CN108800954B - 基于音源特征的环冷机风量控制方法及系统 - Google Patents

基于音源特征的环冷机风量控制方法及系统 Download PDF

Info

Publication number
CN108800954B
CN108800954B CN201810556483.1A CN201810556483A CN108800954B CN 108800954 B CN108800954 B CN 108800954B CN 201810556483 A CN201810556483 A CN 201810556483A CN 108800954 B CN108800954 B CN 108800954B
Authority
CN
China
Prior art keywords
sound
air
sample
sound source
fan
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
Application number
CN201810556483.1A
Other languages
English (en)
Other versions
CN108800954A (zh
Inventor
方田
叶学农
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huatian Engineering and Technology Corp MCC
Original Assignee
Huatian Engineering and Technology Corp MCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huatian Engineering and Technology Corp MCC filed Critical Huatian Engineering and Technology Corp MCC
Priority to CN201810556483.1A priority Critical patent/CN108800954B/zh
Publication of CN108800954A publication Critical patent/CN108800954A/zh
Application granted granted Critical
Publication of CN108800954B publication Critical patent/CN108800954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27FURNACES; KILNS; OVENS; RETORTS
    • F27DDETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D15/00Handling or treating discharged material; Supports or receiving chambers therefor
    • F27D15/02Cooling
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04DNON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00Control, e.g. regulation, of pumps, pumping installations or systems
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27FURNACES; KILNS; OVENS; RETORTS
    • F27DDETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00Arrangements of controlling devices

Abstract

本发明公开一种基于音源特征的环冷机风量控制方法及系统。在台车处安装若干第一声音信号采集器,在风机处安装若干第二声音信号采集器,各环冷风机出口处设置风量检测仪,所述方法包括:步骤1:采集各种工况下台车声音数据和风机声音数据;依据信源重构从台车声音数据中剔除风机声音数据的影响,获得剔除干扰的音源样本集;利用音源样本集构建环冷机漏风率评价模型;步骤2:实时采集台车声音数据和风机声音数据,依据环冷机漏风率评价模型在线计算环冷机漏风率指标;步骤3:实时采集各风机的出口风量、计算获得风机的出口误差风量;依据环冷机漏风率指标计算环冷机总漏风风量,依据总漏风风量和出口误差风量对环冷风机的电机频率进行调节。

Description

基于音源特征的环冷机风量控制方法及系统
技术领域
本发明涉及一种基于音源特征的环冷机风量控制方法及系统。
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。为了解决这一问题,本发明提出了一种环冷机风量控制系统与控制方法,该方法对生产过程中采集到的音频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。
发明内容
针对上述问题,本发明提供一种便于对环冷机风量进行控制的基于音源特征的环冷机风量控制方法。
为达到上述目的,本发明一种基于音源特征的环冷机风量控制方法,包括如下步骤:在环冷机台车处安装若干第一声音信号采集器,在环冷风机处安装若干第二声音信号采集器,每台环冷风机出口处设置风量检测仪,所述方法包括如下步骤:
步骤1:分别采集正常工况下和故障状态下的环冷机台车声音数据和环冷风机声音数据;依据信源重构从台车声音数据中剔除风机声音数据的影响,获得剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集;利用剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集构建基于音源特征的环冷机漏风率评价模型;
步骤2:实时采集车间台车声音数据和风机声音数据,依据环冷机漏风评价模型在线计算环冷机漏风率指标,得到基于音源特征的环冷机漏风率指标;
步骤3:实时采集各环冷风机的出口风量,依据检测到的出口风量和环冷机的理论风量计算获得风机的出口误差风量;依据基于音源特征的环冷机漏风率指标计算环冷机的总漏风风量,再依据总漏风风量和风机的出口误差风量对环冷风机的电机频率进行调节。
进一步地,所述步骤1中获得剔除干扰影响后的历史样本集的方法包括:
步骤1.1:采集正常工况下和故障工况下环冷机台车声音数据和环冷风机声音数据,得到正常数据集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;
步骤1.2:将正常数据集Xnormal和漏风故障数据集Xfault混合得到类别均衡的历史样本集;
步骤1.3:在类别均衡的历史样本集中,将各从台车声音样本和与其对应的风机声音样本叠加为混合样本,得到均衡混合历史样本集;
步骤1.4:对均衡混合历史样本集进行独立成分分析得到环冷机声音信号的信源重构模型;
步骤1.5:利用获得的信源重构模型对正常数据集Xnormal和漏风故障数据集Xfault分别进行信源重构,获得正常工作音源样本集s1和漏风故障音源样本集s2
步骤1.6:在正常工作音源样本集s1和漏风故障样本集s2中,计算各音源的台车声音强度和各音源的风机声音强度,依据公式sij=s1ij-α·s2ij计算剔除风机干扰后的台车声音强度,得到剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集;其中i是信源代号,j是样本序号,sij是第j个样本消除风机干扰后的i音源强度,s1ij是第j个样本i音源的台车声音强度,s2ij是第j个样本i音源的风机声音强度,α是干扰系数。
进一步地,所述步骤1中构建基于音源特征的环冷机漏风率评价模型的方法包括:
步骤1.7:对比滤除风机干扰的正常音源样本集与漏风故障音源样本集在不同声音来源上的强度差异,按照降序选出强度差异最大的k个独立声音源,作为漏风故障特征音源集,记为F={f1,…,fk},其中,fi为第i个特征音源;
步骤1.8:分析滤除风机干扰的正常工作音源样本在特征音源中强度分布,采用统计参数估计的方法,按照设定的显著度α计算正常工作音源样本在特定音源fi的强度分布置信上限UCLi,将UCLi作为该特征音源对应的强度阈值,从而得到特征音源对应的强度阈值集,为TH={th1,...,thk};
步骤1.9:定义各特征音源对漏风率的贡献率,记为Ω={ω1,…,ωk},将特征音源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为当前样本在特征音源fi处的声音强度;通过优化和计算各特征音源对漏风故障的贡献率Ω={ω1,…,ωk},确定环冷机漏风率指标C的最优参数,获得基于音源特征的环冷机漏风率评价模型。
进一步地,所述步骤2中获得基于音源特征的环冷机漏风率指标的方法为:
步骤2.1:将采集到的车间台车声音数据和风机声音数据进行采样和去噪处理,获得成对的台车在线声音样本和风机在线声音样本;
步骤2.2:实时对台车在线声音样本和风机在线声音样本进行信源重构,得到故障特征音源对应的台车声音强度集为S1j={s1j1,...,s1jk},风机声音强度集为 S2j={s2j1,...,s2jk},其中,j为当前样本的序号,i为特征音源序号,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个特征对应的风机声音强度;
步骤2.3:在在线样本中,利用公式sij=s1ij-α·s2ij,从台车声音音源样本中滤除风机声音强度的影响,得到滤除风机影响的台车声音样本集;其中,i是音源代号,j是当前样本序号,sij是当前样本消除风机干扰后的i音源的声音强度,s1ij是当前样本i音源的台车声音强度,s2ij是当前样本i音源的风机声音强度,α是干扰系数;
步骤2.4:计算在线样本在特征音源fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将各特征音源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
进一步地,所述步骤3中依据总漏风风量和风机的出口误差风量对环冷风机的电机频率进行调节的具体方法为:
步骤3.1:设定环冷机理论风量F0,将环冷机理论风量F0分配给各环冷风机,获得各台环冷风机的理论风量Fi0
步骤3.2:检测各台环冷风机出口风量获得风机出口风量检测值Fi1,利用环冷风机的理论风量Fi0和风机出口风量检测值Fi1计算获得各环冷风机出口风量误差Fierr;其中,Fierr=Fi0-Fi1
步骤3.3:对各环冷风机出口风量误差Fierr进行求和,得到环冷风机总出口误差Ferr;Ferr=∑Fierr
步骤3.4:依据环冷机漏风率指标计算环冷机漏风率C;依据设定的策略和环冷机漏风滤计算环冷机漏风的风量补偿值Fm,Fm=f(C);
步骤3.5:通过环冷风机总出口误差Ferr和漏风补偿值Fm计算环冷机风量误差Fa,Fa=Ferr+Fm
步骤3.6:依据环冷机风量误差Fa及相应的控制策略,计算第i台环冷风机电机频率设定值Piset以对环冷风机电机频率进行调节,实现对环冷机风量的控制,其中Piset=Gi(Fa),具体的,Pset=G(Fa)实施例可以采用以下公式计算
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,vn为电源额定频率,ξ为物料透气系数.
本发明一种基于音源特征的环冷机风量控制方法,通过检测环冷机台车工作声音和环冷风机的工作声音,作为检测信号和干扰信号,来分析得到滤除风机干扰的环冷机台车声音信号,用这个信号来分析和计算环冷机漏风指标;再利用环冷机漏风指标和环冷风机出口风量检测两组信号作为系统反馈,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。
为达到上述目的,本发明一种基于音源特征的环冷机风量控制系统,包括若干台车声音信号采集器、若干风机声音信号采集器和对应各环冷风机出口设置的风量检测仪;各所述台车声音信号采集器和各风机声音信号采集器均与漏风检测服务器通讯连接;各所述风量检测仪与所述环冷控制器通讯连接;所述环冷机控制器与所述漏风检测服务器通讯连接;所述控制系统按照上述任意一项所述的环冷机风量控制方法对环冷机的风量进行控制。
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;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。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。
附图说明
图1是本发明检测和硬件系统示意图;
图2是本发明漏风率指标评价和计算流程图;
图3是本发明基于音源特征的环冷机漏风率指标离线建模流程图;
图4是本发明基于音源特征的环冷机漏风率指标在线计算流程图;
图5是本发明的控制方法流程图;
图6是本发明控制系统结构框图。
具体实施方式
下面结合说明书附图对本发明做进一步的描述。
实施例1
结合图1和图6,本实施例中提供一种基于音源特征的环冷机风量控制方法,在环冷机台车处安装若干第一声音信号采集器,在环冷风机处安装若干第二声音信号采集器,每台环冷风机出口处设置风量检测仪,所述方法包括如下步骤:
步骤1:分别采集正常工况下和故障状态下的环冷机台车声音数据和环冷风机声音数据;依据信源重构从台车声音数据中剔除风机声音数据的影响,获得剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集;利用剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集构建基于音源特征的环冷机漏风率评价模型;
步骤2:实时采集车间台车声音数据和风机声音数据,依据环冷机漏风评价模型在线计算环冷机漏风率指标,得到基于音源特征的环冷机漏风率指标;
步骤3:实时采集各环冷风机的出口风量,依据检测到的出口风量和环冷机的理论风量计算获得风机的出口误差风量;依据基于音源特征的环冷机漏风率指标计算环冷机的总漏风风量,再依据总漏风风量和风机的出口误差风量对环冷风机的电机频率进行调节。
实施例2
结合图2,作为实施例1的具体方案,上述步骤1中获得剔除干扰影响后的历史样本集的方法包括:
步骤1.1:采集正常工况下和故障工况下环冷机台车声音数据和环冷风机声音数据,得到正常数据集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;
步骤1.2:将正常数据集Xnormal和漏风故障数据集Xfault混合得到类别均衡的历史样本集;
步骤1.3:在类别均衡的历史样本集中,将各从台车声音样本和与其对应的风机声音样本叠加为混合样本,得到均衡混合历史样本集;
步骤1.4:对均衡混合历史样本集进行独立成分分析得到环冷机声音信号的信源重构模型,具体包括:
步骤1.4.1:对混合历史样本集中的样本数据进行零均值化和白化处理,得到白化后的样本Z;
步骤1.4.2:根据对现场声音信号来源数量的估计,初始化向量 W={w1,w2,…wk},其中,k为估计的信号源数量,wi为初始值;
步骤1.4.3:利用公式通过迭代的计算方式计算并更新wi,再利用公式W←(WWT)-0.5W计算获得信源重构模型。
步骤1.5:利用获得的信源重构模型对正常数据集Xnormal和漏风故障数据集Xfault分别进行信源重构,获得正常工作音源样本集和漏风故障音源样本集,其具体方法为:
步骤1.5.1:对采集的样本,进行滤波、去噪,并按模型参数进行零均值化和和白化处理,记为z;
步骤1.5.2:利用信源重构模型的分离矩阵W对样本集进行信源重构,计算按信号源重构后的样本s=W·z。
步骤1.6:在正常工作音源样本集和漏风故障样本集中,计算各音源的台车声音强度和各音源的风机声音强度,依据公式sij=s1ij-α·s2ij计算剔除风机干扰后的台车声音强度,得到剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集;其中i是信源代号,j是样本序号,sij是第j个样本消除风机干扰后的i音源强度,s1ij是第j个样本i音源的台车声音强度,s2ij是第j个样本i音源的风机声音强度,α是干扰系数。
上述步骤1中构建基于音源特征的环冷机漏风率评价模型的方法包括:
步骤1.7:对比滤除风机干扰的正常音源样本集与漏风故障音源样本集在不同声音来源上的强度差异,按照降序选出强度差异最大的k个独立声音源,作为漏风故障特征音源集,记为F={f1,…,fk},其中,fi为第i个特征音源;
步骤1.8:分析滤除风机干扰的正常工作音源样本在特征音源中强度分布,采用统计参数估计的方法,按照设定的显著度α计算正常工作音源样本在特定音源fi的强度分布置信上限UCLi,将UCLi作为该特征音源对应的强度阈值,从而得到特征音源对应的强度阈值集,为TH={th1,…,thk};
步骤1.9:定义各特征音源对漏风率的贡献率,记为Ω={ω1,…,ωk},将特征音源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为当前样本在特征音源fi处的声音强度;通过优化和计算各特征音源对漏风故障的贡献率Ω={ω1,…,ωk},确定环冷机漏风率指标C的最优参数,得到基于音源特征的环冷机漏风率评价模型。
实施例3
结合图3,作为实施例1的具体方案,上述步骤2中获得基于音源特征的环冷机漏风率指标的方法为:
步骤2.1:将采集到的车间台车声音数据和风机声音数据进行采样和去噪处理,获得成对的台车在线声音样本和风机在线声音样本;
步骤2.2:实时对台车在线声音样本和风机在线声音样本进行信源重构,得到故障特征音源对应的台车声音强度集为S1j={s1j1,…,s1jk},风机声音强度集为 S2j={s2j1,…,s2jk},其中,j为当前样本的序号,i为特征音源序号,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个特征对应的风机声音强度;
步骤2.3:在在线样本中,利用公式sij=s1ij-α·s2ij,从台车声音音源样本中滤除风机声音强度的影响,得到滤除风机影响的台车声音样本集;其中,i是音源代号,j是当前样本序号,sij是当前样本消除风机干扰后的i音源的声音强度,s1ij是当前样本i音源的台车声音强度,s2ij是当前样本i音源的风机声音强度,α是干扰系数;
步骤2.4:计算在线样本在特征音源fi处的漏风故障贡献指标将各特征音源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
实施例4
结合图4,作为实施例1的具体方案,上述步骤4中依据总漏风风量和风机的出口误差风量对环冷风机的电机频率进行调节的具体方法为:
步骤3.1:设定环冷机理论风量F0,将环冷机理论风量F0分配给各环冷风机,获得各台环冷风机的理论风量Fi0
步骤3.2:检测各台环冷风机出口风量获得风机出口风量检测值Fi1,利用环冷风机的理论风量Fi0和风机出口风量检测值Fi1计算获得各环冷风机出口风量误差Fierr;其中,Fierr=Fi0-Fi1
步骤3.3:对各环冷风机出口风量误差Fierr进行求和,得到环冷风机总出口误差Ferr;Ferr=∑Fierr
步骤3.4:依据环冷机漏风率指标计算环冷机漏风率C;依据设定的策略和环冷机漏风滤计算环冷机漏风的风量补偿值Fm,具体的,Fm=kC,C=Cj,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;
步骤3.5:通过环冷风机总出口误差Ferr和漏风补偿值Fm计算环冷机风量误差Fa,Fa=Ferr+Fm
步骤3.6:依据环冷机风量误差Fa及相应的控制策略,计算第i台环冷风机电机频率设定值Piset以对环冷风机电机频率进行调节,实现对环冷机风量的控制,其中Piset=Gi(Fa),具体的,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,vn为电源额定频率,ξ为物料透气系数。
本实施例环冷风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的变化,同时也直接引起环冷风机出口风量的变化,即对应步骤3.1步中环冷风机出口风量Fi1的数值;风机出口风量的变化则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,即对应步骤2.1中的环冷机车间声音数据,利用声音数据则能重新计算漏风率及漏风补偿值,从而实现了对环冷机风量的闭环控制;
本发明基于音源特征的环冷机风量控制方法,由于环冷机漏风状况的故障点多,故障发生的诱因复杂,所以很难通过传统的监控方法实现有效的在线检测,而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。本发明利用盲源分离技术,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;本发明通过计算特征音源上的强度阈值,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。
实施例5
结合图5和图6,本实施例提供一种基于音源特征的环冷机风量控制系统,包括若干台车声音信号采集器、若干风机声音信号采集器和对应各环冷风机出口设置的风量检测仪;各所述台车声音信号采集器和各风机声音信号采集器均与漏风检测服务器通讯连接;各所述风量检测仪与所述环冷控制器通讯连接;所述环冷机控制器与所述漏风检测服务器通讯连接;所述控制系统按照上述任意一项所述的环冷机风量控制方法对环冷机的风量进行控制。
本发明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6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;同时本发明还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。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。
以上,仅为本发明的较佳实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求所界定的保护范围为准。

Claims (6)

1.一种基于音源特征的环冷机风量控制方法,在环冷机台车处安装若干第一声音信号采集器,在环冷风机处安装若干第二声音信号采集器,每台环冷风机出口处设置风量检测仪,其特征在于,所述方法包括如下步骤:
步骤1:分别采集正常工况下和故障状态下的环冷机台车声音数据和环冷风机声音数据;依据信源重构从台车声音数据中剔除风机声音数据的影响,获得剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集;利用剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集构建基于音源特征的环冷机漏风率评价模型;
步骤2:实时采集车间台车声音数据和风机声音数据,依据环冷机漏风率评价模型在线计算环冷机漏风率指标,得到基于音源特征的环冷机漏风率指标;
步骤3:实时采集各环冷风机的出口风量,依据检测到的出口风量和环冷机的理论风量计算获得风机的出口误差风量;依据基于音源特征的环冷机漏风率指标计算环冷机的总漏风风量,再依据总漏风风量和风机的出口误差风量对环冷风机的电机频率进行调节。
2.根据权利要求1所述的基于音源特征的环冷机风量控制方法,其特征在于,所述步骤1中获得剔除干扰影响后的历史样本集的方法包括:
步骤1.1:采集正常工况下和故障工况下环冷机台车声音数据和环冷风机声音数据,得到正常数据集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;
步骤1.2:将正常数据集Xnormal和漏风故障数据集Xfault混合得到类别均衡的历史样本集;
步骤1.3:在类别均衡的历史样本集中,将各从台车声音样本和与其对应的风机声音样本叠加为混合样本,得到均衡混合历史样本集;
步骤1.4:对均衡混合历史样本集进行独立成分分析得到环冷机声音信号的信源重构模型;
步骤1.5:利用获得的信源重构模型对正常数据集Xnormal和漏风故障数据集Xfault分别进行信源重构,获得正常工作音源样本集和漏风故障音源样本集;
步骤1.6:在正常工作音源样本集和漏风故障音源样本集中,计算各音源的台车声音强度和各音源的风机声音强度,依据公式sij=s1ij-α·s2ij计算剔除风机干扰后的台车声音强度,得到剔除干扰影响后的正常工作音源样本集和漏风故障音源样本集;其中i是信源代号,j是样本序号,sij是第j个样本消除风机干扰后的i音源强度,s1ij是第j个样本i音源的台车声音强度,s2ij是第j个样本i音源的风机声音强度,α是干扰系数。
3.根据权利要求2所述的基于音源特征的环冷机风量控制方法,其特征在于,所述步骤1中构建基于音源特征的环冷机漏风率评价模型的方法包括:
步骤1.7:对比滤除风机干扰的正常音源样本集与漏风故障音源样本集在不同声音来源上的强度差异,按照降序选出强度差异最大的k个独立声音源,作为漏风故障特征音源集,记为F={f1,…,fk},其中,fi为第i个特征音源;
步骤1.8:分析滤除风机干扰的正常工作音源样本在特征音源中强度分布,采用统计参数估计的方法,按照设定的显著度α计算正常工作音源样本在特定音源fi的强度分布置信上限UCLi,将UCLi作为该特征音源对应的强度阈值,从而得到特征音源对应的强度阈值集,为TH={th1,…,thk};
步骤1.9:定义各特征音源对漏风率的贡献率,记为Ω={ω1,…,ωk},将特征音源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为当前样本在特征音源fi处的声音强度;通过优化和计算各特征音源对漏风故障的贡献率Ω={ω1,…,ωk},确定环冷机漏风率指标C的最优参数,获得基于音源特征的环冷机漏风率评价模型。
4.根据权利要求3所述的基于音源特征的环冷机风量控制方法,其特征在于,所述步骤2中获得基于音源特征的环冷机漏风率指标的方法为:
步骤2.1:将采集到的车间台车声音数据和风机声音数据进行采样和去噪处理,获得成对的台车在线声音样本和风机在线声音样本;
步骤2.2:实时对台车在线声音样本和风机在线声音样本进行信源重构,得到故障特征音源对应的台车声音强度集为S1j={s1j1,…,s1jk},风机声音强度集为S2j={s2j1,…,s2jk},其中,j为当前样本的序号,i为特征音源序号,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个特征对应的风机声音强度;
步骤2.3:在在线样本中,利用公式sij=s1ij-α·s2ij,从台车声音音源样本中滤除风机声音强度的影响,得到滤除风机影响的台车声音样本集;其中,i是音源代号,j是当前样本序号,sij是当前样本消除风机干扰后的i音源的声音强度,s1ij是当前样本i音源的台车声音强度,s2ij是当前样本i音源的风机声音强度,α是干扰系数;
步骤2.4:计算在线样本在特征音源fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将各特征音源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
5.根据权利要求1所述的基于音源特征的环冷机风量控制方法,其特征在于,所述步骤3中依据总漏风风量和风机的出口误差风量对环冷风机的电机频率进行调节的具体方法为:
步骤3.1:设定环冷机理论风量F0,将环冷机理论风量F0分配给各环冷风机,获得各台环冷风机的理论风量Fi0
步骤3.2:检测各台环冷风机出口风量获得风机出口风量检测值Fi1,利用环冷风机的理论风量Fi0和风机出口风量检测值Fi1计算获得各环冷风机出口风量误差Fierr;其中,Fierr=Fi0-Fi1
步骤3.3:对各环冷风机出口风量误差Fierr进行求和,得到环冷风机总出口误差Ferr;Ferr=∑Fierr
步骤3.4:依据环冷机漏风率指标计算环冷机漏风率C;依据设定的策略和环冷机漏风率计算环冷机漏风的风量补偿值Fm,Fm=f(C),
步骤3.5:通过环冷风机总出口误差Ferr和漏风补偿值Fm计算环冷机风量误差Fa,Fa=Ferr+Fm
步骤3.6:依据环冷机风量误差Fa及相应的控制策略,计算第i台环冷风机电机频率设定值Piset以对环冷风机电机频率进行调节,实现对环冷机风量的控制,其中Piset=Gi(Fa)。
6.一种基于音源特征的环冷机风量控制系统,包括若干台车声音信号采集器、若干风机声音信号采集器和对应各环冷风机出口设置的风量检测仪;各所述台车声音信号采集器和各风机声音信号采集器均与漏风检测服务器通讯连接;各所述风量检测仪与所述环冷控制器通讯连接;所述环冷机控制器与所述漏风检测服务器通讯连接;其特征在于,所述控制系统按照如权利要求1-5任意一项所述的环冷机风量控制方法对环冷机的风量进行控制。
CN201810556483.1A 2018-05-31 2018-05-31 基于音源特征的环冷机风量控制方法及系统 Active CN108800954B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810556483.1A CN108800954B (zh) 2018-05-31 2018-05-31 基于音源特征的环冷机风量控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810556483.1A CN108800954B (zh) 2018-05-31 2018-05-31 基于音源特征的环冷机风量控制方法及系统

Publications (2)

Publication Number Publication Date
CN108800954A CN108800954A (zh) 2018-11-13
CN108800954B true CN108800954B (zh) 2019-12-31

Family

ID=64090084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810556483.1A Active CN108800954B (zh) 2018-05-31 2018-05-31 基于音源特征的环冷机风量控制方法及系统

Country Status (1)

Country Link
CN (1) CN108800954B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102011743B (zh) * 2009-09-08 2013-08-07 中冶长天国际工程有限责任公司 一种用于环冷机的鼓风机控制系统
CN105114348B (zh) * 2015-09-09 2017-10-31 长春合成兴业能源技术有限公司 基于电站运行数据的引风机故障预警装置和方法
CN106873359B (zh) * 2015-12-11 2020-09-15 中国电力科学研究院 一种基于聚类分析和神经网络的风电噪声评价方法
CN107305159A (zh) * 2016-04-21 2017-10-31 中冶长天国际工程有限责任公司 一种烧结主抽风机的故障诊断方法及装置
CN106124136B (zh) * 2016-06-24 2019-09-20 宝山钢铁股份有限公司 一种烧结环冷机台车漏风率在线测试方法
CN107831024B (zh) * 2017-04-11 2020-06-16 上海发电设备成套设计研究院 基于多点振动信号特征值的风机振动故障状态诊断方法
CN107956731A (zh) * 2017-11-30 2018-04-24 中国大唐集团科学技术研究院有限公司西北分公司 电站空冷风机频率变化对机组背压参数影响的预测方法

Also Published As

Publication number Publication date
CN108800954A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN106662072B (zh) 风力发电机状态监控方法与系统
CN108620949B (zh) 刀具磨耗监测与预测方法
Martin A review by discussion of condition monitoring and fault diagnosis in machine tools
Cai et al. Fine energy consumption allowance of workpieces in the mechanical manufacturing industry
CN1324418C (zh) 制炼系统内使用的气穴检测
US9378183B2 (en) Monitoring diagnostic device and monitoring diagnostic method
CN103776556B (zh) 估算电动机温度的温度估算装置
CN104808585B (zh) 一种机床健康状态快速检查方法
CN109822399B (zh) 基于并行深度神经网络的数控机床刀具磨损状态预测方法
CN104134999B (zh) 基于多数据源的配电网量测有效性分析实用化计算方法
CN104391480B (zh) 一种基于专家系统的数控机床故障诊断系统
CN102182671B (zh) 一种气体压缩机的状态分析监测方法
US20120084031A1 (en) Equipment operation state measurement device, equipment operation state measurement method, and control program
Blaser et al. Adaptive learning control for thermal error compensation of 5-axis machine tools
EP2665925B1 (en) A method for diagnostic monitoring of a wind turbine generator system
CN100524131C (zh) 用于检测加热器相关的反常状态的系统和方法
CN105043593B (zh) 一种机车温度传感器故障诊断及容错估计方法
CN205279346U (zh) 一种基于ddc的空调水系统输送能效比在线监测装置
CN105974886A (zh) 一种数控机床的健康监测方法
CN101421679B (zh) 过程监控技术及相关行为
Li et al. Dual sliding mode contouring control with high accuracy contour error estimation for five-axis CNC machine tools
CN102843093B (zh) 异步电机转子时间常数在线校正方法及装置和控制系统
US8040097B2 (en) Servo motor drive control device for calculating consumed electric energy and regenerated electric energy
CN105187010A (zh) 一种光伏电站的智能化监控与运维系统
CN104075403A (zh) 一种空调能耗监测与诊断系统和方法

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