CN113670790B - 一种确定陶瓷过滤机的工作状态的方法和装置 - Google Patents
一种确定陶瓷过滤机的工作状态的方法和装置 Download PDFInfo
- Publication number
- CN113670790B CN113670790B CN202110872514.6A CN202110872514A CN113670790B CN 113670790 B CN113670790 B CN 113670790B CN 202110872514 A CN202110872514 A CN 202110872514A CN 113670790 B CN113670790 B CN 113670790B
- Authority
- CN
- China
- Prior art keywords
- ceramic filter
- historical
- vacuum
- state
- vacuum degree
- 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.)
- Active
Links
- 239000000919 ceramic Substances 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013145 classification model Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 17
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 abstract description 3
- 239000011707 mineral Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 239000012530 fluid Substances 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000007788 liquid Substances 0.000 description 8
- 239000012141 concentrate Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000001012 protector Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000001035 drying Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005188 flotation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003828 vacuum filtration Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 208000005156 Dehydration Diseases 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012065 filter cake Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement 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
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000002562 thickening agent Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D37/00—Processes of filtration
- B01D37/04—Controlling the filtration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L21/00—Vacuum gauges
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N2015/084—Testing filters
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Filtering Of Dispersed Particles In Gases (AREA)
- Filtration Of Liquid (AREA)
Abstract
本申请适用于矿物开采技术领域,提供了一种确定陶瓷过滤机的工作状态的方法和装置,所述方法包括:监测陶瓷过滤机的实时真空度数据;采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态,所述工作状态包括正常状态或故障状态,所述正常状态包括正常真空度状态或正常清洗状态,所述故障状态包括无真空状态或低真空度状态;其中,所述故障分类模型通过对所述陶瓷过滤机的多个历史真空度数据及所述多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到。通过上述方法,能够采用真空度数据确定陶瓷过滤机的工作状态。
Description
技术领域
本申请属于矿物开采技术领域,尤其涉及一种确定陶瓷过滤机的工作状态的方法和装置。
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。
当陶瓷过滤机发生故障时,会影响陶瓷过滤机的产能和质量;特别地,由于陶瓷板碎裂没有及时发现而造成一系列陶瓷片碎裂,最终造成爬架变形,不能开机,进而造成浓密机压死,生产中断。
因此,及时发现陶瓷过滤机的故障非常有必要。
发明内容
本申请实施例提供了一种确定陶瓷过滤机的工作状态的方法和装置,可以根据真空度数据确定陶瓷过滤机的工作状态。
第一方面,本申请实施例提供了一种确定陶瓷过滤机的工作状态的方法,包括:
监测陶瓷过滤机的实时真空度数据;
采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态,所述工作状态包括正常状态或故障状态,所述正常状态包括正常真空度状态或正常清洗状态,所述故障状态包括无真空状态或低真空度状态;
其中,所述故障分类模型通过对所述陶瓷过滤机的多个历史真空度数据及所述多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到。
第二方面,本申请实施例提供了一种确定陶瓷过滤机的工作状态的装置,包括:
监测模块,用于监测陶瓷过滤机的实时真空度数据;
确定模块,用于采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态,所述工作状态包括正常状态或故障状态,所述正常状态包括正常真空度状态或正常清洗状态,所述故障状态包括无真空状态或低真空度状态;
其中,所述故障分类模型通过对所述陶瓷过滤机的多个历史真空度数据及所述多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到。
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历史真空度数据及多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督的训练,可以得到故障分类模型,从而可以采用实时监测到的真空度数据和上述故障分类模型来预测陶瓷过滤机的工作状态,及时发现陶瓷过滤机工作过程中出现的故障,有助于及时地对陶瓷过滤机进行维护。
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是本申请实施例提供的一种确定陶瓷过滤机的工作状态的方法的流程示意图;
图2是本申请实施例提供的陶瓷过滤机真空度正常时真空度曲线的示意图;
图3是本申请实施例提供的陶瓷过滤机设备清洗时真空度曲线的示意图;
图4是本申请实施例提供的陶瓷过滤机无真空故障时真空度曲线的示意图;
图5是本申请实施例提供的陶瓷过滤机真空度低故障时真空度曲线的示意图;
图6是本申请实施例提供的一种确定陶瓷过滤机的工作状态的装置的结构示意图;
图7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。真空过滤是将悬浮在液体或气体中的固体颗粒分离出来的一种工艺,其利用真空泵造成过滤介质两侧有一定的压力差,在此推动力作用下,悬浮液的液体通过滤布,而固体颗粒呈饼层状沉积在滤布的上游一侧。对于陶瓷真空过滤机,其过滤的精矿水分的干净程度取决于真空度。
当陶瓷过滤机故障时,例如陶瓷过滤板漏气、真空管路漏气,都会影响陶瓷过滤机的真空度,因此,在判断陶瓷过滤机是否故障时,可以基于陶瓷过滤机的真空度数据进行判断。
图1是本申请实施例提供的一种确定陶瓷过滤机的工作状态的方法的流程示意图,如图1所示,所述方法包括:
S101,监测陶瓷过滤机的实时真空度数据。
本实施例的执行主体为终端设备,具体地,可以为计算机等设备。具体地,终端设备中可以包括陶瓷过滤机真空度监测系统。
具体地,陶瓷过滤机包括真空系统,真空系统一般由陶瓷过滤板、集液管、分配头、真空区管、干燥区管、阀门、真空桶、真空泵、控制系统等构成,其作用是保证陶瓷过滤机工作时系统内具有较高的真空,提高陶瓷过滤板的吸浆能力及对滤饼的干燥能力。
上述陶瓷过滤机的实时真空度数据,具体可以为陶瓷过滤机的陶瓷过滤板内腔的实时真空度数据。
具体地,上述真空度数据可以真空度传感器或者负压传感器进行测量。例如,可以采用陶瓷过滤机的负压值作为真空度数据。采用预设的负压传感器每个预设时间采集陶瓷过滤机的负压值;将采集到的负压值作为陶瓷过滤机的实时真空度数据。
S102,采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态。
具体地,上述工作状态包括正常状态或故障状态,上述正常状态包括正常真空度状态或正常清洗状态,上述故障状态包括无真空状态或低真空度状态。
具体地,上述故障分类模型通过对陶瓷过滤机的多个历史真空度数据及多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到。
具体地,故障分类模型的训练过程为:采集陶瓷过滤机的多个历史真空度数据;确定每个历史真空度数据对应的陶瓷过滤机的历史工作状态;采用多个历史真空度数据和每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态,对预设的支撑向量机(SVM,Support vector machine)模型进行有监督训练,得到针对陶瓷过滤机的故障分类模型。本文采取支撑向量机的方法进行模型的分类,支持向量机在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。
在进行模型训练时,可以将多个历史真空度数据和每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态处理为多个特征向量;然后确定每个特征向量对应的标记值,标记值用于表示在采集特征向量对应的历史真空度数据时陶瓷过滤机的工作状态;再采用多个特征向量和每个特征向量对应的标记值对支撑向量机模型进行有监督训练,得到故障分类模型。
具体地,可以根据真空度数据确定陶瓷过滤机的工作状态。图2是本申请实施例提供的陶瓷过滤机真空度正常时(即正常真空度状态)真空度曲线的示意图,如图2所示,在正常真空状态下,陶瓷过滤机正常工作,陶瓷过滤板的真空度维持较高的压差,其真空度数值维持在-0.095Mpa附近;图3是本申请实施例提供的陶瓷过滤机设备清洗时(即正常清洗状态)真空度曲线的示意图,从图3中可以看出,陶瓷过滤机正常清洗时真空度数值在-0.004Mpa~-0.006Mpa区间内,这主要是因为在清洗时的清洗反向压力所致;图4是本申请实施例提供的陶瓷过滤机无真空故障时(即无真空状态)真空度曲线的示意图,如图4所示,当陶瓷过滤机处于无真空状态时,陶瓷过滤机故障,真空度数值接近于0,这主要是由于真空泵不工作等原因造成无真空的情况;图5是本申请实施例提供的陶瓷过滤机真空度低故障时(即低真空度状态)时真空度曲线的示意图,如图5所示,陶瓷过滤机出现处于低真空状态时,真空度数据明显低于-0.09Mpa,在此真空度下进行工作会造成陶瓷过滤机固液分离速度较慢,水分含量高。
因此,可以预先设置四个不同区间,用于根据真空度数据区分不同的工作状态。例如,将第一区间设置为[-0.094Mpa,-0.096Mpa];将第二区间设置为[-0.006Mpa,-0.004Mpa];将第三区间设置为{0};将第四区间设置为[-0.09Mpa,-0.006Mpa]。
若历史真空度数据位于预设的第一区间,则确定历史真空度数据对应的陶瓷过滤机的历史工作状态为正常真空度状态;若历史真空度数据位于预设的第二区间,则确定历史真空度数据对应的陶瓷过滤机的历史工作状态为正常清洗状态;若历史真空度数据位于预设的第三区间,则确定历史真空度数据对应的陶瓷过滤机的历史工作状态为无真空状态;若历史真空度数据位于预设的第四区间,则确定历史真空度数据对应的陶瓷过滤机的历史工作状态为低真空度状态。
具体地,可以将正常真空度状态,正常清洗状态,无真空状态和低真空度状态的状态值分别设置为1,2,3和4;此时真空度数据变为一个具有真空值和状态值的特征向量。
另外,存在一种状况:由于测量不准或者其他突发因素,陶瓷过滤机可能在某一时刻的真空度数据值异常,但是陶瓷过滤机无故障。为了避免在这种状况下,对陶瓷过滤机的工作状态判断失误,可以设置一个时长范围,根据预设时长范围内的多个实时真空度数据,生成陶瓷过滤机的实时真空度数据曲线,然后将实时真空度数据曲线用于输入至故障分类模型中,以得到故障分类模型输出的陶瓷过滤机当前的工作状态。
另外,若陶瓷过滤机的工作状态为无真空状态或低真空度状态,则输出与无真空状态或低真空度状态相对应的故障解决方案信息。
当陶瓷过滤机的工作状态为无真空状态时,陶瓷过滤机可能存在以下故障:
真空泵反运转工作不能产生真空,原因是真空泵电动机接线时没注意运转方向,或者是其它工作检修时无意识换相。
真空泵开机无声音,不工作。这时应先检查供电是否正常,检查电动机线路是否断路。
真空泵开机保安器跳闸。产生原因有绕组短路、电机过载、排气压力过高、工作液过高。应检查电机绕组,可降低工作液流量,降低排气压力。
真空泵开机有嗡嗡声,不工作。主要原因有:①真空泵电动机一根接线断,电机转子堵转。②电机轴承故障。③叶轮故障。
真空泵轴封损坏不能工作。
真空泵无补充工作液。陶瓷过滤机常用配套真空泵为水环式真空泵,是依据水环原理运转,叶轮置于相对转子轴线偏心安装的泵体内,泵启动后,形成与泵体同心的液环,叶轮传递功率给液环,当真空泵无补充工作液时,真空泵就无法形成真空,另外真空泵无补充工作液运转会造成密封烧坏。
陶瓷过滤机真空塑料管路老化引起吸瘪造成真空管路堵塞或异物堵塞。
当陶瓷过滤机的工作状态为低真空度状态时,陶瓷过滤机可能会出现以下故障:
陶瓷过滤板漏气。主要原因有:①陶瓷过滤机工作时,由于陶瓷过滤板破裂,空气通过破裂的陶瓷过滤板大量进入真空系统,影响系统真空度。②陶瓷过滤板孔径偏大。③矿浆温度高,陶瓷过滤板毛细压力降低。
集液管漏气。一方面可能因集液管路安装、连接不到位引起漏气,另一方面可能是腐蚀、焊接应力引起开裂导致漏气。
分配头漏气。一是分配头与主轴安装连接不到位时产生漏气。二是分配头静环和分配头磨擦片动环之间进入杂质磨损而漏气。三是压紧力不够,反冲清洗压力较大,使静环与动环分开而漏气。
真空管路漏气。主要是真空管路连接处或真空塑料管路损伤。
真空泵流量偏小,不能满足真空系统要求,可采用流量大一级的真空泵。
真空泵工作液流量太小,不能满足真空泵要求,可采用加大工作液流量来解决。
真空泵工作液温度过高,影响真空泵工作。可对工作液冷却或加大工作液流量。
另外,可以根据陶瓷过滤机故障的出现频率,在终端设备中,设置故障排查的优先级,在确定陶瓷过滤机处于故障状态时,可以根据设置的优先级对陶瓷过滤机的各个器件进行检查。例如,陶瓷过滤机无真空状态时,最可能出现的故障为真空泵的运转方向错误,因此当陶瓷过滤机处于无真空状态时,可以优先检查真空泵的运转方向是否正常;当真空泵的运转方向正常时,再检查真空泵的开机保安器是否跳闸;若真空泵的开机保安器没有跳闸,则下一步去检测真空泵是否有补充工作液。以此类推,按照优先级对陶瓷过滤机的各个部件进行检查,直到确定陶瓷过滤机的具体故障位置,然后输出该故障和该故障对应的故障解决方案信息。
在本实施例中,根据历史真空度数据和历史真空度所对应的工作状态可以训练出故障分类模型,然后采用故障分类模型和实时监测到的真空度数据,对陶瓷过滤机的实时工作状态进行监测,从而能够及时发现陶瓷过滤机的故障,对陶瓷过滤机进行维护,本实施例中,由于真空度的检测相较于对陶瓷过滤机的检测要方便得多,因此采用真空度数据判断陶瓷过滤机的工作状态,使得操作简单,且能及时发现陶瓷过滤机的故障。
图6是本申请实施例提供的一种确定陶瓷过滤机的工作状态的装置的结构示意图;
监测模块61,用于监测陶瓷过滤机的实时真空度数据;
确定模块62,用于采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态,所述工作状态包括正常状态或故障状态,所述正常状态包括正常真空度状态或正常清洗状态,所述故障状态包括无真空状态或低真空度状态;
其中,所述故障分类模型通过对所述陶瓷过滤机的多个历史真空度数据及所述多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到。
上述确定模块66包括:
历史数据采集子模块,用于采集所述陶瓷过滤机的多个历史真空度数据;
历史工作状态确定子模块,用于确定每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态;
模型训练子模块,用于采用所述多个历史真空度数据和所述每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态,对预设的支撑向量机模型进行有监督训练,得到针对所述陶瓷过滤机的故障分类模型。
上述历史数据采集子模块包括:
负压值采集单元,用于采用预设的负压传感器采集所述陶瓷过滤机的多个负压值;
确定单元,用于将所述多个负压值作为所述陶瓷过滤机的多个历史真空度数据。
上述历史工作状态确定子模块,包括:
第一确定单元,用于若所述历史真空度数据位于预设的第一区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为正常真空度状态;
第二确定单元,用于若所述历史真空度数据位于预设的第二区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为正常清洗状态;
第三确定单元,用于若所述历史真空度数据位于预设的第三区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为无真空状态;
第四确定单元,用于若所述历史真空度数据位于预设的第四区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为低真空度状态。
上述训练子模块,包括:
特征向量确定单元,用于将所述多个历史真空度数据和所述每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态处理为多个特征向量;
标记值确定单元,用于确定每个特征向量对应的标记值,所述标记值用于表示在采集所述特征向量对应的历史真空度数据时所述陶瓷过滤机的工作状态;
分类模型确定单元,用于采用所述多个特征向量和所述每个特征向量对应的标记值对所述支撑向量机模型进行有监督训练,得到所述故障分类模型。
所述装置还包括:
真空度数据曲线建立模块,用于根据预设时长范围内的多个实时真空度数据,生成所述陶瓷过滤机的实时真空度数据曲线,所述实时真空度数据曲线用于输入至所述故障分类模型,以得到所述故障分类模型输出的所述陶瓷过滤机当前的工作状态。
上述装置还包括:
故障解决方案信息输出模块,用于若所述工作状态为所述无真空状态或所述低真空度状态,则输出与所述无真空状态或所述低真空度状态相对应的故障解决方案信息。
图7是本申请实施例提供的一种终端设备的结构示意图。如图7所示,该实施例的终端设备7包括:至少一个处理器70(图7中仅示出一个)处理器、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72,所述处理器70执行所述计算机程序72时实现上述任意各个方法实施例中的步骤。
所述终端设备7可以是桌上型计算机、服务器等计算设备。该终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的举例,并不构成对终端设备7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70可以是中央处理单元(Central Processing Unit,CPU),该处理器70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71在一些实施例中可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述终端设备7的外部存储设备,例如所述终端设备7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71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71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71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。
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 (6)
1.一种确定陶瓷过滤机的工作状态的方法,其特征在于,包括:
监测陶瓷过滤机的实时真空度数据;
采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态,所述工作状态包括正常状态或故障状态,所述正常状态包括正常真空度状态或正常清洗状态,所述故障状态包括无真空状态或低真空度状态,所述实时真空度数据为所述陶瓷过滤机的陶瓷过滤板内腔的实时真空度数据,所述真空度数据为真空度传感器或者负压传感器测量得到;
其中,所述故障分类模型通过对所述陶瓷过滤机的多个历史真空度数据及所述多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到;
所述故障分类模型通过对所述陶瓷过滤机的多个历史真空度数据及所述多个历史真空度数据对应的陶瓷过滤机的工作状态进行有监督训练得到,包括:
采集所述陶瓷过滤机的多个历史真空度数据;
确定每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态;
采用所述多个历史真空度数据和所述每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态,对预设的支撑向量机模型进行有监督训练,得到针对所述陶瓷过滤机的故障分类模型;
所述确定每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态,包括:
若所述历史真空度数据位于预设的第一区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为正常真空度状态;
若所述历史真空度数据位于预设的第二区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为正常清洗状态;
若所述历史真空度数据位于预设的第三区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为无真空状态;
若所述历史真空度数据位于预设的第四区间,则确定所述历史真空度数据对应的所述陶瓷过滤机的历史工作状态为低真空度状态,其中,将第一区间设置为[-0.094Mpa,-0.096Mpa];将第二区间设置为[-0.006Mpa,-0.004Mpa];将第三区间设置为[0];将第四区间设置为[-0.09Mpa,-0.006Mpa]。
2.如权利要求1所述的方法,其特征在于,所述采用所述多个历史真空度数据和所述每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态,对预设的支撑向量机模型进行有监督训练,得到针对所述陶瓷过滤机的故障分类模型,包括:
将所述多个历史真空度数据和所述每个历史真空度数据对应的所述陶瓷过滤机的历史工作状态处理为多个特征向量;
确定每个特征向量对应的标记值,所述标记值用于表示在采集所述特征向量对应的历史真空度数据时所述陶瓷过滤机的工作状态;
采用所述多个特征向量和所述每个特征向量对应的标记值对所述支撑向量机模型进行有监督训练,得到所述故障分类模型。
3.如权利要求1-2任一项所述的方法,其特征在于,在监测所述陶瓷过滤机的实时真空度数据之后,还包括:
根据预设时长范围内的多个实时真空度数据,生成所述陶瓷过滤机的实时真空度数据曲线,所述实时真空度数据曲线用于输入至所述故障分类模型,以得到所述故障分类模型输出的所述陶瓷过滤机当前的工作状态。
4.如权利要求3所述的方法,其特征在于,在采用预先训练得到的故障分类模型和所述实时真空度数据,确定所述陶瓷过滤机的工作状态之后,还包括:
若所述工作状态为所述无真空状态或所述低真空度状态,则输出与所述无真空状态或所述低真空度状态相对应的故障解决方案信息。
5.一种终端设备,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4任一项所述的方法。
6.一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4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110872514.6A CN113670790B (zh) | 2021-07-30 | 2021-07-30 | 一种确定陶瓷过滤机的工作状态的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110872514.6A CN113670790B (zh) | 2021-07-30 | 2021-07-30 | 一种确定陶瓷过滤机的工作状态的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113670790A CN113670790A (zh) | 2021-11-19 |
CN113670790B true CN113670790B (zh) | 2024-03-22 |
Family
ID=78540887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110872514.6A Active CN113670790B (zh) | 2021-07-30 | 2021-07-30 | 一种确定陶瓷过滤机的工作状态的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113670790B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201076795Y (zh) * | 2007-06-14 | 2008-06-25 | 高彬 | 一种工作区域封闭的加压陶瓷过滤机 |
CN203469643U (zh) * | 2013-07-30 | 2014-03-12 | 宝钢集团新疆八一钢铁有限公司 | 改进的陶瓷过滤机真空泵系统 |
CN203634926U (zh) * | 2013-12-25 | 2014-06-11 | 金川集团股份有限公司 | 一种陶瓷过滤机自动排液装置 |
WO2016086360A1 (en) * | 2014-12-02 | 2016-06-09 | Abb Technology Ltd | Wind farm condition monitoring method and system |
CN109218114A (zh) * | 2018-11-12 | 2019-01-15 | 西安微电子技术研究所 | 一种基于决策树的服务器故障自动检测系统及检测方法 |
CN109632355A (zh) * | 2018-12-20 | 2019-04-16 | 广州航天海特系统工程有限公司 | 基于机电设备状态数据漂移的故障预测方法及系统 |
CN109657982A (zh) * | 2018-12-20 | 2019-04-19 | 三重能有限公司 | 一种故障预警方法及装置 |
CN110704964A (zh) * | 2019-09-16 | 2020-01-17 | 中国神华能源股份有限公司国华电力分公司 | 汽轮机运行状态诊断方法、装置及电子设备、存储介质 |
CN110705609A (zh) * | 2019-09-16 | 2020-01-17 | 中国神华能源股份有限公司国华电力分公司 | 引风机运行状态诊断方法、装置及电子设备、存储介质 |
CN111306142A (zh) * | 2020-02-25 | 2020-06-19 | 太原理工大学 | 一种液压泵空化状态检测系统 |
CN212327610U (zh) * | 2020-05-11 | 2021-01-12 | 湖北三鑫金铜股份有限公司 | 一种陶瓷过滤机滤板破损监控系统 |
JP6845368B1 (ja) * | 2020-09-03 | 2021-03-17 | 東京瓦斯株式会社 | Lng受入サンプリングシステムの運用訓練方法、運用訓練装置、及び運用訓練プログラム |
CN212844140U (zh) * | 2020-10-16 | 2021-03-30 | 昕净洁(江苏)能源科技有限公司 | 一种基于测量电场强度的真空度在线智能预警系统 |
CN113177537A (zh) * | 2021-06-29 | 2021-07-27 | 湖北博华自动化系统工程有限公司 | 一种旋转机械设备的故障诊断方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180364135A1 (en) * | 2017-06-20 | 2018-12-20 | Thomson Licensing | Appliance failure prediction |
US10962968B2 (en) * | 2018-04-12 | 2021-03-30 | Saudi Arabian Oil Company | Predicting failures in electrical submersible pumps using pattern recognition |
-
2021
- 2021-07-30 CN CN202110872514.6A patent/CN113670790B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201076795Y (zh) * | 2007-06-14 | 2008-06-25 | 高彬 | 一种工作区域封闭的加压陶瓷过滤机 |
CN203469643U (zh) * | 2013-07-30 | 2014-03-12 | 宝钢集团新疆八一钢铁有限公司 | 改进的陶瓷过滤机真空泵系统 |
CN203634926U (zh) * | 2013-12-25 | 2014-06-11 | 金川集团股份有限公司 | 一种陶瓷过滤机自动排液装置 |
WO2016086360A1 (en) * | 2014-12-02 | 2016-06-09 | Abb Technology Ltd | Wind farm condition monitoring method and system |
CN109218114A (zh) * | 2018-11-12 | 2019-01-15 | 西安微电子技术研究所 | 一种基于决策树的服务器故障自动检测系统及检测方法 |
CN109632355A (zh) * | 2018-12-20 | 2019-04-16 | 广州航天海特系统工程有限公司 | 基于机电设备状态数据漂移的故障预测方法及系统 |
CN109657982A (zh) * | 2018-12-20 | 2019-04-19 | 三重能有限公司 | 一种故障预警方法及装置 |
CN110704964A (zh) * | 2019-09-16 | 2020-01-17 | 中国神华能源股份有限公司国华电力分公司 | 汽轮机运行状态诊断方法、装置及电子设备、存储介质 |
CN110705609A (zh) * | 2019-09-16 | 2020-01-17 | 中国神华能源股份有限公司国华电力分公司 | 引风机运行状态诊断方法、装置及电子设备、存储介质 |
CN111306142A (zh) * | 2020-02-25 | 2020-06-19 | 太原理工大学 | 一种液压泵空化状态检测系统 |
CN212327610U (zh) * | 2020-05-11 | 2021-01-12 | 湖北三鑫金铜股份有限公司 | 一种陶瓷过滤机滤板破损监控系统 |
JP6845368B1 (ja) * | 2020-09-03 | 2021-03-17 | 東京瓦斯株式会社 | Lng受入サンプリングシステムの運用訓練方法、運用訓練装置、及び運用訓練プログラム |
CN212844140U (zh) * | 2020-10-16 | 2021-03-30 | 昕净洁(江苏)能源科技有限公司 | 一种基于测量电场强度的真空度在线智能预警系统 |
CN113177537A (zh) * | 2021-06-29 | 2021-07-27 | 湖北博华自动化系统工程有限公司 | 一种旋转机械设备的故障诊断方法及系统 |
Non-Patent Citations (4)
Title |
---|
Analysis of factors affecting milking claw vacuum levels using a simulated milking device;Masafumi E, et al;《Animal science Journal》;第87卷(第6期);第848-854页 * |
吴伯明,等.陶瓷过滤机真空系统常见问题分析.《矿冶工程》.2011,第31卷(第05期),第63-65页. * |
陶瓷过滤机真空抽滤系统故障分析及改造;王新华;《现代矿业》;第34期(第01期);第196-198页 * |
陶瓷过滤机真空系统常见问题分析;吴伯明,等;《矿冶工程》;第31卷(第05期);第63-65页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113670790A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102565077B (zh) | 基于机器视觉的输送带纵向撕裂自动检测方法 | |
CN109469896B (zh) | 一种基于时间序列分析工业锅炉故障的诊断方法及系统 | |
CN103122862A (zh) | 液体泄漏监测装置 | |
CN115712268A (zh) | 一种电子产品辅料自动贴合装置用故障预警系统 | |
CN113670790B (zh) | 一种确定陶瓷过滤机的工作状态的方法和装置 | |
CN110925182B (zh) | 热轧产线除鳞泵振动劣化的预警方法 | |
CN105604953A (zh) | 一种基于振动优化的多级泵叶轮错位布置方法 | |
CN113627885A (zh) | 一种电网供电异常监测系统及其监测方法 | |
CN112814890A (zh) | 一种基于声纹和震动检测泵机故障的方法 | |
CN110208027B (zh) | 混凝土生产设备在线故障检测方法及检测系统 | |
CN109633512B (zh) | 一种全光纤电流互感器故障诊断方法及装置 | |
CN108212513A (zh) | 一种温控检测的永磁圆筒磁选机 | |
CN104947382B (zh) | 洗衣机及洗衣机的排水判断方法 | |
CN110618905B (zh) | 一种检测ddr内存模块中异常ddr内存的方法 | |
KR102180148B1 (ko) | 가공기 툴의 예지 보전방법 | |
CN212759788U (zh) | 一种pvc管材定型台的真空报警剔除系统 | |
CN117469152B (zh) | 流体泵异常检测方法、装置、电子设备和存储介质 | |
CN114661500A (zh) | 一种机器人故障检测方法、系统及终端设备 | |
CN209430385U (zh) | 一种饲料生产用空压机控制装置 | |
CN117710364B (zh) | 一种基于机器视觉的抗磨液压油除杂全流程分析管理系统 | |
CN108255122A (zh) | 湿喷机智能保护系统及方法 | |
CN209148659U (zh) | 一种无味乳液voc在线监控系统 | |
Bagheri et al. | Failure Prediction of Multimedia Filters by Using a Hybrid Clustering Method | |
CN115562156A (zh) | 钢材剪切加工过程中作业工时的实时采集方法和装置 | |
CN107357169B (zh) | 一种屏蔽干扰信号的自动化控制模型 |
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 |