CN112650786B - 一种多区域空气分离设备ai智能监测系统 - Google Patents

Abstract

本发明涉及空气分离设备智能监测技术领域，尤其涉及一种多区域空气分离设备AI智能监测系统；该系统包括数据输入端、运算处理端、调控端、监测端和数据返回端；所述数据输入端用于获取空气分离设备的信息；所述监测端用于生成实际参数信息和实际生产量信息；所述数据返回端用于将数据输入端获取的数据及监测端生成的数据输送至运算处理端；所述运算处理端用于生成新的预测生产量信息；所述调控端用于确定空气分离设备的参数。本发明对不同区域的空气分离设备进行全智能控制，并将实际数据返回运算处理端，进一步修正完善数据库，解决了现有技术中不同区域的空气分离设备智能化控制程度低的技术问题。

Description

一种多区域空气分离设备AI智能监测系统

技术领域

本发明涉及空气分离设备智能监测技术领域，尤其涉及一种多区域空气分离设备AI智能监测系统。

背景技术

空气分离工程，简单来说，就是通过一套大型的空气分离系统设备，将空气中的氧气、氮气、氩气等气体高纯度分离出来的过程。通过空气分离设备分离出来的纯氧、纯氮、纯氩等气体产品，将用于冶金、化工、光伏产业、多晶硅、磁性材料、电子半导体、医疗、食品等众多领域。空气中主要成分是氧气、氮气、氩气、二氧化碳以及一些水蒸气和杂质，空气分离设备可以将空气除杂后根据利用分子筛的选择性吸附，使不同的气体分离。空气分离流程，大致包括水分等杂质除杂过程、气体增压过程和分子筛吸附过程等。空气分离设备在不同的地区，工作情况差别很大。区域不同，空气中各组分的含量不同，空气的温度、湿度也不同，相同工作参数下的维修时间和产量也不同。同一区域，不同工作参数下空分设别的维修时间和产量也不同。现有技术中没有针对不同区域空气设备组的智能管理系统。如果每到一个地方就要人工确定最佳工作参数，进而控制空气分离设备的工作参数，无疑会造成大量人力的浪费，而且很多时候也是不可能实现的。如果能够有一套系统，通过大数据将不同区域的空气分离设备建立联系，自动确定并调控不同区域空气分离设备的最佳工作参数，则会大大节省人力，也可以提高工作效率。

因此，有必要对现有技术改进以解决上述技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种多区域空气分离设备AI智能监测系统，解决现有技术中空气分离设备管理智能程度低的技术问题。具体而言通过以下技术方案实现：

设计的一种多区域空气分离设备AI智能监测系统，包括数据输入端、运算处理端、调控端、监测端和数据返回端；

所述数据输入端用于获取计划生产量信息、理论地域参数-生产量信息和理论地域参数-维修时间信息；所述理论地域参数-生产量信息、理论地域参数-维修时间信息分别表示不同温度、湿度、空气组分含量、空分设备工作参数下的理论生产量和理论维修时间；数据输入端可以包括与互联网连接的大数据信息储存装置，储存有空气分离设备的理论上特定地域信息、工作参数下对应的生产量、维修时间等信息，如特定的温度、湿度、空气组分含量下，当空分设备产出特定的氧气的纯度、空冷塔处于特定的温度值、空压机处于特定的压力值压力值、分子筛承受特定的压力温度、膨胀机内部承受特定的压力时空分设备理论上的生产量、维修时间；该理论数值可以是根据市场情况和空气分离设备综合考虑后大数据统计下的结果；

所述监测端用于生成地域信息、实际参数信息、实际维修时间信息和实际生产量信息，所述地域信息包括空气分离设备所在地在时间T内的平均温度、湿度、空气组分含量，所述实际参数信息、实际维修时间信息和实际生产量信息分别包括空气分离设备工作时间T内的平均工作参数、平均维修时间间隔和平均生产量；监测端可以实时监测不同区域的温度、湿度、空气组分含量及空气分离设备的运行过程中的参数和实际生产氧气、氦气等气体的产量，实时监测并确定空气分离设备的运行参数是否正常，进而确定是否需要对设备进行维修，经过时间T后，生成实际参数信息、实际维修时间信息和实际生产量信息；正常情况下仅需要一段时间内对空气分离设备进行检测确定是否需要维修即可，对生产量的监测也只需确定某一个时间段内的总生产量即可，因此对运行中参数的监测和实际生产量的监测没有必要实时监测、实时上传，仅需要确定经历时间T后空气分离设备运行过程中的平均参数是否异常、生产量是多少即可；

所述数据返回端用于将实际参数信息和实际生产量信息传送至运算处理端；

所述运算处理端用于根据实际参数信息、地域信息、理论地域参数-生产量信息和理论地域参数-维修时间信息生成预测维修时间信息和预测生产量信息，根据实际维修时间信息修正预测维修时间并生成新的预测维修时间信息，根据实际生产量信息修正预测生产量信息生成新的预测生产量信息；运算处理端可以通过大数据统计或设置现有技术中的运算步骤，结合空气分离设备特定地域信息下的理论工作参数和实际工作参数，预测某一区域的特定的某个空气分离设备何时需要进行维修，预测时间段T内生产量为多少，并且通过反馈的实际生产量信息、实际维修时间信息修正预测维修时间信息、修正预测生产量信息，并且代替旧的预测维修时间信息和预测生产量信息；

所述调控端用于获取地域信息、计划生产量信息、预测生产量信息和预测维修时间信息并确定空气分离设备的参数，控制空气分离设备的预测生产量大于计划生产量且预测维修时间间隔最长，调控端通过控制器控制特定的空气分离设备，调整该空气分离设备的运行参数，使其在生产气体满足市场需求量的前提下，尽可能的延长其预测维修时间。

进一步，所述T的取值为3个月，即每季度预测维修时间信息和预测生产量信息更新一次，时间间隔合适，既不会因为频繁更新数据导致系统工作量过大，也能保证系统能够及时获取空气分离设备工作参数、产量的变化。

进一步，所述运算处理端根据实际维修时间修正预测维修时间生成新的预测维修时间信息的步骤为：

A.运算处理端获取预测维修时间信息，通过大数据统计，确定该区域的空气分离设备预测维修的时间t1，例如通过数据收集计算出该区域不同工作参数下空气分离设备的平均维修时间，从而确定预测维修时间信息；

B.运算处理端获取实际维修时间信息，确定该区域的空气分离设备实际维修的时间t2，可以根据维修人员每次维修后将记录输入运算处理端，统计实际工作参数下空气分离设备的实际维修时间，从而确定实际维修时间信息；

C.对比预测维修时间信息与实际维修时间信息，取时间点t3为修正后的预测维修时间，并生成新的预测维修时间信息，删除旧的预测维修时间信息，t3＝t1+(t2-t1)/2，因为每个空气分离设备的监测端可能产生误差，每个空气分离设备本身也有其特性，不直接将实际维修时间信息替代预测维修时间信息，而是通过计算取平均值，得出的数据更加具有适用于特定的空分设备。

进一步，所述运算处理端，根据实际生产量信息修正预测生产量信息生成新的预测生产量信息的步骤为：

a.运算处理端获取预测生产量信息，通过大数据统计，确定该区域的空气分离设备的预测生产量M1；

b.运算处理端获取实际生产量信息，确定该区域的空气分离设备实际生产量M2，可以通过监控端监测该区域内特定的空气分离设备的实际生产量；

c.对比理论生产量信息和实际生产量信息，取M3为修正后的理论生产量，并生成新的理论生产量信息，删除旧的理论生产量信息，M3＝M1+(M2-M1)/2，因为每个空气分离设备的监测端可能产生误差，每个空气分离设备本身也有其特性，不直接将实际生产量信息替代理论生产量信息，而是通过计算取平均值将数据归纳入大数据中，得出的数据更加适合特定的空分设备。

进一步，所述运算处理端生成预测维修时间信息和预测生产量信息的方式为，利用大数据统计，确定特定地域信息、特定工作参数下空气分离设备的维修时间和生产量，生成预测维修时间信息和预测生产量信息，方法简单而且普适性较高。

进一步，所述监测端采用传感器，可以采用压力传感器、温度传感器、空气成分测量装置等监测空气分离设备内部、外部的各项参数，监测参数是否异常，是否需要维修。

进一步，所述监测端包括多个传感器，监测位于不同地域的空气分离设备，空气分离设备设置多个，设置在不同区域，相应的传感器也会设置在不同区域。

本发明的积极有益的技术效果包括：

(1)通过调控端控制参数实现多区域空气分离设备的智能化管理；

(2)通过大数据确定不同区域空气分离设备的理论地域参数-生产量信息、理论地域参数-维修时间信息，进而确定预测维修时间信息、预测生产量信息，方法简单，结果较为准确；

(3)通过监测端和数据返回端返回实际参数信息和实际生产量信息，修正理论数据，使数据更加准确；

(4)本发明通过设置数据输入端、运算处理端、调控端、监测端和数据返回端，对不同区域的空气分离设备进行全智能控制，有利于大数据较为准确的预测特定的空气分离设备的实际产量、维修时间等信息，并将实际数据返回运算处理端，进一步修正完善数据库，解决了现有技术中不同区域的空气分离设备智能化控制程度低的技术问题；

本发明的其他有益效果将结合下文具体实施例进行进一步的说明。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1为本发明的流程图；

图2为本发明运算处理端生成新的预测维修时间信息流程图；

图3为本发明运算处理端生成新的理论生产量信息流程图。

具体实施方式

下面实施例用于进一步详细说明本发明，但实施例并不对本发明做任何形式的限定，除特别说明，本发明采用的试剂、方法和设备均为本技术领域的常规试剂、方法和设备，但不以任何形式限制本发明。

本发明实施例公开了一种多区域空气分离设备AI智能监测系统，如图1-3所示，包括数据输入端、运算处理端、调控端、监测端和数据返回端；

所述数据输入端用于获取计划生产量信息、理论地域参数-生产量信息和理论地域参数-维修时间信息；所述理论地域参数-生产量信息、理论地域参数-维修时间信息分别表示不同温度、湿度、空气组分含量、空分设备工作参数下的理论生产量和理论维修时间；数据输入端具体可以包括与互联网连接的计算机，通过TCP/IP协议与互联网连接，可以及时获取互联网上的数据并且实时更新数据，如果理论地域参数-生产量信息、理论地域参数-维修时间信息数据数量过少，也可以先期调查统计，建立数据库，并将数据库上传至互联网，供数据输入端获取；数据输入端还包括储存装置，能储存空气分离设备的理论工作参数，如理论上空气分离设备空冷塔的温度值、空压机的压力值、分子筛承受的压力温度、膨胀机内部的压力等等，还能储存空气分离设备所在地的地域信息，如海拔、空气中氧氮氦氩等气体组分的含量、平均的温度、湿度等信息，还有空气分离设备所在地的理论生产量，包括多组特定的地域信息及理论参数信息下对应的空分设备的生产量，如特定的地域信息(包括具体的湿度、温度、海拔等数据)、理论参数信息(包括具体的空冷塔的温度值、空压机的压力值、分子筛承受的压力温度等数据)下的生产量，还能储存空分设备的维修记录信息，尤其是特定参数下的空分设备的维修记录，理论生产量信息、理论参数信息、地域信息中都包括足够多的数据，足以组成大数据库，包含实际中空分设备会出现的绝大部分数据；

所述监测端用于生成地域信息、实际参数信息、实际维修时间信息和实际生产量信息，所述地域信息包括空气分离设备所在地在时间T内的平均温度、湿度、空气组分含量，所述实际参数信息、实际维修时间信息和实际生产量信息分别包括空气分离设备工作时间T内的平均工作参数、平均维修时间间隔和平均生产量，监测端用于监测空气分离设备运行过程中的参数、维修记录和生产量，监测端可以实时监测不同区域内的空气分离设备的运行过程中的参数和实际生产氧气、氦气等气体的产量，还可以记录空分设备的维修时间，实时监测可以确定空气分离设备的运行参数是否正常，进而预测空分设备的维修时间点，经过时间T后，生成实际维修时间信息和实际生产量信息，正常情况下仅需要一段时间内对空气分离设备进行检测确定是否需要维修即可，对生产量的监测也只需确定某一个时间段内的总生产量即可，因此对运行中参数的检测和实际生产量的监测没有必要实时监测、实时上传，仅需要确定经历时间T后空气分离设备运行过程中的平均参数是否异常、生产量是多少即可；

所述数据返回端用于将实际参数信息、实际维修时间信息和实际生产量信息输送至运算处理端；

所述运算处理端用于根据实际参数信息、地域信息、理论地域参数-生产量信息和理论地域参数-维修时间信息生成预测维修时间信息和预测生产量信息，根据实际维修时间信息修正预测维修时间并生成新的预测维修时间信息，根据实际生产量信息修正预测生产量信息生成新的预测生产量信息；运算处理端可以设置为现有技术中的计算机，可以通过大数据统计或设置现有技术中的运算步骤，结合空气分离设备特定地域信息下的理论工作参数和实际工作参数，预测某一区域的特定的某个空气分离设备何时需要进行维修，预测时间段T内生产量为多少，并且通过反馈的实际生产量信息、实际维修时间信息修正预测维修时间信息、修正预测生产量信息，并且代替旧的预测维修时间信息和预测生产量信息；例如，可以事先建立数据库，记录不同地域信息、参数下的空分设备的维修时间、生产量，然后利用统计学，先剔除误差较大的数据，将剩余的参数数据与维修时间、生产量进行回归分析，建立对应关系，从而确定空分设备不同参数下的维修时间，再例如，也可以进行如下步骤运算：

1.确定地域信息、实际参数信息中包括参数种类，根据数据库形成多组理论参数值，每组理论参数值包含所有种类的参数且每种参数只包括一个参数值；

2.确定各组理论参数值下的生产量；

3.确定各组理论参数值下的维修时间；

4.分别生成表格，显示不同理论参数值下的生产量及不同理论参数值下的维修时间；

5.根据地域信息、实际参数信息中的参数分别在生产量—理论参数表格和维修时间—理论参数表格中找到对应的生产量及维修时间，如果地域信息、实际参数信息中没有正好完全对应的实际参数数值，则在同种类参数间求差后平方再求和的计算——x＝Σ(理论参数值-实际参数数值)²中，取使x值最小的一组理论参数值，该理论参数值对应的维修时间和生产量为预测维修时间信息和预测生产量信息；

运算处理端还用于生成预测维修时间信息、生成预测生产量信息后，通过反馈实际维修时间信息修正预测维修时间信息、通过反馈实际生产量信息修正预测生产量信息，并且代替旧的预测维修时间信息和预测生产量信息；

所述调控端用于获取地域信息、计划生产量信息、预测生产量信息和预测维修时间信息并确定空气分离设备的参数，并根据预测生产量信息及预测维修时间信息控制空气分离设备的参数，使空气分离设备的理论生产量等于计划生产量且预测维修时间最长；计划生产量可以根据计划生产量信息确定，可以通过调查该地域近10年的销售量确定该地域的平均销售量，进而确定该空气分离设备的计划生产量；调控端通过控制器控制特定地域中特定的空气分离设备，控制该空气分离设备的运行参数，使其在生产气体满足市场需求量的前提下，尽可能的延长其预测维修时间，调控端可以自动选择理论参数信息中的一组理论参数组，该组理论参数组中的参数值对应的预测生产量大于计划生产量且预测维修时间最长。

本实施例中，所述T的取值为3个月，即每季度预测维修时间信息和预测生产量信息更新一次，3个月时间间隔合适，既不会因为频繁更新数据导致系统工作量过大，也能保证系统能够及时获取空气分离设备的工作参数、产量等的变化。

本实施例中，所述运算处理端根据实际维修时间修正预测维修时间生成新的预测维修时间信息的步骤为：

A.运算处理端获取预测维修时间信息，通过大数据统计，确定该区域的空气分离设备预测维修的时间t1，例如通过数据收集计算出该区域特定工作参数下空气分离设备的维修时间，从而确定预测维修时间信息；

B.运算处理端获取实际维修记录生成实际维修时间信息，确定该区域的空气分离设备实际维修的时间t2，实际维修记录可以根据维修人员每次维修后将记录输入数据输入端，统计实际工作参数下空气分离设备的实际维修时间t2，从而确定实际参数信息和实际维修时间信息；

C.对比预测维修时间信息与实际维修时间信息，取时间点t3为修正后的预测维修时间，并生成新的预测维修时间信息，删除旧的预测维修时间信息，t3＝t1+(t2-t1)/2，因为每个空气分离设备的监测端可能产生误差，每个空气分离设备本身也有其特性，理论参数下的理论维修时间并不能十分准确的适用所有特定的空气分离设备，不直接将实际维修时间信息输入大数据库修正预测维修时间信息，而是通过计算取实际维修时间和理论维修时间的平均值，得出的数据更适合空气分离设备的特性。

本实施例中，所述运算处理端，根据实际生产量信息修正预测生产量信息生成新的预测生产量信息的步骤为：

a.运算处理端获取理论生产量信息，通过大数据统计，确定该区域的空气分离设备的预测生产量M1；

b.运算处理端获取实际生产量信息，确定该区域的空气分离设备实际生产量M2，可以通过监控端监测该区域内特定的空气分离设备的实际生产量M2；

c.对比理论生产量信息和实际生产量信息，取M3为修正后的理论生产量，并生成新的理论生产量信息，删除旧的理论生产量信息，M3＝M1+(M2-M1)/2，因为每个空气分离设备的监测端可能产生误差，每个空气分离设备本身也有其特性，不直接将实际生产量信息带入大数据库修正理论生产量信息，而是通过计算取平均值，得出的数据更适合特定空气分离设备的特性。

本实施例中，所述运算处理端生成预测维修时间信息和预测生产量信息的方式为，利用大数据统计，确定特定参数、地域信息下空气分离设备的维修时间和生产量，生成预测维修时间信息和预测生产量信息，确定预测维修时间信息和预测生产量信息的方式均为大数据统计然后取特定情况下的平均值，方法简单而且普适性较高；利用大数据统计计算的具体方式可以为：

1.确定一个参数组，该参数组包括地域信息、实际参数信息中所有种类的参数，且每种参数值包括一个，如包括空气分离设备空冷塔的温度值K、空压机的压力值P、分子筛承受的压力温度k、膨胀机内部的压力p；

2.确定每组参数组对应的预测维修时间S，预测生产量Q；

3.利用大数据库，采用回归运算，推算出预测维修时间与参数的关系和预测生产量和参数的关系，即S＝F(K，P，k，p)+ε和Q＝f(K，P，k，p)+δ，可以采用现有技术中的逻辑回归来统计计算；

4.将实际参数信息、地域信息中的参数带入到上述关系式中，得出的S与Q即为预测维修时间信息和预测生产量信息。

本实施例中，所述监测端采用传感器，传感器可以包括压力传感器、温度传感器、空气成分测量装置等多种传感器，设置在空气分离设备不同的部分，监测空气分离设备内部、外部的各项参数，监测参数是否异常，是否需要维修。

本实施例中，所述监测端包括多个，监测位于不同地域的空气分离设备，空气分离设备设置多个，设置在不同区域，相应的传感器也会设置在不同区域。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种多区域空气分离设备AI智能监测系统，其特征在于：包括数据输入端、运算处理端、调控端、监测端和数据返回端；

所述数据输入端用于获取空气分离设备的计划生产量信息、理论地域参数-生产量信息和理论地域参数-维修时间信息；所述理论地域参数-生产量信息、理论地域参数-维修时间信息分别表示不同温度、湿度、空气组分含量、空分设备工作参数下的理论生产量和理论维修时间；

所述监测端用于生成地域信息、实际参数信息、实际维修时间信息和实际生产量信息，所述地域信息包括空气分离设备所在地在时间T内的平均温度、湿度、空气组分含量，所述实际参数信息、实际维修时间信息和实际生产量信息分别包括空气分离设备工作时间T内的平均工作参数、平均维修时间间隔和平均生产量；

所述数据返回端用于将数据输入端获取的数据及监测端生成的数据传送至运算处理端；

所述运算处理端生成预测维修时间信息和预测生产量信息，根据实际维修时间信息修正预测维修时间并生成新的预测维修时间信息，根据实际生产量信息修正预测生产量信息生成新的预测生产量信息；

所述运算处理端生成预测维修时间信息和预测生产量信息具体包括：利用大数据统计，确定特定参数、地域信息下空气分离设备的维修时间和生产量，生成预测维修时间信息和预测生产量信息；

利用大数据统计计算的具体方式为：

确定一个参数组，该参数组包括地域信息、实际参数信息中所有种类的参数，且每种参数值包括一个；所述参数组包括空气分离设备空冷塔的温度值K、空压机的压力值P、分子筛承受的压力温度k、膨胀机内部的压力p；

确定每组参数组对应的预测维修时间S，预测生产量Q；

利用大数据库，采用回归运算，推算出预测维修时间与参数的关系和预测生产量和参数的关系，即S＝F(K，P，k，p)+ε和Q＝f(K，P，k，p)+δ；

将实际参数信息、地域信息中的参数带入到上述关系式中，得出的S与Q即为预测维修时间信息和预测生产量信息；

所述调控端用于获取地域信息、计划生产量信息、预测生产量信息和预测维修时间信息并确定空气分离设备的参数，控制空气分离设备的预测生产量大于计划生产量且预测维修时间间隔最长。

2.如权利要求1所述的多区域空气分离设备AI智能监测系统，其特征在于：所述T的取值为3个月。

3.如权利要求2所述的多区域空气分离设备AI智能监测系统，其特征在于，所述运算处理端根据实际维修时间修正预测维修时间生成新的预测维修时间信息的步骤为：

A.运算处理端获取预测维修时间信息，确定该区域的空气分离设备预测维修的时间t1；

B.运算处理端获取实际维修时间信息，确定该区域的空气分离设备实际维修的时间t2；

C.对比预测维修时间信息与实际维修时间信息，取时间点t3为修正后的预测维修时间，并生成新的预测维修时间信息，删除旧的预测维修时间信息，t3＝t1+(t2-t1)/2。

4.如权利要求3所述的多区域空气分离设备AI智能监测系统，其特征在于，所述运算处理端，根据实际生产量信息修正预测生产量信息生成新的预测生产量信息的步骤为：

a.运算处理端获取预测生产量信息，确定该区域的空气分离设备的预测生产量M1；

b.运算处理端获取实际生产量信息，确定该区域的空气分离设备实际生产量M2；

c.对比理论生产量信息和实际生产量信息，取M3为修正后的理论生产量，并生成新的理论生产量信息，删除旧的理论生产量信息，M3＝M1+(M2-M1)/2。

5.如权利要求4所述的多区域空气分离设备AI智能监测系统，其特征在于，所述运算处理端生成预测维修时间信息和预测生产量信息的方式为，利用大数据统计，确定特定地域信息、特定工作参数下空气分离设备的维修时间和生产量，生成预测维修时间信息和预测生产量信息。

6.如权利要求5所述的多区域空气分离设备AI智能监测系统，其特征在于：所述监测端采用传感器。

7.如权利要求6所述的多区域空气分离设备AI智能监测系统，其特征在于：所述监测端设置多个，用于监测位于不同地域的空气分离设备。

Images