CN106527407B - 一种综合垃圾处理系统 - Google Patents

Abstract

本发明提供了一种综合垃圾处理系统，包括垃圾分离模块、真空干燥模块和高温热解模块，所述垃圾分离模块用于从可回收垃圾中分离出可燃垃圾，所述真空干燥模块用于将该可燃垃圾干燥以产生热解原料，所述高温热解模块用于将所述的热解原料高温分解以生成焦炭和热解气体。本发明的有益效果为：通过对可燃垃圾进行有效处理，将垃圾转化为能源，节约了资源。

Description

一种综合垃圾处理系统

技术领域

本发明涉及照明领域，具体涉及一种综合垃圾处理系统。

背景技术

相关技术中，垃圾掩埋法中的填埋垃圾的垃圾处理方法具有许多缺点。这些缺点包括需要可以被更好利用的大面积土地，风吹垃圾乱飞的景象，引来老鼠和其它可能给社区带来健康风险的害虫，讨厌的味道和可能从垃圾的生物降解所产生的诸如甲烷的温室气体的产生。

发明内容

针对上述问题，本发明提供一种综合垃圾处理系统。

本发明的目的采用以下技术方案来实现：

一种综合垃圾处理系统，包括垃圾分离模块、真空干燥模块和高温热解模块，所述垃圾分离模块用于从可回收垃圾中分离出可燃垃圾，所述真空干燥模块用于将该可燃垃圾干燥以产生热解原料，所述高温热解模块用于将所述的热解原料高温分解以生成焦炭和热解气体。

本发明的有益效果为：通过对可燃垃圾进行有效处理，将垃圾转化为能源，节约了资源。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构框图；

图2是故障检测模块的结构框图。

附图标记：

垃圾分离模块1、真空干燥模块2、高温热解模块3、故障检测模块100、传感器监测单元10、特征提取单元20、特征筛选单元30、故障检测单元40。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供了一种综合垃圾处理系统，包括垃圾分离模块1真空干燥模块2 高温热解模块3，所述垃圾分离模块1于从可回收垃圾中分离出可燃垃圾，所述真空干燥模块2于将该可燃垃圾干燥以产生热解原料，所述高温热解模块3用于将所述的热解原料高温分解以生成焦炭和热解气体。

优选的，所述垃圾分离模块1包括涡流分离器。

优选的，所述真空干燥模块2用过热蒸汽作为干燥介质干燥所述的可燃垃圾。

本发明上述实施例通过对可燃垃圾进行有效处理，将垃圾转化为能源，节约了资源。

优选的，该综合垃圾处理系统还包括用于对所述涡流分离器进行实时故障检测的故障检测模块。

本优选实施例设置故障检测模块100，能够确保涡流分离器的垃圾分离功能，从而确保垃圾处理系统的正常运作。

优选的，该故障检测模块100包括传感器监测单元10、特征提取单元20、特征筛选单元 30和故障检测单元40；该传感器监测单元10用于通过传感器对涡流分离器中反映其工作状态的状态参数指标进行监测；该特征提取单元20用于对传感器监测到的信息进行滤波处理，消除噪声的干扰，再分别进行幅域参数特征提取；该特征筛选单元30用于对提取的幅域参数特征进行筛选，得出用于进行故障诊断的特征信息；该故障检测单元40用于根据筛选出的特征信息进行故障检测。

优选地，所述对提取的幅域参数特征进行筛选，具体为：定义相对重要度为特征变量对涡流分离器的性能影响的重要程度，计算特征信息中的特征变量的相对重要度，然后按照相对重要度从大到小的顺序对所有特征变量进行顺序排序，筛选出前70％的特征变量，作为用于进行故障诊断的特征变量数据，其中该相对重要度的计算公式为：

式中，ω_i为特征信息中第i个特征变量的相对重要度，ω(A_j)为由第j个专家组根据历史经验确定的权重，S为专家组的个数，ω(B)为采用主成分分析方法得到的客观权重，ξ₁为第一权重调整因子，ξ₂为第一权重调整因子，ξ₁、ξ₂的值根据实际需要通过多次试验进行调整且ξ₁+ξ₂＝1。

本优选实施例设置特征筛选单元30，减少了用于故障诊断的数据信息，从而缩短了故障诊断对数据处理的时间；

另外，本优选实施例在进行特征变量的相对重要度的计算时，设定的相对重要度计算公式既能表现专家对各特征变量的重视程度，又考虑了特征变量实际含义的情况，从而减少了加权的主观随意性，且设置权重调整因子，使得特征变量的相对重要度计算更贴近实际情况，提高了特征筛选单元30对特征筛选的精确度，从而有利于实现对涡流分离器故障的精确诊断。

优选地，所述特征筛选单元30还进行下述筛选优化系数的计算，并将计算得到的筛选优化系数传送至故障检测单元：

式中，SX为筛选优化系数，∑ω₃₀为未筛选出的剩余30％特征变量对应的相对重要度之和，∑ω₁₀₀为符合条件的所有特征变量的相对重要度之和，S为专家组的个数。

优选地，该故障检测单元40对筛选出的特征信息进行故障检测时，具体为：

(1)计算各特征变量的度量距离：

式中，F_h为特征变量X_h到标准特征变量Y_h的度量距离，其中X_h为监测采集的特征变量数据中第h个特征变量，Y_h为与X_h相对应的处于健康状态时的标准特征变量；MF(X_h,Y_h)为特征变量X_h到标准特征变量Y_h的马氏距离，OF(X_h,Y_h)为特征变量X_h到标准特征变量Y_h的欧氏距离，是标准特征变量Y_h的相关系数矩阵；

(2)预先设定不同类型的故障聚类阈值，若F_h处于某种故障聚类阈值之内，则判断为该种故障。

本优选实施例利用筛选优化系数对度量距离的计算进行优化，使得度量距离的计算更贴合实际；

此外，本优选实施例为了在进行各特征变量的度量距离计算时兼顾特征变量的相关性和独立性，采用了马氏距离和欧氏距离相结合的方式，使得各特征变量的度量距离的计算更为精确，有利于更精确地对涡流分离器进行故障诊断，从而在涡流分离器发生故障时能够及时检测到并进行及时维修，确保垃圾处理系统后续的处理正常运行。

优选地，该故障检测单元40在进行不同类型的故障聚类阈值的设定时，其采集涡流分离器在第p种故障状态下的足够数量K的随机样本集合{Z＝Y(p)_J,J＝1,2,…,K}，其中，随机样本 Y(p)_J表示特征变量X_J的度量距离，并计算该随机样本集的标准差v_p和期望值λ_p；

最终该故障检测单元40设定该涡流分离器在第p种故障状态下的故障聚类阈值T_p为：

其中为期望值λ_p的最大似然估计，为标准差v_p的最大似然估计。

本优选实施例在进行不同类型的故障聚类阈值的预先设定时，数据基础来源于涡流分离器在第p种故障状态下的足够数量的随机样本，使得故障聚类阈值的设定更为科学，可有效保证对涡流分离器进行故障检测的精度。

发明人采用本实施例进行了一系列测试，以下是进行测试得到的实验数据：

上述实验数据表明，本发明能够精确、快速地对涡流分离器进行故障检测和维修，并且具有较好的垃圾处理效果。

优选地，该故障检测单元40还设有如下高发深度故障报警机制：

记录计算得到的实际的度量距离F_h与第p种故障状态下的期望值λ_p的实际差值Λ′，假设故障种类数量为m，如果Λ′≤v_p，则累计记录F_h进入该范围的次数Q，当满足下列评判公式时，则判断该种故障为高发深度故障，并向运行人员发出相应报警提示：

其中Λ′_mid为该种故障历史记录中的平均实际差值，Λ′_max和Λ′_min分别为该种故障历史记录中的最大实际差值和最小实际差值。

本优选实施例设置高发深度故障报警机制，使得该故障检测模块100能依据历史数据提示故障的深度和频率，为维修人员对涡流分离器的故障处理提供更为科学的依据，保障垃圾处理系统的运作。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (2)

1.一种综合垃圾处理系统，其特征是，包括垃圾分离模块、真空干燥模块和高温热解模块，所述垃圾分离模块用于从可回收垃圾中分离出可燃垃圾，所述真空干燥模块用于将该可燃垃圾干燥以产生热解原料，所述高温热解模块用于将所述的热解原料高温分解以生成焦炭和热解气体；所述垃圾分离模块包括涡流分离器；还包括用于对所述涡流分离器进行实时故障检测的故障检测模块，该故障检测模块包括传感器监测单元、特征提取单元、特征筛选单元和故障检测单元；该传感器监测单元用于通过传感器对涡流分离器中反映其工作状态的状态参数指标进行监测；该特征提取单元用于对传感器监测到的信息进行滤波处理，消除噪声的干扰，再分别进行幅域参数特征提取；该特征筛选单元用于对提取的幅域参数特征进行筛选，得出用于进行故障诊断的特征信息；该故障检测单元用于根据筛选出的特征信息进行故障检测；所述对提取的幅域参数特征进行筛选，具体为：定义相对重要度为特征变量对涡流分离器的性能影响的重要程度，计算特征信息中的特征变量的相对重要度，然后按照相对重要度从大到小的顺序对所有特征变量进行顺序排序，筛选出前70％的特征变量，作为用于进行故障诊断的特征变量数据，其中该相对重要度的计算公式为：

式中，ω_i为特征信息中第i个特征变量的相对重要度，ω(A_j)为由第j个专家组根据历史经验确定的权重，S为专家组的个数，ω(B)为采用主成分分析方法得到的客观权重，ξ₁为第一权重调整因子，ξ₂为第二权重调整因子，ξ₁、ξ₂的值根据实际需要通过多次试验进行调整且ξ₁+ξ₂＝1。

2.根据权利要求1所述的一种综合垃圾处理系统，其特征是，所述真空干燥模块采用过热蒸汽作为干燥介质干燥所述的可燃垃圾。