CN108731484B - 基于频率特征环冷机风量控制方法 - Google Patents
基于频率特征环冷机风量控制方法 Download PDFInfo
- Publication number
- CN108731484B CN108731484B CN201810562230.5A CN201810562230A CN108731484B CN 108731484 B CN108731484 B CN 108731484B CN 201810562230 A CN201810562230 A CN 201810562230A CN 108731484 B CN108731484 B CN 108731484B
- Authority
- CN
- China
- Prior art keywords
- air
- air leakage
- frequency
- fan
- leakage rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D15/00—Handling or treating discharged material; Supports or receiving chambers therefor
- F27D15/02—Cooling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
- F27D2019/0028—Regulation
- F27D2019/0056—Regulation involving cooling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种基于频率特征环冷机风量控制方法。所述的方法包括:建立了基于频率特征的环冷机漏风率评价模型;基于环冷机漏风率评价模型在线计算环冷机漏风率;基于漏风率对环冷机风量的闭环控制。本发明通过对环冷风机出口风量的检测,构成风机风量的直接闭环控制,再通过对环冷机台车的声音检测,计算环冷机漏风率指标,以此对风量进行在线补偿,从而实现对环冷机风量的闭环控制。该控制系统通过控制器对风机变频器进行调节,从而改变电机转速,起到风量调节的效果。
Description
技术领域:
基于频率特征环冷机风量控制方法
背景技术:
环冷机是一种用于物料冷却的大型设备,其主要工作原理是通过台车装载高温物料,在环形轨道上行驶,台车下部有风箱,对台车内部鼓风,通过空气将高温物料冷却。围绕着环冷机的圆环外侧,会按照风量需求,设置数台鼓风机,为冷却过程提供风源。
待冷却的小颗粒状物料在环冷机上是以厚料层形式均匀分布的,为保证物料的充分冷却,环冷机会在台车下方设置风箱并连接鼓风机,通过鼓风机将外部空气带入到高温物料层中。由于环冷机的密封结构和长期使用的保养问题,冷却生产过程中会产生漏风现象,导致冷却不充分和鼓风机能源的浪费,严重漏风的情况下,甚至会产生环冷机卸料温度过高灼伤运输皮带的生产事故。
环冷机及其附属的风箱、风管、阀门等,由于结构复杂,且工作在高温状态,使漏风率的检测一直缺少行之有效的手段,这就造成环冷机的风量闭环控制系统缺少的关键的反馈变量,无法进行精确的实时风量调节。所以目前的环冷生产只能做到风机风量控制,而做不到针对环冷机的风量控制。
目前的解决方案是加大环冷风机的风量,采用冗余风量的方式克服这一问题,但是这就造成了环冷风机能源的浪费。目前400平方米的环冷机一般配套4-5台风机,每台风机的电机功率可以达到560千瓦,耗电非常惊人,如果可以对环冷机风量进行精确控制,减少浪费,就会产生非常大的经济效益。
发明内容:
为解决上述问题,本发明提出一种基于频率特征环冷机风量控制方法。
为达到上述目的,本发明基于频率特征环冷机风量控制方法,包括下述步骤:
建立了基于频率特征的环冷机漏风率评价模型;
基于环冷机漏风率评价模型在线计算环冷机漏风率;
基于漏风率对环冷机风量进行闭环控制。
(1)建立了基于频率特征的环冷机漏风率评价模型的方法包括:
11)采集正常生产状况下和各种不同漏风情况下的台车声音数据和风机声音数据,制成正常工作频谱样本集和漏风故障频谱样本集;
12)从正常工作频谱样本集和漏风故障频谱样本集中,滤除风机声音的影响;
13)对比滤除风机干扰的漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异,按照降序选出强度差异最大的k个频段,作为漏风故障特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
14)分析正常样本在特征频段中强度分布,采用统计参数估计的方法,按照人工设定的显著度α计算正常样本在特定频率fi的强度分布置信上限UCLi,将UCLi作为该特征频率对应的强度阈值,从而得到特征频率对应的强度阈值集,记为TH={th1,…,thk};
15)定义各特征频率对漏风率的贡献率,记为Ω={ω1,…,ωk},将特征频率fi处的漏风率贡献指标定义为表达式ci=G(si,thi,ωi),定义环冷机漏风率指标为其中si为当前样本在特征频率fi处的声音强度;
还包括:通过遗传算法或人工神经网络方法,优化和计算各特征频率对漏风故障的贡献率Ω={ω1,…,ωk},从而确定环冷机漏风率指标C的最优参数;
(2)基于环冷机漏风率评价模型在线计算环冷机漏风率的步骤包括:
21)在环冷车间实时采集声音数据,通过采样和去噪,制备成成对的台车声音样本和风机声音样本;
22)对在线样本实时进行频谱分析,得到故障特征频率对应的台车声音强度集为S1j={s1j1,…,s1jk}和风机声音强度集为S2j={s2j1,…,s2jk},其中,j为当前样本的序号,i为特征频率序号,s1ji为当前样本第i个特征对应的台车声音强度,s2ji为当前样本第i个特征对应的台车声音强度;
23)对当前样本,从台车声音频谱样本中滤除风机声音强度的影响;
24)计算当前样本在特征频率fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将每个特征频率对应的漏风故障贡献指标累加,得到第j个在线样本的环冷机漏风率指标
(3)基于漏风率对环冷机风量进行闭环控制方法如下:
31)将设定的环冷机理论分量F0分配给各环冷风机,第i台环冷风机的设定风量记为Fi0;
32)检测第i台环冷风机出口风量Fi1,计算出口风量Fi1和设定的环冷风机理论分量Fi0之间的差值,Fierr=Fi0-Fi1,其中Fierr为第i台环冷风机出口风量误差;
33)对各环冷风机出口风量误差求和,得到总风机出口误差Ferr=∑Fierr;
34)检测环冷台车声音信号S1和环冷风机声音信号S2,从台车声音信号S1中剔除风机声音信号S2的影响,得到消除风机干扰的声音信号S;
35)利用消除风机干扰的声音信号S和环冷机漏风率评价模型计算环冷机漏风率C;
36)根据设定的策略计算环冷机漏风的风量补偿值Fm=f(C);
37)通过出口误差Ferr和漏风补偿Fm计算环冷机风量误差Fa,Fa=Ferr+Fm;
38)根据控制策略,计算第i台环冷风机电机频率设定值Piset=Gi(Fa)。
通过本发明提出的环冷风量控制系统与控制方法,可以实现以下目的:
1.通过对环冷风机出口风量检测反馈和环冷机漏风检测反馈,实现了以环冷机整体为对象的风量控制;
2.精确控制环冷机风量,提高了冷却过程的稳定性,提高了冷却效果;
通过精确调节环冷风机电机频率,可以大量减少冗余风量,降低环冷机生产能耗;
本发明的方法具有以下优点:
1.本发明提出的环冷机漏风率指标评价和计算方法,通过对易获得的声音信号进行采集和分析,为环冷机这种的整体大型设备的漏风率检测提供了方便易行的方法;
2.本发明将整个环冷机视为一个整体,通过对风源和使用对象的分别检测,构成直接面向环冷机的风量控制系统,控制对象更直接有效;
3.本发明通过对环冷机风量的精确控制,可以降低冗余风量,从而节约环冷风机的电能消耗。
4.本发明可以实现对环冷机漏风的在线自动补偿,使环冷机生产更加稳定,提升冷却效果。
5.本发明利用声音的频谱和强度特性,构造的特征表示方法,为环冷机漏风故障提供了可监测的依据;
6.本发明在已知环冷风机为主要干扰源的情况下,通过采集目标信号和主要干扰信号的方式,从检测信号中滤除主要干扰,获得了可靠的检测信号;
7.本发明通过计算特征频率上的强度阈值,定义了可供数值计算的环冷机漏风率评价指标,为环冷机漏风率自动判断提供了可计算的指标;
附图说明
图1本发明的检测和硬件系统示意图(环冷机展开视图)
图2本发明的控制系统图
图3本发明的漏风率指标评价和计算流程图
图4本发明的基于频率特征的环冷机漏风率指标离线建模流程图
图5本发明的基于频率特征的环冷机漏风率指标在线计算流程图
图6本发明的控制方法流程图
具体实施方式
本发明旨在提供一种环冷机风量控制系统与控制方法。该控制系统通过对环冷风机出口风量的检测,构成风机风量的直接闭环控制,再通过对环冷机台车的声音检测,计算环冷机漏风率指标,以此对风量进行在线补偿,从而实现对环冷机风量的闭环控制。该控制系统通过控制器对风机变频器进行调节,从而改变电机转速,起到风量调节的效果。
本发明通过对环冷机车间声音信号进行采集和分析,将采集到的声音数据整理成环冷机车间声音历史样本库,对样本数据集进行分析和特征提取,建立环冷机漏风指标计算模型。再通过环冷机车间声音数据的在线采集和分析,对环冷机漏风指标进行计算,得到描述环冷机漏风情况的实时数值。并将风机风量和环冷机漏风率作为反馈信号,通过环冷控制器和各台环冷风机变频器控制环冷机风量。
下面以国内配备4台鼓风机的环冷机为例,对本发明进行说明:
本发明的检测和硬件系统见图1。环冷移动台车里是正在冷却的块状物料,台车下部是提供冷却空气的鼓风系统,主要包括环冷风箱和环冷风机等。由于台车是若干移动式的独立小车拼接而成,所以台车与台车间、风箱和台车间存在间隙和活动连接,这就导致容易在各种不同部位产生漏风现象,且难以通过有效手段进行密封性检测。本发明提出了通过环冷机台车声音采集和环冷风机声音采集的方式,来实现漏风率在线计算。如图所示,在环冷机台车处安装若干声音信号采集器,作为现场传感器为在线故障诊断提供检测信号源;在环冷风机处安装若干声音信号采集器,作为主要干扰源对照信号。通过漏风检测服务器对车间声音信号的历史数据进行分析,构建环冷机漏风指标计算模型。通过对在线声音数据的分析,利用漏风指标计算模型,实现对环冷机漏风状况的评价和反馈。如图所示,在每台环冷风机出口设置风量检测仪,为环冷机风量提供直接的检测。通过环冷控制器和各台环冷风机变频器,构成控制系统的控制单元和执行单元,将风机风量和环冷机漏风率作为反馈信号,一起构成环冷机风量控制系统。
本发明的控制原理图见图2。本控制方法的目标是保证环冷机风量和计算风量的一致。该系统的控制对象可以分为两部分,一个是环冷风机,该风机是风量的来源,其产生的风量通过在风机出口设置风量检测仪来实时计量。控制对象的第二部分是环冷机,由于环冷机本身是环形平面的台车式结构,并存在各种漏风情况,所以其风量无法直接测量。为了解决这一问题,本发明通过生产现场的声音信号进行采集和分析,然后通过漏风检测服务器的漏风率评价,对漏风指标进行计算,作为环冷机风量的一种变相测量。由于环冷风机离环冷机本体距离不远,风机工作时会产生较大的运行声音,所以会对环冷机工作过程的声音信号产生较大的干扰,为了克服这种有明确来源的干扰信号,本发明设置了风机声音信号采集器,来对风机声音进行采集和对比,从而实现漏风率的准确检测。通过环冷风机的出口风量检测和漏风率检测两组反馈信号,环冷控制器根据设定的控制策略,以环冷风机变频器作为执行对象,对环冷风机风量进行调节,从而实现对环冷机风量的控制。
本发明的漏风率指标评价和计算方法见图3。该方法主要分为离线建模和在线评价两个相关联的部分。离线建模阶段的实施方法如下:首先对各工况下环冷机工作的台车声音数据和环冷风机声音数据进行收集和整理,得到车间声音历史样本库;第二步,从台车声音数据中,剔除风机声音数据的影响;第三步,对剔除干扰源影响后的历史样本库进行分析和建模,得到环冷机漏风率评价模型。在线评价阶段的实施方法如下:首先,对实时采集的环冷台车声音数据和环冷风机声音数据进行采样和分析,得到在线生产样本;第二步,对当前样本,从台车声音数据中,剔除风机声音数据的影响;第三步,通过环冷机漏风率评价模型对在线生产样本进行监控和计算,得到当前漏风率指标;最后,将当前漏风率指标反馈给环冷控制器。
基于频率特征的环冷机漏风率指标离线建模流程图见图4:
第一步:采集正常生产状况下和各种不同漏风情况下的台车声音数据和风机声音数据,通过采样和去噪,制备成离线建模样本,按照漏风故障情况,将样本集划分为正常数据集Xnormal和漏风故障数据集Xfault,数据集中的台车声音样本和风机声音样本成对出现,并按照采集时间一一对应;
第二步:对正常数据集Xnormal和漏风故障数据集Xfault分别进行时域-频域转换,得到正常工作频谱样本集和漏风故障频谱样本集;
第三步:在正常工作频谱样本集和漏风故障频谱样本集中,从台车声音频谱样本中滤除风机声音强度的影响,实施例可按照以下公式计算:sij=s1ij-α·s2ij,其中i是频段代号,j是样本序号,sij是第j个样本消除风机干扰后的i频段声音强度,s1ij是第j个样本i频段的台车声音强度,s2ij是第j个样本i频段的风机声音强度,α是干扰系数。通过对每个样本进行计算,可以得到滤除风机干扰的正常工作频谱样本集和漏风故障频谱样本集;
第四步:对比滤除风机干扰的漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异,按照降序选出强度差异最大的k个频段,作为漏风故障特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
第五步:分析正常样本在特征频段中强度分布,采用统计参数估计的方法,按照人工设定的显著度α计算正常样本在特定频率fi的强度分布置信上限UCLi,将UCLi作为该特征频率对应的强度阈值,从而得到特征频率对应的强度阈值集,记为TH={th1,…,thk};
第六步:定义各特征频率对漏风率的贡献率,记为Ω={ω1,…,ωk},将特征频率fi处的漏风率贡献指标定义为表达式ci=G(si,thi,ωi),定义环冷机漏风率指标为其中si为当前样本在特征频率fi处的声音强度。
其中,作为一个实施例:
烧结机漏风率指标为
设定根据训练数据集,通过遗传算法、人工神经网络等方法,优化和计算各特征频率对漏风故障的贡献率Ω={ω1,…,ωk},从而确定环冷机漏风率指标C的最优参数;
通过以上6个步骤,就建立了基于频率特征的环冷机漏风率评价模型。
基于频率特征的环冷机漏风率指标在线计算流程图见图5:
第一步:在环冷车间实时采集声音数据,通过采样和去噪,制备成成对的台车声音样本和风机声音样本;
第二步:对在线样本实时进行频谱分析,得到故障特征频率对应的台车声音强度集为S1j={s1j1,…,s1jk}和风机声音强度集为S2j={s2j1,…,s2jk},其中,j为当前样本的序号,i为特征频率序号,s1ji为当前样本第i个特征对应的台车声音强度,s2ji为当前样本第i个特征对应的台车声音强度;
第三步:对当前样本,从台车声音频谱样本中滤除风机声音强度的影响,实施例可按照以下公式计算:sij=s1ij-α·s2ij,其中i是频段代号,j是当前样本序号,sij是当前样本消除风机干扰后的i频段声音强度,s1ij是当前样本i频段的台车声音强度,s2ij是当前样本i频段的风机声音强度,α是干扰系数;
第四步:计算当前样本在特征频率fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将每个特征频率对应的漏风故障贡献指标累加,得到第j个在线样本的环冷机漏风率指标
同样的,作为一个实施例:
烧结机漏风率指标为
通过以上4个步骤,就实现了基于频率特征的环冷机漏风故障的在线计算过程。
本发明的环冷机风量控制方法流程图见图6。可以分步描述如下:
第一步:将设定的环冷机理论分量F0分配给各环冷风机,第i台环冷风机的设定风量记为Fi0;
第二步:检测第i台环冷风机出口风量Fi1,计算出口风量Fi1和设定的环冷风机理论分量Fi0之间的差值,Fierr=Fi0-Fi1,其中Fierr为第i台环冷风机出口风量误差;
第三步:对各环冷风机出口风量误差求和,得到总风机出口误差Ferr=∑Fierr;
第四步:检测环冷台车声音信号S1和环冷风机声音信号S2,从台车声音信号S1中剔除风机声音信号S2的影响,得到消除风机干扰的声音信号S;
第五步:利用消除风机干扰的声音信号S和环冷机漏风率评价模型计算环冷机漏风率C;
第六步:根据设定的策略计算环冷机漏风的风量补偿值Fm=f(C),补偿策略不限于某一特定方式,在此给出一种实施例的计算公式Fm=kC,其中,k是漏风补偿系数,代表单位漏风率对应的风量补偿值;
第七步:通过出口误差Ferr和漏风补偿Fm计算环冷机风量误差Fa,Fa=Ferr+Fm;
第八步:根据控制策略,计算第i台环冷风机电机频率设定值Piset=Gi(Fa),控制策略不限于某一特定方式,在此给出一种实施例的控制策略,其中,Fn为风机额定风量,Fn为理论计算需要的风量,Fa为综合风量误差,υn为电源额定频率,ξ为物料透气系数.也可以采用PID的方式来计算电机频率设定值;
第九步:环冷风机电机电机频率的变化引起风机转速的变化,会造成环冷风机声音信号S2的变化,同时也直接引起风机出口分量的变化,即对应第一步中环冷风机出口风量Fi1的数值;第十步:风机出口风量的变化造成环冷机风量的变化,并造成漏风状态的改变,也就使环冷机的漏风声音发生变化,即对应第二步中的环冷机车间声音信号S1的数值;
通过以上十个步骤,就实现了对环冷机风量的闭环控制。
综上,本发明提出了一种环冷机风量控制方法,该方法对生产过程中采集到的音频信号和主要干扰信号进行分析和计算,得到漏风量的评价值,以漏风率评价值和环冷风机出风口的风量检测值作为控制系统的反馈信号,以环冷风机的电机运行频率作为调节量,实现了环冷机风量的在线闭环控制。有效的环冷机风量控制,可以满足提高物料冷却效果和降低生产能耗的目的。
Claims (1)
1.一种基于频率特征环冷机风量控制方法,其特征在于,所述的方法包括:
建立了基于频率特征的环冷机漏风率评价模型;
基于环冷机漏风率评价模型在线计算环冷机漏风率;
基于漏风率对环冷机风量进行闭环控制,
(1)建立了基于频率特征的环冷机漏风率评价模型的方法包括:
11)采集正常生产状况下和各种不同漏风情况下的台车声音数据和风机声音数据,制成正常工作频谱样本集和漏风故障频谱样本集;
12)从正常工作频谱样本集和漏风故障频谱样本集中,滤除风机声音的影响;
13)对比滤除风机干扰的漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异,按照降序选出强度差异最大的k个频段,作为漏风故障特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
14)分析正常样本在特征频段中强度分布,采用统计参数估计的方法,按照人工设定的显著度α计算正常样本在特定频率fi的强度分布置信上限UCLi,将UCLi作为该特征频率对应的强度阈值,从而得到特征频率对应的强度阈值集,记为TH={th1,…,thk};
15)定义各特征频率对漏风率的贡献率,记为Ω={ω1,…,ωk},将特征频率fi处的漏风率贡献指标定义为表达式ci=G(si,thi,ωi),定义环冷机漏风率指标为其中si为当前样本在特征频率fi处的声音强度;
还包括:通过遗传算法或人工神经网络方法,优化和计算各特征频率对漏风故障的贡献率Ω={ω1,…,ωk},从而确定环冷机漏风率指标C的最优参数;
(2)基于环冷机漏风率评价模型在线计算环冷机漏风率的步骤包括:
21)在环冷车间实时采集声音数据,通过采样和去噪,制备成成对的台车声音样本和风机声音样本;
22)对在线样本实时进行频谱分析,得到故障特征频率对应的台车声音强度集为S1j={s1j1,…,s1jk}和风机声音强度集为S2j={s2j1,…,s2jk},其中,j为当前样本的序号,i为特征频率序号,s1ji为当前样本第i个特征对应的台车声音强度,s2ji为当前样本第i个特征对应的台车声音强度;
23)对当前样本,从台车声音频谱样本中滤除风机声音强度的影响;
24)计算当前样本在特征频率fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将每个特征频率对应的漏风故障贡献指标累加,得到第j个在线样本的环冷机漏风率指标
(3)基于漏风率对环冷机风量进行闭环控制方法如下:
31)将设定的环冷机理论分量F0分配给各环冷风机,第i台环冷风机的设定风量记为Fi0;
32)检测第i台环冷风机出口风量Fi1,计算出口风量Fi1和设定的环冷风机理论分量Fi0之间的差值,Fierr=Fi0-Fi1,其中Fierr为第i台环冷风机出口风量误差;
33)对各环冷风机出口风量误差求和,得到总风机出口误差Ferr=∑Fierr;
34)检测环冷台车声音信号S1和环冷风机声音信号S2,从台车声音信号S1中剔除风机声音信号S2的影响,得到消除风机干扰的声音信号S;
35)利用消除风机干扰的声音信号S和环冷机漏风率评价模型计算环冷机漏风率C;
36)根据设定的策略计算环冷机漏风的风量补偿值Fm=f(C);
37)通过出口误差Ferr和漏风补偿Fm计算环冷机风量误差Fa,Fa=Ferr+Fm;
38)根据控制策略,计算第i台环冷风机电机频率设定值Piset=Gi(Fa)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810562230.5A CN108731484B (zh) | 2018-05-31 | 2018-05-31 | 基于频率特征环冷机风量控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810562230.5A CN108731484B (zh) | 2018-05-31 | 2018-05-31 | 基于频率特征环冷机风量控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108731484A CN108731484A (zh) | 2018-11-02 |
CN108731484B true CN108731484B (zh) | 2019-12-27 |
Family
ID=63931653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810562230.5A Active CN108731484B (zh) | 2018-05-31 | 2018-05-31 | 基于频率特征环冷机风量控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108731484B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3201897A1 (de) * | 1982-01-22 | 1983-08-18 | Daimler-Benz Ag, 7000 Stuttgart | Verfahren zur fehlerdiagnose an kraftfahrzeugen und einrichtung zur durchfuehrung des verfahrens |
CN103558029B (zh) * | 2013-10-22 | 2016-06-22 | 重庆建设机电有限责任公司 | 一种发动机异响故障在线诊断系统和诊断方法 |
CN105424395B (zh) * | 2015-12-15 | 2018-05-18 | 珠海格力电器股份有限公司 | 设备故障的确定方法和装置 |
CN106442720B (zh) * | 2016-08-29 | 2019-11-08 | 重庆交通大学 | 一种声振式轨道桥梁健康监测装置、系统及方法 |
CN106650576A (zh) * | 2016-09-22 | 2017-05-10 | 中国矿业大学 | 一种基于噪声特征统计量的矿山设备健康状态判决方法 |
CN107796611B (zh) * | 2017-10-20 | 2020-05-15 | 烟台清能风力发电有限公司 | 一种用于检测风力发电机异常工作的报警系统 |
-
2018
- 2018-05-31 CN CN201810562230.5A patent/CN108731484B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108731484A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101038277B (zh) | 基于最小二乘-支持向量机的制粉过程煤粉细度软测量方法 | |
CN109118384A (zh) | 一种风电机组健康预警方法 | |
CN103631681B (zh) | 一种在线修复风电场异常数据的方法 | |
CN106990763A (zh) | 一种基于数据挖掘的立磨运行调控系统及方法 | |
CN105894391B (zh) | 基于scada运行数据提取的风电机组转矩控制性能评估方法 | |
CN111010083B (zh) | 一种光伏电站故障综合预警系统 | |
CN114109859B (zh) | 一种无流量传感的离心泵性能神经网络预测方法 | |
CN107239066B (zh) | 一种基于数据挖掘的立磨运行闭环控制装置及方法 | |
CN105241258B (zh) | 环冷机分段多目标控制系统及控制方法 | |
CN113536710B (zh) | 一种泵及泵组能效可视化监测方法 | |
CN109583075A (zh) | 基于温度参数预测的永磁直驱风力机服役质量评价方法 | |
CN108804796B (zh) | 基于频谱特征的环冷机漏风率检测方法 | |
CN108956041A (zh) | 基于频谱特征单边检测法的烧结机漏风故障在线诊断方法 | |
CN108731484B (zh) | 基于频率特征环冷机风量控制方法 | |
CN103926079B (zh) | 一种混流式水电机组出力异常检测方法 | |
CN110578659B (zh) | 一种用于对风电机组scada数据进行处理的系统和方法 | |
CN117066496B (zh) | 一种铸造冷却控制方法及系统 | |
CN108710300B (zh) | 烧结风量控制方法 | |
CN109029697B (zh) | 基于频谱特征单边检测法的环冷机漏风故障在线诊断方法 | |
CN108709426B (zh) | 基于频谱特征双边检测法烧结机漏风故障在线诊断方法 | |
CN108800954B (zh) | 基于音源特征的环冷机风量控制方法及系统 | |
CN108895839B (zh) | 烧结机漏风故障在线诊断方法 | |
CN108955261B (zh) | 基于音源特征的烧结机风量控制方法及系统 | |
CN108759479A (zh) | 基于盲源分离单边检测法的烧结机漏风故障在线诊断方法 | |
CN108627242B (zh) | 基于盲源分离单边检测法的环冷机漏风率检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |