一种热解析装置
技术领域
本发明属于解析设备技术领域,尤其涉及一种热解析装置。
背景技术
活性焦干法脱硫技术常应用于工业燃煤锅炉中烟气净化,也应用于化工、冶金、玻璃、制药等领域的吸收塔内净化处理。粉状焦因其物理特性优于柱状焦,脱硫效果相对理想。但是解析的难度较高,回收率高。选择一种经济、合理的热解析装置,可对粉状焦脱硫技术的推广,产生积极的作用。
但是现有的热解析装置存在以下缺点:一是智能化程度低,自动化程度低;二是解析装置内部的压力不易控制,导致装置的安全性能不足,使用寿命大大降低;三是送料装置产生的尘土和废气不易回收和处理,导致工作环境的污染,不利于工作的进程。
发明内容
本发明为解决现有的智能化程度低、自动化程度低、安全性能不足和工作环境受到污染的技术问题而提供一种热解析装置。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:一种热解析装置,所述热解析装置包括:
用于对解析箱内部的压力进行采集的压力传感器;所述压力传感器通过模糊综合评价模块对采集的压力信号进行安全评价;
所述模糊综合评价模块的安全评价包括:
建立因素集:影响解析箱内部的压力各种参数组成因素集合,因素集合u={u1,u2,u3}={气体介质质量,温度,气体介质体积};
建立评价集:对各评价指标进行定量分析需要确定各指标的评价集,采用5级百分制评价把评价集V划分5个评价等级,即V={v1,v2,v3,v4,v5}={极小,很小,小,较大,大},其中v1为解析箱内部的压力危险性极小,评分区间为90~100,中值为95;v2为危险性很小,评分区间为80~89,中值为84.5;依此类推;选择各区间的中值作为等级的参数,则5个等级所对应的参数为{95,84.5,74.5,64.5,49.5},参数列向量为ν={95,84.5,74.5,64.5,49.5}T;
建立权重集:
1)建立递阶层次结构:根据建立的解析箱内部的压力评价因素集即评价指标体系,将问题所包含的各因素分为三个层次:第一层是评价的总目标层G,即解析箱内部的压力综合安全;第二层是准则层C,即因素集合u={u1,u2,u3}={气体介质质量,温度,气体介质体积};最后将个别具体指标作为第三层,即指标层P;
2)构造两两比较判断矩阵:邀请解析箱安全方面,根据1~9标度法逐层对各个要素两两之间进行重要性程度赋值,构造判断矩阵U=(uij)n×n,其中uij表示因素ui和uj相对于准则层的重要值,矩阵U具有性质:
uii=1,uij=1/uji,i,j=1,2,…,n,
得出判断矩阵:将矩阵X1~X5按列归一化,即:
计算出矩阵Y为:
3)单一准则下元素相对权重的计算:将Y矩阵按行相加,由公式得出:
W1=(2.652 0.686 0.253 0.409)T,W2=(1 1)T,W3=(1.273 0.371 0.221 2.135)T,W4=(1.9 0.319 0.781)T,W5=(2.121 0.604 0.275)T;将得到的和向量进行归一化处理,由公式可得权向量:
4)判断矩阵的一致性检验:计算判断矩阵的最大特征根λmax,由公式计算得出: 根据公式进行一致性检验,得到:CI1=0.019,CI2=0,CI3=0.031,CI4=0.020,CI5=0.048,由公式得:CR1=0.022,CR2=0,CR3=0.035,CR4=0.038,CR5=0.092,CR<0.1,均满足一致性要求,因此各因素的相对权重
隶属度计算:多位使用频数统计法,对被评价的各项指标按评价集对在解析箱内压力各项指标的危险程度进行评级,得到因素集的隶属度;隶属度计算具体为:
确定评判隶属矩阵:由得到第k个因素集的相对隶属度矩阵:其中:式中:Rk—第k个因素集的相对隶属度矩阵;rkij—第k个因素集的第i个因素属于评价集中的j的隶属度;pkij—组成员对第k个因素集的第i个因素指标评级为j的频数;构造模糊评判矩阵:由各指标的权向量和矩阵R可构造模糊评判矩阵B,
计算综合评判结果:由模糊评判矩阵B和评价集的参数列向量,可求得综合评判结果Z;Z=B·V,由上式得到模糊综合评价的结果,再根据评价等级规定,评定解析箱内部的压力多因素失效危险性大小;
所述热解析装置还包括:与压力传感器相连接,用于对接收的数据进行分析和处理的单片机;
与单片机相连接,用于释放解析箱内部压力的放气阀;所述单片机对压力传感器采集到的高频压力信号进行对应信息的特征提取;然后,利用训练好的支持向量机分类模型对完成特征提取的压力信号进行分类,根据分类结果判断解析箱中是否存在过高压力信号,并启动放气阀排气泄压。
进一步,所述热解析装置还包括:
用于对解析箱内部的温度进行采集的温度传感器;
用于对解析箱内部的气体进行采集的气体传感器;
与单片机相连接,用于进行操作、设定和显示热解析参数的操作显示屏;
与单片机相连接,用于加热解析的远红外石英加热管;
与单片机相连接,用于提供解析药剂的微型高压水泵;
与单片机相连接,用于发送和接收无线网络信号的无线射频收发模块;
与无线射频收发模块通过GPRS无线网络无线连接,用于进行数据传输与交换的云服务器;
与无线射频收发模块通过GPRS无线网络无线连接,用于远程控制和查看的外部设备;
与单片机通过驱动控制器相连接,用于向解析箱中输送物料的螺旋给料机;
与单片机通过驱动控制器相连接,用于将解析箱中物料输送出去的螺旋送料机;
与单片机通过驱动控制器相连接,用于祛除螺旋给料机产生的尘土的第一旋风除尘器;
与单片机通过驱动控制器相连接,用于祛除螺旋送料机产生的尘土的第二旋风除尘器。
所述温度传感器和气体传感器均与单片机相连接,单片机用于对接收的数据进行分析和处理;
进一步,所述单片机与电源模块相连接,用于提供电源。
进一步,所述解析箱的前侧面上安装有扬声器和警示灯,扬声器和警示灯均通过导线与单片机相连接。
进一步,所述操作显示屏具体采用多点触控的电容式触摸屏。
进一步,所述外部设备包括电脑或手机具有网络连接功能的电子产品。
进一步,单片机启动放气阀排气泄压的方法,具体包括:
根据支持向量机训练的原则,将采集到的高频压力原始数据分为训练数据和测试数据;
对所述训练数据和测试数据进行重采样和滤波处理;
将重采样和滤波处理后的训练数据和测试数据进行标记;
对标记后的训练数据和测试数据的短时过零率、方差、希尔伯特黄变换后不同频带的能量分布以及小波包分解之后不同频带的信息熵这四个特征进行提取;
利用训练好的支持向量机分类模型对完成特征提取的压力信号进行分类;根据分类结果判断解析箱中是否存在过高压力信号,并启动放气阀排气泄压;
所述训练数据占据原始数据的80%;所述测试数据占据原始数据的20%;
所述滤波处理采用简单平滑滤波方法;
所述小波去噪方法采用与压力信号的数据长度相关的硬阈值来处理小波系数,并将训练数据和测试数据按Mallat算法重构后的小波系数进行处理;
所述支持向量机分类模型采用C-SVC型向量分类,并且采用径向基函数作为核函数。
本发明具有的优点和积极效果是:该热解析装置通过温度传感器、气体传感器和压力传感器对解析箱内部的温度、气体参数和压力进行检测,并实时传输到单片机,通过单片机向相应装置发送命令实现准确解析,智能化程度高、自动化程度高,放气阀的设置使得设备的安全性能高,第一旋风除尘器和第二旋风除尘器的设置能够有效除尘,工作环境清洁。
本发明采用模糊综合评价模块,定量化与定性分析相结合,结合工程实际建立评价集,建立综合评价判断矩阵,综合考虑影响热解析装置安全性的所有主要因素,并明确各影响的相互联系,在此基础上作出综合性安全评价;不仅能正确得出热解析装置是否能安全工作的结论,还能解决安全程度的问题;简化评价过程,消除评价的主观随意性,便于普通的工程技术人员应用于工程实际。本发明的可靠性高、可操作性好,使评估结果能更客观真实地反映工程实际。
本发明在气体大量聚集在排气阀附近时,就能启动放气阀的排气功能,并且能检验放气阀的排气功能是否自动运行;通过实验数据验证,解析箱泄压存成功率达到100%。保证了设备的安全应用。
附图说明
图1是本发明实施例提供的热解析装置的原理框图;
图中:1、温度传感器;2、压力传感器;3、气体传感器;4、单片机;5、操作显示屏;6、放气阀;7、远红外石英加热管;8、微型高压水泵;9、无线射频收发模块;10、云服务器;11、外部设备;12、驱动控制器;13、螺旋给料机;14、螺旋送料机;15、第一旋风除尘器;16、第二旋风除尘器;17、电源模块;18、扬声器;19、警示灯。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合图1对本发明的应用原理作详细的描述。
该热解析装置包括:
用于对解析箱内部的温度进行采集的温度传感器1;
用于对解析箱内部的压力进行采集的压力传感器2;
用于对解析箱内部的气体进行采集的气体传感器3;
分别与温度传感器1、压力传感器2和气体传感器3相连接,用于对接收的数据进行分析和处理的单片机4;
与单片机4相连接,用于进行操作、设定和显示热解析参数的操作显示屏5;
与单片机4相连接,用于释放解析箱内部压力的放气阀6;
与单片机4相连接,用于加热解析的远红外石英加热管7;
与单片机4相连接,用于提供解析药剂的微型高压水泵8;
与单片机4相连接,用于发送和接收无线网络信号的无线射频收发模块9;
与无线射频收发模块9通过GPRS无线网络无线连接,用于进行数据传输与交换的云服务器10;
与无线射频收发模块9通过GPRS无线网络无线连接,用于远程控制和查看的外部设备11;
与单片机4通过驱动控制器12相连接,用于向解析箱中输送物料的螺旋给料机13;
与单片机4通过驱动控制器12相连接,用于将解析箱中物料输送出去的螺旋送料机14;
与单片机4通过驱动控制器12相连接,用于祛除螺旋给料机13产生的尘土的第一旋风除尘器15;
与单片机4通过驱动控制器12相连接,用于祛除螺旋送料机14产生的尘土的第二旋风除尘器16。
进一步,所述单片机4与电源模块17相连接,用于提供电源。
进一步,所述解析箱的前侧面上安装有扬声器18和警示灯19,扬声器18和警示灯19均通过导线与单片机4相连接。
进一步,所述操作显示屏5具体采用多点触控的电容式触摸屏。
进一步,所述外部设备11包括电脑、手机等具有网络连接功能的电子产品。
进一步,所述压力传感器通过模糊综合评价模块对采集的压力信号进行安全评价;
所述模糊综合评价模块的安全评价包括:
建立因素集:影响解析箱内部的压力各种参数组成因素集合,因素集合u={u1,u2,u3}={气体介质质量,温度,气体介质体积};
建立评价集:对各评价指标进行定量分析需要确定各指标的评价集,采用5级百分制评价把评价集V划分5个评价等级,即V={v1,v2,v3,v4,v5}={极小,很小,小,较大,大},其中v1为解析箱内部的压力危险性极小,评分区间为90~100,中值为95;v2为危险性很小,评分区间为80~89,中值为84.5;依此类推;选择各区间的中值作为等级的参数,则5个等级所对应的参数为{95,84.5,74.5,64.5,49.5},参数列向量为ν={95,84.5,74.5,64.5,49.5}T;
建立权重集:
1)建立递阶层次结构:根据建立的解析箱内部的压力评价因素集即评价指标体系,将问题所包含的各因素分为三个层次:第一层是评价的总目标层G,即解析箱内部的压力综合安全;第二层是准则层C,即因素集合u={u1,u2,u3}={气体介质质量,温度,气体介质体积};最后将个别具体指标作为第三层,即指标层P;
2)构造两两比较判断矩阵:邀请解析箱安全方面,根据1~9标度法逐层对各个要素两两之间进行重要性程度赋值,构造判断矩阵U=(uij)n×n,其中uij表示因素ui和uj相对于准则层的重要值,矩阵U具有性质:
uii=1,uij=1/uji,i,j=1,2,…,n,
得出判断矩阵:将矩阵X1~X5按列归一化,即:
计算出矩阵Y为:
3)单一准则下元素相对权重的计算:将Y矩阵按行相加,由公式得出:
W1=(2.652 0.686 0.253 0.409)T,W2=(1 1)T,W3=(1.273 0.371 0.221 2.135)T,W4=(1.9 0.319 0.781)T,W5=(2.121 0.604 0.275)T;将得到的和向量进行归一化处理,由公式可得权向量:
4)判断矩阵的一致性检验:计算判断矩阵的最大特征根λmax,由公式计算得出: 根据公式进行一致性检验,得到:CI1=0.019,CI2=0,CI3=0.031,CI4=0.020,CI5=0.048,由公式得:CR1=0.022,CR2=0,CR3=0.035,CR4=0.038,CR5=0.092,CR<0.1,均满足一致性要求,因此各因素的相对权重
隶属度计算:多位使用频数统计法,对被评价的各项指标按评价集对在解析箱内压力各项指标的危险程度进行评级,得到因素集的隶属度;隶属度计算具体为:
确定评判隶属矩阵:由得到第k个因素集的相对隶属度矩阵:其中:式中:Rk—第k个因素集的相对隶属度矩阵;rkij—第k个因素集的第i个因素属于评价集中的j的隶属度;pkij—组成员对第k个因素集的第i个因素指标评级为j的频数;构造模糊评判矩阵:由各指标的权向量和矩阵R可构造模糊评判矩阵B,
计算综合评判结果:由模糊评判矩阵B和评价集的参数列向量,可求得综合评判结果Z;Z=B·V,由上式得到模糊综合评价的结果,再根据评价等级规定,评定解析箱内部的压力多因素失效危险性大小。
所述单片机对压力传感器采集到的高频压力信号进行对应信息的特征提取;然后,利用训练好的支持向量机分类模型对完成特征提取的压力信号进行分类,根据分类结果判断解析箱中是否存在过高压力信号,并启动放气阀排气泄压。
单片机启动放气阀排气泄压的方法,具体包括:
根据支持向量机训练的原则,将采集到的高频压力原始数据分为训练数据和测试数据;
对所述训练数据和测试数据进行重采样和滤波处理;
将重采样和滤波处理后的训练数据和测试数据进行标记;
对标记后的训练数据和测试数据的短时过零率、方差、希尔伯特黄变换后不同频带的能量分布以及小波包分解之后不同频带的信息熵这四个特征进行提取;
利用训练好的支持向量机分类模型对完成特征提取的压力信号进行分类;根据分类结果判断解析箱中是否存在过高压力信号,并启动放气阀排气泄压;
所述训练数据占据原始数据的80%;所述测试数据占据原始数据的20%;
所述滤波处理采用简单平滑滤波方法;
所述小波去噪方法采用与压力信号的数据长度相关的硬阈值来处理小波系数,并将训练数据和测试数据按Mallat算法重构后的小波系数进行处理;
所述支持向量机分类模型采用C-SVC型向量分类,并且采用径向基函数作为核函数。
下面结合工作原理对本发明的结构作进一步的描述。
通过温度传感器1、气体传感器2和压力传感器3对解析箱内部的温度、气体参数和压力进行检测,并实时传输到单片机4,通过单片机4向相应装置发送命令实现准确解析,智能化程度高、自动化程度高,放气阀6的设置使得设备的安全性能高,第一旋风除尘器15和第二旋风除尘器16的设置能够有效除尘,工作环境清洁。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。