CN112304819A - 建筑垃圾处理设备健康度监测方法及系统 - Google Patents
建筑垃圾处理设备健康度监测方法及系统 Download PDFInfo
- Publication number
- CN112304819A CN112304819A CN202010471707.6A CN202010471707A CN112304819A CN 112304819 A CN112304819 A CN 112304819A CN 202010471707 A CN202010471707 A CN 202010471707A CN 112304819 A CN112304819 A CN 112304819A
- Authority
- CN
- China
- Prior art keywords
- waste treatment
- treatment equipment
- construction waste
- particle size
- monitoring
- 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.)
- Granted
Links
- 239000002699 waste material Substances 0.000 title claims abstract description 121
- 238000010276 construction Methods 0.000 title claims abstract description 113
- 238000012544 monitoring process Methods 0.000 title claims abstract description 88
- 230000036541 health Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000002245 particle Substances 0.000 claims abstract description 78
- 239000000463 material Substances 0.000 claims abstract description 71
- 238000013528 artificial neural network Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000005303 weighing Methods 0.000 claims description 19
- 238000007599 discharging Methods 0.000 claims description 14
- 239000003638 chemical reducing agent Substances 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 239000000470 constituent Substances 0.000 description 4
- 239000010813 municipal solid waste Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000270728 Alligator Species 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G11/00—Apparatus for weighing a continuous stream of material during flow; Conveyor belt weighers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Dispersion Chemistry (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本申请提供建筑垃圾处理设备健康度监测方法及系统。所述建筑垃圾处理设备健康度监测方法包括：将所述建筑垃圾处理设备根据部件所具备的功能划分为多个监控点；采集每个监控点用以表征该部件健康状态的信息；获取所述建筑垃圾处理设备的入料粒径、出料粒径、进入所述建筑垃圾处理设备的物料质量M1、以及所述建筑垃圾处理设备多个出料端的物料质量分配比R；将采集到的每个监控点的信息、入料粒径、出料粒径、M1和R利用神经网络算法得出所述建筑垃圾处理设备的健康度。本申请能够对建筑垃圾处理设备的健康度进行监测，为维护和保养建筑垃圾处理设备提供依据。
Description
技术领域
本申请涉及物料监测设备技术领域，具体而言，涉及一种建筑垃圾处理设备健康度监测方法及系统。
背景技术
建筑垃圾分为房屋建筑垃圾和装潢建筑垃圾。目前对于建筑垃圾资源化处理再利用，大多采用传统颚破和反击破结合的石料破碎线工艺处理建筑垃圾。颚破是“鳄鱼嘴”式一张一合间歇性挤压破碎，但一级颚破挤压破碎难以使细小钢筋与混凝土彻底剥离。而反击破属于高速转子冲击、内衬板反击的冲击式破碎机，冲击式破碎机利用高速旋转的转子反复冲击建筑垃圾使之成为预定粒度的粉碎料。
由于破碎机设备在进行粉碎过程中，其自身的组成部件也会不断地磨损或者发生故障。如破碎机设备中的筛分设备，若筛分设备的筛板损坏，则出料量分布会发生突然变化，导致某个出料皮带平均粒径急剧波动。即使设备在使用过程中不发生故障，破碎机设备自身部件随着使用时间的增加，其自身的损耗会越来越大，其后果是该设备的破碎比升高，粉碎能力逐渐下降。
由以上可知，建筑垃圾处理设备本身出现健康问题后会对粉碎结果产生较大影响，因此，在对粉碎后的物料粒度进行监控的同时，有必要对建筑垃圾处理设备的健康度也进行监控。
发明内容
本申请实施例的目的在于提供一种能够对建筑垃圾处理设备的健康度进行监测的方法及监控系统。
第一方面，本申请实施例提供一种建筑垃圾处理设备健康度监测方法其包括：
将所述建筑垃圾处理设备根据部件所具备的功能划分为多个监控点；
采集每个监控点用以表征该部件健康状态的信息；
获取所述建筑垃圾处理设备的入料粒径、出料粒径、进入所述建筑垃圾处理设备的物料质量M1、以及所述建筑垃圾处理设备多个出料端的物料质量分配比R；
将采集到的每个监控点的信息、入料粒径、出料粒径、M1和R利用神经网络算法得出所述建筑垃圾处理设备的健康度。
在一种可能的实现方式中，将所述建筑垃圾处理设备的健康度按预定百分比进行区域划分，并对每个分区域进行档位编码。
在一种可能的实现方式中，所述监测方法还包括：
获取所述建筑垃圾处理设备的历史维护间隔时间，计算出维护时间平均值t；
将所述建筑垃圾处理设备的健康度按百分之十进行区域划分，并根据公式T1＝t/10*当前档位，得出所述建筑垃圾处理设备的剩余维护时间。
在一种可能的实现方式中，在所述采集每个监控点用以表征该部件健康状态的信息后还包括：
将每个监控点的健康状态信息进行深度学习以得出每个监控点出现故障的概率值：
根据每个监控点出现故障的概率值确定是否给出备件提示信息以及重点维护对象提示信息。
在一种可能的实现方式中，在获取每个监控点出现故障的概率值后还包括：
根据每个监控点出现故障的概率值拟合出该监控点的剩余使用寿命；
计算所有监控点部件的剩余维护时间平均值T2；
利用方差计算出所述建筑垃圾处理设备的剩余使用时间。
在一种可能的实现方式中，所述获取所述建筑垃圾处理设备的入料粒径和出料粒径包括：
在所述建筑垃圾处理设备的入料口和出料口均设置图像采集装置，通过采集到的所述入料口处的物料图像获取入料粒径，通过采集到的所述出料口处的物料图像获取出料粒径。
在一种可能的实现方式中，通过在进入所述建筑垃圾处理设备的进料传输带上设置第一皮带称获取M1；通过在所述建筑垃圾处理设备每个出料端的传输带上设置至少两个第二皮带秤，每个第二皮带秤用于称量预定粒径范围的物料的质量，分别得到M2，M3，……，Mn；R＝M2：M3：……：Mn；n为大于等于3的自然数；
在获取所述M1和M2，M3，……，Mn之后还包括：
将获取的每个质量值与与之对应的高精度静态称质量值比对；
利用比例-积分-微分PID神经元修改质量值，以逼近所述静态称质量值；
将修改后的每个质量值作为动态称称重结果用于所述神经网络算法中。
在一种可能的实现方式中，所述将所述建筑垃圾处理设备根据部件所具备的功能划分为多个监控点包括：
将所述建筑垃圾处理设备中的齿辊，衬板，筛板，减速机，电机分别作为监控点。
在一种可能的实现方式中，所述采集每个监控点用以表征该部件健康状态的信息包括：
采集所述减速机的振动信号以及所述电机的电流信号。
根据本发明的另一方面，还提供了一种建筑垃圾处理设备健康度监测系统，其包括：
信息采集装置，用于采集预定监控点用以表征该监控点对应部件的健康状态的信息；所述监控点根据所述建筑垃圾处理设备各部件所具备的功能进行划分；
第一图像采集装置，设置在所述建筑垃圾处理设备的入料口处，用于获取物料的入料粒径；
第二图像采集装置，设置在所述建筑垃圾处理设备的出料口处，用于获取物料的出料粒径；
第一皮带秤，用于称取进入所述建筑垃圾处理设备的物料质量M1；
至少两个第二皮带秤，设置在所述建筑垃圾处理设备的每个出料端处，用于称取所在出料端预定粒径范围的物料的质量M2，M3，……，Mn；n为大于等于3的自然数；
处理器，用于接收每个监控点的健康信息、入料粒径、出料粒径、M1、M2，M3……，Mn等信息；通过M2、M3、……Mn计算出所述建筑垃圾处理设备多个出料端的质量分配比R，以及利用神经网络算法计算得出所述建筑垃圾处理设备的健康度。
由以上技术方案可知，本申请能够对建筑垃圾处理设备的健康度进行监测，为维护和保养建筑垃圾处理设备提供依据。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例示出的一种建筑垃圾处理设备健康度监测方法的流程图；
图2为本申请实施例示出的一种建筑垃圾处理设备健康度监测系统的结构示意图。
图标：100-信息采集装置；200-第一图像采集装置；300-第二图像采集装置；400-第一皮带秤；500-第二皮带秤；600-处理器。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例示出的一种建筑垃圾处理设备健康度监测方法的流程图。参见图1，建筑垃圾处理设备健康度监测方法包括如下流程：
S101：将建筑垃圾处理设备根据部件所具备的功能划分为多个监控点。
建筑垃圾处理设备通常包括但不限于齿辊，衬板，多个筛板，减速机，电机等多个设备。每个设备分别具有其对应的功能，如齿辊用于将物料进行破碎，多个筛板用于不同粒径物料的筛分等。
在对建筑垃圾处理设备中的监控点进行划分时，需要根据建筑垃圾处理设备实际所具有的构成部件进行对应的划分。
S102：采集每个监控点用以表征该部件健康状态的信息。
在根据建筑垃圾处理设备实际所具有的构成部件进行对应的划分后，确定每个构成部件，即监控点用以表征该部件健康状态的信息。如，表征减速机健康状态的信息为减速机的振动信号，表征电机健康状态的信息为电流信号。表征筛板健康状态的信息为筛孔的孔径信号，表征齿辊健康状态的信息为物料被粉碎后的粒径。
上述各部件的健康状态信息仅是示例性的，在建筑垃圾处理设备还设置有其他功能的部件时，可根据该部件对应的功能确定能够表征其健康状态的信息。
S103：获取建筑垃圾处理设备的入料粒径、出料粒径、进入建筑垃圾处理设备的物料质量M1、以及建筑垃圾处理设备多个出料端的物料质量分配比R。
对于筛板，监控筛孔的孔径，通常需要在筛板上设置相应的传感器，而在工作过程中，物料会不断地由筛板上经过，若传感器设置在筛板上，非常容易被破坏，导致监测成本大大增加，且高频率的维修势必会影响垃圾处理进度。因此对于该种参数信息的监测，可通过间接的方式实现。由筛板筛落的物料会掉落至传输带上。由于物料在破碎后存在物料损失，因此可结合破碎前物料的质量、破碎后的物料的质量、质量损耗量三个参数对筛板的健康状态进行间接测量。
对于建筑垃圾处理设备，会设置多个出料端，以输出不同粒径范围的物料。每个出料端会设置对应的传输带进行输送。每个传输带上设置皮带秤，可称量出该出料端物料的质量。如粒径在a范围内的物料落入在对应出料端的传输带上，传输带上的皮带秤可称量出粒径在a范围内的物料的质量M2，粒径在b范围内的物料落在对应出料端的传输带上，传输带上的皮带秤可称量出粒径在b范围内的物料的质量M3，依次类推，得到Mn；n为大于等于3的自然数。其中，皮带秤的数量与出料端的个数相同。在建筑垃圾处理设备正常工作时，在一定的时间范围内，落在各个出料端皮带秤上的物料的质量配比会维持一个稳定的配比R。
对于建筑垃圾处理设备中用于粉碎的装置，如齿辊的健康状态的监测则需要通过入料粒径和出料粒径来判断。
故在本申请中，对于不便于进行健康状态监控的部件，通过获取间接数据：建筑垃圾处理设备的入料粒径、出料粒径、进入建筑垃圾处理设备的物料质量M1、以及建筑垃圾处理设备不同出料端的物料质量分配比R来进行监控。
在一种可能的实现方式中，获取建筑垃圾处理设备的入料粒径和出料粒径包括：在建筑垃圾处理设备的入料口和出料口均设置图像采集装置。图像采集装置对入料口处的物料进行图像采集，并通过获取的图像确定物料的入料粒径。相同地，图像采集装置对出料口处的物料图像进行图像采集，并通过获取的图像确定物料的出料粒径。通过图像采集获取物料粒径的工作原理为公知技术，此处对于其工作原理不做详细阐述。
需要说明的是，上述入料粒径和出料粒径的获取方式只是示例性的，本申请对于入料粒径和出料粒径的获取方式不做具体限定，凡是能够得到物料粒径的测量方法均落入本申请的保护范围。
在一种对进入建筑垃圾处理设备的物料质量M1进行称重的实现方式中，其实现方式为在进入建筑垃圾处理设备的进料传输带上设置第一皮带称，通过第一皮带称对进料传输带上的物料进行直接称重。
在一种对建筑垃圾处理设备多个出料端的物料质量分配比R进行获取的实现方式中，其实现方式为在建筑垃圾处理设备的每个出料端对应的传输带上设置第二皮带称，通过第二皮带秤称量该出料端预定粒径范围的物料的质量，分别得到M2，M3，……，Mn；n为大于等于3的自然数。本申请中所述的第一皮带秤和第二皮带秤可采用市面上常见的普通电子皮带秤。根据得到的M2，M3，……，Mn计算R，其中R＝M2：M3：……：Mn。
由于普通皮带秤秤量完毕后，称量结果和高精度静态称相比，其称量精度较低。在一种可能的实现方式中，在通过第一皮带秤获取进入建筑垃圾处理设备的物料质量M1和通过第二皮带秤获取M2，M3，……，Mn之后对获得的每个质量值进行数据优化。具体包括：
将获取的每个质量值与与之对应的高精度静态称质量值比对，并建立数据模型。在每个数据模型中，将第一皮带秤获取的数值M1和第二皮带秤获取的M2，M3，……，Mn分别作为对应数据模型的初始值。
利用比例-积分-微分PID神经元修改质量值，以逼近静态称质量值。
将修改后的每个质量值作为动态称称重结果用于神经网络算法中。
通过上述数据优化后的M1、M2，M3，……，Mn，逼近静态称结果，数据精度被大幅提高。
需要说明的是，本申请通过电子皮带秤来获取质量值的方式只是示例性的，本申请对于质量值的获取方式不做具体限定，凡是能够获取质量值的称结构，如核子秤等，均落入本申请的保护范围。
S104：将采集到的每个监控点的信息、入料粒径、出料粒径、M1和R利用神经网络算法得出建筑垃圾处理设备的健康度。
有上述可知，监控点的信息包括减速机的振动信号，以及电机的电流信号。
减速机的振动信号和电机的电流信号相对稳定，而入料粒径、出料粒径、M1和R在破碎过程中会出现偶尔的剧烈波动值，故在一种可能的实现方式中，对采集到的入料粒径、出料粒径、M1和R信息进行预处理。预处理的目的为筛选出该信息的有效值，对应的判断方法为：如果‖当前值-X分钟平均值‖<Y，即为有效值。其中，X分钟平均值为在X分钟内该数值的平均值。Y为一个设定的阈值。
举例说明，X的值为30，对应的信息为入料粒径，则对入料粒径的信息处理方式为‖入料粒径当前值-30分钟内的平均入料粒径‖<设定的入料粒径阈值，则入料粒径当前值为有效值。
以此类推，出料粒径、M1和R的信息均采用上述判断方法进行预处理。
将减速机的振动信号，电机的电流信号，以及预处理后的入料粒径、出料粒径、M1和R分别进行EMD(empirical mode decomposition，经验模态分解)算法处理。
将EMD算法处理后的各个参数曲线输入到神经网络中进行深度学习并得出建筑垃圾处理设备的健康度。
在一种可能的实现方式中，神经网络可采用卷积神经网络，或者卷积神经网络和循环神经网络结合的神经网络。本申请对于神经网络的形式不做具体限定。需要说明的是，卷积神经网络和循环神经网络为本领域的公知常识，此处对其工作原理不做详细阐述。
在通过上述监控方法获取建筑垃圾处理设备的健康度后，还包括将建筑垃圾处理设备的健康度按预定百分比进行区域划分，并对每个分区域进行档位编码。
在一种可能的实现方式中，将建筑垃圾处理设备的健康度按百分之10进行区域划分，即分为0％-10％，10％-20％，……，90％-100％，共10个区域。对这10个区域进行档位编码，0％-10％为第一档位，10％-20％为第二档位，依次类推，90％-100％为第十档位。
在一种可能的实现方式中，在计算出建筑垃圾处理设备的健康度后，还可获取建筑垃圾处理设备的历史维护间隔时间，并计算出维护时间平均值t。在上述十个档位的区域划分下，根据公式T1＝t/10*当前档位，可得出建筑垃圾处理设备的剩余维护时间。
在一种可能的实现方式中，在采集每个监控点用以表征该部件健康状态的信息后还包括将每个监控点的健康状态信息进行深度学习以得出每个监控点出现故障的概率值，并根据每个监控点出现故障的概率值确定是否给出备件提示信息以及重点维护对象提示信息。
在上述实现过程中，给出备品提示信息，可为预知性维护提供参考备件清单，便于提前采购，节约时间成本。
在一种可能的实现方式中，在获取每个监控点出现故障的概率值后还包括：
根据每个监控点出现故障的概率值拟合出该监控点的剩余使用寿命；
计算所有监控点部件的剩余维护时间平均值T2；
利用方差计算出建筑垃圾处理设备的剩余使用时间。
在上述实现过程中，通过预估出建筑垃圾处理设备的剩余使用时间，可预估出建筑垃圾处理设备生产线的大修时间，为安排生产进度进而提高生产效率提供有效依据。
根据本发明的另一方面，还提供一种建筑垃圾处理设备健康度监测系统。图2为本申请实施例示出的一种建筑垃圾处理设备健康度监测系统的结构示意图，参见图2，建筑垃圾处理设备健康度监测系统包括信息采集装置100、第一图像采集装置200、第二图像采集装置300、第一皮带秤400、至少两个第二皮带秤500和处理器600。
信息采集装置用于采集预定监控点用以表征该监控点对应部件的健康状态的信息。监控点根据建筑垃圾处理设备各部件所具备的功能进行划分，具体划分方式上述内容中已有介绍，此处不再赘述。
第一图像采集装置200设置在建筑垃圾处理设备的入料口处，用于获取物料的入料粒径。第二图像采集装置300设置在建筑垃圾处理设备的出料口处，用于获取物料的出料粒径。
第一皮带秤400用于称取进入建筑垃圾处理设备的物料质量M1。第二皮带秤500用于分别称取建筑垃圾处理设备每个出料端对应粒径范围的物料质量M2，M3，……，Mn；n为大于等于3的自然数。
处理器600用于接收每个监控点的健康信息、入料粒径、出料粒径、不同出料端的物料质量M1、M2，M3……，Mn；通过M2、M3、……Mn计算出所述建筑垃圾处理设备多个出料端的物料质量分配比R，以及利用上述内容所述的神经网络算法计算得出建筑垃圾处理设备的健康度。
由以上技术方案可知，本申请能够对建筑垃圾处理设备的健康度进行监测，为维护和保养建筑垃圾处理设备提供依据。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种建筑垃圾处理设备健康度监测方法，其特征在于，包括：
将所述建筑垃圾处理设备根据部件所具备的功能划分为多个监控点；
采集每个监控点用以表征该部件健康状态的信息；
获取所述建筑垃圾处理设备的入料粒径、出料粒径、进入所述建筑垃圾处理设备的物料质量M1、以及所述建筑垃圾处理设备多个出料端的物料质量分配比R；
将采集到的每个监控点的信息、入料粒径、出料粒径、M1和R利用神经网络算法计算出所述建筑垃圾处理设备的健康度。
2.根据权利要求1所述的监测方法，其特征在于，将所述建筑垃圾处理设备的健康度按预定百分比进行区域划分，并对每个分区域进行档位编码。
3.根据权利要求2所述的监测方法，其特征在于，还包括：
获取所述建筑垃圾处理设备的历史维护间隔时间，计算出维护时间平均值t；
将所述建筑垃圾处理设备的健康度按百分之十进行区域划分，并根据公式T1＝t/10*当前档位，得出所述建筑垃圾处理设备的剩余维护时间。
4.根据权利要求1所述的监测方法，其特征在于，在所述采集每个监控点用以表征该部件健康状态的信息后还包括：
将每个监控点的健康状态信息进行深度学习以得出每个监控点出现故障的概率值：
根据每个监控点出现故障的概率值确定是否给出备件提示信息以及重点维护对象提示信息。
5.根据权利要求4项所述的监测方法，其特征在于，在获取每个监控点出现故障的概率值后还包括：
根据每个监控点出现故障的概率值拟合出该监控点的剩余使用寿命；
计算所有监控点部件的剩余维护时间平均值T2；
利用方差计算出所述建筑垃圾处理设备的剩余使用时间。
6.根据权利要求1至5中任一所述的监测方法，其特征在于，所述获取所述建筑垃圾处理设备的入料粒径和出料粒径包括：
在所述建筑垃圾处理设备的入料口和出料口均设置图像采集装置，通过采集到的所述入料口处的物料图像获取入料粒径，通过采集到的所述出料口处的物料图像获取出料粒径。
7.根据权利要求6所述的监测方法，其特征在于，通过在进入所述建筑垃圾处理设备的进料传输带上设置第一皮带称获取M1；在所述建筑垃圾处理设备每个出料端的传输带上设置第二皮带秤，每个第二皮带秤用于称量预定粒径范围的物料的质量，分别得到M2，M3，……，Mn；计算R＝M2：M3：……：Mn；n为大于等于3的自然数；
在获取所述M1和M2，M3，……，Mn之后还包括：
将获取的每个质量值与与之对应的高精度静态称质量值比对；
利用比例-积分-微分PID神经元修改质量值，以逼近所述静态称质量值；
将修改后的每个质量值作为动态称称重结果用于所述神经网络算法中。
8.根据权利要求6所述的监测方法，其特征在于，所述将所述建筑垃圾处理设备根据部件所具备的功能划分为多个监控点包括：
将所述建筑垃圾处理设备中的齿辊，衬板，筛板，减速机，电机分别作为监控点。
9.根据权利要求8所述的监测方法，其特征在于，所述采集每个监控点用以表征该部件健康状态的信息包括：
采集所述减速机的振动信号以及所述电机的电流信号。
10.一种建筑垃圾处理设备健康度监测系统，其特征在于，包括：
信息采集装置，用于采集预定监控点用以表征该监控点对应部件的健康状态的信息；所述监控点根据所述建筑垃圾处理设备各部件所具备的功能进行划分；
第一图像采集装置，设置在所述建筑垃圾处理设备的入料口处，用于获取物料的入料粒径；
第二图像采集装置，设置在所述建筑垃圾处理设备的出料口处，用于获取物料的出料粒径；
第一皮带秤，用于称取进入所述建筑垃圾处理设备的物料质量M1；
至少两个第二皮带秤，设置在所述建筑垃圾处理设备的每个出料端处，用于称取所在出料端预定粒径范围的物料的质量M2，M3，……，Mn；n为大于等于3的自然数；
处理器，用于接收每个监控点的健康信息、入料粒径、出料粒径、M1、M2，M3……，Mn；通过M2、M3、……Mn计算出所述建筑垃圾处理设备多个出料端的物料质量分配比R，以及利用神经网络算法计算得出所述建筑垃圾处理设备的健康度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010471707.6A CN112304819B (zh) | 2020-05-28 | 2020-05-28 | 建筑垃圾处理设备健康度监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010471707.6A CN112304819B (zh) | 2020-05-28 | 2020-05-28 | 建筑垃圾处理设备健康度监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112304819A true CN112304819A (zh) | 2021-02-02 |
| CN112304819B CN112304819B (zh) | 2024-01-23 |
Family
ID=74336440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010471707.6A Active CN112304819B (zh) | 2020-05-28 | 2020-05-28 | 建筑垃圾处理设备健康度监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112304819B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113778036A (zh) * | 2021-09-27 | 2021-12-10 | 广州天幕信息科技有限公司 | 餐厨垃圾处理智能管理和控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000310408A (ja) * | 1999-04-26 | 2000-11-07 | Rasa Shoji Kk | ごみ処理方法および処理設備 |
| CN102671928A (zh) * | 2012-05-07 | 2012-09-19 | 四川川润环保能源科技有限公司 | 一种城市混合垃圾分选及综合利用方法 |
| CN102904780A (zh) * | 2012-10-29 | 2013-01-30 | 苏州山石网络有限公司 | 检测网络健康度的方法及装置 |
| CN106682791A (zh) * | 2017-01-20 | 2017-05-17 | 上海为然环保科技有限公司 | 一种节能高效的垃圾处理系统 |
| CN111112303A (zh) * | 2020-01-17 | 2020-05-08 | 黄康明 | 一种模块化可移动建筑渣土处理系统及监控管理方法 |
-
2020
- 2020-05-28 CN CN202010471707.6A patent/CN112304819B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000310408A (ja) * | 1999-04-26 | 2000-11-07 | Rasa Shoji Kk | ごみ処理方法および処理設備 |
| CN102671928A (zh) * | 2012-05-07 | 2012-09-19 | 四川川润环保能源科技有限公司 | 一种城市混合垃圾分选及综合利用方法 |
| CN102904780A (zh) * | 2012-10-29 | 2013-01-30 | 苏州山石网络有限公司 | 检测网络健康度的方法及装置 |
| CN106682791A (zh) * | 2017-01-20 | 2017-05-17 | 上海为然环保科技有限公司 | 一种节能高效的垃圾处理系统 |
| CN111112303A (zh) * | 2020-01-17 | 2020-05-08 | 黄康明 | 一种模块化可移动建筑渣土处理系统及监控管理方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113778036A (zh) * | 2021-09-27 | 2021-12-10 | 广州天幕信息科技有限公司 | 餐厨垃圾处理智能管理和控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112304819B (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3589412B1 (en) | A control method of a treatment plant of elements to be recycled or disposed and a treatment plant of elements to be recycled or disposed | |
| CN112304819A (zh) | 建筑垃圾处理设备健康度监测方法及系统 | |
| CN206292622U (zh) | 圆盘造球智能化生产控制系统 | |
| AU2022306162A1 (en) | Threshold-based dynamic adjustment and intelligent sorting method and system | |
| CN113844864A (zh) | 振动给料控制系统、方法、色选机、电子设备及存储介质 | |
| CN115290145A (zh) | 一种固废称重给料机智能进料系统及进料方法 | |
| EP0215865B1 (de) | Verfahren zum einstellen der mahlwalzen bei walzenstühlen einer getreidemühlenanlage sowie getreidemühlenanlage zur durchführung des verfahrens | |
| Khodier et al. | Efficient derivation of significant results from mechanical processing experiments with mixed solid waste: Coarse-shredding of commercial waste | |
| CN104552609B (zh) | 一种配方设定量随动调整系统及调整方法 | |
| CN101112797A (zh) | 冲压机及其进料控制系统和控制方法 | |
| CN111504736A (zh) | 一种具备样品损失率核算的自动制样方法及自动制样设备 | |
| Syahtaria et al. | Failure risk analysis glass bowl production process using failure mode effect analysis and fault tree analysis methods (a case study) | |
| Novitskyi et al. | METHOD OF IDENTIFICATION OF NONLINEAR DYNAMIC CONTROL OBJECTS OF PREPARATORY PROCESSES BEFORE ORE DRESSING. | |
| CN112664838B (zh) | 一种用于智能水务管理平台的通讯系统 | |
| US20230070533A1 (en) | Method for cleaning blinding particles in crushers | |
| CN206262968U (zh) | 一种废旧轮胎的资源化处理生产线 | |
| JP7477365B2 (ja) | 監視システム | |
| EP3589413B1 (en) | A control method of a treatment plant of elements to be recycled or disposed and a treatment plant of elements to be recycled or disposed | |
| DE102023101025B3 (de) | Gesteinsverarbeitungsmaschine mit Verschleißbeurteilung und qualitativer Bewertung der Verschleißbeurteilung | |
| CN220824923U (zh) | 破碎系统 | |
| US20230191424A1 (en) | Method of setting an operating condition of at least one mobile mineral machining plant | |
| CN112691760B (zh) | 半自磨机频率控制方法、装置和电子设备 | |
| CN116955961B (zh) | 一种智能化的滚笼筛清理效果评估方法及系统 | |
| JP2004118698A (ja) | 故障保全管理システムおよび故障保全管理方法 | |
| CN209631795U (zh) | 一种废旧电路板处理装置 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 1701-1728, 17th floor, block a, building 1, yard 10, Xueqing Road, Haidian District, Beijing (Dongsheng District) Patentee after: Beijing Construction Engineering Resource Recycling Co.,Ltd. Country or region after: China Address before: 1701-1728, 17th floor, block a, building 1, yard 10, Xueqing Road, Haidian District, Beijing (Dongsheng District) Patentee before: Beijing Construction Engineering Resources Recycling Co.,Ltd. Country or region before: China Address after: 1701-1728, 17th floor, block a, building 1, yard 10, Xueqing Road, Haidian District, Beijing (Dongsheng District) Patentee after: Beijing Construction Engineering Resources Recycling Co.,Ltd. Country or region after: China Address before: 1701-1728, 17th floor, block a, building 1, yard 10, Xueqing Road, Haidian District, Beijing (Dongsheng District) Patentee before: BCEG RESOURCES RECYCLING Co.,Ltd. Country or region before: China |