CN114634391B - 一种膨化结晶机的运行状态实时评估方法及系统 - Google Patents

一种膨化结晶机的运行状态实时评估方法及系统 Download PDF

Info

Publication number
CN114634391B
CN114634391B CN202210281681.8A CN202210281681A CN114634391B CN 114634391 B CN114634391 B CN 114634391B CN 202210281681 A CN202210281681 A CN 202210281681A CN 114634391 B CN114634391 B CN 114634391B
Authority
CN
China
Prior art keywords
sequence
sliding window
data
value
time
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
Application number
CN202210281681.8A
Other languages
English (en)
Other versions
CN114634391A (zh
Inventor
张光寿
甘德淮
王新民
谭国荣
万小伟
贺圣强
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.)
Guangdong Hongda Shaohua Industrial Explosives Co ltd
Original Assignee
Guangdong Hongda Shaohua Industrial Explosives 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 Guangdong Hongda Shaohua Industrial Explosives Co ltd filed Critical Guangdong Hongda Shaohua Industrial Explosives Co ltd
Priority to CN202210281681.8A priority Critical patent/CN114634391B/zh
Publication of CN114634391A publication Critical patent/CN114634391A/zh
Application granted granted Critical
Publication of CN114634391B publication Critical patent/CN114634391B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C06—EXPLOSIVES; MATCHES
    • C06B—EXPLOSIVES OR THERMIC COMPOSITIONS; MANUFACTURE THEREOF; USE OF SINGLE SUBSTANCES AS EXPLOSIVES
    • C06B21/00—Apparatus or methods for working-up explosives, e.g. forming, cutting, drying

Landscapes

  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种膨化结晶机的运行状态实时评估方法及系统，实时获取运行参数序列和物料属性参数序列；通过物料属性参数序列动态初始化滑动窗口，以滑动窗口搜索出物料属性参数序列中数据波动最大位置；取在物料属性参数序列中数据波动最大位置的滑动窗口内的数据构成第一子序列，取运行参数序列内的数据作为第二子序列；根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果。够在敏感度高、采样频率高的环境下，快速的根据物料的物理量变化快速获得设备的运行状态，提高了设备的评估的实时性和精准性，提取的数据的抗干扰性强，能够保证了设备评估稳定性。

Description

一种膨化结晶机的运行状态实时评估方法及系统
技术领域
本公开属于设备状态监测领域、专用设备数据分析领域，具体涉及一种膨化结晶机的运行状态实时评估方法及系统。
背景技术
膨化结晶机是广泛用于膨化炸药生产工艺中的关键工序设备，主要是应用在液混式膨化硝铵炸药制造的工序中，该设备用于将液混式膨化硝铵炸药的水相、油相混合液，在真空状态下结晶膨化制得粉状炸药并通过膨化结晶机的出料螺旋把制品拉出结晶罐，它的主要作用是将泵送进来的水相、油相混合液体在-0.092Mpa~-0.098Mpa的真空下进行排水结晶，制得一种轻质、松散、温度为90℃左右的块状物，经出料螺旋、上下料仓完成出料。
由于进入膨化结晶机的物料都是危险的易爆易燃材料，所以需要灵敏的对膨化结晶机运行状态中的数据进行实施评估，膨化结晶机运行状态中的数据包括对进入膨化结晶机物料温度压力流量状况、电气设备运转电流、物料出料温度等数据，对于膨化结晶机设备，由于其敏感度高、采样频率高，采样传统的多元线性回归理论的评估方法，需要进行很长的线下处理时间才能获得评估模型，评估的实时性和精准性比较低，稳定性难以得到保证。
发明内容
本发明的目的在于提出一种膨化结晶机的运行状态实时评估方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本公开的一方面，提供一种膨化结晶机的运行状态实时评估方法，所述方法包括以下步骤：
S100，实时获取膨化结晶机运行时的运行数据构成运行参数序列，实时获取膨化结晶机在运行中内部的物料的属性数据构成物料属性参数序列；
S200，通过物料属性参数序列动态初始化滑动窗口，从当前时间开始，以滑动窗口搜索出物料属性参数序列中数据波动最大位置；
S300，取在物料属性参数序列中数据波动最大位置的滑动窗口内的数据构成第一子序列，计算出第一子序列中数据的波动值Tag；
S400，将滑动窗口从当前时间开始，按照步进量在运行参数序列上滑动，依次计算每次滑动后滑动窗口内数据的波动值构成波动值序列，当波动值序列中各个波动值的平均数BH，当BH≤Tag时滑动窗口停止滑动，取停止滑动时的滑动窗口内的数据作为第二子序列；
S500，根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果。
进一步地，在S100中，膨化结晶机运行时的运行数据包括：实时功率、温度、气压和电流值中的任意一种数据, 运行数据的值为温度、气压和电流值中的任意一种数据的值，所述运行参数序列为按照时间的先后顺序采集的运行数据构成的时间序列。
进一步地，在S100中，膨化结晶机在运行中内部的物料的属性数据包括：物料的温度或湿度的数据, 属性数据的值为温度或湿度的值，所述物料属性参数序列为按照时间的先后顺序采集的属性数据构成的时间序列；物料包括粒状硝酸铵、硝酸铵水溶液或水、膨化剂的重量份之比为(10-90)：(5-89.8)：1；膨化剂为十八烷基伯胺。
进一步地，在S200中，通过物料属性参数序列动态初始化滑动窗口的方法为：
令物料属性参数序列中元素的序号为i，物料属性参数序列中序号为i元素的值记为Data1(i)，
从物料属性参数序列中当前时刻的元素开始，以时间顺序的反方向作为搜索方向在物料属性参数序列逐个元素搜索，序号i的值对应于搜索到的元素的序号，搜索得到首个满足Data1(i)＞Data1(i-1)且Data1(i)＞Data1(i+1)的元素的值Data1(i)，并记这个元素为第一元素，第一元素的序号为k1；将滑动窗口的大小设置为物料属性参数序列中第k1个元素到当前时刻的元素之间元素的数量，即滑动窗口的长度；从第一元素的位置向时间顺序的正方向逐个元素搜索，当搜索首个元素的值Data1(i)满足Data1(i)＜Data1(k1)时，记录所述元素为第二元素，第二元素的序号为k2；将滑动窗口的步进量设置为物料属性参数序列中第k1个元素到第k2个元素之间元素的数量；（其优点为：动态的根据物料属性参数序列的中强度变化最大的时间段作为滑动窗口，并以其强度变化的趋势产生转变的时间间隔之间产生的数据长度作为滑动窗口的步进量）；
其中，滑动窗口为用于框选时间序列从而选中框内的时间序列的数据，在以步进量为长度的单位在时间序列上进行移动，步进量为滑动窗口在时间序列上每次移动的距离，滑动窗口滑动即以步进量为单位在时间序列上进行移动，滑动窗口滑动一次即在时间序列上移动一个步进量长度；时间顺序的方向为按照时间的先后顺序的方向。
进一步地，在S300中，以滑动窗口搜索出物料属性参数序列中数据波动最大位置的方法为：
S301，从物料属性参数序列中当前时刻采集的元素开始（或者最近一个采集的数据对应的元素），以时间顺序的反方向开始将滑动窗口以步进量为每次滑动的距离在物料属性参数序列上开始滑动，记当前时刻采集的元素的序号为iC，以tMAX表示从第iC个元素开始到滑动窗口中最大值的元素之间所有元素的最大值对应的采集时刻或者物料属性参数序列中各元素的最大值所对应的采集时刻；
S302，记滑动窗口的滑动次数为ToM，则获取滑动窗口的历史平均值集合为MeanW={meanWi1}；meanWi1表示第i1次移动的滑动窗口中各个元素的平均值；获取滑动窗口的历史最大值集合为MaxW={maxWi1}；maxWi1表示第i1次移动的滑动窗口中各个元素的最大值；获取滑动窗口的历史最小值集合为MinW={minWi1}；minWi1表示第i1次移动的滑动窗口中各个元素的最小值，i1为变量，i1∈[1,ToM]；
S303，实时监测在滑动窗口每一次滑动时滑动窗口框选的物料属性参数序列各个元素的算术平均值UDMean是否满足第一条件，当滑动窗口中各个元素的算术平均值UDMean不满足第一条件时转到步骤S304，如果满足第一条件则移动滑动窗口继续判断下一个位置的滑动窗口是否满足第一条件，当滑动窗口移动次数大于或等于步进值时，停止移动转到步骤S304；
所述第一条件为：Min(MeanW)+UD2≤UDMean≤Max(MeanW)+UD1；或者，所述第一条件为：Min(MeanW)-MinT(UD1,UD2)≤UDMean≤Max(MeanW)+MaxT(UD1,UD2)；
其中，UDMean为当前的滑动窗口中元素的算术平均值，UD1为Max(MinW)和Min(MaxW)的差值的绝对值；UD2为Min(MinW)和Max(MaxW)的差值的绝对值；Max函数为取集合中元素的最大值，Min函数为取集合中元素的最小值；MinT(UD1,UD2)表示选取UD1和UD2的最小值，MaxT(UD1,UD2) 表示选取UD1和UD2的最大值；
S304，如果当前的滑动窗口中元素的最大值大于或等于Max(MeanW)时，或者，如果当前的滑动窗口中元素的最大值大于或等于Min(MaxW)时，则标记当前滑动窗口的位置为物料属性参数序列中数据波动最大位置；其中，如果滑动窗口移动次数大于或等于步进值时，可以取Max(MaxW)或者Max(MeanW)所对应位置的滑动窗口的位置为数据波动最大位置；
其优点为：能够实时并且准确的在灵敏度高的膨化结晶机的物料加工的历史物理参数的数据中快速的提取出最近发生的波动最大的区间数据段，智能的识别出波动风险大的数据位置。
进一步地，在S300和S400中，计算数据的波动值Tag的方法为：
以各个数据构成的序列为D2={d2i2}，d2i2为序列中第i2个数据，i2为序列变量，i2∈[1, N2]，N2是序列D2中数据的数量；计算数据的波动值Tag的方法为：
Figure DEST_PATH_IMAGE002
,其中，d2t的下标t为积分的变量；
其中，DE(Mean(D2),d2i2)表示序列中的数据偏向度，其计算方法为：
DE(Mean(D2),d2i2)=ABS[SQRT((Mean(D2)-d2i2)×(Mean(D2)+d2i2))]，Mean函数为取集合中元素的平均值，SQRT函数为取平方根的函数，ABS函数为取绝对值的函数；其中，以滑动窗口搜索物料属性参数序列的有益效果为：在灵敏度要求高的环境中的数据的抗干扰性强，在连续的场景的计算中能够提高数据的稳定性，高效地体现了数据的波动率。
优选地，在S200和S400中，计算数据的波动值Tag的方法为：
以各个数据构成的序列为D2={d2i2}，d2i2为序列中第i2个数据，i2为序列变量，i2∈[1, N2]，N2是序列D2中数据的数量；计算数据的波动值Tag的方法为：
Tag= KU÷Mean(D2)；
其中，KU是(Max(D2)-Mean(D2))和(Mean(D2)- Min(D2))两个值中的最大值；Max函数为取集合中元素的最大值，Min函数为取集合中元素的最小值；Mean函数为取集合中元素的平均值，SQRT函数为取平方根的函数。
进一步地，在S500中，所述相似度为余弦相似度、Jaccard相关系数和Tanimoto系数中任意一种。
进一步地，在S500中，根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果的方法为：
当相似度的值在小于0时，对应的设备运行状态结果为极差；
相似度的值处于(0,0.3]时，对应的设备运行状态结果为差；
相似度的值处于(0.3,0.5]范围时，对应的设备运行状态结果为一般；
相似度的值处于(0.5,0.8)范围时，对应的设备运行状态结果为良好；
相似度的值大于0.8时，对应的设备运行状态结果为优秀。
本发明还提供了一种膨化结晶机的运行状态实时评估系统，所述一种膨化结晶机的运行状态实时评估系统包括：处理器、存储器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所述一种膨化结晶机的运行状态实时评估方法中的步骤，所述一种膨化结晶机的运行状态实时评估系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
实时数据采集单元，用于实时获取膨化结晶机运行时的运行数据构成运行参数序列，实时获取膨化结晶机在运行中内部的物料的属性数据构成物料属性参数序列；
数据波动监测单元，用于通过物料属性参数序列动态初始化滑动窗口，从当前时间开始，以滑动窗口搜索出物料属性参数序列中数据波动最大位置；
物料波动提取单元，用于取在物料属性参数序列中数据波动最大位置的滑动窗口内的数据构成第一子序列，计算出第一子序列中各个数据的波动值Tag；
设备波动提取单元，用于将滑动窗口从当前时间开始，按照步进量在运行参数序列上滑动，依次计算每次滑动后滑动窗口内数据的波动值构成波动值序列，当波动值序列中各个波动值的平均数BH，当BH≤Tag时滑动窗口停止滑动，取停止滑动时的滑动窗口内的数据作为第二子序列；
运行状态评估单元，用于根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果。
本公开的有益效果为：本发明提供一种膨化结晶机的运行状态实时评估方法及系统，能够在敏感度高、采样频率高的环境下，快速的根据物料的物理量变化快速获得设备的运行状态，提高了设备的评估的实时性和精准性，提取的数据的抗干扰性强，能够保证了设备评估稳定性。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
图1所示为一种膨化结晶机的运行状态实时评估方法的流程图；
图2所示为一种膨化结晶机的运行状态实时评估系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种膨化结晶机的运行状态实时评估方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种膨化结晶机的运行状态实时评估方法，所述方法包括以下步骤：
S100，实时获取膨化结晶机运行时的运行数据构成运行参数序列，实时获取膨化结晶机在运行中内部的物料的属性数据构成物料属性参数序列；
S200，通过物料属性参数序列动态初始化滑动窗口，从当前时间开始，以滑动窗口搜索出物料属性参数序列中数据波动最大位置；
S300，取在物料属性参数序列中数据波动最大位置的滑动窗口内的数据构成第一子序列，计算出第一子序列中各个数据的波动值Tag；
S400，将滑动窗口从当前时间开始，按照步进量在运行参数序列上滑动，依次计算每次滑动后滑动窗口内数据的波动值构成波动值序列，当波动值序列中各个波动值的平均数BH，当BH≤Tag时滑动窗口停止滑动，取停止滑动时的滑动窗口内的数据作为第二子序列；
其中，按照步进量在运行参数序列上滑动的方法为：以时间顺序的反方向以步进量开始将滑动窗口在运行参数序列上滑动，即每次滑动在以步进量的距离在运行参数序列上移动。
其中，波动值序列中的每个元素为按照时间顺序对滑动窗口进行移动并计算移动后的波动值，滑动窗口每次移动一个步进量则计算移动后的滑动窗口的数据的波动值作为一个加入到波动值序列中。
S500，根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果。
进一步地，在S100中，膨化结晶机运行时的运行数据包括：实时功率、温度、气压和电流值中的任意一种数据, 运行数据的值为温度、气压和电流值中的任意一种数据的值，所述运行参数序列为按照时间的先后顺序采集的运行数据构成的时间序列，所述膨化结晶机可包括公开号为CN215975594U、CN215712704U和CN211771001U的文献中任意一种或多种所述的膨化结晶机结构。
进一步地，在S100中，膨化结晶机在运行中内部的物料的属性数据包括：物料的温度或湿度的数据, 运行数据的值为温度或湿度的值，所述物料属性参数序列为按照时间的先后顺序采集的属性数据构成的时间序列；物料包括粒状硝酸铵、硝酸铵水溶液或水、膨化剂的重量份之比为(10-90)：(5-89.8)：1；膨化剂为十八烷基伯胺。
进一步地，在S200中，通过物料属性参数序列动态初始化滑动窗口的方法为：
令物料属性参数序列中元素的序号为i，物料属性参数序列中序号为i元素的值为Data1(i)，其中，i为大于1的正整数，物料属性参数序列中元素的总数是随着采集的时间的增加而一并增加的，即是说这个时间序列的长度是会增加的，序号的最大值是随时间自增长的；
从物料属性参数序列中当前时刻的元素开始，以时间顺序的反方向作为搜索方向在物料属性参数序列逐个元素搜索，序号i的值对应于搜索到的元素的序号，当搜索到首个元素的值满足Data1(i)＞Data1(i-1)并且Data1(i)＞Data1(i+1)时，记这个元素为第一元素，第一元素的序号为k1；将物料属性参数序列中第k1个元素到当前时刻的元素之间元素的数量设置为滑动窗口的大小，即滑动窗口的长度；从第一元素的位置向时间顺序的正方向逐个元素搜索，当搜索首个元素的值满足Data1(i)＜Data1(k1)时，记录所述元素为第二元素，第二元素的序号为k2；将物料属性参数序列中第k1个元素到第k2个元素之间元素的数量设置为滑动窗口的步进量；（动态的根据物料属性参数序列的中强度变化最大的时间段作为滑动窗口，并以其强度变化的趋势产生转变的时间间隔之间产生的数据长度作为滑动窗口的步进量）；
其中，滑动窗口为用于框选时间序列从而选中框内的时间序列的数据（框选表示截取时间序列的数据其中的一部分），在以步进量为长度的单位在时间序列上进行移动，步进量为滑动窗口在时间序列上每次移动的距离，滑动窗口滑动即以步进量为单位在时间序列上进行移动，滑动窗口滑动一次即在时间序列上移动一个步进量长度；时间顺序的方向为按照时间的先后顺序的方向，其中，正方向为按照时间的从先到后顺序的方向，反方向为与正方向相反的方向。
进一步地，在S300中，以滑动窗口搜索出物料属性参数序列中数据波动最大位置的方法为：
S301，从物料属性参数序列中当前时刻的元素开始，以时间顺序的反方向开始将滑动窗口以步进量为每次滑动的距离在物料属性参数序列上开始滑动，记当前时刻的元素的序号为iC，以tMAX表示从第iC个元素开始到滑动窗口中最大值的元素之间所有元素的最大值或者物料属性参数序列中各元素的最大值所对应的采集时刻；
S302，记滑动窗口的滑动次数为ToM，则获取滑动窗口的历史平均值集合为MeanW={meanWi1}，历史平均值集合表示在其中每一次滑动窗口时都分别取一次算术平均值再记录收集各次的算术平均值组成为一个集合；meanWi1表示第i1次移动的滑动窗口中各个元素的平均值；获取滑动窗口的历史最大值集合为MaxW={maxWi1}；maxWi1表示第i1次移动的滑动窗口中各个元素的最大值；获取滑动窗口的历史最小值集合为MinW={minWi1}；minWi1表示第i1次移动的滑动窗口中各个元素的最小值，i1为变量，i1∈[1,ToM]；其中，第i1次移动的滑动窗口中各个元素，即序号为[1,i1]的这i1个元素，包含序号为i1的元素在内；
S303，实时监测在滑动窗口每一次滑动时滑动窗口框选的物料属性参数序列各个元素的算术平均值UDMean是否满足第一条件，当滑动窗口中各个元素的算术平均值UDMean不满足第一条件时，判断如果当前的滑动窗口中元素的最大值大于或等于Max(MeanW)时，或者，如果当前的滑动窗口中元素的最大值大于或等于Min(MaxW)时，则标记当前滑动窗口的位置为物料属性参数序列中数据波动最大位置：
所述第一条件为：Min(MeanW)+UD2≤UDMean≤Max(MeanW)+UD1；
其中，UDMean为当前的滑动窗口中元素的算术平均值，UD1为Max(MinW)和Min(MaxW)的差值的绝对值；UD2为Min(MinW)和Max(MaxW)的差值的绝对值；Max函数为取集合中元素的最大值，Min函数为取集合中元素的最小值。（其优点为：能够实时并且准确的在灵敏度高的膨化结晶机的物料加工的历史物理参数的数据中快速的提取出最近发生的波动最大的区间数据段，智能的识别出波动风险大的数据位置）。
进一步地，在S300和S400中，计算数据的波动值Tag的方法为：
以各个数据构成的序列为D2={d2i2}，d2i2为序列中第i2个数据，i2为序列变量，i2∈[1, N2]，N2是序列D2中数据的数量；计算数据的波动值Tag的方法为：
Figure 130139DEST_PATH_IMAGE002
,其中，d2t的下标t为积分的变量；
其中，DE(Mean(D2),d2i2)表示序列中的数据偏向度，可优选地，其计算方法还可以为：
DE(Mean(D2),d2i2)=ABS[SQRT((Mean(D2)-d2i2)2×(Mean(D2)+d2i2)2)]，Mean函数为取集合中元素的平均值，SQRT函数为取平方根的函数，ABS函数为取绝对值的函数，上标的2表示去平方。（有益效果为：在灵敏度要求高的环境中的数据的干扰性强，在连续的场景中计算能够提高数据的稳定性，体现了数据的波动率）。
优选地，在S200和S400中，计算数据的波动值Tag的方法为：
以各个数据构成的序列为D2={d2i2}，d2i2为序列中第i2个数据，i2为序列变量，i2∈[1, N2]，N2是序列D2中数据的数量；可优选地，计算数据的波动值Tag的方法还可以为：
Tag= KU÷[ Mean(D2)+1]；
其中，KU是(Max(D2)-Mean(D2))和(Mean(D2)- Min(D2))两个值中的最大值；Max函数为取集合中元素的最大值，Min函数为取集合中元素的最小值；Mean函数为取集合中元素的平均值，SQRT函数为取平方根的函数。
进一步地，在S500中，所述相似度为余弦相似度、Jaccard相关系数和Tanimoto系数中任意一种。
进一步地，在S500中，根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果的方法为：
当相似度的值在小于0时，对应的设备运行状态结果为极差；
相似度的值处于(0,0.3]时，对应的设备运行状态结果为差；
相似度的值处于(0.3,0.5]范围时，对应的设备运行状态结果为一般；
相似度的值处于(0.5,0.8)范围时，对应的设备运行状态结果为良好；
相似度的值大于0.8时，对应的设备运行状态结果为优秀。
进一步地，当设备运行状态结果为极差或差时，对膨化结晶机进行停机。
进一步地，当设备运行状态结果为一般时，降低膨化结晶机供料速度。
进一步地，当设备运行状态结果为良好或优秀时，表示膨化结晶机正常运转。
本公开的实施例提供的一种膨化结晶机的运行状态实时评估系统，如图2所示为本公开的一种膨化结晶机的运行状态实时评估系统结构图，该实施例的一种膨化结晶机的运行状态实时评估系统包括：处理器、存储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上述一种膨化结晶机的运行状态实时评估系统实施例中的步骤。
所述系统包括：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运行在以下系统的单元中：
实时数据采集单元，用于实时获取膨化结晶机运行时的运行数据构成运行参数序列，实时获取膨化结晶机在运行中内部的物料的属性数据构成物料属性参数序列；
数据波动监测单元，用于通过物料属性参数序列动态初始化滑动窗口，从当前时间开始，以滑动窗口搜索出物料属性参数序列中数据波动最大位置；
物料波动提取单元，用于取在物料属性参数序列中数据波动最大位置的滑动窗口内的数据构成第一子序列，计算出第一子序列中各个数据的波动值Tag；
设备波动提取单元，用于将滑动窗口从当前时间开始，按照步进量在运行参数序列上滑动，依次计算每次滑动后滑动窗口内数据的波动值构成波动值序列，当波动值序列中各个波动值的平均数BH，当BH≤Tag时滑动窗口停止滑动，取停止滑动时的滑动窗口内的数据作为第二子序列；
运行状态评估单元，用于根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果。
所述一种膨化结晶机的运行状态实时评估系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种膨化结晶机的运行状态实时评估系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种膨化结晶机的运行状态实时评估系统的示例，并不构成对一种膨化结晶机的运行状态实时评估系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种膨化结晶机的运行状态实时评估系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，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)、现场可编程门阵列 (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，所述处理器是所述一种膨化结晶机的运行状态实时评估系统运行系统的控制中心，利用各种接口和线路连接整个一种膨化结晶机的运行状态实时评估系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种膨化结晶机的运行状态实时评估系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (7)

1.一种膨化结晶机的运行状态实时评估方法，其特征在于，所述方法包括以下步骤：
S100，实时获取膨化结晶机运行时的运行数据构成运行参数序列，实时获取膨化结晶机在运行中内部的物料的属性数据构成物料属性参数序列；
S200，通过物料属性参数序列动态初始化滑动窗口，从当前时间开始，以滑动窗口搜索出物料属性参数序列中数据波动最大位置；
S300，取在物料属性参数序列中数据波动最大位置的滑动窗口内的数据构成第一子序列，计算出第一子序列中数据的波动值Tag；
S400，将滑动窗口从当前时间开始，按照步进量在运行参数序列上滑动，依次计算每次滑动后滑动窗口内数据的波动值构成波动值序列，计算波动值序列中各个波动值的平均数为BH，当BH≤Tag时滑动窗口停止滑动，取停止滑动时的滑动窗口内的数据作为第二子序列；
S500，根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果；
在S200中，通过物料属性参数序列动态初始化滑动窗口的方法为：
令物料属性参数序列中元素的序号为i，物料属性参数序列中序号为i元素的值为Data1(i)，从物料属性参数序列中当前时刻的元素开始，以时间顺序的反方向作为搜索方向在物料属性参数序列逐个元素搜索，序号i的值对应于搜索到的元素的序号，搜索得到首个满足Data1(i)＞Data1(i-1)且Data1(i)＞Data1(i+1)的元素的值Data1(i)，记这个元素为第一元素，将第一元素的序号保存并记为k1；将滑动窗口的大小设置为物料属性参数序列中第k1个元素到当前时刻的元素之间元素的数量，即滑动窗口的长度；从第一元素的位置向时间顺序的正方向逐个元素搜索，搜索得到首个满足Data1(i)＜Data1(k1)的元素值Data1(i)并记录该个元素为第二元素，将第二元素的序号保存并记为k2；将滑动窗口的步进量设置为物料属性参数序列中第k1个元素到第k2个元素之间元素的数量；其中，滑动窗口为用于框选时间序列从而选中框内的时间序列的数据，在以步进量为长度的单位在时间序列上进行移动，步进量为滑动窗口在时间序列上每次移动的距离，滑动窗口滑动即以步进量为单位在时间序列上进行移动，滑动窗口滑动一次即在时间序列上移动一个步进量的长度；时间顺序的方向为按照时间的先后顺序的方向；
在S300和S400中，计算数据的波动值Tag的方法为：
以各个数据构成的序列为D2={d2i2}，d2i2为序列中第i2个数据，i2为序列变量，i2∈[1,N2]，N2是序列D2中数据的数量；计算数据的波动值Tag的方法为：
Figure 615490DEST_PATH_IMAGE001
，其中，d2t的下标t为积分变量；
其中，DE(Mean(D2),d2i2)表示序列中的数据偏向度，其计算方法为：
DE(Mean(D2),d2i2)=ABS[SQRT((Mean(D2)-d2i2)×(Mean(D2)+d2i2))]，Mean函数为取集合中元素的平均值，SQRT函数为取平方根的函数，ABS函数为取绝对值的函数。
2.根据权利要求1所述的一种膨化结晶机的运行状态实时评估方法，其特征在于，在S100中，膨化结晶机运行时的运行数据包括：实时功率、温度、气压和电流值中的任意一种数据, 运行数据的值为温度、气压和电流值中的任意一种数据的值，所述运行参数序列为按照时间的先后顺序采集的运行数据构成的时间序列；
膨化结晶机在运行中内部的物料的属性数据包括：物料的温度或湿度的数据, 属性数据的值为温度或湿度的值，所述物料属性参数序列为按照时间的先后顺序采集的属性数据构成的时间序列。
3.根据权利要求1所述的一种膨化结晶机的运行状态实时评估方法，其特征在于，在S300中，以滑动窗口搜索出物料属性参数序列中数据波动最大位置的方法为：
S301，从物料属性参数序列中当前时刻的元素开始，以时间顺序的反方向将滑动窗口以步进量为每次滑动的距离在物料属性参数序列上开始滑动，记当前时刻的元素的序号为iC，以tMAX表示从第iC个元素开始到滑动窗口中最大值的元素之间所有元素的最大值或者物料属性参数序列中各元素的最大值所对应的采集时刻；
S302，记滑动窗口的滑动次数为ToM，则获取滑动窗口的历史平均值集合为MeanW={meanWi1}；meanWi1表示第i1次移动的滑动窗口中各个元素的平均值；获取滑动窗口的历史最大值集合为MaxW={maxWi1}；maxWi1表示第i1次移动的滑动窗口中各个元素的最大值；获取滑动窗口的历史最小值集合为MinW={minWi1}；minWi1表示第i1次移动的滑动窗口中各个元素的最小值，i1为变量，i1∈[1,ToM]；
S303，实时监测在滑动窗口每一次滑动时滑动窗口框选的物料属性参数序列各个元素的算术平均值UDMean是否满足第一条件，当滑动窗口中各个元素的算术平均值UDMean不满足第一条件时转到步骤S304：
所述第一条件为：Min(MeanW)+UD2≤UDMean≤Max(MeanW)+UD1；或者，所述第一条件为：Min(MeanW)-MinT(UD1,UD2)≤UDMean≤Max(MeanW)+MaxT(UD1,UD2)；
其中，UDMean为当前的滑动窗口中元素的算术平均值，UD1为Max(MinW)和Min(MaxW)的差值的绝对值；UD2为Min(MinW)和Max(MaxW)的差值的绝对值；Max函数为取集合中元素的最大值，Min函数为取集合中元素的最小值；MinT(UD1,UD2)表示选取UD1和UD2的最小值，MaxT(UD1,UD2) 表示选取UD1和UD2的最大值；
S304，如果当前的滑动窗口中元素的最大值大于或等于Max(MeanW)时，或者，如果当前的滑动窗口中元素的最大值大于或等于Min(MaxW)时，则标记当前滑动窗口的位置为物料属性参数序列中数据波动最大位置。
4.根据权利要求1所述的一种膨化结晶机的运行状态实时评估方法，其特征在于，在S300和S400中，计算数据的波动值Tag的方法还可以为：
以各个数据构成的序列为D2={d2i2}，d2i2为序列中第i2个数据，i2为序列变量，i2∈[1,N2]，N2是序列D2中数据的数量；计算数据的波动值Tag的方法为：
Tag= KU÷Mean(D2)；
其中，KU是(Max(D2)-Mean(D2))和(Mean(D2)- Min(D2))两个值中的最大值；Max函数为取集合中元素的最大值，Min函数为取集合中元素的最小值；Mean函数为取集合中元素的平均值，SQRT函数为取平方根的函数。
5.根据权利要求1所述的一种膨化结晶机的运行状态实时评估方法，其特征在于，在S500中，所述相似度为余弦相似度、Jaccard相关系数和Tanimoto系数中任意一种。
6.根据权利要求1所述的一种膨化结晶机的运行状态实时评估方法，其特征在于，在S500中，根据第一子序列和第二子序列的相似度和设备运行状态结果的关系输出对应的设备运行状态结果的方法为：
当相似度的值在小于0时，对应的设备运行状态结果为极差；
相似度的值处于(0,0.3]时，对应的设备运行状态结果为差；
相似度的值处于(0.3,0.5]范围时，对应的设备运行状态结果为一般；
相似度的值处于(0.5,0.8)范围时，对应的设备运行状态结果为良好；
相似度的值大于0.8时，对应的设备运行状态结果为优秀。
7.一种膨化结晶机的运行状态实时评估系统，其特征在于，所述一种膨化结晶机的运行状态实时评估系统包括：处理器、存储器及存储在所述存储器中并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权利要求1-6中的任意一项所述一种膨化结晶机的运行状态实时评估方法中的步骤，所述一种膨化结晶机的运行状态实时评估系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的计算设备中。
CN202210281681.8A 2022-03-21 2022-03-21 一种膨化结晶机的运行状态实时评估方法及系统 Active CN114634391B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210281681.8A CN114634391B (zh) 2022-03-21 2022-03-21 一种膨化结晶机的运行状态实时评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210281681.8A CN114634391B (zh) 2022-03-21 2022-03-21 一种膨化结晶机的运行状态实时评估方法及系统

Publications (2)

Publication Number Publication Date
CN114634391A CN114634391A (zh) 2022-06-17
CN114634391B true CN114634391B (zh) 2022-10-11

Family

ID=81950461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210281681.8A Active CN114634391B (zh) 2022-03-21 2022-03-21 一种膨化结晶机的运行状态实时评估方法及系统

Country Status (1)

Country Link
CN (1) CN114634391B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115847792B (zh) * 2022-11-25 2023-08-01 广东汇发塑业科技有限公司 一种生物降解膜的均衡牵引方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108650065A (zh) * 2018-03-15 2018-10-12 西安电子科技大学 基于窗口的流式数据缺失处理方法
CN110562296A (zh) * 2019-09-25 2019-12-13 广州华工中云信息技术有限公司 一种基于lkj列控运行文件数据连续波动异常识别方法
CN110561195A (zh) * 2019-09-04 2019-12-13 清华大学深圳研究生院 一种机械加工过程中颤振的监测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006064990A1 (en) * 2004-12-17 2006-06-22 Korea Research Institute Of Standards And Science A trend monitoring and diagnostic analysis method for a vacuum pump and a trend monitoring and diagnostic analysis system therefor and computer-readable storage media including a computer program which performs the method
TWI690009B (zh) * 2015-11-20 2020-04-01 財團法人工業技術研究院 設備的故障評估方法與故障評估裝置
EP3452720B1 (en) * 2016-05-03 2024-03-27 Vestas Wind Systems A/S Status monitoring for wind turbines
CN111797686B (zh) * 2020-05-29 2024-04-02 中南大学 基于时间序列相似性分析的泡沫浮选生产过程运行状态稳定度评估方法
CN112395684A (zh) * 2020-10-30 2021-02-23 长春工业大学 一种高速列车走行部系统智能故障诊断方法
CN113156917B (zh) * 2021-04-10 2023-09-08 河北新大长远电力科技股份有限公司 基于人工智能的电网设备故障诊断方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108650065A (zh) * 2018-03-15 2018-10-12 西安电子科技大学 基于窗口的流式数据缺失处理方法
CN110561195A (zh) * 2019-09-04 2019-12-13 清华大学深圳研究生院 一种机械加工过程中颤振的监测方法
CN110562296A (zh) * 2019-09-25 2019-12-13 广州华工中云信息技术有限公司 一种基于lkj列控运行文件数据连续波动异常识别方法

Also Published As

Publication number Publication date
CN114634391A (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN114634391B (zh) 一种膨化结晶机的运行状态实时评估方法及系统
Yahmed et al. ADAPTIVE SLIDING WINDOW ALGORITHM FOR WEATHER DATA SEGMENTATION.
US20140379347A1 (en) System and method for efficient signal processing to identify and understand speech
CN108205580A (zh) 一种图像检索方法、装置及计算机可读存储介质
CN110672325A (zh) 一种基于概率分布的轴承工况稳定性评估方法及装置
CN112749810B (zh) 模型训练方法、控制参数确定方法及装置
CN109902588B (zh) 一种手势识别方法、装置及计算机可读存储介质
Marascu et al. TRISTAN: Real-time analytics on massive time series using sparse dictionary compression
CN116340388A (zh) 一种基于异常检测的时序数据的压缩存储方法及装置
Liu et al. Model-free feature screening for ultrahigh-dimensional data conditional on some variables
Corana et al. Efficient computation of the correlation dimension from a time series on a LIW computer
CN112926436A (zh) 行为识别方法及装置、电子设备和存储介质
CN116975503A (zh) 一种土壤侵蚀信息管理方法及系统
CN112214533A (zh) 时序数据聚合方法及装置
CN117332620A (zh) 基于大气腐蚀数据的耐腐蚀材料优化方法及系统
CN103279581A (zh) 一种利用紧凑视频主题描述子进行视频检索的方法
CN112445925A (zh) 聚类归档方法、装置、设备及计算机存储介质
CN113763415A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN110597807A (zh) 基于数据分析的数据扩充方法、装置、终端及介质
JP2006227835A (ja) 類似時系列データ計算装置、類似時系列データ計算方法、および類似時系列データ計算プログラム
CN114118411A (zh) 图像识别网络的训练方法、图像识别方法及装置
JP2007072752A (ja) 類似時系列データ計算方法、類似時系列データ計算装置、および類似時系列データ計算プログラム
CN110731777A (zh) 基于图像识别的左心室测量方法、装置以及计算机设备
Li et al. Divide and conquer dynamic programming: an almost linear time change point detection methodology in high dimensions
CN110807029B (zh) 一种秒流量厚度的散列映射存储方法和系统

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