CN113392912A - 浆液循环泵多模态运行故障诊断预警方法、系统及设备 - Google Patents

浆液循环泵多模态运行故障诊断预警方法、系统及设备 Download PDF

Info

Publication number
CN113392912A
CN113392912A CN202110677494.7A CN202110677494A CN113392912A CN 113392912 A CN113392912 A CN 113392912A CN 202110677494 A CN202110677494 A CN 202110677494A CN 113392912 A CN113392912 A CN 113392912A
Authority
CN
China
Prior art keywords
real
circulating pump
diagnosis
slurry circulating
data
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
Application number
CN202110677494.7A
Other languages
English (en)
Inventor
孟磊
王海杰
袁照威
谷小兵
于志成
李文龙
司风琪
杨大洲
闫欢欢
李玉宇
岳朴杰
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.)
Datang Environment Industry Group Co Ltd
Original Assignee
Datang Environment Industry Group Co Ltd
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 Datang Environment Industry Group Co Ltd filed Critical Datang Environment Industry Group Co Ltd
Priority to CN202110677494.7A priority Critical patent/CN113392912A/zh
Publication of CN113392912A publication Critical patent/CN113392912A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种浆液循环泵多模态运行故障诊断预警方法、系统及设备，所述方法包括：S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。有益效果为提高了故障诊断预警系统的泛化能力，降低了故障诊断的误诊率，提高了故障诊断预警模型的监测精度。

Description

浆液循环泵多模态运行故障诊断预警方法、系统及设备
技术领域
本发明涉及热工过程在线故障诊断与预警技术领域，尤其是涉及一种浆液循环泵多模态运行故障诊断预警方法、系统及设备。
背景技术
主成分分析(Principal components analysis)是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分(Principal Components)。具体地，主成分可以看做一个线性方程，其包含一系列线性系数来指示投影方向。PCA算法计算简单，能够快速将海量高维数据进行降维处理，并且容易在计算机上实现，并利用统计学进行故障诊断准确率较高等优点，被广泛应用于工业过程的故障诊断中。
在实际的工业生产过程中，脱硫系统浆液循环泵具有多模态特点，而现有的PCA方法仅在系统处于单一模态时才有较为良好的效果，对于多模态问题，PCA模型效果较差，比如：系统在运行过程中生成的大量数据中除了连续性的模拟量还有离散的开关量，如阀门开关和子设备启停状态等，这些开关量的改变往往会引起浆液循环泵模态变化。但是PCA故障诊断模型只能使用连续性的模拟量进行建模，对于离散的开关量，无法直接应用到PCA模型中；脱硫系统环境温度等外部条件的改变也会使浆液循环泵的模态发生变化，此类外部条件变化缓慢，与其他参数间的相关性不明显，常常被其他强相关性所掩盖，造成PCA模型精度下降；PCA方法能够快速处理高维海量数据，但仅对线性系统有着良好的效果，难以应用于非线性系统降维，参数间的非线性关系可近似看成多模态的线性关系，即通过局部线性化来拟合非线性曲线。此外，当浆液循环泵模态发生改变时，原有模型将失真，并出现大量误报信息。
针对上述多模态问题，目前已有专利提出了基于聚类的解决方法，但实际应用还存在以下几个问题：(1)无法将设备启动、停止动态过程的样本集与设备稳态运行的样本集进行有效划分；(2)利用聚类无法实现对某些模型根据连续性模拟量划分多段进行分别建模；(3)对于非线性系统的局部线性化处理，无法合理划分线性区间。
发明内容
本发明的目的在于提供一种浆液循环泵多模态运行故障诊断预警方法、系统及设备，旨在解决故障诊断模型只适用于单一运行模态的局限性问题以及现有多模态技术中无法正确划分样本集，误诊率高的问题。
本发明提供一种浆液循环泵多模态运行故障诊断预警方法，包括：
S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；
S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；
S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；
S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
本发明提供一种浆液循环泵多模态运行故障诊断预警系统，包括：
数据处理模块：用于获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；
模型训练模块：用于通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；
模态划分模块：用于根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；
诊断测试模块：用于将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
本发明实施例还提供一种浆液循环泵多模态运行故障诊断预警设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述故障诊断预警方法的步骤。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述故障诊断预警方法的步骤。
采用本发明实施例，解决了现有脱硫系统浆液循环泵PCA故障诊断模型只适用于单一运行模态的局限性，提高了故障诊断预警系统的泛化能力，降低了故障诊断的误诊率，提高了故障诊断预警模型的可靠性，进一步提高了故障诊断预警模型的监测精度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1是本发明实施例的浆液循环泵多模态运行故障诊断预警方法的流程图；
图2是本发明实施例的浆液循环泵多模态运行故障诊断预警系统示意图；
图3是本发明实施例的浆液循环泵多模态运行故障诊断预警方法具体实施流程图；
图4是本发明实施例的浆液循环泵多模态运行故障诊断预警设备示意图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例，提供了一种浆液循环泵多模态运行故障诊断预警方法，图1是本发明实施例的浆液循环泵多模态运行故障诊断预警方法的流程图，如图1所示，根据本发明实施例的浆液循环泵多模态运行故障诊断预警方法具体包括：
S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集。
具体的，利用SIS数据库通过数据输入接口获取脱硫相关参数的历史运行数据，并保存，作为建模样本集
Figure BDA0003121376110000051
其中，xi为参与建模的模拟量，yi为用于浆液循环泵模态划分的数字量；利用多模态划分模块根据样本中的代表浆液循环泵运行模态的数字量yi将建模样本集划分成多个样本集D＝{D1,D2,Λ,DL}。
S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型。
具体的，通过PCA模型训练中心将划分的样本集进行分别训练并输出对应于各个样本集的响应浆液循环泵运行模态下的PCA诊断模型M＝{M1,M2,Λ,ML}；多个PCA诊断模型组成基于PCA的多模态浆液循环泵运行模型。
S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态。
具体的，通过网络隔离与数据输入接口实时获取DCS系统数据；利用多模态划分模块根据获取的实时数据中的代表浆液循环泵运行模态的数字量将实时数据划分到数字量对应的浆液循环泵运行模态。
S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
具体的，利用PCA模型训练中心将已划分模态的实时数据输入到对应模态下的诊断模型Mk进行诊断测试，若模型输出结果与实时值误差大于设定阈值，则发出预警信号；若小于设定阈值，则将实时数据加入此诊断模型相应的样本集，更新模型，输出诊断结果；其中，设定阈值可以根据诊断的准确性进行调整。
图3是本发明实施例的浆液循环泵多模态运行故障诊断预警方法具体实施流程图，如图3所示，脱硫系统浆液循环泵多模态运行故障诊断预警方法具体实施如下：
利用SIS数据库获取脱硫相关参数的历史运行数据，并保存，作为建模样本集
Figure BDA0003121376110000061
利用多模态划分模块根据样本中的代表浆液循环泵运行模态的数字量yi将建模样本集划分成多个样本集D＝{D1,D2,Λ,DL}；通过PCA模型训练中心将划分的样本集进行分别训练并输出对应于各个样本集的基于PCA的浆液循环泵运行模型M＝{M1,M2,Λ,ML}作为PCA诊断模型，多个PCA诊断模型组成基于PCA的多模态浆液循环泵运行模型；获取DCS系统实时数据，利用多模态划分模块根据获取的实时数据进行模态划分，划分完成后根据划分结果将实时数据输入到基于PCA的多模态浆液循环泵运行模型，选取对应模态的PCA诊断模型进行诊断，将模型输出结果与实时值进行对比输出参量误差，判断误差是否大于设定阈值，若是，则发出预警信号，若不是，则将实时数据加入相应样本集，最后输出诊断结果。
采用本发明实施例，解决了现有脱硫系统浆液循环泵PCA故障诊断模型只适用于单一运行模态的局限性；训练输出多个对应模态下的不同PCA模型，使诊断模型更加全面的覆盖诊断对象的运行工况，提高了故障诊断预警系统的泛化能力；进行实时诊断时，先判断诊断对象当前运行模态再选取对应模态下的PCA故障诊断模型进行故障诊断，降低了故障诊断的误诊率，提高了故障诊断预警模型的可靠性，进一步提高了故障诊断预警模型的监测精度。
系统实施例
根据本发明实施例，提供了一种浆液循环泵多模态运行故障诊断预警系统，图2是本发明实施例的浆液循环泵多模态运行故障诊断预警系统的示意图，如图2所示，根据本发明实施例的浆液循环泵多模态运行故障诊断预警系统具体包括：
数据处理模块20：用于获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集。
数据处理模块20包括样本变量选取模块和多模态划分模块，数据处理模块20具体用于：样本变量选取模块利用SIS数据库通过数据输入接口获取脱硫相关参数的历史运行数据，并保存为建模样本集
Figure BDA0003121376110000071
xi为参与建模的模拟量，yi为用于浆液循环泵模态划分的数字量；利用系统多模态划分模块根据样本中的代表浆液循环泵运行模态的数字量yi将样本划分成多个样本集D＝{D1,D2,Λ,DL}。
模型训练模块22：用于通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型。
模型训练模块22包括PCA模型训练中心，模型训练模块22具体用于：通过PCA模型训练中心将划分的样本集进行分别训练并输出对应于各个样本集的响应浆液循环泵运行模态下的PCA诊断模型M＝{M1,M2,Λ,ML}。多个PCA诊断模型组成了基于PCA的多模态浆液循环泵运行模型。
模态划分模块24：用于根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态。
模态划分模块24包括模型实时数据获取模块和系统多模态划分模块，模态划分模块24具体用于：利用模型实时数据获取模块通过网络隔离与数据输入接口获取DCS系统中脱硫系统浆液循环泵的实时数据；利用多模态划分模块根据获取的实时数据中的代表浆液循环泵运行模态的数字量判断实时数据当前运行模态，并将其划分到对应的浆液循环泵运行模态。
诊断测试模块26：用于将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
诊断测试模块26包括模型应用模块和误差判断模块，诊断测试模块26具体用于：模型应用模块用于利用PCA模型训练中心将已划分模态的实时数据输入到对应模态下的诊断模型Mk进行诊断测试，误差判断模块对模型输出结果与实时值误差进行判断，若模型输出结果与实时值误差大于设定阈值，则发出预警信号；若小于设定阈值，则将所述实时数据加入此诊断模型相应的样本集，更新模型，输出诊断结果。
本发明实施例是与上述方法实施例对应的系统实施例，各个模块的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
装置实施例一
本发明实施例提供一种浆液循环泵多模态运行故障诊断预警设备，如图4所示，包括：存储器40、处理器42及存储在所述存储器40上并可在所述处理器42上运行的计算机程序，所述计算机程序被所述处理器42执行时实现如下方法步骤：
S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集。
具体的，利用SIS数据库通过数据输入接口获取脱硫相关参数的历史运行数据，并保存，作为建模样本集
Figure BDA0003121376110000091
其中，xi为参与建模的模拟量，yi为用于浆液循环泵模态划分的数字量；利用多模态划分模块根据样本中的代表浆液循环泵运行模态的数字量yi将建模样本集划分成多个样本集D＝{D1,D2,Λ,DL}。
S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型。
具体的，通过PCA模型训练中心将划分的样本集进行分别训练并输出对应于各个样本集的响应浆液循环泵运行模态下的PCA诊断模型M＝{M1,M2,Λ,ML}；多个PCA诊断模型组成基于PCA的多模态浆液循环泵运行模型。
S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态。
具体的，通过网络隔离与数据输入接口实时获取DCS系统数据；利用多模态划分模块根据获取的实时数据中的代表浆液循环泵运行模态的数字量将实时数据划分到数字量对应的浆液循环泵运行模态。
S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
具体的，利用PCA模型训练中心将已划分模态的实时数据输入到对应模态下的诊断模型Mk进行诊断测试，若模型输出结果与实时值误差大于设定阈值，则发出预警信号；若小于设定阈值，则将实时数据加入此诊断模型相应的样本集，更新模型，输出诊断结果；其中，设定阈值可以根据诊断的准确性进行调整。
装置实施例二
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传输的实现程序，所述程序被处理器42执行时实现如下方法步骤：
S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集。
具体的，利用SIS数据库通过数据输入接口获取脱硫相关参数的历史运行数据，并保存，作为建模样本集
Figure BDA0003121376110000101
其中，xi为参与建模的模拟量，yi为用于浆液循环泵模态划分的数字量；利用多模态划分模块根据样本中的代表浆液循环泵运行模态的数字量yi将建模样本集划分成多个样本集D＝{D1,D2,Λ,DL}。
S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型。
具体的，通过PCA模型训练中心将划分的样本集进行分别训练并输出对应于各个样本集的响应浆液循环泵运行模态下的PCA诊断模型M＝{M1,M2,Λ,ML}；多个PCA诊断模型组成基于PCA的多模态浆液循环泵运行模型。
S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态。
具体的，通过网络隔离与数据输入接口实时获取DCS系统数据；利用多模态划分模块根据获取的实时数据中的代表浆液循环泵运行模态的数字量将实时数据划分到数字量对应的浆液循环泵运行模态。
S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
具体的，利用PCA模型训练中心将已划分模态的实时数据输入到对应模态下的诊断模型Mk进行诊断测试，若模型输出结果与实时值误差大于设定阈值，则发出预警信号；若小于设定阈值，则将实时数据加入此诊断模型相应的样本集，更新模型，输出诊断结果；其中，设定阈值可以根据诊断的准确性进行调整。
本实施例所述计算机可读存储介质包括但不限于为：ROM、RAM、磁盘或光盘等。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种浆液循环泵多模态运行故障诊断预警方法，其特征在于，包括：
S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；
S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；
S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；
S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
2.根据权利要求1所述的一种浆液循环泵多模态运行故障诊断预警方法，其特征在于，步骤S1所述历史运行数据获取方法具体为：利用SIS数据库通过数据输入接口获取脱硫相关参数的历史运行数据，并保存；所述多个样本集的划分方法具体为：根据样本中的代表浆液循环泵运行模态的数字量将所述样本划分成多个样本集。
3.根据权利要求1所述的一种浆液循环泵多模态运行故障诊断预警方法，其特征在于，步骤S3所述实时数据的获取方法为：通过网络隔离与数据输入接口实时获取DCS系统数据；所述实时数据划分到对应的浆液循环泵运行模态的方法同样为：根据实时数据中的代表浆液循环泵运行模态的数字量进行划分。
4.根据权利要求1所述的一种浆液循环泵多模态运行故障诊断预警方法，其特征在于，步骤S4所述进行诊断测试的具体方法为：将实时数据输入对应模态下的诊断模型，若模型输出结果与实时值误差大于设定阈值，则发出预警信号；若小于设定阈值，则将实时数据加入此诊断模型相应的样本集，更新模型；所述设定阈值可以进行调整。
5.一种浆液循环泵多模态运行故障诊断预警系统，其特征在于，包括：
数据处理模块：用于获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；
模型训练模块：用于通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；
模态划分模块：用于根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；
诊断测试模块：用于将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。
6.根据权利要求5所述的一种浆液循环泵多模态运行故障诊断预警系统，其特征在于，所述数据处理模块具体用于：
利用SIS数据库通过数据输入接口获取脱硫相关参数的历史运行数据，并保存；
根据样本中的代表浆液循环泵运行模态的数字量将所述样本划分成多个样本集。
7.根据权利要求5所述的一种浆液循环泵多模态运行故障诊断预警系统，其特征在于，所述模态划分模块具体用于：
通过网络隔离与数据输入接口获取DCS系统中脱硫系统浆液循环泵的实时数据；
根据实时数据中代表浆液循环泵运行模态的数字量判断实时数据当前运行模态。
8.根据权利要求5所述的一种浆液循环泵多模态运行故障诊断预警系统，其特征在于，所述诊断测试模块具体用于：将实时数据输入当前运行模态对应的诊断模型，若模型输出结果与实时值误差大于设定阈值，则发出预警信号；若小于设定阈值，则将所述实时数据加入此诊断模型相应的样本集，更新模型，输出诊断结果。
9.一种浆液循环泵多模态运行故障诊断预警设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的故障诊断预警方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至4中任一项所述的故障诊断预警方法的步骤。
CN202110677494.7A 2021-06-18 2021-06-18 浆液循环泵多模态运行故障诊断预警方法、系统及设备 Pending CN113392912A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110677494.7A CN113392912A (zh) 2021-06-18 2021-06-18 浆液循环泵多模态运行故障诊断预警方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110677494.7A CN113392912A (zh) 2021-06-18 2021-06-18 浆液循环泵多模态运行故障诊断预警方法、系统及设备

Publications (1)

Publication Number Publication Date
CN113392912A true CN113392912A (zh) 2021-09-14

Family

ID=77621891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110677494.7A Pending CN113392912A (zh) 2021-06-18 2021-06-18 浆液循环泵多模态运行故障诊断预警方法、系统及设备

Country Status (1)

Country Link
CN (1) CN113392912A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336507A (zh) * 2013-06-24 2013-10-02 浙江大学 基于多模态协同时段自动划分的统计建模与在线监测方法
CN108334898A (zh) * 2018-01-23 2018-07-27 华中科技大学 一种多模态工业过程模态辨识与故障分类方法
CN109034260A (zh) * 2018-08-07 2018-12-18 东南大学 基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统及方法
CN110543166A (zh) * 2019-09-18 2019-12-06 河南工学院 一种加权k近邻标准化方法的多模态工业过程故障检测方法
CN112906967A (zh) * 2021-02-24 2021-06-04 大唐环境产业集团股份有限公司 一种脱硫系统浆液循环泵性能预测方法、装置
CN112926641A (zh) * 2021-02-22 2021-06-08 山东大学 基于多模态数据的三阶段特征融合旋转机械故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336507A (zh) * 2013-06-24 2013-10-02 浙江大学 基于多模态协同时段自动划分的统计建模与在线监测方法
CN108334898A (zh) * 2018-01-23 2018-07-27 华中科技大学 一种多模态工业过程模态辨识与故障分类方法
CN109034260A (zh) * 2018-08-07 2018-12-18 东南大学 基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统及方法
CN110543166A (zh) * 2019-09-18 2019-12-06 河南工学院 一种加权k近邻标准化方法的多模态工业过程故障检测方法
CN112926641A (zh) * 2021-02-22 2021-06-08 山东大学 基于多模态数据的三阶段特征融合旋转机械故障诊断方法
CN112906967A (zh) * 2021-02-24 2021-06-04 大唐环境产业集团股份有限公司 一种脱硫系统浆液循环泵性能预测方法、装置

Similar Documents

Publication Publication Date Title
CN100470417C (zh) 工业生产过程小样本条件下的故障诊断系统及方法
JP4046309B2 (ja) プラント監視装置
JP7007243B2 (ja) 異常検知システム
CN113518011B (zh) 异常检测方法和装置、电子设备及计算机可读存储介质
WO2006039760A1 (en) Method of analysing data
EP3696693A1 (en) Method and apparatus for monitoring state of device in process industry and medium
CN111314173B (zh) 监控信息异常的定位方法、装置、计算机设备及存储介质
WO2011138911A1 (ja) 障害分析装置、障害分析方法および記録媒体
JP2018112903A (ja) プラント運転支援装置、プラント運転支援方法、プラント運転支援プログラム及び記録媒体
CN109840671B (zh) 运行改进效果计算设备、运行改进效果计算方法和记录介质
CN114444231B (zh) 模具剩余寿命在线自适应预测方法、装置、设备及介质
CN113988325A (zh) 一种电力系统故障预警方法、装置、终端设备及存储介质
JP3718765B2 (ja) プラント診断装置
CN114936504A (zh) 基于贝叶斯多源数据融合的设备剩余寿命预测方法及系统
US20230066703A1 (en) Method for estimating structural vibration in real time
CN107944005B (zh) 一种数据展示方法及装置
CN114140034B (zh) 基于工况的质量监控方法及相关装置
CN113487086A (zh) 设备剩余使用寿命预测方法、装置、计算机设备和介质
CN113392912A (zh) 浆液循环泵多模态运行故障诊断预警方法、系统及设备
CN116743637A (zh) 一种异常流量的检测方法、装置、电子设备及存储介质
CN110688273B (zh) 分类模型的监控方法、装置、终端以及计算机存储介质
CN112990682A (zh) 一种基于大数据的化工装置控制参数优化方法和系统
CN117312807B (zh) 一种断路器的控制状态分析方法及系统
CN114676656B (zh) 多响应cfd模型的一致性度量方法、装置、设备及存储介质
CN115902814B (zh) 基于信息空间度量的目标识别模型性能评估方法和装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210914

RJ01 Rejection of invention patent application after publication