代理 机构 杭州宇信联合知识产权代理 有限公司 3 3401 代理人 王健 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/04(2012.01) G16C 20/10(2019.01) (54)发明名称 一种环氧树脂合成反应停止时间的预测方 法 (57)摘要 本发明公开了一种环氧树脂合成反应停止 时间的预测方法， 包括： 根据环氧树脂的生产工 艺特点， 确认工艺关键位号； 根据关键位号获取 历史生产数据， 对历史生产数据进行处理和特征 提取； 对提取的特征进行筛选， 剔除无关的特征； 设历史生产数据为样本数据， 将收集的样本数据 分成训练集和测试集； 通过训练集数据建立环氧 树脂合成反应停止时间预测模型， 通过测试集数 据对环氧树脂合成反应停止时间预测模型进行 评价； 根据环氧树脂合成反应停止时间预测模型 计算反应停止时长， 根据反应停止时长控制反应 停止。 本发 明根据环氧树脂合 成反应停止时间预 测模型， 得到反应停止的预测时间， 对提高环氧 树脂产品的稳定性和减少人工成本具有十分重 要的意义。 权利要求书2页 说明书7页 附图2页 CN 114202124 A 2022.03.18 CN 114202124 A 1.一种环氧树脂合成反应停止时间的预测方法， 其特 征在于， 至少包括 步骤： 根据环氧树脂的生产工艺特点， 确认工艺关键位 号； 根据关键位 号获取历史生产数据， 对历史生产数据进行处 理和特征提取； 对提取的特 征进行筛 选， 剔除无关的特 征； 设历史生产数据为样本数据， 将收集的样本数据分成训练集和 测试集； 通过训练集数据建立环氧树脂合成反应停止时间预测模型， 通过测试集数据对环氧树 脂合成反应停止时间预测模型进行评价； 根据环氧树脂合成反应停止时间预测模型计算反应停止时长， 根据反应停止时长控制 反应停止 。 2.根据权利要求1所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 根据环 氧树脂的生产工艺特点， 确认工艺关键位 号的步骤之前， 还 包括步骤： 对环氧树脂的生产工艺进行分段， 选择 所需分析的时间段。 3.根据权利要求2所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 环氧树 脂的生产工艺按照时间顺序依次至少包括投料、 升温、 保温和降温， 分段是指分成反应阶段 和非反应阶段， 反应阶段是升温结束到降温开始之前的时间段， 其余时间段是非反应阶段， 选择所需分析的时间段 是反应阶段。 4.根据权利要求1所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 根据环 氧树脂的生产工艺特点， 确认工艺关键位号的步骤中， 工艺关键位号至少包括： 釜温、 夹套 进口油温度、 夹套出口油温度、 釜顶温度、 热油进口百分比、 冷油进口百分比。 5.根据权利要求4所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 根据关 键位号获取历史生产数据， 对历史生产数据进行处 理和特征提取的步骤， 具体包括： 预设采样间隔时间， 收集预设时间段内的关键位号的历史生产数据， 设整个过程需测 量L个变量， 每个变量在一个周期内具有M个按照时序采集的数据， 故， 一个间歇操作周期内 数据就形成了一个二维矩阵X(L ×M)； 上述间歇操作重复进行， 产生 N个批次， 故最终数据形成一个三维数组Y(L ×M×N)； 将间歇操作周期内M个按照时序采集的数据 取平均值和标准差， 将三维数组Y降维成二 维矩阵， 再对数据作进一步处理， 进一步处理是指 计算预设时间段内的降温速率， 以及计算 第一次检测Ep浓度与期望反应停止的Ep浓度的差值， 其中， Ep是指反应物的官能团。 6.根据权利要求5所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 对提取 的特征进行筛 选， 剔除无关的特 征的步骤， 具体包括： 采用皮尔逊相关系数对提取的特征进行相关性分析， 删除相关性低于0.3的非独立变 量， 其中， 非独立变量是指与其它变量存在线性或非线性关系的变量。 7.根据权利要求1所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 设历史 生产数据为样本数据， 对收集的样本数据分成训练集和测试集的步骤中， 训练集的样本占 总样本数量的70％ ‑90％之间， 测试集的样本占总样本数据的10％ ‑30％之间。 8.根据权利要求5或6所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 环 氧树脂合成反应停止时间预测模型的建立采用机器学习算法， 至少采用下述算法中的其中 一种： 支持向量机算法、 随机森林算法、 梯度提升决策树算法、 多元线性回归算法、 人工神经权　利　要　求　书 1/2 页 2 CN 114202124 A 2网络算法、 偏最小二乘算法。 9.根据权利要求8所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 通过随 机森林算法建立环氧树脂合成反应停止时间预测模型， 具体包括： (1)使用Bo otstrap重复采样法， 生成K个训练样本集： { θ1, θ2,... θK}； (2)在每个训练样本集中， 从对历史生产数据处理后的特征中随机选择m个特征， 选择 决策树算法中迭代计算最小损失函数 的特征作为决策树的分裂节点， 对该节点进行分裂， 对决策树建模； (3)重复上述 步骤(1)和(2)， 形成K个决策树： {T( θ1),T( θ2),...T( θK)}， 生成随机森林； (4)随机森林的预测值是 所有每棵决策树输出值的加权和取平均： 式中， 表示随机森林的预测值， yi表示每棵决策树输出值。 10.根据权利要求1所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 环氧 树脂合成反应停止时间预测模型 的输入至少包括釜温、 配环氧活动的时长、 夹套进口油温 度、 夹套出口油温度、 热油进口百分比、 冷油进口百分比， 输出为环氧树脂合成反应停止时 间。 11.根据权利要求1所述的环氧树脂合成反应停止时间的预测方法， 其特征在于， 对环 氧树脂合成反应停止时间预测模型进行评价， 具体是， 通过计算均方根误差和平均绝对误 差， 对环氧树脂合成反应停止时间预测模型的精度进行分析； 均方根误差用于评价数据的变化程度， 均方根误差的值越小， 则环氧树脂合成反应停 止时间预测模型的精度越高， 反 之， 则精度越低； 平均绝对误差用于反映预测值 误差的实际情况。权　利　要　求　书 2/2 页 3 CN 114202124 A 3