常压蒸馏塔控制方法、装置、电子设备及存储介质 |
|||||||
| 申请号 | CN202410070853.6 | 申请日 | 2024-01-17 | 公开(公告)号 | CN117903836A | 公开(公告)日 | 2024-04-19 |
| 申请人 | 南栖仙策(南京)高新技术有限公司; | 发明人 | 田睿杰; 陈雄辉; 俞扬; | ||||
| 摘要 | 本 发明 公开了一种常压蒸馏塔控制方法、装置、 电子 设备及存储介质。其中，该方法包括：对于待控蒸馏塔运行过程中的各参数控制时刻，获取与所述待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据；基于预先确定的操作参数 预测模型 对当前参数控制时刻对应的蒸馏过程 数据处理 ，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量；基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节。本技术方案，实现了在蒸馏塔运行过程中对蒸馏塔的操作参数进行精准控制的效果，达到了在降低人 力 成本和保证蒸馏塔系统稳定的同时，还可以提高蒸馏塔的运行效率的效果。 | ||||||
| 权利要求 | 1.一种常压蒸馏塔控制方法，其特征在于，包括： |
||||||
| 说明书全文 | 常压蒸馏塔控制方法、装置、电子设备及存储介质技术领域[0001] 本发明涉及石油炼制技术领域，尤其涉及一种常压蒸馏塔控制方法、装置、电子设备及存储介质。 背景技术[0004] 然而，前馈技术通常需要建立复杂的数学模型，这不仅造成了高昂的成本，而且还限制了其在不同场景之间的灵活性和可迁移性。若系统的动力模型发生了变化，先前已经调试好的PID参数就会无法使用。并且，现阶段大多数的PID参数的调整基本都是基于人工调参或者专家系统，这二者都依赖大量的人工参数选取与领域知识，这大大降低了PID控制器的易用性、灵活性与通用性。 发明内容[0005] 本发明提供了一种常压蒸馏塔控制方法、装置、电子设备及存储介质，以实现在蒸馏塔运行过程中对蒸馏塔的操作参数进行精准控制的效果，达到了在降低人力成本和保证蒸馏塔系统稳定的同时，还可以提高蒸馏塔的运行效率的效果。 [0006] 根据本发明的一方面，提供了一种常压蒸馏塔控制方法，该方法包括： [0007] 对于待控蒸馏塔运行过程中的各参数控制时刻，获取与所述待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，其中，所述蒸馏过程数据包括至少一个蒸馏过程序列，所述至少一个蒸馏过程序列包括各预设塔高处对应的塔内温度序列和塔内压力序列、塔内液位高度序列、至少一个提纯对象对应的品质参数序列和至少一个目标管道内对应的液体流量序列，各所述蒸馏过程序列中所包括的各序列值对应于各参数控制时刻； [0008] 基于预先确定的操作参数预测模型对所述当前参数控制时刻对应的蒸馏过程数据处理，得到所述待控蒸馏塔在所述当前参数控制时刻对应的至少一项操作参数的参数调节量，其中，所述操作参数预测模型是基于强化学习算法训练得到的；所述至少一项操作参数包括阀门开度、回流流量和/或各所述提纯对象提取量； [0009] 基于所述至少一项操作参数的参数调节量和与所述当前参数控制时刻对应的参数调节方式对操作参数进行调节。 [0010] 根据本发明的另一方面，提供了一种常压蒸馏塔控制装置，该装置包括： [0011] 数据获取模块，用于对于待控蒸馏塔运行过程中的各参数控制时刻，获取与所述待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，其中，所述蒸馏过程数据包括至少一个蒸馏过程序列，所述至少一个蒸馏过程序列包括各预设塔高处对应的塔内温度序列和塔内压力序列、塔内液位高度序列、至少一个提纯对象对应的品质参数序列和至少一个目标管道内对应的液体流量序列，各所述蒸馏过程序列中所包括的各序列值对应于各参数控制时刻； [0012] 数据处理模块，用于基于预先确定的操作参数预测模型对所述当前参数控制时刻对应的蒸馏过程数据处理，得到所述待控蒸馏塔在所述当前参数控制时刻对应的至少一项操作参数的参数调节量，其中，所述操作参数预测模型是基于强化学习算法训练得到的；所述至少一项操作参数包括阀门开度、回流流量和/或各所述提纯对象提取量； [0013] 参数调节模块，用于基于所述至少一项操作参数的参数调节量和与所述当前参数控制时刻对应的参数调节方式对操作参数进行调节。 [0014] 根据本发明的另一方面，提供了一种电子设备，所述电子设备包括： [0015] 至少一个处理器；以及 [0016] 与所述至少一个处理器通信连接的存储器；其中， [0018] 根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的常压蒸馏塔控制方法。 [0019] 本发明实施例的技术方案，通过对于待控蒸馏塔运行过程中的各参数控制时刻，获取与待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，进一步的，基于预先确定的操作参数预测模型对当前参数控制时刻对应的蒸馏过程数据处理，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量，最后，基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节，解决了相关技术中无法对蒸馏塔的蒸馏过程进行精准控制以及控制过程较为复杂的问题，实现了在蒸馏塔运行过程中对蒸馏塔的操作参数进行精准控制的效果，达到了在降低人力成本和保证蒸馏塔系统稳定的同时，还可以提高蒸馏塔的运行效率的效果。 [0021] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 [0022] 图1是根据本发明实施例一提供的一种常压蒸馏塔控制方法的流程图； [0023] 图2是根据本发明实施例二提供的一种常压蒸馏塔控制方法的流程图； [0024] 图3是根据本发明实施例三提供的一种常压蒸馏塔控制装置的结构示意图； [0025] 图4是实现本发明实施例的常压蒸馏塔控制方法的电子设备的结构示意图。 具体实施方式[0026] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。 [0027] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。 [0028] 实施例一 [0029] 图1是本发明实施例一提供的一种常压蒸馏塔控制方法的流程图，本实施例可适用于在蒸馏塔运行过程中，对蒸馏塔的操作参数进行控制的情况，该方法可以由常压蒸馏塔控制装置来执行，该常压蒸馏塔控制装置可以采用硬件和/或软件的形式实现，该常压蒸馏塔控制装置可配置于终端和/或服务器中。如图1所示，该方法包括： [0030] S110、对于待控蒸馏塔蒸馏过程中的各参数控制时刻，获取与待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据。 [0031] 需要说明的是，可以将本发明实施例的技术方案应用于常压蒸馏塔的蒸馏过程控制的场景中。在常压蒸馏塔平稳运行的过程中，往往会由于原料成分、进料负荷等各种原因产生波动，影响生产安全和产品质量。为了应对这种波动，可以在蒸馏塔运行过程中，控制与蒸馏塔相关联的至少一项操作参数，如，阀门开度、回流流量和产品提取量等。从而，可以保证常压蒸馏塔的操作状态稳定且分离出的产品符合质量要求。 [0032] 在本实施例中，待控蒸馏塔可以理解为待进行控制的常压蒸馏塔。可以理解，常压蒸馏塔应用于石油化工等领域的设备，其蒸馏原理是将液体混合物部分气化，利用其中各组分挥发度不同的特性，实现分离。常压蒸馏塔塔釜为液体，塔顶馏出气体。常压蒸馏塔的功能主要时为了分离混合液体，在常压下，不同组分的沸点不同，因此，可以通过升温使组分逐渐沸腾，然后，通过冷却使其凝结成液体，分离出来，从而达到提纯效果。参数控制时刻可以理解为在常压蒸馏塔运行过程中对蒸馏塔的相关控制参数进行调节的时刻。在实际应用中，可以将蒸馏塔运行过程依据预设步长划分为多个时刻，将所划分的时刻作为参数控制时刻。预设步长可以是任意值，可选的，可以是5分钟或10分钟等。 [0033] 在本实施例中，蒸馏过程数据可以理解为待控蒸馏塔在对塔内混合液体进行蒸馏时所产生的数据。蒸馏过程数据是表征蒸馏过程的数据，因此，蒸馏过程数据可以是由不同参数控制时刻对应的表征蒸馏塔运行状态的参数值组成的序列数据。蒸馏过程数据可以包括至少一个蒸馏过程序列，至少一个蒸馏过程序列包括各预设塔高处对应的塔内温度序列和塔内压力序列、塔内液位高度序列、至少一个提纯对象对应的品质参数序列和至少一个目标管道内对应的液体流量序列。各蒸馏过程序列中所包括的各序列值对应于各参数控制时刻。 [0034] 其中，各预设塔高可以理解为待控蒸馏塔的塔内不同高度。塔内温度序列可以理解为待控蒸馏塔在相应高度处不同参数控制时刻对应的温度值。塔内压力序列可以理解为待控蒸馏塔在相应高度处不同参数控制时刻对应的压力值。在实际应用中，可以预先在待控蒸馏塔内确定多个不同的高度，并在各个高度处设置温度检测设备和压力检测设备，以在蒸馏过程中，基于温度检测设备对相应高度处不同参数控制时刻下的温度值进行检测，得到与该高度处对应的塔内温度序列；同时，基于压力检测设备对相应高度处不同参数控制时刻下的压力值进行检测，得到与该高度处对应的塔内压力序列。塔内液位高度序列中可以包括各个参数控制时刻对应的塔内液体液位高度。塔内液体可以是待控蒸馏塔塔内的混合液体，即，待提取液体。提纯对象可以理解为混合液体被提纯出来的对象。示例性的，假设待提纯的混合液体是原油，则提纯对象可以是汽油、柴油和润滑油等对象。品质参数序列可以理解为表征相应提纯对象的品质特征的参数序列。需要说明的是，对于不同的提取对象，其对应的品质特征参数是不同的。示例性的，若提纯对象为煤油，则品质特征参数为闪点和/或90％蒸馏点，其对应的品质参数序列可以是闪点序列和/或90％蒸馏点序列；若提纯对象为柴油，则品质特征参数为90％(或95％)点，其对应的品质参数序列可以是90％点序列或95％点序列。本领域技术人员可以理解，闪点，是材料制品与外界空气形成混合气与火焰接触时发生闪火并立刻燃烧的最低温度。闪点是可燃性液体贮存、运输和使用的一个安全指标，同时也是可燃性液体的挥发性指标。目标管道可以是待控蒸馏塔中与蒸馏过程相关联的管道。目标管道可以是待控蒸馏塔所设置的全部管道中的至少部分管道。液体流量序列中可以包括相应目标管道在各个参数控制时刻下对应的液体流量。 [0035] 在实际应用中，为了使得待控蒸馏塔在蒸馏过程中能够稳定运行且所提纯得到的提纯对象的品质较高，可以在待控蒸馏塔对待提纯的混合液体进行蒸馏的过程中，对能够表征蒸馏状态的参数进行检测，进而，可以基于检测结果确定与待控蒸馏塔对应的参数控制策略。因此，在待控蒸馏塔对混合液体进行蒸馏的过程中，对于待控蒸馏塔蒸馏过程中的各个参数控制时刻，可以对各个参数控制时刻的蒸馏数据进行采集。进而，可以得到待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据。 [0036] S120、基于预先确定的操作参数预测模型对当前参数控制时刻对应的蒸馏过程数据处理，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量。 [0037] 其中，操作参数预测模型是基于强化学习算法训练得到的。 [0038] 在本实施例中，操作参数预测模型可以理解为基于强化学习算法所确定的策略模型，该策略模型可以用于确定待控蒸馏塔的至少一项操作参数的参数调节值。其中，策略模型可以是部署策略函数的深度神经网络模型，该模型对应的输入对象可以是智能体所处环境的状态，其对应的输出对象可以是根据所输入的状态所确定的决策动作。操作参数预测模型可以任意模型结构的神经网络模型。可选的，操作参数预测模型的模型结构可以包括但不限于门控循环神经网络(Gated Recurrent Neural Network，GRU)的模型结构和长短期记忆网络(Long Short‑Term Memory network，LSTM)的模型结构等。操作参数可以是待控蒸馏塔蒸馏过程中所要调节控制的参数。至少一项操作参数可以包括阀门开度、回流流量和各提纯对象的提取量等。阀门开度是指阀门在开启和闭合状态之间的相对位置。阀门开度的大小直接影响着流体的流量和阻力，对于流体控制和调节具有重要作用。回流流量可以理解为在对混合液体进行提纯的过程中，将部分已提取的对象重新投入至蒸馏塔内的流量。提取量可以理解为从提纯对象的总量中所提取的液体量。对于各项操作参数，当前操作参数的参数调节量可以理解为当前操作参数的参数值的增加量或减小量，即，在当前参数控制时刻对应的操作参数的参数值的基础上所增加或减小的参数值；当前操作参数的参数调节量可以是既有方向又有大小的量，方向可以用“+”和“‑”表示。 [0039] 在实际应用中，为了可以确定待控蒸馏塔在当前参数控制时刻下各操作参数对应的参数调节量，可以在获取当前参数控制时刻对应的蒸馏过程数据的情况下，将蒸馏过程数据输入至操作参数预测模型中。进而，可以基于操作参数预测模型对蒸馏过程数据进行处理，以得到待控蒸馏塔在当前参数控制时刻对应的阀门开度的参数调节量、回流流量的参数调节量和/或各提纯对象提取量的参数调节量。 [0040] S130、基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节。 [0041] 在本实施例中，对于待控蒸馏塔运行过程中的各参数控制时刻，在得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量之后，即可依据预先确定的参数调节方式和当前参数控制时刻对应的至少一项操作参数的参数调节量对当前参数控制时刻下的相应操作参数进行调节。 [0042] 在本实施例中，参数调节方式可以理解为在蒸馏塔运行过程中对蒸馏塔的操作参数进行调节的方式。参数调节方式可以是能够对操作参数进行调节的任意方式。可选的，参数调整方式可以包括直接调节或间接调节等。 [0043] 在实际应用中，在得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量之后，为了在实现自动参数控制的基础上保证待控蒸馏塔的运行状态稳定，还可以确定参数调节后的操作参数的参数值是否达到预设控制阈值，进而，可以根据判断结果确定相应的参数调节方式。 [0044] 基于此，在上述各技术方案的基础上，还包括：基于至少一项操作参数在当前参数控制时刻对应的参数调节量和预先获取的各项操作参数在当前参数控制时刻对应的参数值，确定各项操作参数在下一参数控制时刻对应的参数值；在各项操作参数在下一参数控制时刻对应的参数值均未达到相应的预设控制阈值的情况下，将当前参数控制时刻对应的参数调节方式确定为直接调节；在各项操作参数中的其中一项操作参数在下一参数控制时刻对应的参数值达到相应的预设控制阈值的情况下，将当前参数控制时刻对应的参数调节方式确定为间接调节。 [0045] 在本实施例中，预设控制阈值可以是任意值，针对不同的操作参数，可以对应不同的预设控制阈值。 [0046] 在实际应用中，在得到至少一项操作参数在当前参数控制时刻对应的参数调节量之后，对于各项操作参数，可以将当前操作参数在当前参数控制时刻对应的参数调节量与预先获取的当前操作参数在当前参数控制时刻对应的参数值相加。进而，可以得到当前操作参数在下一参数控制时刻对应的参数值。进一步的，在得到各操作参数在下一参数控制时刻对应的参数值之后，可以将各参数值与相应的预设控制阈值进行比较。进而，在确定各参数值均未达到相应的预设控制阈值的情况下，可以将当前参数控制时刻对应的参数调节方式确定为直接调节。在确定各参数值中的其中一项参数值达到相应的预设控制阈值的情况下，可以将当前参数控制时刻对应的参数调节方式确定为间接调节。 [0047] 进一步的，在确定当前参数控制时刻对应的参数调节方式的情况下，即可依据参数调节方式和各项操作参数的参数调节量对当前参数控制时刻对应的操作参数进行调节。 [0048] 可选的，参数调节方法为直接调节，依据预先确定的参数调节方式和各参数控制时刻对应的至少一项操作参数的参数调节量对相应参数控制时刻下的操作参数进行调节，包括：基于阀门开度在当前参数控制对应的参数调节量对待控蒸馏塔的阀门开度进行调节；和/或，基于回流流量在当前参数控制对应的参数调节量对待控蒸馏塔的回流流量进行调节；和/或，基于各提纯对象提取量的参数调节量对相应提纯对象提取量进行调节。 [0049] 在本实施例中，直接调节可以理解为直接对操作参数进行调节，即，在不需要人为参与的情况下，对待控蒸馏塔的操作参数进行调节。 [0050] 在实际应用中，在得到各项操作参数在当前参数控制时刻对应的参数调节量之后，即可基于各项参数调节量对当前参数控制时刻对应的操作参数进行调节。具体来说，可以基于阀门开度在当前参数控制对应的参数调节量的调节方向和调节量大小对待控蒸馏塔的阀门开度进行调节。并且，可以基于回流流量在当前参数控制对应的参数调节量的调节方向和调节量大小对待控蒸馏塔的回流流量进行调节。并且，可以基于各提纯对象提取量的参数调节量对相应提纯对象提取量进行调节。 [0051] 可选的，参数调节方式为间接调节，依据预先确定的参数调节方式和各所述参数控制时刻对应的至少一项操作参数的参数调节量对相应参数控制时刻下的操作参数进行调节，包括：基于目标终端的显示界面展示各操作参数在当前参数控制时刻对应的参数调节量；响应于针对至少一个参数编辑项的编辑触发操作，确定与各操作参数对应的目标调节量，并基于各目标调节量对相应操作参数进行调节。 [0052] 在本实施例中，间接调节可以理解为基于参数编辑触发操作对操作参数进行调节，即，基于显示界面输入参数调节量，进而，基于所输入的参数调节量对相应操作参数进行调节。目标终端可以理解为用于处理蒸馏过程数据的终端设备，也可以理解为用于部署操作参数预测模型的设备。可选的，目标终端可以是固定终端，也可以是移动终端，本实施例对此不作具体限定。显示界面中可以展示与各项操作参数对应的参数编辑项。参数编辑项可以是对操作参数进行编辑的控件。目标调节量即为参数编辑项中所输入的数值。 [0053] 在实际应用中，在得到各项操作参数在当前参数控制时刻对应的参数调节量之后，可以将各参数调节量展示于目标终端的显示界面中，以使用户可以将所展示的参数调节量作为调节量编辑依据。进一步的，在检测到针对参数编辑项的编辑触发操作的情况下，可以获取参数编辑项中所输入的数值，并将该数值作为相应操作参数对应的目标调节量，进而，可以基于各目标调节量对相应操作参数进行调节。 [0054] 本发明实施例的技术方案，通过对于待控蒸馏塔运行过程中的各参数控制时刻，获取与待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，进一步的，基于预先确定的操作参数预测模型对当前参数控制时刻对应的蒸馏过程数据处理，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量，最后，基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节，解决了相关技术中无法对蒸馏塔的蒸馏过程进行精准控制以及控制过程较为复杂的问题，实现了在蒸馏塔运行过程中对蒸馏塔的操作参数进行精准控制的效果，达到了在降低人力成本和保证蒸馏塔系统稳定的同时，还可以提高蒸馏塔的运行效率的效果。 [0055] 实施例二 [0056] 图2是本发明实施例二提供的一种常压蒸馏塔控制方法的流程图，在前述实施例的基础上，在基于操作参数预测模型对蒸馏过程数据进行处理之前，可以训练得到操作参数预测模型。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相似的技术术语在此不再赘述。 [0057] 如图2所示，该方法包括： [0058] S210、训练得到操作参数预测模型。 [0059] 需要说明的是，在应用本发明实施例所提供的操作参数预测模型之前，首先需要对预先构建的神经网络模型进行训练，以得到操作参数预测模型。在对模型进行训练之前，可以构建多个在线训练样本，进而，可以基于在线训练样本对模型进行训练。 [0060] 可选的，训练得到操作参数预测模型，包括：对于各训练回合，获取待控蒸馏塔在当前训练回合下对应的在线训练样本；基于各在线训练样本和强化学习算法训练操作参数预测模型。 [0061] 在本实施例中，一个训练回合可以理解为一次训练过程，即，从环境模型的初始状态开始直至达到预先设置的训练最大步数为止的过程。在每个训练回合结束后，可以对环境模型进行状态初始化，以使环境模型恢复至初始状态。进而，可以执行下一训练回合。进一步的，在经过多个训练回合的训练，并检测到模型中的损失函数收敛时，即可得到训练完成的模型。对于本实施例，初始状态可以是待控蒸馏塔蒸馏过程中的任意状态，即，在实际应用中，可以在待控蒸馏塔蒸馏过程中的任意时刻引入操作参数预测模型，以基于操作参数预测模型对待控蒸馏塔的蒸馏过程进行调整。 [0062] 其中，在线训练样本是基于与待控蒸馏塔对应的环境模型确定的。 [0063] 在本实施例中，环境模型可以理解为表征待控蒸馏塔蒸馏过程的仿真模型，也可以理解为对待控蒸馏塔的真实运行环境进行建模后得到的环境模型。可以理解，最终训练得到的操作参数预测模型是应用于待控蒸馏塔实际蒸馏过程中的策略模型，该策略模型是基于强化学习算法训练得到的。在操作参数预测模型的训练过程中，为了减小在真实环境的试错采样的数量，可以构建与真实环境相对应的环境模型，进而，训练过程中的大量试错可以在环境模型中完成。 [0064] 在本实施例中，在线训练样本可以理解为在环境模型运行过程中实时采集的在线样本数据。在线训练样本包括至少一个蒸馏过程样本序列。至少一个蒸馏过程样本序列包括各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列、至少一个目标管道内对应的液体流量样本序列和奖励反馈信息序列，各蒸馏过程样本序列中所包括的各样本序列值对应于各参数控制时刻。 [0065] 其中，预设塔高可以是待控蒸馏塔中的任意高度。塔内温度样本序列中可以包括各个参数控制时刻对应的塔内温度样本值。塔内温度样本值可以是基于环境模型确定的蒸馏塔相应塔高处的温度值。塔内压力样本序列中可以包括各个参数控制时刻对应的塔内压力样本值。塔内压力样本值可以是基于环境模型确定的蒸馏塔相应塔高处的压力值。塔内液位高度样本序列中可以包括各个参数控制时刻对应的塔内液位高度样本值。塔内液位高度样本值可以是基于环境模型确定的蒸馏塔内的液位高度值。品质参数样本序列中可以包括各个参数控制时刻对应的相应提纯对象的品质参数样本值。品质参数样本值可以是基于环境模型确定的相应提纯对象的品质参数值。液体流量样本序列中可以包括各个参数控制时刻对应的液体流量样本值。液体流量样本值即为基于环境模型确定的相应目标管道中液体的流量值。奖励反馈信息序列中可以包括各个参数控制时刻对应的奖励反馈信息。奖励反馈信息是执行一个动作后智能体获得的数值，可以表征动作的好坏。奖励反馈信息可以是基于部署在环境模型中的奖励函数确定的。 [0066] 在实际应用中，可以预先构建与待控蒸馏塔的蒸馏过程相对应的环境模型。进而，对于各训练回合，首先可以进行场景初始化，以使环境模型处于初始状态。进一步的，运行环境模型，并在环境模型运行过程中，在各个参数控制时刻对所产生的蒸馏过程数据进行采集。进而，可以得到待控蒸馏塔中各个预设塔高处在各个参数控制时刻对应的塔内温度样本值和塔内压力样本值，并基于所采集的塔内温度样本值构建各个预设塔高处对应的塔内温度样本序列和塔内压力样本序列；同时，可以得到各个参数控制时刻下对应的塔内液位高度样本值，并基于所采集的塔内液位高度样本值构建塔内液位高度样本序列；同时，可以得到各提纯对象在各个参数控制时刻下对应的品质参数样本值，并基于所采集的品质参数样本值构建各提纯对象对应的品质参数样本序列；同时，还可以得到各条目标管道在各个时刻对应的液体流量样本值，并得到各条目标管道对应的液体流量值样本序列。 [0067] 进一步的，对于各个参数控制时刻，在基于仿真模型确定出当前参数控制时刻对应的至少一项操作参数的参数调节量，并基于参数调节量对相应操作参数进行调整之后，基于环境模型中预先部署的奖励函数对参数调整后的环境模型的状态信息进行处理，可以得到与当前参数控制时刻对应的奖励反馈信息。进而，可以基于各个参数控制时刻下对应的奖励反馈信息构建奖励反馈信息序列。 [0068] 进一步的，可以基于各在线训练样本和强化学习算法对操作参数预测模型进行训练，以得到训练完成的操作参数预测模型。下面可以对操作参数预测模型的训练过程进行具体说明。 [0069] 首先，对于各在线训练样本，将当前在线训练样本中的各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至操作参数预测模型中，得到待控蒸馏塔在当前参数控制时刻对应的调节量概率分布； [0070] 其中，调节量概率分布中包括至少一个实际调节量概率集。 [0071] 在本实施例中，实际调节量概率集中包括各操作参数的实际调节量以及相应的概率信息。各操作参数的实际调节量可以包括阀门开度的实际调节量、回流流量的实际调节量和/或各提纯对象提取量的实际调节量。概率信息可以用于表征相应操作参数的实际调节量的可能性程度。 [0072] 在实际应用中，对于各在线训练样本，可以将当前在线训练样本中的各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至操作参数预测模型中，以基于操作参数预测模型对所输入的数据进行处理，并输出待控蒸馏塔在当前参数控制时刻对应的调节量概率分布。 [0073] 之后，对于调节量概率分布中的各实际调节量概率集，将当前实际调节量概率集中各操作参数的实际调节量、各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至状态动作价值模型中，得到与当前实际调节量概率集对应的期望奖励。 [0074] 在本实施例中，状态动作价值网络可以是包括状态动作价值函数的神经网络。状态动作价值网络的输入可以是当前时刻的状态和当前时刻的决策动作，输出可以是针对当前的状态采取该决策动作时对应的价值，即，当前时刻的决策动作对应的期望奖励。 [0075] 在实际应用中，在得到调节量概率分布之后，为了可以对调节量概率分布中所包括的各实际调节量概率集进行评价，以确定在当前参数控制时刻下对应的待控蒸馏塔环境模型的状态下采取各实际调节量概率集对应的决策动作时对应的价值。对于调节量概率分布中的各实际调节量概率集，可以将当前实际调节量概率集中各操作参数的实际调节量、各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至状态动作价值模型中，得到与当前实际调节量概率集对应的期望奖励。 [0076] 之后，依据调节量概率分布、各期望奖励和策略梯度算法，对操作参数预测模型进行参数更新；以及，根据调节量概率分布，确定目标实际调节量概率集。 [0077] 其中，策略梯度(Policy Gradient)算法是一类解决强化学习问题的算法，是一种基于梯度的优化算法，可以帮助机器学习模型在决策环境中进行优化，以获得最佳结果。策略梯度算法的思想是先将策略表示成一个和奖励有关的连续函数，然后用连续函数的优化方法去寻找最优的策略，优化目标是最大化连续函数。 [0078] 在实际应用中，在得到与调节量概率分布中各实际调节量概率集对应的期望奖励之后，可以依据策略梯度算法对调节量概率分布和各期望奖励进行处理，以对操作参数预测模型的模型参数进行更新。以及，可以对调节量概率分布进行抽样处理，并从调节量概率分布中各实际调节量概率集确定目标实际调节量概率集，以得到各操作参数对应的实际调节量。 [0079] 之后，根据预先设置的奖励函数对各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列、至少一个目标管道内对应的液体流量样本序列、目标实际调节量概率集中各操作参数的实际调节量进行处理，确定待控蒸馏塔在当前参数控制时刻对应的奖励反馈信息。 [0080] 其中，奖励函数可以理解为用于针对任意时刻的状态和该时刻的决策动作进行评价的函数。针对不同的应用场景，其对应的奖励函数可以是不同的，也就是说，奖励函数可以是根据实际需求所设置的。在本实施例中，奖励函数可以包括观测指标安全性奖励函数、观测指标稳定性奖励函数、控制指标抗干扰指标函数和/或区域价值属性指标函数等。可选的，奖励函数可以是由观测指标安全性奖励函数、观测指标稳定性奖励函数、控制指标抗干扰指标函数和区域价值属性指标函数进行加权求和确定的。观测指标包括各预设塔高处的塔内温度样本值和塔内压力样本值、塔内液位高度样本值、各提纯对象对应的品质参数样本值和各目标管道内对应的液体流量样本值。控制指标可以包括阀门开度、回流流量和/或各提纯对象提取量。 [0081] 在实际应用中，在得到目标实际调节量概率集之后，可以将目标实际调节量概率集中各操作参数的实际调节量、各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至预先设置的奖励函数中，进而，可以得到待控蒸馏塔在当前参数控制时刻对应的奖励反馈信息。 [0082] 之后，依据奖励反馈信息和时序差分算法，对状态动作价值模型进行参数更新，并基于奖励反馈信息对；在检测达到操作参数预测模型对应的预设训练目标时训练结束，得到操作参数预测模型。 [0083] 其中，时序差分(Temporal Difference，TD)算法是一种用来估计一个策略的价值函数的算法，可以通过对当前状态和未来状态之间的差异进行学习来自适应地调整策略。TD算法的核心思路是状态值函数的更新。预设训练目标可以是预先设置的策略网络训练过程结束条件。可选的，预设训练目标可以包括策略梯度算法对应的目标函数值最大或者当前的训练迭代次数达到预设次数等。 [0084] 在实际应用中，在得到奖励反馈信息之后，可以依据奖励反馈信息和时序差分算法，对状态动作价值模型进行参数更新，并基于奖励反馈信息对奖励反馈信息序列进行更新。之后，在检测达到操作参数预测模型对应的预设训练目标时训练结束，得到操作参数预测模型。 [0085] S220、对于待控蒸馏塔蒸馏过程中的各参数控制时刻，获取与待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据。 [0086] S230、基于预先确定的操作参数预测模型对当前参数控制时刻对应的蒸馏过程数据处理，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量。 [0087] S240、基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节。 [0088] 本发明实施例的技术方案，通过对于待控蒸馏塔运行过程中的各参数控制时刻，获取与待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，进一步的，基于预先确定的操作参数预测模型对当前参数控制时刻对应的蒸馏过程数据处理，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量，最后，基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节，解决了相关技术中无法对蒸馏塔的蒸馏过程进行精准控制以及控制过程较为复杂的问题，实现了在蒸馏塔运行过程中对蒸馏塔的操作参数进行精准控制的效果，达到了在降低人力成本和保证蒸馏塔系统稳定的同时，还可以提高蒸馏塔的运行效率的效果。 [0089] 实施例三 [0090] 图3是本发明实施例三提供的一种常压蒸馏塔控制装置的结构示意图。如图3所示，该装置包括：数据获取模块310、数据处理模块320和参数调节模块330。 [0091] 其中，数据获取模块310，用于对于待控蒸馏塔运行过程中的各参数控制时刻，获取与所述待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，其中，所述蒸馏过程数据包括至少一个蒸馏过程序列，所述至少一个蒸馏过程序列包括各预设塔高处对应的塔内温度序列和塔内压力序列、塔内液位高度序列、至少一个提纯对象对应的品质参数序列和至少一个目标管道内对应的液体流量序列，各所述蒸馏过程序列中所包括的各序列值对应于各参数控制时刻；数据处理模块320，用于基于预先确定的操作参数预测模型对所述当前参数控制时刻对应的蒸馏过程数据处理，得到所述待控蒸馏塔在所述当前参数控制时刻对应的至少一项操作参数的参数调节量，其中，所述操作参数预测模型是基于强化学习算法训练得到的；所述至少一项操作参数包括阀门开度、回流流量和/或各所述提纯对象提取量；参数调节模块330，用于基于所述至少一项操作参数的参数调节量和与所述当前参数控制时刻对应的参数调节方式对操作参数进行调节。 [0092] 本发明实施例的技术方案，通过对于待控蒸馏塔运行过程中的各参数控制时刻，获取与待控蒸馏塔在当前参数控制时刻对应的蒸馏过程数据，进一步的，基于预先确定的操作参数预测模型对当前参数控制时刻对应的蒸馏过程数据处理，得到待控蒸馏塔在当前参数控制时刻对应的至少一项操作参数的参数调节量，最后，基于至少一项操作参数的参数调节量和与当前参数控制时刻对应的参数调节方式对操作参数进行调节，解决了相关技术中无法对蒸馏塔的蒸馏过程进行精准控制以及控制过程较为复杂的问题，实现了在蒸馏塔运行过程中对蒸馏塔的操作参数进行精准控制的效果，达到了在降低人力成本和保证蒸馏塔系统稳定的同时，还可以提高蒸馏塔的运行效率的效果。 [0093] 可选的，所述装置还包括：参数值确定模块、调节方式第一确定模块和调节方式第二确定模块。 [0094] 参数值确定模块，用于对于各参数控制时刻，基于至少一项操作参数在当前参数控制时刻对应的参数调节量和预先获取的各项操作参数在所述当前参数控制时刻对应的参数值，确定所述各项操作参数在下一参数控制时刻对应的参数值； [0095] 调节方式第一确定模块，用于在所述各项操作参数在下一参数控制时刻对应的参数值均未达到相应的预设阈值的情况下，将所述当前参数控制时刻对应的参数调节方式确定为直接调节； [0096] 调节方式第二确定模块，用于在所述各项操作参数中的其中一项操作参数在下一参数控制时刻对应的参数值达到相应的预设阈值的情况下，将所述当前参数控制时刻对应的参数调节方式确定为间接调节。 [0097] 可选的，所述参数调节方法为直接调节，参数调节模块330包括：阀门开度调节单元、回流流量调节单元和/或提取量调节单元。 [0098] 阀门开度调节单元，用于基于所述阀门开度在当前参数控制对应的参数调节量对所述待控蒸馏塔的阀门开度进行调节；和/或， [0099] 回流流量调节单元，用于基于所述回流流量在当前参数控制对应的参数调节量对所述待控蒸馏塔的回流流量进行调节；和/或， [0100] 提取量调节单元，用于基于各所述提纯对象提取量的参数调节量对相应提纯对象提取量进行调节。 [0101] 可选的，所述参数调节方式为间接调节，参数调节模块330包括：调节量展示单元和调节量编辑单元。 [0102] 调节量展示单元，用于基于目标终端的显示界面展示各所述操作参数在当前参数控制时刻对应的参数调节量； [0103] 调节量编辑单元，用于响应于针对至少一个参数编辑项的编辑触发操作，确定与各所述操作参数对应的目标调节量，并基于各所述目标调节量对相应操作参数进行调节。 [0104] 可选的，所述装置还包括：模型训练模块。 [0105] 训练得到所述操作参数预测模型； [0106] 模型训练模块包括：训练样本获取单元和模型训练单元。 [0107] 训练样本获取单元，用于对于各训练回合，获取待控蒸馏塔在当前训练回合下对应的在线训练样本，其中，所述在线训练样本是基于与所述待控蒸馏塔对应的仿真环境模型确定的，所述在线训练样本包括至少一个蒸馏过程样本序列，所述至少一个蒸馏过程样本序列包括各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列、至少一个目标管道内对应的液体流量样本序列和奖励反馈信息序列，各所述蒸馏过程样本序列中所包括的各样本序列值对应于各参数控制时刻； [0108] 模型训练单元，用于基于各所述仿真在线训练样本和强化学习算法训练所述操作参数预测模型。 [0109] 可选的，模型训练单元包括：概率分布确定子单元、期望奖励确定子单元、模型参数第一更新子单元、概率集确定子单元、奖励反馈信息确定子单元、模型参数第二更新子单元和模型确定子单元。 [0110] 概率分布确定子单元，用于对于各所述仿真在线训练样本，将当前仿真在线训练样本中的各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至所述操作参数预测模型中，得到所述待控蒸馏塔在当前参数控制时刻对应的调节量概率分布，其中，所述调节量概率分布中包括至少一个实际调节量概率集，各所述实际调节量概率集中包括各所述操作参数的实际调节量以及相应的概率信息； [0111] 期望奖励确定子单元，用于对于所述调节量概率分布中的各所述实际调节量概率集，将当前实际调节量概率集中各所述操作参数的实际调节量、各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列和至少一个目标管道内对应的液体流量样本序列输入至状态动作价值模型中，得到与所述当前实际调节量概率集对应的期望奖励； [0112] 模型参数第一更新子单元，用于依据所述调节量概率分布、各所述期望奖励和策略梯度算法，对所述操作参数预测模型进行参数更新；以及， [0113] 概率集确定子单元，用于根据所述调节量概率分布，确定目标实际调节量概率集； [0114] 奖励反馈信息确定子单元，用于根据预先设置的奖励函数对各预设塔高处对应的塔内温度样本序列和塔内压力样本序列、塔内液位高度样本序列、至少一个提纯对象对应的品质参数样本序列、至少一个目标管道内对应的液体流量样本序列、所述目标实际调节量概率集中各操作参数的实际调节量进行处理，确定所述待控蒸馏塔在当前参数控制时刻对应的奖励反馈信息； [0115] 模型参数第二更新子单元，用于依据所述奖励反馈信息和时序差分算法，对所述状态动作价值模型进行参数更新，并基于所述奖励反馈信息对所述奖励反馈信息序列进行更新； [0116] 模型确定子单元，用于在检测达到所述操作参数预测模型对应的预设训练目标时训练结束，得到所述操作参数预测模型。 [0117] 可选的，所述奖励函数是基于观测指标安全性函数、观测指标稳定性函数、控制指标抗干扰指标函数和/或区域价值属性指标函数确定的。 [0118] 本发明实施例所提供的常压蒸馏塔控制装置可执行本发明任意实施例所提供的常压蒸馏塔控制方法，具备执行方法相应的功能模块和有益效果。 [0119] 实施例四 [0120] 图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。 [0121] 如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。 [0122] 电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。 [0123] 处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如常压蒸馏塔控制方法。 [0124] 在一些实施例中，常压蒸馏塔控制方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的常压蒸馏塔控制方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行常压蒸馏塔控制方法。 [0125] 本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。 [0126] 用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。 [0127] 在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD‑ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。 [0128] 为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。 [0129] 可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。 [0130] 计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端‑服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。 [0131] 应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。 [0132] 上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。 |
||||||
QQ群二维码
意见反馈
意见反馈