CN109270884A - 一种风机联锁仿人工智能模糊控制方法及控制装置 - Google Patents
一种风机联锁仿人工智能模糊控制方法及控制装置 Download PDFInfo
- Publication number
- CN109270884A CN109270884A CN201811081322.8A CN201811081322A CN109270884A CN 109270884 A CN109270884 A CN 109270884A CN 201811081322 A CN201811081322 A CN 201811081322A CN 109270884 A CN109270884 A CN 109270884A
- Authority
- CN
- China
- Prior art keywords
- fan
- signal
- fuzzy
- fuzzy control
- interlock
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 6
- 241000153246 Anteros Species 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/10—Plc systems
- G05B2219/12—Plc mp multi processor system
- G05B2219/1216—Interlock problem, avoid sending data to slave when slave processes data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
一种风机联锁仿人工智能模糊控制方法及控制装置，属于控制方法领域，其特征在于：包括以下步骤，获取模拟量参数信号；对模拟参数信号通过去噪算法进行实时处理得到模拟量信号；在设定时间范围内根据模拟量信号变化得出模拟信号变化曲线；对模拟信号变化曲线进行模糊推理判断，得出模糊控制判断结果；模糊控制判断结果为正，则输出控制操作信号；模糊控制判断结果为负，则输出报警信号。实现对仪表信号虚假波动的智能判断，可以妥善解决仪表信号稳定性、准确性与快速性之间的矛盾，该控制方法成功运用仿人智能模糊控制，较好地应用于仪表信号波动带来的误停机现象，杜绝了因仪表波动而造成的风机跳闸，提高了运行效率。
Description
技术领域
本发明属于控制方法领域，尤其涉及一种风机联锁仿人工智能模糊控制方法。
背景技术
炼钢除尘风机上采用的模拟量信号会因为受到外部干扰或自身原因产生波动，在参与停机联锁控制中现场干扰信号或仪表线路老化或传感器自身的问题，时常造成仪表信号不稳定而致使风机多次跳闸。现有的风机联锁控制方式，大多为所有除尘风机上均采用由模拟量设定范围值直接参与风机联锁控制，但是由于仪表信号存在的不稳定因素较多，因此经常造成除尘风机由于错误信号而误停机的现象，对模拟量参与的控制存在的波动而导致的假信号处理上一直没有好的解决方法。
发明内容
本发明旨在解决上述问题，提供一种仍维持由原仪表模拟量设定范围值参与停机联锁控制的同时，运用一种仿人工智能的模糊控制程序对现有模拟量信号在产生波动或假信号时进行智能判断和处理的风机联锁仿人工智能模糊控制方法及控制装置。
本发明所述风机联锁仿人工智能模糊控制方法，包括以下步骤，
获取模拟量参数信号；
对模拟参数信号通过去噪算法进行实时处理得到模拟量信号；
在设定时间范围内根据模拟量信号变化得出模拟信号变化曲线；
对模拟信号变化曲线进行模糊推理判断，得出模糊控制判断结果；
模糊控制判断结果为正，则输出控制操作信号；模糊控制判断结果为负，则输出报警信号。
进一步，所述风机联锁仿人工智能模糊控制方法，所述模拟参数信号包括风机振动频率、风机前后轴温度、电机定子温度。
进一步，所述风机联锁仿人工智能模糊控制方法，所述模拟量参数信号采用分段式采集，并实时通过去噪算法处理。
更进一步，所述风机联锁仿人工智能模糊控制方法，所述去噪算法采用IC算法。
本发明所述风机联锁仿人工智能模糊控制装置，包括
参数获取模块，用于实时获取运行参数；及
去噪模块，用于对参数获取模块获取的运行参数进行去噪处理，得到用于模糊判断的模拟量信号；及
模糊判断模块，对输入的模拟量信号分析得出变化规律，并进行模糊推理判断，根据模糊判断结果输出判断信号。
进一步，所述风机联锁仿人工智能模糊控制装置，所述参数获取模块采用HMI监控系统。
进一步，所述风机联锁仿人工智能模糊控制装置，所述去噪模块和模糊判断模块内置于同一PLC控制系统。
进一步，所述风机联锁仿人工智能模糊控制装置，所述运行参数包括风机振动频率、风机前后轴温度、电机定子温度。
本发明所述风机联锁仿人工智能模糊控制方法及控制装置，对于获取的风机运行参数，通过去噪及模块控制两种方式的综合使用，使得模拟量信号在相对特定的范围内变化时，根据其变化曲线通过模糊控制方法智能判断，实现对仪表信号虚假波动的智能判断，可以妥善解决仪表信号稳定性、准确性与快速性之间的矛盾，该控制方法成功运用仿人智能模糊控制，较好地应用于仪表信号波动带来的误停机现象，杜绝了因仪表波动而造成的风机跳闸，提高了运行效率。
附图说明
图1为本发明所述风机联锁仿人工智能模糊控制方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明所述风机联锁仿人工智能模糊控制方法及控制装置进行详细说明。
实施例一
本发明所述风机联锁仿人工智能模糊控制方法，具体包括以下步骤，
1）获取模拟量参数信号；
2）对模拟参数信号通过去噪算法进行实时处理得到模拟量信号；
3）在设定时间范围内根据模拟量信号变化得出模拟信号变化曲线；
4）对模拟信号变化曲线进行模糊推理判断，得出模糊控制判断结果；
模糊控制判断结果为正，则输出控制操作信号；模糊控制判断结果为负，则输出报警信号。
进一步，所述模拟参数信号包括风机振动频率、风机前后轴温度、电机定子温度；所述模拟量参数信号采用分段式采集，并实时通过去噪算法处理。所述去噪算法采用IC算法。
如图1所示，对参与风机联锁控制的仪表和电气模拟量联锁参数进行监控分析，参数稳定无异常时，风机正常运行；参数出现异常不稳定，经过仿人工智能模糊控制方法做出智能判断，当经过多级逻辑分段采集数据并经过仿人工编程模式的相关算法计算后判断为真实信号，把跳闸信号送至PLC输出，风机跳闸联锁启动；当经过多级逻辑分段采集数据并经过仿人工编程模式的相关算法计算后判断为虚假信号，异常仅作报警处理，通知维护人员查看故障信息，风机仍正常运行。
通过模糊控制技术和IC算法原理，将风机联锁控制中的风机振动、风机前后轴温度、电机定子温度模拟量信号运用该仿人工智能模糊控制方法，在相对特定的量程范围内，分段式采集联锁数据，并对各段数据进行实时且高效的分析去噪，根据IC算法具有的比例和保持两种模式的特点，按照通过模糊控制技术进行模糊推理判断，如果满足条件则判断为正，输出系统一个跳闸指令，风机联锁启动，如不满足，仅作为报警提醒操作人员异常，但不会发出风机跳闸指令。确保风机稳定高效运行，杜绝由于信号异常导致的跳闸事故。
实施例二
本发明所述风机联锁仿人工智能模糊控制装置，包括参数获取模块，用于实时获取运行参数；去噪模块，用于对参数获取模块获取的运行参数进行去噪处理，得到用于模糊判断的模拟量信号；模糊判断模块，对输入的模拟量信号分析得出变化规律，并进行模糊推理判断，根据模糊判断结果输出判断信号。
所述参数获取模块采用HMI监控系统；所述去噪模块和模糊判断模块内置于同一PLC控制系统。运行参数包括风机振动频率、风机前后轴温度、电机定子温度。PLC控制系统作为下位机逻辑控制系统和上位机HMI监控两大子系统，利用模糊控制技术和IC算法原理，将风机联锁控制中的风机振动、风机前后轴温度、电机定子温度等模拟量信号运用该仿人工智能模糊控制方法，在相对特定的量程范围内，分段式采集联锁数据，并对各段数据进行实时且高效的分析，根据IC算法具有的比例和保持两种模式的特点，在PLC例程中根据各自联锁参数的特性，按照操作员的思路编程进行智能判断，例如风机的温度发生变化后，系统会自动根据该温度变化曲线在程序设置的特定时间段和特定点做出判断，如果满足条件则判断为真，输出系统一个跳闸指令，风机联锁启动，如不满足，仅作为报警提醒操作人员异常，但不会发出风机跳闸指令。确保风机稳定高效运行，杜绝由于信号异常导致的跳闸事故。
上述实施例给出了一个有限范围的实例对本发明专利作出了说明，不能认定本发明专利的实施方式仅限于此，对于本发明专利所属技术领域的普通技术人员来说，凡根据本发明专利精神实质所作的任何简单修改及等效结构变换或修饰，均属于本发明专利所提交的权利要求书确定的保护范围。
Claims (8)
1.一种风机联锁仿人工智能模糊控制方法，其特征在于：包括以下步骤，
获取模拟量参数信号；
对模拟参数信号通过去噪算法进行实时处理得到模拟量信号；
在设定时间范围内根据模拟量信号变化得出模拟信号变化曲线；
对模拟信号变化曲线进行模糊推理判断，得出模糊控制判断结果；
模糊控制判断结果为正，则输出控制操作信号；模糊控制判断结果为负，则输出报警信号。
2.根据权利要求1所述风机联锁仿人工智能模糊控制方法，其特征在于：所述模拟参数信号包括风机振动频率、风机前后轴温度、电机定子温度。
3.根据权利要求2所述风机联锁仿人工智能模糊控制方法，其特征在于：所述模拟量参数信号采用分段式采集，并实时通过去噪算法处理。
4.根据权利要求3所述风机联锁仿人工智能模糊控制方法，其特征在于：所述去噪算法采用IC算法。
5.一种风机联锁仿人工智能模糊控制装置，其特征在于：包括
参数获取模块，用于实时获取运行参数；及
去噪模块，用于对参数获取模块获取的运行参数进行去噪处理，得到用于模糊判断的模拟量信号；及
模糊判断模块，对输入的模拟量信号分析得出变化规律，并进行模糊推理判断，根据模糊判断结果输出判断信号。
6.根据权利要求5所述风机联锁仿人工智能模糊控制装置，其特征在于：所述参数获取模块采用HMI监控系统。
7.根据权利要求6所述风机联锁仿人工智能模糊控制装置，其特征在于：所述去噪模块和模糊判断模块内置于同一PLC控制系统。
8.根据权利要求7所述风机联锁仿人工智能模糊控制装置，其特征在于：所述运行参数包括风机振动频率、风机前后轴温度、电机定子温度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811081322.8A CN109270884A (zh) | 2018-09-17 | 2018-09-17 | 一种风机联锁仿人工智能模糊控制方法及控制装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811081322.8A CN109270884A (zh) | 2018-09-17 | 2018-09-17 | 一种风机联锁仿人工智能模糊控制方法及控制装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109270884A true CN109270884A (zh) | 2019-01-25 |
Family
ID=65189559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811081322.8A Pending CN109270884A (zh) | 2018-09-17 | 2018-09-17 | 一种风机联锁仿人工智能模糊控制方法及控制装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109270884A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111365273A (zh) * | 2020-03-31 | 2020-07-03 | 大唐贵州发耳发电有限公司 | 一种高速单级离心风机的dcs控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745085A (zh) * | 2013-12-16 | 2014-04-23 | 西安交通大学 | 一种旋转机械振动信号的数据驱动阈值降噪方法 |
| CN103821750A (zh) * | 2014-03-05 | 2014-05-28 | 北京工业大学 | 一种基于电流的通风机失速和喘振监测及诊断方法 |
| CN103840742A (zh) * | 2014-03-04 | 2014-06-04 | 常州恒大光伏科技有限公司 | 一种光伏组件的智能管理方法及系统 |
| CN203643834U (zh) * | 2014-01-10 | 2014-06-11 | 安徽理工大学 | 一种矿用主通风机的故障诊断系统 |
| CN107121285A (zh) * | 2017-04-21 | 2017-09-01 | 南京理工大学 | 一种滚动轴承振动信号故障特征提取方法 |
| CN108361020A (zh) * | 2018-04-03 | 2018-08-03 | 中煤科工集团西安研究院有限公司 | 基于虚拟仪表的坑道钻机用诊断保护装置及方法 |
-
2018
- 2018-09-17 CN CN201811081322.8A patent/CN109270884A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745085A (zh) * | 2013-12-16 | 2014-04-23 | 西安交通大学 | 一种旋转机械振动信号的数据驱动阈值降噪方法 |
| CN203643834U (zh) * | 2014-01-10 | 2014-06-11 | 安徽理工大学 | 一种矿用主通风机的故障诊断系统 |
| CN103840742A (zh) * | 2014-03-04 | 2014-06-04 | 常州恒大光伏科技有限公司 | 一种光伏组件的智能管理方法及系统 |
| CN103821750A (zh) * | 2014-03-05 | 2014-05-28 | 北京工业大学 | 一种基于电流的通风机失速和喘振监测及诊断方法 |
| CN107121285A (zh) * | 2017-04-21 | 2017-09-01 | 南京理工大学 | 一种滚动轴承振动信号故障特征提取方法 |
| CN108361020A (zh) * | 2018-04-03 | 2018-08-03 | 中煤科工集团西安研究院有限公司 | 基于虚拟仪表的坑道钻机用诊断保护装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 丁国强, 周志立, 贾鸿社, 杨为民: "工程机械技术现状与智能化信息化趋势", 矿山机械, no. 08 * |
| 刘亚娟: "齿轮智能故障诊断系统的设计", 《苏州市职业大学学报》, pages 55 - 58 * |
| 张君;王金平;朱波;: "旋转机械振动信号处理中的滤波及特征提取技术", 南京工程学院学报(自然科学版), no. 03 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111365273A (zh) * | 2020-03-31 | 2020-07-03 | 大唐贵州发耳发电有限公司 | 一种高速单级离心风机的dcs控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mittal et al. | Dynamics and performance modeling of multi-stage manufacturing systems using nonlinear stochastic differential equations | |
| EP3171239B2 (en) | Predictive monitoring and diagnostics system and method | |
| CN114109832B (zh) | 信息处理装置 | |
| Faltinski et al. | Detecting anomalous energy consumptions in distributed manufacturing systems | |
| CN108204341B (zh) | 风电场运行状态的识别方法和装置 | |
| EP2923311A1 (en) | Method and apparatus for deriving diagnostic data about a technical system | |
| EP3968479A1 (en) | Systems and methods for automatic power topology discovery | |
| US11892819B2 (en) | Control device, control system, control method, and computer-readable storage medium | |
| CN109270884A (zh) | 一种风机联锁仿人工智能模糊控制方法及控制装置 | |
| Rajawat et al. | Electrical fault detection for industry 4.0 using fusion deep learning algorithm | |
| CN117909864A (zh) | 一种电力故障预测系统及方法 | |
| Grainger et al. | A parametric statistical approach to FDI for the industrial actuator benchmark | |
| CN109255555B (zh) | 基于历史运行信息的电力大数据设备生命周期估计方法 | |
| Bulgakov et al. | Intelligent method for fault finding of electric drive based on wavelet analysis of its electrical and mechanical parameters | |
| CN111144639A (zh) | 一种基于alln算法的地铁设备故障预测方法及系统 | |
| Windmann et al. | Evaluation of model-based condition monitoring systems in industrial application cases | |
| CN114266427A (zh) | 一种基于拓扑分析的新设备投运启动方案生成方法 | |
| Leżański | Architecture of supervisory systems for subtractive manufacturing processes in Industry 4.0 based manufacturing | |
| O'reilly | Local sensor fault detection using Bayesian decision theory | |
| CN113761786A (zh) | 一种基于神经网络模型的马达故障诊断装置及其方法 | |
| EP4227891A1 (en) | Method, apparatus and system for determining model parameters of unscented kalman filter | |
| CN111308972A (zh) | 一种数据处理方法、装置及设备 | |
| CN109188185A (zh) | 一种发电机转子绕组匝间短路早期在线检测方法 | |
| CN111831153B (zh) | 一种电容触摸屏控制方法、装置及电容触摸屏 | |
| CN116360369B (zh) | 一种陶瓷刀片智能配料控制方法及系统 |
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 |