CN113627660A - 一种陶瓷过滤机的生产率的预测方法和装置 - Google Patents
一种陶瓷过滤机的生产率的预测方法和装置 Download PDFInfo
- Publication number
- CN113627660A CN113627660A CN202110871097.3A CN202110871097A CN113627660A CN 113627660 A CN113627660 A CN 113627660A CN 202110871097 A CN202110871097 A CN 202110871097A CN 113627660 A CN113627660 A CN 113627660A
- Authority
- CN
- China
- Prior art keywords
- productivity
- ceramic filter
- fitting
- vacuum degree
- degree 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.)
- Granted
Links
- 239000000919 ceramic Substances 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 title claims description 32
- 238000004590 computer program Methods 0.000 claims description 23
- 239000012065 filter cake Substances 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000047 product Substances 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 3
- 239000011707 mineral Substances 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 19
- 238000001914 filtration Methods 0.000 description 15
- 239000012141 concentrate Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 239000000706 filtrate Substances 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 239000007788 liquid Substances 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000725 suspension Substances 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005188 flotation Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000003828 vacuum filtration Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Filtering Materials (AREA)
Abstract
本申请适用于矿物开采技术领域，提供了一种陶瓷过滤机的生产率的预测方法和装置，所述方法包括：采集所述陶瓷过滤机的多个真空度数据；采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到。通过上述方法，能够利用真空度数据预测陶瓷过滤机的生产率。
Description
技术领域
本申请属于矿物开采技术领域，尤其涉及一种陶瓷过滤机的生产率的预测方法和装置。
背景技术
陶瓷真空过滤机是在精矿脱水工序中最常用的设备，其主要用于过滤浮选精矿，也可用于过滤矿泥或浮选尾矿。
陶瓷过滤机的生产率为单位时间内所得出的滤饼重量，影响着矿产的开采速度，若能够预测陶瓷过滤机的生产率，能够预测精矿的产量，并合理统筹生产工作。
发明内容
本申请实施例提供了一种陶瓷过滤机的生产率的预测方法和装置，可以根据真空度数据预测陶瓷过滤机的生产率。
第一方面，本申请实施例提供了一种陶瓷过滤机的生产率的预测方法，包括：
采集所述陶瓷过滤机的多个真空度数据；
采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到。
第二方面，本申请实施例提供了一种陶瓷过滤机的生产率的预测装置，包括：
采集模块，用于采集所述陶瓷过滤机的多个真空度数据；
计算模块，用于采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的方法。
本申请实施例与现有技术相比存在的有益效果是：在本申请实施例中，通过对陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合，可以得到生产率预测公式；从而可以利用采集到的多个真空度数据和上述生产率预测公式，预测陶瓷过滤机的生产率。由于陶瓷过滤机的真空度数据更容易测量，因此基于真空度数据对陶瓷过滤机的生产率进行预测操作简单。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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是本申请一实施例提供一种陶瓷过滤机的生产率的预测方法的流程示意图；
图2是本申请另一实施例提供的一种陶瓷过滤机的生产率的预测方法的流程示意图；
图3是本申请实施例提供的一种陶瓷过滤机的生产率的预测装置的结构示意图；
图4是本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
精矿是冶炼厂加工的基础产品，精矿在生产过程中需要脱水处理。陶瓷过滤机是精矿脱水工序中最常用的设备。陶瓷过滤机采用真空过滤的方式从精矿中脱去水分。
陶瓷过滤机的生产率是指陶瓷过滤机在单位时间内所得出的滤饼重量。它与滤饼形成速度或滤饼厚度有着直接的关系。当过滤机转速一定时，滤饼形成的速度或厚度又取决于真空泵吸力的大小。在单位过滤面积上的真空吸力大，无疑能加快滤饼形成的速度。其原理是均匀悬浮于液体(水)中的固体，在过滤介质(滤布)附近受到真空压力的作用而迅速流向过滤介质，固体受到过滤介质的阻挡而停留于过滤介质表面，水则能通过介质层而被吸走，从而获得固液分离的效果。在过滤介质附近浆体所受吸力越大，滤饼也就随着增厚，过滤机生产率也就得到提高。在过滤实践中也已证实随着真空度的增高，滤饼形成速度就加快。
固体颗粒从悬浮液中分离出来，在微观学上是较为复杂的一种固液分离过程。在生产实践中，应用经验公式进行分析即可达到研究的目的。将粘度为μ的悬浮液中的固体全部截留于过滤介质表面，过滤过程中，根据过滤方程就有：
式中，为滤液流量；A为过滤面积；k为常数；μ为悬浮液粘度；RE为单位过滤面积的滤饼阻力；RM为单Q位过滤面积的过滤介质阻力，ΔP为过滤工作压力差。若过滤的是一种澄清液，上式中各参数均为常数，则滤液的流量亦将不变，滤液累积体积随时间延长而线性增加；当过滤含有固体颗粒的悬浮液时，在过滤介质表面上开始累积滤饼，导致滤层阻力RM值逐渐增大，而Q逐渐减小。
把过滤过程中单位时间内获得滤液的体积称为过滤速率。因此，可以建立过滤速率与各有关因素的一般关系式：
式中，V为滤液体积；V0为介质的当量滤液体积，或称为虚拟滤液体积；ω为单位面积上沉积的滤饼质量；α为比滤阻。由上式可见，在不考虑其他因素的情况下，陶瓷过滤机的过滤速率与过滤工作压力差ΔP呈正比关系。
式(2)反映的是理想状态下(其他因素保持恒定或可忽视)真空度与生产产率的关系，然而在实际生产过程中，式(2)中的系数难以获得，且真空度与生产产率并非线性正比的关系，因此，需要通过经验数据来获取真空度与生产产率的关系模型。
图1是本申请一实施例提供一种陶瓷过滤机的生产率的预测方法的流程示意图；
S101，采集所述陶瓷过滤机的多个真空度数据。
本实施例的执行主体为终端设备，所述终端设备可以为计算机，或者陶瓷过滤机监控装置。该监控装置可以与陶瓷过滤机相连，采集陶瓷过滤机的数据；监控装置还可以与设置在陶瓷过滤机上的负压传感器相连，通过该负压传感器，监控装置可以采集到陶瓷过滤机的真空度数据。
具体地，上述真空度数据为陶瓷过滤机的真空系统的真空度。每隔预设时间，终端设备可以采用负压传感器采集陶瓷过滤机的真空度数据。
终端设备可以将采集到的真空度数据存储在预设的记录表中，生成对应的真空度变化曲线图。
S102，采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率。
具体地，上述生产率预测公式可以由多个样本真空度数据和每个样本真空度数据对应的生产率拟合得到。在陶瓷过滤机正常工作状态下，在单位时间内，采集陶瓷过滤机的多个真空度数据，然后计算单位时间内的平均真空度数据，作为一个样本真空度数据。按照这样的方式，采集多个样本真空度数据。分别确定每个样本真空度数据对应的生产率，生产率为陶瓷过滤机在单位时间内产出的滤饼重量。
由于真空度数据与生产率正相关，因此可以采用正相关函数进行拟合，例如，可以采用由多个样本真空度数据和每个样本真空度数据对应的生产率分别进行线性拟合、二次方拟合及三次方拟合，分别得到线性拟合公式、二次方拟合公式和三次方拟合公式；然后分别计算每个拟合公式的误差，再从中选择生产率预测公式。
在计算误差值时，可以直接采用样本真空度数据和每个样本真空度数据对应的生产率来计算误差值。以线性拟合公式为例，可以分别将多个样本数据输入到线性拟合公式中，得到对应的多个线性拟合值，该线性拟合值即为利用线性公式和样本真空度数据得到的预测生产率；然后计算每个预测生产率与实际生产率之间的差值的绝对值，该绝对值即为线性公式在每个样本真空度数据上的误差值，然后将线性公式在每个样本真空度数据上的误差值相加，得到该线性公式的误差值。对于二次方拟合公式和三次方拟合公式，计算误差值的方法同样如此，在此不赘述。
当然，还可以采集另外的一些真空度数据和这些真空度数据对应的实际生产率，来计算各个拟合公式的误差值。
在计算得到每个拟合公式的误差值之后，可以选择误差值最小的拟合公式作为生产率预测公式。
当然，除了误差值之外，在选择生产率预测公式时，还可以考虑拟合公式的泛化能力。
例如，得到三种拟合方式误差值如下：
虽然三次方拟合的误差值最小，但是考虑到二次方拟合和三次方拟合的误差值相差不大，且二次方拟合的泛化能力更好，因此可以采用二次方拟合公式作为生产率预测公式，生产率预测公式为：
y＝1.7549×105×x2-33354×x+1592.2 0.09≤x≤0.096
其中，y为预测的生产率，x为真空度数据。
在采用生产率预测公式和采集到的多个真空度数据预测生产率时，可以先确定真空度数据对应的陶瓷过滤机的状态。若陶瓷过滤机处于正常的工作状态，可以根据上述生产率预测公式计算陶瓷过滤机的预测生产率。若陶瓷过滤机处于故障状态，将故障状态下的生产率记为0。
在本实施例中，对样本真空度数据和生产率进行拟合，得到生产率预测公式，采用该公式，可以根据真空度数据预测陶瓷过滤机的生产率，从而便于安排生产。由于陶瓷过滤机的真空度数据容易获取，因此本实施例中的方法能够简单快速地进行生产率的预测。
图2是本申请另一实施例提供的一种陶瓷过滤机的生产率的预测方法的流程示意图，如图2所示，所述方法包括：
S201，采集所述陶瓷过滤机的多个真空度数据。
具体地，可以采用负压传感器采集陶瓷过滤机的真空度数据。
当需要预测陶瓷过滤机的生产率时，可以每隔预设时间，采集陶瓷过滤机的真空度数据，相当于，采用每个真空度数据反映一个预设时间内的真空度。
S202，分别确定采集每个真空度数据时所述陶瓷过滤机的工作状态。
具体地，陶瓷过滤机的工作状态包括正常工作状态和故障状态，在正常工作状态下，陶瓷过滤机可以对精矿进行脱水；在故障状态下，陶瓷过滤机无法对精矿进行脱水，相当于在故障状态下的生产率为0。
在进行生产率预测时，可能需要预测一段时间内的生产率，在该段时间内，可能陶瓷过滤机有时处于正常工作状态，有时处于故障状态。
因此，需要先确定陶瓷过滤机的工作状态，再预测生产率。
S203，计算所述陶瓷过滤机处于正常工作状态下的真空度平均值。
具体地，确定处于正常工作状态下的真空度数据的个数；计算正常工作状态下的真空度的总和，然后用总和除以个数得到陶瓷过滤机处于正常工作状态下的真空度平均值。
S204，将所述陶瓷过滤机处于正常工作状态下的真空度平均值输入到所述生产率预测公式中，得到所述陶瓷过滤机的工作状态生产率。
将上述真空度平均值输入到生产率预测公式中，可以对陶瓷过滤机正常工作状态的生产率进行预测。
S205，确定所述多个真空度数据包含的真空度数据的第一数量。
具体地，上述数量为采集到的真空度数据的数量。
S206，确定所述陶瓷过滤机处于正常工作状态下的真空度数据的第二数量。
具体地，上述第二数量为在陶瓷过滤机处于正常工作状态下采集到的真空度数量。
S207，计算所述第二数量与所述第一数量的比值。
具体地，计算第二数量与第一数量的比值，该比值相当于陶瓷过滤机处于正常状态下所占的比例。
S208，将所述工作状态生产率与所述比值的乘积作为所述陶瓷过滤机的生产率。
由于故障状态生产率为0，因此工作状态生产率与比值的乘积即可以作为陶瓷过滤机的生产率。
在另一种可能的实现方式中，也可以考虑到陶瓷过滤机的工作状态后，重新确定生产率预测公式为：
y＝(-2.6×105×x2+5×104×x-2.4×103)×(1-Δt0)
其中，y为预测的生产率，x为真空度数据，Δt0为陶瓷过滤机处于故障状态的时间。
这样，每次根据真空度数据和陶瓷过滤机处于故障状态的时间，可以对陶瓷过滤机的生产率进行确定。
本实施例中，在计算陶瓷过滤机生产率时，考虑到了陶瓷过滤机的工作状态，从而使得对陶瓷过滤机的生产率的确定，更符合实际，更为准确。
图3是本申请实施例提供的一种陶瓷过滤机的生产率的预测装置的结构示意图，如图3所示，所述装置包括：
采集模块31，用于采集所述陶瓷过滤机的多个真空度数据；
计算模块32，用于采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到。
上述计算模块32，包括：
样本数据采集子模块，用于在所述陶瓷过滤机正常工作状态下，采集所述陶瓷过滤机的多个样本真空度数据，每个样本真空度数据为一个预设的单位时间内的平均真空度数据；
生产率确定子模块，用于分别确定所述多个样本真空度数据对应的生产率，所述生产率为所述陶瓷过滤机在所述单位时间内产出的滤饼重量；
拟合子模块，用于对所述多个样本真空度数据和所述多个样本真空度数据对应的生产率进行拟合，得到所述生产率预测公式。
上述生产率预测公式为：
y＝1.7549×105×x2-33354×x+1592.2 0.09≤x≤0.096
其中，y为预测的生产率，x为真空度数据。
上述拟合子模块包括：
拟合单元，用于分别对所述多个样本真空度数据和所述多个样本真空度数据对应的生产率进行线性拟合、二次方拟合和三次方拟合，得到线性拟合公式、二次方拟合公式和三次方拟合公式；
误差值计算单元，用于分别计算所述线性拟合公式、所述二次方拟合公式和所述三次方拟合公式的误差值；
确定单元，用于将所述线性拟合公式、所述二次方拟合公式及所述三次方拟合公式中误差值最小的拟合公式，确定为所述生产率预测公式。
上述误差值确定单元包括：
拟合值确定子单元，用于将所述多个样本真空度数据分别输入到所述线性拟合公式、所述二次方拟合公式和所述三次方拟合公式中，得到对应的多个线性拟合值、多个二次方拟合值和多个三次方拟合值；
计算子单元，用于分别计算所述多个线性拟合值、所述多个二次方拟合值和所述多个三次方拟合值与所述多个样本真空度数据对应的生产率的多个第一误差值、多个第二误差值和多个第三误差值；
误差值确定子单元，用于分别将所述多个第一误差值的和、所述多个第二误差值的和及所述多个第三误差值的和，确定为所述线性拟合公式、所述二次方拟合公式及所述三次方拟合公式的误差值。
上述计算模块，包括：
工作状态确定子模块，用于分别确定采集每个真空度数据时所述陶瓷过滤机的工作状态，所述工作状态包括正常工作状态或故障状态；
计算子模块，用于计算所述陶瓷过滤机处于正常工作状态下的真空度平均值；
工作状态生产率获取子模块，用于将所述陶瓷过滤机处于正常工作状态下的真空度平均值输入到所述生产率预测公式中，得到所述陶瓷过滤机的工作状态生产率；
第一数量确定子模块，用于确定所述多个真空度数据包含的真空度数据的第一数量；
第二数量确定子模块，用于确定所述陶瓷过滤机处于正常工作状态下的真空度数据的第二数量；
比值计算子模块，用于计算所述第二数量与所述第一数量的比值；
生产率计算子模块，用于将所述工作状态生产率与所述比值的乘积作为所述陶瓷过滤机的生产率。
上述装置还包括：
报警模块，用于当所述生产率低于预设阈值时，发送报警信息，所述报警信息用于提示对所述陶瓷过滤机进行维护。
图4为本申请一实施例提供的终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意各个方法实施例中的步骤。
所述终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端设备4的举例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41在一些实施例中可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种终端设备，该终端设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种陶瓷过滤机的生产率的预测方法，其特征在于，包括：
采集所述陶瓷过滤机的多个真空度数据；
采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到。
2.如权利要求1所述的方法，其特征在于，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到，包括：
在所述陶瓷过滤机正常工作状态下，采集所述陶瓷过滤机的多个样本真空度数据，每个样本真空度数据为一个预设的单位时间内的平均真空度数据；
分别确定所述多个样本真空度数据对应的生产率，所述生产率为所述陶瓷过滤机在所述单位时间内产出的滤饼重量；
对所述多个样本真空度数据和所述多个样本真空度数据对应的生产率进行拟合，得到所述生产率预测公式。
3.如权利要求1或2所述的方法，其特征在于，所述生产率预测公式为：
y＝1.7549×105×x2-33354×x+1592.2 0.09≤x≤0.096
其中，y为预测的生产率，x为真空度数据。
4.如权利要求2所述的方法，其特征在于，所述对所述多个样本真空度数据和所述多个样本真空度数据对应的生产率进行拟合，得到所述生产率预测公式，包括：
分别对所述多个样本真空度数据和所述多个样本真空度数据对应的生产率进行线性拟合、二次方拟合和三次方拟合，得到线性拟合公式、二次方拟合公式和三次方拟合公式；
分别计算所述线性拟合公式、所述二次方拟合公式和所述三次方拟合公式的误差值；
将所述线性拟合公式、所述二次方拟合公式及所述三次方拟合公式中误差值最小的拟合公式，确定为所述生产率预测公式。
5.如权利要求4所述的方法，其特征在于，所述分别计算所述线性拟合公式、所述二次方拟合公式和所述三次方拟合公式的误差值，包括：
将所述多个样本真空度数据分别输入到所述线性拟合公式、所述二次方拟合公式和所述三次方拟合公式中，得到对应的多个线性拟合值、多个二次方拟合值和多个三次方拟合值；
分别计算所述多个线性拟合值、所述多个二次方拟合值和所述多个三次方拟合值与所述多个样本真空度数据对应的生产率的多个第一误差值、多个第二误差值和多个第三误差值；
分别将所述多个第一误差值的和、所述多个第二误差值的和及所述多个第三误差值的和，确定为所述线性拟合公式、所述二次方拟合公式及所述三次方拟合公式的误差值。
6.如权利要求1-2或4-5任一项所述的方法，其特征在于，所述采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，包括：
分别确定采集每个真空度数据时所述陶瓷过滤机的工作状态，所述工作状态包括正常工作状态或故障状态；
计算所述陶瓷过滤机处于正常工作状态下的真空度平均值；
将所述陶瓷过滤机处于正常工作状态下的真空度平均值输入到所述生产率预测公式中，得到所述陶瓷过滤机的工作状态生产率；
确定所述多个真空度数据包含的真空度数据的第一数量；
确定所述陶瓷过滤机处于正常工作状态下的真空度数据的第二数量；
计算所述第二数量与所述第一数量的比值；
将所述工作状态生产率与所述比值的乘积作为所述陶瓷过滤机的生产率。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
当所述生产率低于预设阈值时，发送报警信息，所述报警信息用于提示对所述陶瓷过滤机进行维护。
8.一种陶瓷过滤机的生产率的预测装置，其特征在于，包括：
采集模块，用于采集所述陶瓷过滤机的多个真空度数据；
计算模块，用于采用预先拟合得到的生产率预测公式和所述多个真空度数据，计算所述陶瓷过滤机的生产率，所述生产率预测公式通过对所述陶瓷过滤机的多个样本真空度数据和每个样本真空度数据对应的生产率进行拟合得到。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110871097.3A CN113627660B (zh) | 2021-07-30 | 2021-07-30 | 一种陶瓷过滤机的生产率的预测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110871097.3A CN113627660B (zh) | 2021-07-30 | 2021-07-30 | 一种陶瓷过滤机的生产率的预测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113627660A true CN113627660A (zh) | 2021-11-09 |
| CN113627660B CN113627660B (zh) | 2023-11-10 |
Family
ID=78381705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110871097.3A Active CN113627660B (zh) | 2021-07-30 | 2021-07-30 | 一种陶瓷过滤机的生产率的预测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627660B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060142888A1 (en) * | 2001-03-05 | 2006-06-29 | Junichi Tanaka | Process monitoring device for sample processing apparatus and control method of sample processing apparatus |
| CN102735567A (zh) * | 2011-04-13 | 2012-10-17 | 中国农业大学 | 牧草中性洗涤纤维含量的测定方法 |
| CN103246212A (zh) * | 2012-02-14 | 2013-08-14 | 欧姆龙株式会社 | 系统控制装置及系统控制方法 |
| CN203862419U (zh) * | 2014-05-28 | 2014-10-08 | 中国矿业大学 | 一种细粒物料离心过滤脱水装置 |
| CN106485094A (zh) * | 2016-11-30 | 2017-03-08 | 华东理工大学 | 一种px氧化反应生产过程代理模型建模方法 |
| US20190154032A1 (en) * | 2015-02-23 | 2019-05-23 | Machinesense, Llc | Real time machine learning based predictive and preventive maintenance of vacuum pump |
| CN212515455U (zh) * | 2020-09-04 | 2021-02-09 | 核工业烟台同兴实业集团有限公司 | 基于物联网技术的过滤机信号监测系统 |
| CN112763213A (zh) * | 2020-12-21 | 2021-05-07 | 核工业烟台同兴实业集团有限公司 | 一种过滤机水环真空泵轴承故障诊断方法 |
-
2021
- 2021-07-30 CN CN202110871097.3A patent/CN113627660B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060142888A1 (en) * | 2001-03-05 | 2006-06-29 | Junichi Tanaka | Process monitoring device for sample processing apparatus and control method of sample processing apparatus |
| CN102735567A (zh) * | 2011-04-13 | 2012-10-17 | 中国农业大学 | 牧草中性洗涤纤维含量的测定方法 |
| CN103246212A (zh) * | 2012-02-14 | 2013-08-14 | 欧姆龙株式会社 | 系统控制装置及系统控制方法 |
| CN203862419U (zh) * | 2014-05-28 | 2014-10-08 | 中国矿业大学 | 一种细粒物料离心过滤脱水装置 |
| US20190154032A1 (en) * | 2015-02-23 | 2019-05-23 | Machinesense, Llc | Real time machine learning based predictive and preventive maintenance of vacuum pump |
| CN106485094A (zh) * | 2016-11-30 | 2017-03-08 | 华东理工大学 | 一种px氧化反应生产过程代理模型建模方法 |
| CN212515455U (zh) * | 2020-09-04 | 2021-02-09 | 核工业烟台同兴实业集团有限公司 | 基于物联网技术的过滤机信号监测系统 |
| CN112763213A (zh) * | 2020-12-21 | 2021-05-07 | 核工业烟台同兴实业集团有限公司 | 一种过滤机水环真空泵轴承故障诊断方法 |
Non-Patent Citations (6)
| Title |
|---|
| AWNI Y. AL-OTOOM: "Prediction of the collection efficiency, the porosity, and the pressure drop across filter cakes in particulate air filtration", 《ATMOSPHERIC ENVIRONMENT》, vol. 39, no. 1, pages 51 - 57 * |
| MANU HUTTUNEN等: "Real-time monitoring of the moisture content of filter cakes in vacuum filters by a novel soft sensor", 《SEPARATION AND PURIFICATION TECHNOLOGY》, vol. 223, pages 282 - 291 * |
| MOSTAFA HOSSEINZADEH等: "Experimental Study and Modeling of Fouling in Immersed Membrane Bioreactor Operating in Constant Pressure Filtration", 《 MATHEMATICAL PROBLEMS IN ENGINEERING》, vol. 2013, pages 1 - 7 * |
| 严保康等: "基于遗传PNN神经网络的真空阀自动调试系统", 仪表技术与传感器, no. 01, pages 60 - 64 * |
| 袁达忠等: "板框过滤过程及其实验研究", 《过滤与分离》, pages 12 - 15 * |
| 陈有文等: "陶瓷过滤机升降式超声波清洗 装置的设计与应用", 《南方金属》, pages 47 - 49 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113627660B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3106249B2 (ja) | インパルス管路閉塞検出装置および方法 | |
| US9314742B2 (en) | Method and system for reverse osmosis predictive maintenance using normalization data | |
| CN107583467B (zh) | 一种测试反渗透膜的方法及装置 | |
| CN114849316B (zh) | 一种智能化反冲洗过滤的自动控制系统 | |
| Kau et al. | Dynamics of deep-bed filtration: Velocity, depth, and media | |
| JP2004511790A (ja) | 流れの中の高密度の粒状物質の濃度を測定するための装置及びこれを含む水処理システム | |
| RU2011110378A (ru) | Классифицированная каталитическая композиция, устройство и способ | |
| CN113627660A (zh) | 一种陶瓷过滤机的生产率的预测方法和装置 | |
| US12022985B2 (en) | Method and device for controlling robot cleaner, robot cleaner and storage medium | |
| JPWO2019058719A1 (ja) | クーラント液処理システム及びフロート式逆止弁 | |
| CN100571851C (zh) | 稳定的膜过滤流量的推定方法 | |
| CN115615885B (zh) | 一种尾砂絮凝沉降智能分析方法和系统 | |
| CN204514685U (zh) | 矿浆在线监测预处理装置 | |
| Nam et al. | Interpretation and diagnosis of fouling progress in membrane bioreactor plants using a periodic pattern recognition method | |
| Verma et al. | Evaluation of a pilot-scale, plate-and-frame filter press for dewatering thickener underflow slurries from bituminous coal-cleaning plants | |
| Kängsepp et al. | Performance and operating experiences of the first Scandinavian full-scale discfilter installation for tertiary phosphorus polishing with preceding coagulation and flocculation | |
| CN117233044A (zh) | 一种泥石流固-液分界粒径的确定方法 | |
| JP2013193075A (ja) | 淡水化システム | |
| CN109374624A (zh) | 透水路面堵塞检测方法及系统 | |
| KR102235336B1 (ko) | 이수 순환 시스템의 장비 고장 예측 장치 및 방법 | |
| Banisi et al. | Feed dilution-based design of a thickener for refuse slurry of a coal preparation plant | |
| CN105874393B (zh) | 用于引导流体的生产系统的监控系统和方法 | |
| JPS5855012A (ja) | スラリ−の固液分離装置 | |
| Shi et al. | Study on optimal start-up time and water usage volume of blowdown residue discharge of mesh filter | |
| RU2675907C2 (ru) | Устройство для вакуумной фильтрации взвешенных компонентов природной воды |
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 |