CN114000178B - 一种电解槽极板的故障检测方法及其装置、终端和可读存储介质 - Google Patents
一种电解槽极板的故障检测方法及其装置、终端和可读存储介质 Download PDFInfo
- Publication number
- CN114000178B CN114000178B CN202111422498.7A CN202111422498A CN114000178B CN 114000178 B CN114000178 B CN 114000178B CN 202111422498 A CN202111422498 A CN 202111422498A CN 114000178 B CN114000178 B CN 114000178B
- Authority
- CN
- China
- Prior art keywords
- magnetic field
- polar plate
- field intensity
- value
- detection
- 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
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C7/00—Constructional parts, or assemblies thereof, of cells; Servicing or operating of cells
- C25C7/06—Operating or servicing
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Abstract
本发明公开了一种电解槽极板的故障检测方法及其装置、终端和可读存储介质,所述检查方法包括:获取电解槽内每块极板周围某一特定位置上,包含当前及历史时刻的磁场强度序列;基于holt预测模型,结合每块极板对应的磁场强度序列,计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值;对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。通过上述方法,本发明直接探查磁场变化实现故障极板检测,可以有效缩减极板故障检测时间,提高检测效率。
Description
技术领域
本发明属于电解槽故障检测技术领域,具体涉及一种电解槽极板的故障检测方法及其装置、终端和可读存储介质。
背景技术
电解法是工业上金属提纯的主要方法。在电解过程中,电解槽中阴阳极板并列交替布置。电解过程中极板易发生“冷板”与“短路”等故障。由于工人排板失误、极板接触失效等原因,导致极板无电流(或小电流)通过,降低了电解的工作效率,称为冷板;由于极板间电流分布不均、阳极泥粘附等原因导致阴极板结瘤生长,造成阳极-阴极短路。短路电极不仅导致极板发热,以热量形式消耗进而损耗能量,而且对阴极金属品位产生严重影响。提早发现并排除电解槽内极板故障是槽面管理的关键工作,具有重要的经济与工艺意义。
其中,极板电流变化是极板故障最明显且直接的表现,直接影响极板周围磁场、极板导电棒表面温度。本领域常用的自动故障检测方法是采用红外热图像技术,但这种热红外图像的故障检测技术由于极板出现故障后,极板电流的变化需要通过极板发热引起温度变化,导致该类检测方式具有很大滞后性。
发明内容
本发明的目的是针对基于红外热图像技术的极板故障检测方法存在滞后性的问题,提供一种电解槽极板的故障检测方法及其装置、终端和可读存储介质,本发明所述检测方法利用故障极板的周围磁场会发生变化的特征,对极板的周围磁场强度以及磁场强度趋势估计值进行模糊分析,实现电解槽内极板的故障检测。其中,通过直接探查磁场变化实现故障极板检测,可以有效缩减极板故障检测时间,提高检测效率。
一方面,本发明提供一种电解槽极板的故障检测方法,其包括以下步骤:
获取电解槽内每块极板周围某一特定位置上,包含当前及历史时刻的磁场强度序列;
基于holt预测模型,结合每块极板对应的磁场强度序列,计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值;
对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。
进一步地,所述holt预测模型包括水平估计方程、趋势估计方程以及预测方程,具体如下:
水平估计方程:si=αxi-1+(1-α)(si-1+ti-1)
进一步地,所述holt预测模型中水平估计平滑系数、趋势估计平滑系数以及阻尼系数的获取过程如下:
利用电解槽内每块极板对应的历史磁场强度序列,并依据所述水平估计方程、趋势估计方程以及预测方程计算出所述历史磁场强度序列中历史时刻下磁场强度的模型预测值;
依据同一极板、同一时刻下磁场强度的模型预测值与所述历史强度序列中磁场强度的实际值,调整及确定所述holt预测模型中水平估计平滑系数、趋势估计平滑系数以及阻尼系数。
进一步地,所述方法还包括:获取每块极板对应的磁场强度置信区间,再判断每块极板的磁场强度是否在对应的置信区间内,若不在,对所述极板进行告警。
进一步地,所述方法还包括:获取每块极板对应的磁场强度置信区间,再判断每块极板对应的所述未来时刻的磁场强度预测值是否在对应的置信区间内,若不在,对所述极板进行告警。
进一步地,所述方法还包括:获取每块极板对应的磁场强度趋势估计值的置信区间,再判断每块极板的所述磁场强度趋势估计值是否在对应的置信区间内,若不在,对所述极板进行告警。
第二方面,本发明提供一种基于上述检测方法的装置,其至少包括:电磁检测计、检测平台、移动检测车以及轨道;
其中,所述检测平台设置在所述移动检测车上,所述电磁检测计设置在所述检测平台上,所述移动检测车沿着轨道运动,在所述移动检测车、轨道以及检测平台的相对运动下,所述电磁检测计检测每块极板的所述特定位置上的磁场强度信息;
利用所述电磁检测计采集的磁场强度信息,并按照上述电解槽极板的故障检测方法实现故障极板检测。
进一步地,所述特定位置为顶部时,所述轨道设置在电解槽两侧,所述轨道上设有位置开关,每一个电解槽对一组位置开关,所述移动检测车位于所述电解槽上方,并沿着轨道实现竖直移动;所述检测平台安装在移动检测车上,沿所述移动检测车垂直于轨道方向水平移动。
第三方面,本发明提供一种终端,其包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序以实现:
一种电解槽极板的故障检测方法的步骤。
第四方面,本发明提供一种可读存储介质,其存储了计算机程序,所述计算机程序被处理器调用以实现:
一种电解槽极板的故障检测方法的步骤。
有益效果
1.本发明提供的一种电解槽极板的故障检测方法,其直接探测极板周围的磁场实现极板故障自动检测,其中,磁场是电流的直接相关量,因此本发明的检查方法可以有效解决热红外技术存在的滞后性问题,提高检测效率,有效缩短了极板故障检测时间。
2.本发明为了通过构建holt预测模型得到未来时刻的磁场强度预测值以及磁场强度趋势估计值,并利用未来时刻的磁场强度预测值以及磁场强度趋势估计值进行模糊分析得到极板故障检测结果,其中,Holt模型计算简单,能充分利用历史的数据信息,非常适用于一些随时间连续变化的数据的预测问题,预测结果可靠。再者,磁场强度趋势估计值,类似于梯度,但比梯度更加稳健,不易受噪声干扰,可以反应磁场变化剧烈程度(绝对值越大说明越剧烈)和变化方向(正为上升,负为下降),间接反应了故障恶化的速度,磁场强度预测值可以反应故障严重程度,这两项指标组合输入模糊控制算法就可以综合考虑故障严重程度和恶化速度给故障科学定性,指导工人合理安排进度和顺序处理故障极板。
附图说明
图1为电解极板故障检测装置俯视示意图。
图2为电解极板故障检测装置前视示意图;
图3为本发明提供的一种电解槽极板的故障检测方法的流程示意图;
附图中的标记为:1-位置开关,2-轨道,3-移动检测车,4-电解槽,5-正极板,6-负极板,7-检测平台,8-电磁检测计,9-位置检测装置,901-红外测距仪,902-反光板。
具体实施方式
本发明提供的一种电解槽极板的故障检测方法,用于实现电解槽内极板故障检测,下面将结合实施例对本发明做进一步的说明。
实施例1:
本实施例提供一种电解槽极板的故障检测方法,其包括以下步骤:
步骤S1:周期性采集电解槽内每块极板顶部的磁场强度信息,进而基于时间排列得到每块极板顶部的磁场强度序列。
如图1所示,电解槽内阴阳极板并列交替布置,本实施例中针对每个电解槽中每块极板分别采集极板顶部的磁场强度信息,并循环进行周期性采集,再按照采集时间排列得到每块极板顶部的磁场强度序列。其他可行的实施例中,并不局限将测点位置设置为顶部。
步骤S2:由每块极板顶部的磁场强度序列计算每块极板的磁场强度置信区间,并依次/同步确认每块极板顶部的磁场强度是否在对应的磁场强度置信区间内,若不在,将所述极板标记为“异常极板”,并警示现场操作人员及时处理;若在,所述极板的磁场强度数据进入后续计算。
应当理解,本实施例中优选执行步骤S1后执行步骤S2,其他可行的实施例中,不执行步骤S2,即在不脱离本发明构思的基础上,不包含步骤S2的电解槽极板的故障检测方法也属于本发明的保护范围。
步骤S3:基于每块极板顶部的磁场强度序列构建holt预测模型,具体如下:
步骤S31:建立各极板对应的历史磁场强度序列{x0,x1,x2,…,xn},n为自然数,x0到xn-1代表过去的磁场强度,xn代表当前磁场强度。其中,本实施例优选利用包含了当前数据的历史磁场强度序列,其他可行的实施例中,可以不局限于此。
步骤S32:依据holt预测模型中的水平估计方程、趋势估计方程以及预测方程计算出所述历史磁场强度序列中历史时刻下磁场强度的模型预测值。
其中,holt预测模型表示如下:
水平估计方程:si=αxi-1+(1-α)(si-1+ti-1)
式中,i为自然正整数,代表序号,xi代表实际值,代表预测值,si和ti分别代表水平估计值和趋势估计值,α和β分别代表水平估计平滑系数和趋势估计平滑系数,取值范围为0-1之间;代表阻尼系数,取值范围为0-1之间;h代表需预测的步数,本实施例中h取值设置为1,其他可行的实施例中,h根据实际需要预测的跨度而定,若需要预测更远一点,h取值则大,反之相反。
以历史磁场强度序列{x0,x1,x2,…,xn}为例,说明holt预测模型的计算过程,如下:
(1)设置初始值:取s0=x0,t0=x1-x0。
步骤S33:依据同一极板、同一时刻下磁场强度的模型预测值与所述历史强度序列中磁场强度的实际值,调整及确定所述holt预测模型中水平估计平滑系数、趋势估计平滑系数以及阻尼系数。
本实施例中水平估计平滑系数α、趋势估计平滑系数β和阻尼系数是针对所有极板,以每个时刻的磁场强度预测值和每个时刻的磁场强度实际值{x1,x2,…,xn}的残差平方和最小作为优化目标,并采用梯度下降模型计算选取的。其他可行的实施例中可以选择其他优化目标以及调节算法。
步骤S4:基于所述holt预测模型,结合每块极板对应的磁场强度序列,计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值。
在一些可行的方式中,本实施例的步骤S1-步骤S3视为构建holt预测模型的步骤,尤其是步骤S3,其主要目的是计算holt模型的最优参数,具体步骤是,在原有序列{x0,x1,x2,…,xn}的基础上,通过holt模型预测计算然后应用优化手段(梯度下降模型)调参,使预测值尽量接近实际值{x1,x2,…,xn},最终达到最优参数选择的目的,步骤S4视为利用构建的holt预测模型实现磁场强度预测以及得到磁场强度趋势估计值,以及步骤S5视为利用步骤S4得到结果进行极板故障检测。
针对极板故障检测应用过程,一种实现方式为:获取已经训练好的holt预测模型,再利用实时获取的每个极板的磁场强度序列以及holt预测模型得到磁场强度趋势估计值以及未来时刻的磁场强度预测值,再基于训练好的模糊控制器得到极板检测结果。
另一种实现方式是,先按照步骤S1以及步骤S3实时训练以及调整holt预测模型,再利用holt预测模型得到磁场强度趋势估计值以及未来时刻的磁场强度预测值,最后基于训练好的模糊控制器得到极板检测结果。
针对极板故障检测应用过程,实时得到每个极板的磁场强度信息后,分别识别是否位于对应的磁场强度置信区间内,若不在,将极板标记为“异常极板”;若在,再利用步骤S4以及步骤S5得到极板检测结果。
针对极板故障检测应用过程,得到磁场强度趋势估计值后,获取每块极板对应的磁场强度趋势估计值的置信区间,再判断每块极板的所述磁场强度趋势估计值是否在对应的置信区间内,若不在,对所述极板进行告警。
针对极板故障检测应用过程,得到未来时刻的磁场强度预测值后,获取每块极板对应的磁场强度置信区间,再判断每块极板对应的所述未来时刻的磁场强度预测值是否在对应的置信区间内,若不在,对所述极板进行告警。
其中,置信区间是基于平均值以及置信水平确定的,平均值是可以通过历史数据计算预先得到或者基于实时数据进行动态更新。
步骤S5:对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。
本实施例中选择当前时刻n对应的磁场强度趋势估计值以及n+d时刻的磁场强度预测值作为模糊控制器的输入数据,模糊控制处输出极板故障的预警结果,其中,可以同时存在多组d值,进而得到多组时间相近的磁场强度预测值;或存在一组d值;其d的取值为经验值,如本实施例中若仅包含一组d值,设定d=h。模糊控制器的构建过程如下:
根据极板顶部的磁场强度的变化范围设定第一基本论域,在所述第一基本论域内,设定所述极板顶部磁场强度的第一模糊集合;
根据极板顶部的磁场强度趋势估计值的变化范围设定第二基本论域,在所述第二基本论域内,设定所述极板顶部磁场强度趋势估计值的第二模糊集合;
再基于所述第一基本论域和第二基本论域,设计隶属度函数及模糊规则。
如下表所示,本实施例中将极板顶部磁场强度(记作A)和极板顶部磁场强度趋势估计值(记作B)都从大到小模糊化为5个等级(PB、PS、ZE、NS、NB),采用梯形分布函数作为隶属度函数,模糊规则如下表所示:
应当理解,上述隶属度函数、模糊等级以及模糊规则均是本实施例的优选方式,其他可行的实施例中对其可以进行适应性调整,譬如设置更多或更少的模糊等级,以及更换隶属度函数。
实施例2:
如图2所示,本实施例提供一种基于上述检测方法的装置,其包括:位置开关、轨道、移动检测车、电磁检测计、检测平台、红外测距仪和反光板。其中,轨道安装在电解槽的两旁;所述移动检测车横跨在轨道上,位于电解槽上方,可沿轨道移动;所述位置开关安装在轨道上,且每一个电解槽都对应一个位置开关;所述检测平台安装在移动检测车上,可沿移动检测车垂直于轨道方向水平移动;所述电磁检测计安装在检测平台上;所述检测平台相对移动检测车的水平位置由位置检测装置检测。
红外测距仪和反光板构成位置检测装置,红外测距仪安装在检测平台上;所述反光板安装在移动检测车上,与红外测距仪相对且位于同一水平高度。
电解极板故障检测装置的工作原理:初始状态时,移动检测车和检测平台都处于各自行程的最末端;工作时,移动检测车顺着轨道运动,遇到位置开关则停下,此时检测平台运动,带着电磁检测计采集各极板顶部磁场,完成一行极板的采集后,移动检测车运行到下一位置开关位置,继续重复上述步骤,直到完成所有极板顶部磁场采集,移动检测车和检测平台复位。如此往复,定时采集每块极板顶部的磁场。
进而,基于电磁检测计采集的顶部磁场强度信息,并按照本发明提供的一种电解槽极板的故障检测方法可以有效检查出极板故障。
因此,在一些实施例中,上述装置还包括与所述电磁检测计通讯连接的处理器,处理器调用计算机程序实现:本发明的一种电解槽极板的故障检测方法的步骤。
实施例3:
本实施例提供一种终端,其包括一个或多个处理器和存储了一个或多个计算机程序的存储器。其中,处理器调用计算机程序以实现:
获取电解槽内每块极板周围某一特定位置上,包含当前及历史时刻的磁场强度序列;
基于holt预测模型,结合每块极板对应的磁场强度序列,计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值;
对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。
在一些实施例中,holt预测模型可以是预先训练好的,也可以是实时训练和/或动态更新的。
各个步骤的具体实现过程请参照前述方法的阐述。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,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。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
实施例4:
本实施例提供一种可读存储介质,其存储了计算机程序,计算机程序被处理器调用以实现:
获取电解槽内每块极板周围某一特定位置上,包含当前及历史时刻的磁场强度序列;
基于holt预测模型,结合每块极板对应的磁场强度序列,计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值;
对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果。
在一些实施例中,holt预测模型可以是预先训练好的,也可以是实时训练和/或动态更新的。
各个步骤的具体实现过程请参照前述方法的阐述。
所述可读存储介质为计算机可读存储介质,其可以是前述任一实施例所述的控制器的内部存储单元,例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备,例如所述控制器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,所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要强调的是,本发明所述的实例是说明性的,而不是限定性的,因此本发明不限于具体实施方式中所述的实例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,不脱离本发明宗旨和范围的,不论是修改还是替换,同样属于本发明的保护范围。
Claims (9)
1.一种电解槽极板的故障检测方法,其特征在于:包括以下步骤:
获取电解槽内每块极板周围某一特定位置上,包含当前及历史时刻的磁场强度序列;
基于holt预测模型,结合每块极板对应的磁场强度序列,计算得到每块极板对应的所述特定位置上磁场强度趋势估计值以及未来时刻的磁场强度预测值;
对所述磁场强度趋势估计值以及所述磁场强度预测值进行模糊分析得到每块极板的故障检测结果;
所述holt预测模型包括水平估计方程、趋势估计方程以及预测方程,具体如下:
水平估计方程:si=αxi-1+(1-α)(si-1+ti-1)
2.根据权利要求1所述的故障检测方法,其特征在于:所述holt预测模型中水平估计平滑系数、趋势估计平滑系数以及阻尼系数的获取过程如下:
利用电解槽内每块极板对应的历史磁场强度序列,并依据所述水平估计方程、趋势估计方程以及预测方程计算出所述历史磁场强度序列中历史时刻下磁场强度的模型预测值;
依据同一极板、同一时刻下磁场强度的模型预测值与所述历史强度序列中磁场强度的实际值,调整及确定所述holt预测模型中水平估计平滑系数、趋势估计平滑系数以及阻尼系数。
3.根据权利要求1所述的故障检测方法,其特征在于:还包括:获取每块极板对应的磁场强度置信区间,再判断每块极板的磁场强度是否在对应的置信区间内,若不在,对所述极板进行告警。
4.根据权利要求1所述的故障检测方法,其特征在于:还包括:获取每块极板对应的磁场强度置信区间,再判断每块极板对应的所述未来时刻的磁场强度预测值是否在对应的置信区间内,若不在,对所述极板进行告警。
5.根据权利要求1所述的故障检测方法,其特征在于:还包括:获取每块极板对应的磁场强度趋势估计值的置信区间,再判断每块极板的所述磁场强度趋势估计值是否在对应的置信区间内,若不在,对所述极板进行告警。
6.一种基于权利要求1-5任一项所述故障检测方法的装置,其特征在于:至少包括:电磁检测计、检测平台、移动检测车以及轨道;
其中,所述检测平台设置在所述移动检测车上,所述电磁检测计设置在所述检测平台上,所述移动检测车沿着轨道运动,在所述移动检测车、轨道以及检测平台的相对运动下,所述电磁检测计检测每块极板的所述特定位置上的磁场强度信息;
利用所述电磁检测计采集的磁场强度信息,并按照权利要求1-5任一项所述方法实现故障极板检测。
7.根据权利要求6所述的装置,其特征在于:所述特定位置为顶部时,所述轨道设置在电解槽两侧,所述轨道上设有位置开关,每一个电解槽对一组位置开关,所述移动检测车位于所述电解槽上方,并沿着轨道实现竖直移动;所述检测平台安装在移动检测车上,沿所述移动检测车垂直于轨道方向水平移动。
8.一种终端,其特征在于:包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序以实现:
权利要求1-5任一项所述故障检测方法的步骤。
9.一种可读存储介质,其特征在于:存储了计算机程序,所述计算机程序被处理器调用以实现:
权利要求1-5任一项所述故障检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111422498.7A CN114000178B (zh) | 2021-11-26 | 2021-11-26 | 一种电解槽极板的故障检测方法及其装置、终端和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111422498.7A CN114000178B (zh) | 2021-11-26 | 2021-11-26 | 一种电解槽极板的故障检测方法及其装置、终端和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114000178A CN114000178A (zh) | 2022-02-01 |
CN114000178B true CN114000178B (zh) | 2022-11-22 |
Family
ID=79930514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111422498.7A Active CN114000178B (zh) | 2021-11-26 | 2021-11-26 | 一种电解槽极板的故障检测方法及其装置、终端和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114000178B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4038162A (en) * | 1975-04-10 | 1977-07-26 | Outokumpu Oy | Method and apparatus for detecting and eliminating short-circuits in an electrolytic tank |
US4251336A (en) * | 1972-07-17 | 1981-02-17 | Olin Corporation | Method for detecting incipient short circuits in electrolytic cells |
JP2001512239A (ja) * | 1997-07-30 | 2001-08-21 | キャンデセント・テクノロジーズ・コーポレイション | プレート構造体における磁流の検出及び短絡不良箇所の検出 |
CN1954098A (zh) * | 2004-03-17 | 2007-04-25 | 肯尼科特犹他州铜冶公司 | 对电解槽电流的监控 |
WO2016170589A1 (ja) * | 2015-04-21 | 2016-10-27 | 株式会社日立製作所 | 表面電流ベクトル測定システムおよびこれを用いた故障診断システム |
CN106771808A (zh) * | 2016-12-22 | 2017-05-31 | 湖北大学 | 一种铜电解槽极板短路预警系统及方法 |
CN108254611A (zh) * | 2018-01-30 | 2018-07-06 | 北方工业大学 | 一种电极电流测量方法及系统 |
CN109402667A (zh) * | 2018-12-20 | 2019-03-01 | 昆明理工大学 | 一种提高铜电解极板故障信息判断准确度的装置及方法 |
CN113549958A (zh) * | 2021-06-30 | 2021-10-26 | 合肥金星机电科技发展有限公司 | 电解槽故障极板的检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102059428B (zh) * | 2009-11-17 | 2014-03-12 | 贵阳铝镁设计研究院有限公司 | 系列全电流下铝电解槽带电焊接方法及装备 |
-
2021
- 2021-11-26 CN CN202111422498.7A patent/CN114000178B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4251336A (en) * | 1972-07-17 | 1981-02-17 | Olin Corporation | Method for detecting incipient short circuits in electrolytic cells |
US4038162A (en) * | 1975-04-10 | 1977-07-26 | Outokumpu Oy | Method and apparatus for detecting and eliminating short-circuits in an electrolytic tank |
JP2001512239A (ja) * | 1997-07-30 | 2001-08-21 | キャンデセント・テクノロジーズ・コーポレイション | プレート構造体における磁流の検出及び短絡不良箇所の検出 |
CN1954098A (zh) * | 2004-03-17 | 2007-04-25 | 肯尼科特犹他州铜冶公司 | 对电解槽电流的监控 |
WO2016170589A1 (ja) * | 2015-04-21 | 2016-10-27 | 株式会社日立製作所 | 表面電流ベクトル測定システムおよびこれを用いた故障診断システム |
CN106771808A (zh) * | 2016-12-22 | 2017-05-31 | 湖北大学 | 一种铜电解槽极板短路预警系统及方法 |
CN108254611A (zh) * | 2018-01-30 | 2018-07-06 | 北方工业大学 | 一种电极电流测量方法及系统 |
CN109402667A (zh) * | 2018-12-20 | 2019-03-01 | 昆明理工大学 | 一种提高铜电解极板故障信息判断准确度的装置及方法 |
CN113549958A (zh) * | 2021-06-30 | 2021-10-26 | 合肥金星机电科技发展有限公司 | 电解槽故障极板的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114000178A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767360B (zh) | 一种用于电解槽极板故障的预警方法及检测装置 | |
CN103942457B (zh) | 基于关联向量机回归的水质参数时间序列预测方法 | |
CN107092582A (zh) | 一种基于残差后验的异常值在线检测及置信度评估方法 | |
CN103400310B (zh) | 考虑历史数据趋势预测的配电网电气设备状态评估方法 | |
CN108345985A (zh) | 一种配电网数据质量评估方法及系统 | |
CN104462808B (zh) | 安全水平位移与水位的滑动可变窗口动态数据拟合方法 | |
KR102169452B1 (ko) | IoT 기상환경 수집 데이터의 안정성 확보 방법 | |
KR101463425B1 (ko) | 시계열 예측 모델을 이용한 이상관측자료 탐지 방법 및 지하수위의 이상관측자료 탐지 방법 | |
CN107808105A (zh) | 一种智能电网中基于预测的虚假数据检测方法 | |
CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
CN112187528B (zh) | 基于sarima的工业控制系统通信流量在线监测方法 | |
CN108287317A (zh) | 电池功率预测模型生成方法及系统、功率预测方法及系统 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
CN106021838B (zh) | 一种复杂电子系统剩余寿命预测方法 | |
CN111155149A (zh) | 一种基于数字化电解槽的铝电解智能优化控制平台 | |
CN101826159B (zh) | 实现灰度图像分区二值化的方法和数据处理设备 | |
CN114000178B (zh) | 一种电解槽极板的故障检测方法及其装置、终端和可读存储介质 | |
CN115759409A (zh) | 多时间模式注意力机制优化lstm模型的水闸形变预测方法 | |
CN116595327A (zh) | 水闸变形监测数据预处理系统及方法 | |
CN109359742B (zh) | 一种地铁子系统预防维修周期的生成方法 | |
Halilcevic et al. | Prediction of power system security levels | |
CN109800866B (zh) | 一种基于GA-Elman神经网络的可靠性增长预测方法 | |
CN104132961B (zh) | 换热器热交换性能实时评价方法、装置和热交换系统 | |
CN115806344A (zh) | 一种orp控制精准曝气的系统 | |
CN113297194B (zh) | 一种电动汽车聚合商备用容量虚假数据识别与清洗的方法 |
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 |