CN115096374B - 一种铸造中智能除尘预测补偿的方法及系统 - Google Patents

一种铸造中智能除尘预测补偿的方法及系统 Download PDF

Info

Publication number
CN115096374B
CN115096374B CN202211002936.9A CN202211002936A CN115096374B CN 115096374 B CN115096374 B CN 115096374B CN 202211002936 A CN202211002936 A CN 202211002936A CN 115096374 B CN115096374 B CN 115096374B
Authority
CN
China
Prior art keywords
fan
casting
days
preset
operated
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
CN202211002936.9A
Other languages
English (en)
Other versions
CN115096374A (zh
Inventor
钟艳
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.)
Qidong Peng Peng Glass Machinery Co ltd
Original Assignee
Camce Heavy Industry Intelligent Equipment 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 Camce Heavy Industry Intelligent Equipment Co ltd filed Critical Camce Heavy Industry Intelligent Equipment Co ltd
Priority to CN202211002936.9A priority Critical patent/CN115096374B/zh
Publication of CN115096374A publication Critical patent/CN115096374A/zh
Application granted granted Critical
Publication of CN115096374B publication Critical patent/CN115096374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/004—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids by varying driving speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Ventilation (AREA)
  • Filtering Of Dispersed Particles In Gases (AREA)

Abstract

本发明涉及除尘预测补偿技术领域，具体涉及一种铸造中智能除尘预测补偿的方法及系统，包括：根据各个片区的风机运转时在当天、第一、第二预设天数内每个时段对应的粉尘浓度、废气浓度和温度，确定当天各个片区的每个时段对应的风机补偿转速和各个片区在第一、第二预设天数内对应实际的环境危险程度序列，进而确定各个片区的第二预设天数对应预测的环境危险程度序列，从而确定当天各个片区的风机运转时每个时段对应的转速补偿系数；根据当天各个片区的风机运转时每个时段对应的转速补偿系数和风机补偿转速，确定下一天各个片区的每个时段对应的风机修正转速。本发明确定了铸造车间中合理的风机转速，提高了铸造车间中风机除尘的效果。

Description

一种铸造中智能除尘预测补偿的方法及系统
技术领域
本发明涉及铸造除尘预测技术领域，具体涉及一种铸造中智能除尘预测补偿的方法及系统。
背景技术
铸造是将液体金属浇铸到与零件形状相适应的铸造空腔中，待其冷却凝固后形成零件或毛坯。铸造工艺生产过程中所产生的尘、渣、废气、废水、噪声等对环境的影响不容忽视，铸造车间每生产1吨铸件，约散发50千克的粉尘和20立方米的废气，铸造工艺是严重污染环境的行业之一。铸造车间主要是通过除尘器改善车间环境，除尘器通过大型风机可以将粉尘和废气吸入到除尘器中。在铸造车间生产过程中，由于粉尘和废气的产生时间不固定，所以不同时段所需要的除尘强度不同，在粉尘和废气较少的时候不需要太强的风力，在粉尘和废气较多的时候则需要较大的风力。因此，需要动态调节铸造车间中的除尘器的风机转速。
现有技术通过给除尘器设置固定的风机转速来改善车间环境，而设置固定的风机转速无法根据铸造车间的实时环境情况动态调节除尘器的风机转速，从而导致除尘效果较差，进而增加除尘器的电能消耗和噪音，其收集处理粉尘和废气的效果也会比较差。
发明内容
为了解决上述现有设置固定风机转速导致除尘效果较差的问题，本发明的目的在于提供一种铸造中智能除尘预测补偿的方法及系统。
本发明提供了一种铸造中智能除尘预测补偿的方法，包括以下步骤：
实时获取当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，并根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速；
实时获取铸造车间中各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的粉尘浓度、废气浓度和温度，并根据各个片区的风机运转时在第一预设天数和第二预设天数内每个时段的粉尘浓度、废气浓度和温度，确定各个片区的风机运转时在第一预设天数和第二预设天数内每天对应实际的环境危险程度，进而确定各个片区的第一预设天数和第二预设天数对应实际的环境危险程度序列；
根据各个片区的第一预设天数对应实际的环境危险程度序列和预先构建并训练好的预测神经网络，确定各个片区的第二预设天数对应预测的环境危险程度序列；
获取铸造车间中各个片区对应的最佳匹配片区，根据各个片区的第二预设天数对应预测的环境危险程度序列、各个片区的第二预设天数对应实际的环境危险程度序列以及各个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，确定当天各个片区的风机运转时的每个时段对应的转速补偿系数；
根据当天各个片区的风机运转时的每个时段对应的转速补偿系数和风机补偿转速，确定下一天各个片区的每个时段对应的风机修正转速。
进一步的，获取铸造车间中各个片区对应的最佳匹配片区的步骤包括：
获取铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，并根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度；
根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度以及温度，确定铸造车间中各个片区的风机不运转时预设天数对应的铸造环境向量；
根据铸造车间中各个片区的风机不运转时预设天数对应的铸造环境向量和环境危险程度，确定铸造车间中任意两个片区之间的环境相似性；
根据铸造车间中任意两个片区之间的环境相似性，确定铸造车间中各个片区对应的最佳匹配片区。
进一步的，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度的步骤包括：
根据铸造车间中各个片区在风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，确定各个片区的风机不运转时在预设天数内对应的目标粉尘浓度、目标废气浓度和目标温度，进而确定铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度；
根据铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度。
进一步的，确定铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度的计算公式为：
Figure DEST_PATH_IMAGE001
其中，
Figure 100002_DEST_PATH_IMAGE002
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度，
Figure DEST_PATH_IMAGE003
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标粉尘浓度出现的次数，
Figure 100002_DEST_PATH_IMAGE004
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度平均值，
Figure DEST_PATH_IMAGE005
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度方差，
Figure 100002_DEST_PATH_IMAGE006
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度，
Figure DEST_PATH_IMAGE007
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标粉尘浓度，mean( )为求均值函数，Var( )为求方差函数；
确定铸造车间中各个片区的风机不运转时在预设天数内对应的废气浓度程度的计算公式为：
Figure 100002_DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度程度，
Figure 100002_DEST_PATH_IMAGE010
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标废气浓度出现的次数，
Figure DEST_PATH_IMAGE011
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度平均值，
Figure 100002_DEST_PATH_IMAGE012
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度方差，
Figure DEST_PATH_IMAGE013
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的废气浓度，
Figure 100002_DEST_PATH_IMAGE014
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标废气浓度，mean( )为求均值函数，Var( )为求方差函数；
确定铸造车间中各个片区的风机不运转时在预设天数内对应的温度变化程度的计算公式为：
Figure DEST_PATH_IMAGE015
其中，
Figure 100002_DEST_PATH_IMAGE016
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度变化程度，
Figure DEST_PATH_IMAGE017
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标温度出现的次数，
Figure 100002_DEST_PATH_IMAGE018
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度平均值，
Figure DEST_PATH_IMAGE019
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度方差，
Figure 100002_DEST_PATH_IMAGE020
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的温度，
Figure DEST_PATH_IMAGE021
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标温度，mean( )为求均值函数，Var( )为求方差函数。
进一步的，确定铸造车间中任意两个片区之间的环境相似性的计算公式为：
Figure 100002_DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE023
为铸造车间中第A个片区与第B个片区之间的环境相似性，
Figure 100002_DEST_PATH_IMAGE024
为铸造车间中第A个片区的风机不运转时预设天数对应的铸造环境向量，
Figure DEST_PATH_IMAGE025
为铸造车间中第B个片区的风机不运转时预设天数对应的铸造环境向量，
Figure 100002_DEST_PATH_IMAGE026
为铸造车间中第A个片区的风机不运转时预设天数对应的环境危险程度，
Figure DEST_PATH_IMAGE027
为铸造车间中第B个片区的风机不运转时预设天数对应的环境危险程度，abs( )为求绝对值函数，SIM( )为求相似程度函数。
进一步的，确定当天各个片区的风机运转时的每个时段对应的转速补偿系数的计算公式为：
Figure 100002_DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE029
为当天第A个片区的风机运转时的每个时段对应的转速补偿系数，
Figure 100002_DEST_PATH_IMAGE030
为第A个片区的第二预设天数对应预测的环境危险程度序列，
Figure DEST_PATH_IMAGE031
为第A个片区的第二预设天数对应实际的环境危险程度序列，
Figure 100002_DEST_PATH_IMAGE032
为第A个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，dtw( )为求相似距离函数。
进一步的，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速的步骤包括：
根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值；
根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值，确定当天铸造车间中各个片区的风机运转时的每个时段对应的风机补偿转速。
进一步的，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速的计算公式为：
Figure DEST_PATH_IMAGE033
其中，
Figure 100002_DEST_PATH_IMAGE034
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的风机补偿转速，
Figure DEST_PATH_IMAGE035
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的粉尘浓度指标值，
Figure 100002_DEST_PATH_IMAGE036
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的废气浓度指标值，
Figure DEST_PATH_IMAGE037
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的预设风机转速，Max( )为求最大值函数。
进一步的，确定下一天各个片区的每个时段对应的风机修正转速的计算公式为：
Figure 100002_DEST_PATH_IMAGE038
其中，
Figure DEST_PATH_IMAGE039
为下一天第A个片区的第n个时段对应的风机修正转速，
Figure 415371DEST_PATH_IMAGE034
为当天第A个片区的风机运转时的第n个时段对应的风机补偿转速，
Figure 100002_DEST_PATH_IMAGE040
为当天第A个片区的风机运转时的第n个时段对应的转速补偿系数，
Figure DEST_PATH_IMAGE041
为预设修正因子。
本发明还提供了一种铸造中智能除尘预测补偿的系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现一种铸造中智能除尘预测补偿的方法。
本发明具有如下有益效果：
本发明通过采集当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，得到当天各个片区的风机运转时的每个时段对应的风机补偿转速，根据实时获取的当天各个片区的风机运转时的每个时段对应的转速补偿系数和风机补偿转速，可以确定下一天各个片区的每个时段对应的风机修正转速。本发明通过当天各个片区的风机运转时的每个时段对应的转速补偿系数，确定各个片区的每个时段对应的风机修正转速，从而确定各个片区的每个时段对应的风机转速，提高了铸造车间中风机转速的合理性，进而提高了铸造车间中粉尘和废气的收集处理效果，保证了铸造车间有一个安全的生产环境。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明实施例中的一种铸造中智能除尘预测补偿的方法的流程图；
图2为本发明实施例中的获取铸造车间中各个片区对应的最佳匹配片区的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本实施例的主要目的是在铸造车间生产过程中，根据铸造车间内粉尘和废气的情况，实时调节除尘器的吸尘风机的转速，也就是在粉尘浓度和废气浓度较小的时候能够自动降低风机转速，在粉尘浓度和废气浓度较大的时候能够增大风机转速。最终，使除尘器的电能消耗和噪音最少的同时，其粉尘和废气的收集处理效果最佳。基于上述内容，本实施例提供了一种铸造中智能除尘预测补偿的方法，如图1所示，该方法包括以下步骤：
（1）实时获取当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，并根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速。
需要说明的是，由于铸造车间的面积较大，在本实施例中，铸造车间是由多个片区组成，并且在划分片区时将片区数目设定为偶数，以便于后续确定每个片区对应的最佳匹配片区。而铸造机器位于车间的各个片区，不同片区的生产环境不同，所以需要在每个片区均需要安装一组数据采集设备，以便于获取更准确的数据信息，数据采集设备的安装位置并不会影响铸造车间的正常生产过程，在本实施例中每个片区的大小均为20平方米左右。
（1-1）实时获取当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，其步骤包括：
（1-1-1）实时获取当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度。
在本实施例中，每个片区的每个时段的除尘器均有其对应预设风机转速，通过给各个片区的除尘器设定风机转速，使各个片区对应的风机开始运转，在铸造车间的各个片区对应的风机运转时，利用粉尘浓度检测仪来检测铸造车间内各个片区的风机运转时的每个时段对应的粉尘浓度，该粉尘浓度检测仪能够检测PM0.3-PM10大小的颗粒，该时段为5秒，即每5秒采集一次粉尘浓度，记为
Figure 100002_DEST_PATH_IMAGE042
，n表示铸造车间中的第n个片区，t表示当天的第t个时段，通过长时间记录当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度，能够得到各个片区对应的粉尘浓度变化序列，将第n个片区对应的粉尘浓度变化序列记为
Figure 387703DEST_PATH_IMAGE006
，
Figure 737081DEST_PATH_IMAGE006
={
Figure DEST_PATH_IMAGE043
,..,
Figure 239269DEST_PATH_IMAGE042
}。
需要说明的是，当某个片区的粉尘浓度检测仪的粉尘浓度长时间高于粉尘浓度均值时，说明该片区的粉尘浓度较高，此时应该增大该片区除尘器的风机转速。
（1-1-2）实时获取当天铸造车间中各个片区的风机运转时的每个时段对应的废气浓度。
铸造车间的废气是在燃烧金属粉尘颗粒及柴油(重油)的过程中产生的二氧化硫、一氧化氮等有害气体，本实施例通过气体检测仪来检测铸造车间内各个片区的风机运转时的每个时段对应的废气浓度，该时段为5秒，即每5秒采集一次废气浓度，记为
Figure 100002_DEST_PATH_IMAGE044
，n表示铸造车间中的第n个片区，t表示当天的第t个时段，通过长时间记录当天铸造车间中各个片区的风机运转时的每个时段对应的废气浓度，能够得到各个片区对应的废气浓度变化序列，将第n个片区对应的废气浓度变化序列记为
Figure 386131DEST_PATH_IMAGE013
，
Figure DEST_PATH_IMAGE045
{
Figure 100002_DEST_PATH_IMAGE046
,..,
Figure 701269DEST_PATH_IMAGE044
}。
需要说明的是，当某个片区的气体检测仪的废气浓度长时间高于废气浓度均值时，说明该片区的废气浓度较高，此时应该增大该片区除尘器的风机转速。
（1-2）根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速。
本实施例确定当天各个片区的每个时段对应的风机补偿转速的目的是为了能够高效智能地控制除尘器的风机转速，高效智能的控制除尘器的风机转速的原则为：在低粉尘浓度低废气浓度时启动较低风机转速，在高粉尘浓度高废气浓度时启动较高的风机转速，即动态调节除尘器的风机转速，以达到除尘器能耗更低和除尘效果更好的目的，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速的步骤包括：
（1-2-1）根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值。
在本实施例中，计算各个片区的每个时段对应的粉尘浓度和废气浓度与对应最低值的比值，并将该比值作为浓度指标值，以计算第n个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值为例，其计算公式为：
Figure DEST_PATH_IMAGE047
Figure 100002_DEST_PATH_IMAGE048
其中，
Figure DEST_PATH_IMAGE049
为第n个片区的风机运转时的每个时段对应的粉尘浓度指标值，
Figure 100002_DEST_PATH_IMAGE050
为第n个片区的风机运转时的每个时段对应的粉尘浓度，
Figure DEST_PATH_IMAGE051
为预设最低粉尘浓度，
Figure 100002_DEST_PATH_IMAGE052
为第n个片区的风机运转时的每个时段对应的废气浓度指标值，
Figure DEST_PATH_IMAGE053
为第n个片区的风机运转时的每个时段对应的废气浓度，
Figure 100002_DEST_PATH_IMAGE054
为预设最低废气浓度。
参考第n个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值的确定过程，从而得到当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值。
（1-2-2）根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值，确定当天铸造车间中各个片区的风机运转时的每个时段对应的风机补偿转速。
需要说明的是，由于风机补偿转速与所对应的风量之间是成正比，所以风机补偿转速与对应粉尘或废气的排放效率也是成正比的，那么根据每个时段对应的粉尘浓度指标值和废气浓度指标值，可以得到每个时段对应的风机补偿转速。
本实施例以确定当天铸造车间中第A个片区的风机运转时的第n个时段对应的风机补偿转速为例，根据当天铸造车间中第A个片区的风机运转时的第n个时段对应的粉尘浓度指标值和废气浓度指标值，确定当天铸造车间中第A个片区的风机运转时的第n个时段对应的风机补偿转速，其计算公式为：
Figure DEST_PATH_IMAGE055
其中，
Figure 181147DEST_PATH_IMAGE034
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的风机补偿转速，
Figure 100002_DEST_PATH_IMAGE056
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的粉尘浓度指标值，
Figure 65930DEST_PATH_IMAGE036
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的废气浓度指标值，
Figure 537406DEST_PATH_IMAGE037
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的预设风机转速，Max( )为求最大值函数。
参考当天铸造车间中第A个片区的风机运转时的第n个时段对应的风机补偿转速的确定步骤，得到当天铸造车间中各个片区的风机运转时的每个时段对应的风机补偿转速，各个片区的每个时段均有其对应的风机补偿转速。
（2）实时获取铸造车间中各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的粉尘浓度、废气浓度和温度，并根据各个片区的风机运转时在第一预设天数和第二预设天数内每个时段的粉尘浓度、废气浓度和温度，确定各个片区的风机运转时在第一预设天数和第二预设天数内每天对应实际的环境危险程度，进而确定各个片区的第一预设天数和第二预设天数对应实际的环境危险程度序列。
（2-1）实时获取铸造车间中各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的粉尘浓度、废气浓度和温度，其步骤包括：
需要说明的是，第一预设天数是指第二预设天数的前M天，第二预设天数是指包含当天的前M天，若本实施例将M设置为5，那么第一预设天数为5天，第二预设天数也为5天，也就是将包含当天的前5天作为第二预设天数，将第二预设天数的前5天作为第一预设天数。
首先，参考步骤（1-1-1）的实时获取每个时段对应的粉尘浓度和步骤（1-1-2）的实时获取每个时段对应的废气浓度，可获得各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的粉尘浓度和废气浓度。
然后，本实施例利用热成像仪采集各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的温度，该时段为5秒，也就是每5秒采集一次温度，记为
Figure DEST_PATH_IMAGE057
，n表示铸造车间中的第n个片区，t表示当天的第t个时段，通过长时间记录当天铸造车间中各个片区的风机运转时的每个时段对应的温度，能够得到各个片区对应的温度变化序列，将第n个片区对应的温度变化序列记为
Figure DEST_PATH_IMAGE058
，
Figure DEST_PATH_IMAGE059
。
需要说明的是，当某个片区的温高于温度均值时，说明该片区为液体金属加工区，而液体金属加工区所产生的粉尘和废气较多，此时应该增大该片区除尘器的风机转速。
至此，本实施例得到了铸造车间中各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的粉尘浓度、废气浓度和温度。
（2-2）根据各个片区的风机运转时在第一预设天数和第二预设天数内每个时段的粉尘浓度、废气浓度和温度，确定各个片区的风机运转时在第一预设天数和第二预设天数内每天对应实际的环境危险程度，进而确定各个片区的第一预设天数和第二预设天数对应实际的环境危险程度序列。
在本实施例中，根据第一预设天数和第二预设天数内每个时段的粉尘浓度、废气浓度和温度，参考步骤（4-1）的确定铸造车间中各个片区的风机不运转时对应的环境危险程度的步骤，可确定第一预设天数和第二预设天数内每天对应实际的环境危险程度，在预设天数内的每天均有其对应的实际的环境危险程度。将各个片区的风机运转时在第一预设天数和第二预设天数内每天对应实际的环境危险程度构成序列，从而得到各个片区的第一预设天数和第二预设天数对应实际的环境危险程度序列。
（3）根据各个片区的第一预设天数对应实际的环境危险程度序列和预先构建并训练好的预测神经网络，确定各个片区的第二预设天数对应预测的环境危险程度序列。
在本实施例中，将步骤（2-2）得到的各个片区的第一预设天数对应实际的环境危险程度序列输入到预先构建并训练好的预测神经网络，从而输出各个片区的第二预设天数对应预测的环境危险程度序列。
需要说明的是，这里的预测神经网络的结构形式为RNN（Recurrent NeuralNetworks，循环神经网络），RNN神经网络一共有三层，分别为第一层输入层、第二层隐藏层和第三层输出层，在构建预测神经网络的过程中用到了时间序列前向传播算法和时间序列反向传播算法，通过上述的两个传播算法实现了预测神经网络的功能，该功能为输出预测的环境危险程度序列。另外，该预测神经网络的损失函数为均方误差函数。构建并训练预测神经网络的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
本实施例通过预测神经网络得到的各个片区的第二预设天数对应预测的环境危险程度序列，有助于后续确定当天各个片区的风机运转时的每个时段对应的转速补偿系数，每天的各个片区的风机运转时的每个时段对应的转速补偿系数是不同的，所以本实施例需要实时获取相应的数据信息，以确定每天各个片区的每个时段对应的转速补偿系数。
（4）获取铸造车间中各个片区对应的最佳匹配片区，根据各个片区的第二预设天数对应预测的环境危险程度序列、各个片区的第二预设天数对应实际的环境危险程度序列以及各个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，确定当天各个片区的每个时段对应的转速补偿系数。
在确定当天各个片区的每个时段对应的转速补偿系数之前，本实施例需要获取铸造车间中各个片区对应的最佳匹配片区。通过获取各个片区对应的最佳匹配片区，能够有效提高当天各个片区的风机运转时的每个时段对应的转速补偿系数的准确性，获取铸造车间中各个片区对应的最佳匹配片区的流程图如图2所示，其步骤包括：
（4-1）获取铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、气体浓度和温度，并根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、气体浓度和温度，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度。
（4-1-1）根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，确定各个片区的风机不运转时在预设天数内对应的目标粉尘浓度、目标废气浓度和目标温度，进而确定铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度。
在本实施例中，风机不运转时对应的预设天数为1天，通过铸造车间中各个片区的风机不运转时在1天内每个时段对应的粉尘浓度、废气浓度和温度，确定各个片区的风机不运转时在1天内对应的粉尘浓度指标峰值、废气浓度指标峰值和温度指标峰值以及各个指标峰值在1天内出现的次数，各个指标峰值的范围在[
Figure 100002_DEST_PATH_IMAGE060
,
Figure DEST_PATH_IMAGE061
]之间。本实施例将位于该范围的粉尘浓度指标峰值、废气浓度指标峰值和温度指标峰值称为目标粉尘浓度、目标废气浓度和目标温度，此时，确定了各个片区的风机不运转时在预设天数内对应的目标粉尘浓度、目标废气浓度和目标温度出现的次数。
根据各个片区的风机不运转时在预设天数内对应的目标粉尘浓度、目标废气浓度和目标温度出现的次数、以及每个时段对应的粉尘浓度、废气浓度和温度，计算铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度。
本实施例以确定铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度以及温度变化程度为例，首先，确定铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度的计算公式为：
Figure 887566DEST_PATH_IMAGE001
其中，
Figure 296421DEST_PATH_IMAGE002
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度，
Figure 619385DEST_PATH_IMAGE003
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标粉尘浓度出现的次数，
Figure 797296DEST_PATH_IMAGE004
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度平均值，
Figure 164748DEST_PATH_IMAGE005
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度方差，
Figure 208970DEST_PATH_IMAGE006
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度，
Figure 46609DEST_PATH_IMAGE007
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标粉尘浓度，mean( )为求均值函数，Var( )为求方差函数。
然后，确定铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度程度的计算公式为：
Figure 744874DEST_PATH_IMAGE008
其中，
Figure 249413DEST_PATH_IMAGE009
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度程度，
Figure 9692DEST_PATH_IMAGE010
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标废气浓度出现的次数，
Figure 389638DEST_PATH_IMAGE011
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度平均值，
Figure 100002_DEST_PATH_IMAGE062
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度方差，
Figure 582364DEST_PATH_IMAGE013
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的废气浓度，
Figure 257804DEST_PATH_IMAGE014
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标废气浓度，mean( )为求均值函数，Var( )为求方差函数。
最终，确定铸造车间中第n个片区的风机不运转时在预设天数内对应的温度变化程度的计算公式为：
Figure 528816DEST_PATH_IMAGE015
其中，
Figure 65847DEST_PATH_IMAGE016
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度变化程度，
Figure 594829DEST_PATH_IMAGE017
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标温度出现的次数，
Figure 67269DEST_PATH_IMAGE018
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度平均值，
Figure 307801DEST_PATH_IMAGE019
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度方差，
Figure 290659DEST_PATH_IMAGE020
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的温度，
Figure 582137DEST_PATH_IMAGE021
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标温度，mean( )为求均值函数，Var( )为求方差函数。
需要说明的是，参考第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度，可以得到各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度。
（4-1-2）根据铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度，确定铸造车间中各个片区的风机不运转时对应的环境危险程度。
本实施例以确定铸造车间中第n个片区的风机不运转时对应的环境危险程度为例，根据第n个片区的风机不运转时在1天内对应的粉尘浓度程度、废气浓度程度和温度变化程度，确定第n个片区的风机不运转时对应的环境危险程度，其计算公式为：
Figure DEST_PATH_IMAGE063
其中，
Figure 100002_DEST_PATH_IMAGE064
为第n个片区的风机不运转时对应的环境危险程度，
Figure 325012DEST_PATH_IMAGE002
为第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度，
Figure 29402DEST_PATH_IMAGE009
为第n个片区的风机不运转时在预设天数内对应的废气浓度程度，
Figure 931673DEST_PATH_IMAGE016
为第n个片区的风机不运转时在预设天数内对应的温度变化程度。
当第n个片区的风机不运转时对应的粉尘浓度程度越大、废气浓度程度越大和温度变化程度越大，说明第n个片区的风机不运转时对应的环境危险程度越大，第n个片区对应的环境危险程度越大意味着该片区的环境污染越严重，那么该片区除尘器所需要的风机转速会越大。参考铸造车间中第n个片区的风机不运转时对应的环境危险程度的确定过程，能够得到铸造车间中各个片区的风机不运转时对应的环境危险程度。
（4-2）根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度以及温度，确定铸造车间中各个片区的风机不运转时对应的铸造环境向量。
本实施例将铸造车间中每个片区的风机不运转时在1天内每个时段对应的粉尘浓度、废气浓度以及温度整合成一个铸造环境向量，将第n个片区的风机不运转时对应的铸造环境向量记为
Figure DEST_PATH_IMAGE065
，
Figure 100002_DEST_PATH_IMAGE066
。
（4-3）根据铸造车间中各个片区的风机不运转时对应的铸造环境向量和环境危险程度，确定铸造车间中任意两个片区之间的环境相似性。
本实施例以确定铸造车间中第A个片区与第B个片区之间的环境相似性为例，根据铸造车间中第A个片区和第B个片区的风机不运转时对应的铸造环境向量和环境危险程度，确定第A个片区与第B个片区之间的环境相似性，其计算公式为：
Figure 965613DEST_PATH_IMAGE022
其中，
Figure 301828DEST_PATH_IMAGE023
为铸造车间中第A个片区与第B个片区之间的环境相似性，
Figure 886657DEST_PATH_IMAGE024
为铸造车间中第A个片区的风机不运转时对应的铸造环境向量，
Figure 91154DEST_PATH_IMAGE025
为铸造车间中第B个片区的风机不运转时对应的铸造环境向量，
Figure 802629DEST_PATH_IMAGE026
为铸造车间中第A个片区的风机不运转时对应的环境危险程度，
Figure 929909DEST_PATH_IMAGE027
为铸造车间中第B个片区的风机不运转时对应的环境危险程度，abs( )为求绝对值函数，SIM( )为求相似程度函数。
参考铸造车间中第A个片区与第B个片区之间的环境相似性的计算过程，得到铸造车间中任意两个片区之间的环境相似性。然后，对铸造车间中任意两个片区之间的环境相似性进行归一化处理，其值域为[0,1]，当两个片区之间的环境相似性越大，也就是两个片区的环境相似性越接近1时，说明该两个片区的铸造环境相似程度越高，当两个片区之间的环境相似性越小，也就是两个片区的环境相似性越接近0时，说明该两个片区的铸造环境相似程度越低。
（4-4）根据铸造车间中任意两个片区之间的环境相似性，确定铸造车间中各个片区对应的最佳匹配片区。
在本实施例中，根据步骤（4-3）得到的铸造车间中任意两个片区之间的环境相似性，利用K-M匹配算法，基于铸造车间中各个片区的数目为偶数，确定铸造铸造车间中车间中各个片区对应的最佳匹配片区，每个片区均有其对应的最佳匹配片区。利用K-M匹配算法确定各个片区对应的最佳匹配片区的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
需要说明的是，本实施例确定铸造车间中各个片区对应的最佳匹配片区的目的有两个：其一是为了便于后续计算各个片区的风机运转时的每个时段对应的转速补偿系数，其二是由于除尘器长期处于恶劣的生产环境中，除尘器发生异常故障的概率较高，将各个片区与其对应的最佳匹配片区的铸造环境进行对比，有助于后续确定各个片区的除尘器是否处于正常工作状态，也就是判断各个片区的除尘器的除尘效果是否达到标准要求。
根据各个片区的第二预设天数对应预测的环境危险程度序列、各个片区的第二预设天数对应实际的环境危险程度序列以及各个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，确定当天各个片区的风机运转时的每个时段对应的转速补偿系数。
在本实施例中，以确定当天第A个片区的风机运转时的每个时段对应的转速补偿系数为例，根据步骤（3）得到的第A个片区的第二预设天数对应预测的环境危险程度序列，步骤（2-2）得到的第A个片区的第二预设天数对应实际的环境危险程度序列以及第A个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，计算当天第A个片区的风机运转时的每个时段对应的转速补偿系数，其计算公式为：
Figure DEST_PATH_IMAGE067
其中，
Figure 53898DEST_PATH_IMAGE029
为当天第A个片区的风机运转时的每个时段对应的转速补偿系数，
Figure 314284DEST_PATH_IMAGE030
为第A个片区的第二预设天数对应预测的环境危险程度序列，
Figure 270478DEST_PATH_IMAGE031
为第A个片区的第二预设天数对应实际的环境危险程度序列，
Figure 558283DEST_PATH_IMAGE032
为第A个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，dtw( )为求相似距离函数。
需要说明的是，参考当天第A个片区的风机运转时的每个时段对应的转速补偿系数的计算过程，可以得到当天各个片区的风机运转时的每个时段对应的转速补偿系数。对当天各个片区的风机运转时的每个时段对应的转速补偿系数进行归一化处理，转速补偿系数的值域范围在[0,1]内，当某个片区的风机运转时的某个时段对应的转速补偿系数越小时，也就是某个片区的风机运转时的某个时段对应的转速补偿系数越接近0时，说明该片区除尘器的该时段所需要补偿的风机转速越大。
（5）根据当天各个片区的风机运转时的每个时段对应的转速补偿系数和风机补偿转速，确定下一天各个片区的每个时段对应的风机修正转速。
需要说明的是，风机修正转速是指利用风机修正转速对各个片区的每个时段的除尘器对应的预设风机转速进行修正，以便于得到更合理的风机转速，提高铸造车间的风机除尘效果。
在本实施例中，以确定下一天第A个片区的风机运转时的第n个时段对应的风机修正转速为例，根据当天第A个片区的风机运转时的第n个时段对应的风机补偿转速和转速补偿系数，计算下一天第A个片区的第n个时段对应的风机修正转速，其计算公式为：
Figure 976759DEST_PATH_IMAGE038
其中，
Figure 664004DEST_PATH_IMAGE039
为下一天第A个片区的第n个时段对应的风机修正转速，
Figure 788029DEST_PATH_IMAGE034
为当天第A个片区的风机运转时的第n个时段对应的风机补偿转速，
Figure 777893DEST_PATH_IMAGE040
为当天第A个片区的风机运转时的第n个时段对应的转速补偿系数，
Figure 418086DEST_PATH_IMAGE041
为预设修正因子，预设修正因子可根据不同片区风机的实施情况由实施者定义。
需要说明的是，参考下一天第A个片区的第n个时段对应的风机修正转速的计算过程，能够得到下一天各个片区的每个时段对应的风机修正转速。当第A个片区的风机运转时的第n个时段对应的转速补偿系数
Figure 100002_DEST_PATH_IMAGE068
低于一定数值时，意味着第A个片区除尘器的第n个时段的风机修正转速较为异常，此时仅调控转速已不能解决问题，应该进行预警提醒。
基于与上述方法实施例相同的发明构思，本实施例提供了一种铸造中智能除尘预测补偿的系统，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，上述计算机程序被处理器执行时实现一种铸造中智能除尘预测补偿的方法，该方法是上述所述内容，此处不再进行详细阐述。
本发明通过实时更新当天各个片区的风机运转时的每个时段对应的转速补偿系数，确定各个片区的每个时段对应合理的风机转速，该确定过程能够提高粉尘和废气的收集处理效果，进而提高铸造车间中各个片区的风机除尘效果。
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)

1.一种铸造中智能除尘预测补偿的方法，其特征在于，包括以下步骤：
实时获取当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，并根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速；
实时获取铸造车间中各个片区的风机运转时在第一预设天数和第二预设天数内每个时段对应的粉尘浓度、废气浓度和温度，并根据各个片区的风机运转时在第一预设天数和第二预设天数内每个时段的粉尘浓度、废气浓度和温度，确定各个片区的风机运转时在第一预设天数和第二预设天数内每天对应实际的环境危险程度，进而确定各个片区的第一预设天数和第二预设天数对应实际的环境危险程度序列；
根据各个片区的第一预设天数对应实际的环境危险程度序列和预先构建并训练好的预测神经网络，确定各个片区的第二预设天数对应预测的环境危险程度序列；
获取铸造车间中各个片区对应的最佳匹配片区，根据各个片区的第二预设天数对应预测的环境危险程度序列、各个片区的第二预设天数对应实际的环境危险程度序列以及各个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，确定当天各个片区的风机运转时的每个时段对应的转速补偿系数；
根据当天各个片区的风机运转时的每个时段对应的转速补偿系数和风机补偿转速，确定下一天各个片区的每个时段对应的风机修正转速。
2.根据权利要求1所述的一种铸造中智能除尘预测补偿的方法，其特征在于，获取铸造车间中各个片区对应的最佳匹配片区的步骤包括：
获取铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，并根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度；
根据铸造车间中各个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度以及温度，确定铸造车间中各个片区的风机不运转时预设天数对应的铸造环境向量；
根据铸造车间中各个片区的风机不运转时预设天数对应的铸造环境向量和环境危险程度，确定铸造车间中任意两个片区之间的环境相似性；
根据铸造车间中任意两个片区之间的环境相似性，确定铸造车间中各个片区对应的最佳匹配片区。
3.根据权利要求2所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度的步骤包括：
根据铸造车间中各个片区在风机不运转时在预设天数内每个时段对应的粉尘浓度、废气浓度和温度，确定各个片区的风机不运转时在预设天数内对应的目标粉尘浓度、目标废气浓度和目标温度，进而确定铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度；
根据铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度、废气浓度程度和温度变化程度，确定铸造车间中各个片区的风机不运转时预设天数对应的环境危险程度。
4.根据权利要求3所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定铸造车间中各个片区的风机不运转时在预设天数内对应的粉尘浓度程度的计算公式为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度程度，
Figure DEST_PATH_IMAGE006
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标粉尘浓度出现的次数，
Figure DEST_PATH_IMAGE008
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度平均值，
Figure DEST_PATH_IMAGE010
为铸造车间中第n个片区的风机不运转时在预设天数内对应的粉尘浓度方差，
Figure DEST_PATH_IMAGE012
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的粉尘浓度，
Figure DEST_PATH_IMAGE014
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标粉尘浓度，mean( )为求均值函数，Var( )为求方差函数；
确定铸造车间中各个片区的风机不运转时在预设天数内对应的废气浓度程度的计算公式为：
Figure DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE018
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度程度，
Figure DEST_PATH_IMAGE020
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标废气浓度出现的次数，
Figure DEST_PATH_IMAGE022
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度平均值，
Figure DEST_PATH_IMAGE024
为铸造车间中第n个片区的风机不运转时在预设天数内对应的废气浓度方差，
Figure DEST_PATH_IMAGE026
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的废气浓度，
Figure DEST_PATH_IMAGE028
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标废气浓度，mean( )为求均值函数，Var( )为求方差函数；
确定铸造车间中各个片区的风机不运转时在预设天数内对应的温度变化程度的计算公式为：
Figure DEST_PATH_IMAGE030
其中，
Figure DEST_PATH_IMAGE032
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度变化程度，
Figure DEST_PATH_IMAGE034
为铸造车间中第n个片区的风机不运转时在预设天数内对应的目标温度出现的次数，
Figure DEST_PATH_IMAGE036
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度平均值，
Figure DEST_PATH_IMAGE038
为铸造车间中第n个片区的风机不运转时在预设天数内对应的温度方差，
Figure DEST_PATH_IMAGE040
为铸造车间中第n个片区的风机不运转时在预设天数内每个时段对应的温度，
Figure DEST_PATH_IMAGE042
为铸造车间中第n个片区的风机不运转时在预设天数内对应的各个目标温度，mean( )为求均值函数，Var( )为求方差函数。
5.根据权利要求2所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定铸造车间中任意两个片区之间的环境相似性的计算公式为：
Figure DEST_PATH_IMAGE044
其中，
Figure DEST_PATH_IMAGE046
为铸造车间中第A个片区与第B个片区之间的环境相似性，
Figure DEST_PATH_IMAGE048
为铸造车间中第A个片区的风机不运转时预设天数对应的铸造环境向量，
Figure DEST_PATH_IMAGE050
为铸造车间中第B个片区的风机不运转时预设天数对应的铸造环境向量，
Figure DEST_PATH_IMAGE052
为铸造车间中第A个片区的风机不运转时预设天数对应的环境危险程度，
Figure DEST_PATH_IMAGE054
为铸造车间中第B个片区的风机不运转时预设天数对应的环境危险程度，abs( )为求绝对值函数，SIM( )为求相似程度函数。
6.根据权利要求1所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定当天各个片区的风机运转时的每个时段对应的转速补偿系数的计算公式为：
Figure DEST_PATH_IMAGE056
其中，
Figure DEST_PATH_IMAGE060
为当天第A个片区的风机运转时的每个时段对应的转速补偿系数，
Figure DEST_PATH_IMAGE062
为第A个片区的第二预设天数对应预测的环境危险程度序列，
Figure DEST_PATH_IMAGE064
为第A个片区的第二预设天数对应实际的环境危险程度序列，
Figure DEST_PATH_IMAGE066
为第A个片区对应的最佳匹配片区的第二预设天数对应实际的环境危险程度序列，dtw( )为求相似距离函数。
7.根据权利要求1所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速的步骤包括：
根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度和废气浓度，确定当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值；
根据当天铸造车间中各个片区的风机运转时的每个时段对应的粉尘浓度指标值和废气浓度指标值，确定当天铸造车间中各个片区的风机运转时的每个时段对应的风机补偿转速。
8.根据权利要求7所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定当天各个片区的风机运转时的每个时段对应的风机补偿转速的计算公式为：
Figure DEST_PATH_IMAGE068
其中，
Figure DEST_PATH_IMAGE070
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的风机补偿转速，
Figure DEST_PATH_IMAGE072
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的粉尘浓度指标值，
Figure DEST_PATH_IMAGE074
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的废气浓度指标值，
Figure DEST_PATH_IMAGE076
为当天铸造车间中第A个片区的风机运转时的第n个时段对应的预设风机转速，Max( )为求最大值函数。
9.根据权利要求1所述的一种铸造中智能除尘预测补偿的方法，其特征在于，确定下一天各个片区的每个时段对应的风机修正转速的计算公式为：
Figure DEST_PATH_IMAGE078
其中，
Figure DEST_PATH_IMAGE080
为下一天第A个片区的第n个时段对应的风机修正转速，
Figure 591441DEST_PATH_IMAGE070
为当天第A个片区的风机运转时的第n个时段对应的风机补偿转速，
Figure DEST_PATH_IMAGE082
为当天第A个片区的风机运转时的第n个时段对应的转速补偿系数，
Figure DEST_PATH_IMAGE084
为预设修正因子。
10.一种铸造中智能除尘预测补偿的系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令，以实现如权利要求1-9中任一项所述的一种铸造中智能除尘预测补偿的方法。
CN202211002936.9A 2022-08-22 2022-08-22 一种铸造中智能除尘预测补偿的方法及系统 Active CN115096374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211002936.9A CN115096374B (zh) 2022-08-22 2022-08-22 一种铸造中智能除尘预测补偿的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211002936.9A CN115096374B (zh) 2022-08-22 2022-08-22 一种铸造中智能除尘预测补偿的方法及系统

Publications (2)

Publication Number Publication Date
CN115096374A CN115096374A (zh) 2022-09-23
CN115096374B true CN115096374B (zh) 2022-11-11

Family

ID=83301447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211002936.9A Active CN115096374B (zh) 2022-08-22 2022-08-22 一种铸造中智能除尘预测补偿的方法及系统

Country Status (1)

Country Link
CN (1) CN115096374B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10131698A (ja) * 1996-11-05 1998-05-19 Toshiba Corp 道路トンネル換気制御装置
CN204493248U (zh) * 2015-03-04 2015-07-22 周志斌 风机转速补偿系统
CN108053071A (zh) * 2017-12-21 2018-05-18 宇星科技发展(深圳)有限公司 区域空气污染物浓度预测方法、终端及可读存储介质
CN108089470A (zh) * 2018-02-11 2018-05-29 上海联达节能科技股份有限公司 一种除尘风机控制系统及除尘系统的改造方法
EP3751466A1 (de) * 2019-06-13 2020-12-16 Siemens Aktiengesellschaft Verfahren zur vorhersage eines schadstoffwertes in der luft
CN112393320A (zh) * 2019-08-16 2021-02-23 广东Tcl智能暖通设备有限公司 基于热泵采暖机的压缩机转速控制方法和热泵采暖机
CN113418841A (zh) * 2021-06-23 2021-09-21 四川省生态环境监测总站 一种空气质量颗粒物浓度预测数据的补全方法
CN114462288A (zh) * 2021-11-09 2022-05-10 常州天晟紫金自动化设备有限公司 一种钠离子电池终端智能除尘方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10131698A (ja) * 1996-11-05 1998-05-19 Toshiba Corp 道路トンネル換気制御装置
CN204493248U (zh) * 2015-03-04 2015-07-22 周志斌 风机转速补偿系统
CN108053071A (zh) * 2017-12-21 2018-05-18 宇星科技发展(深圳)有限公司 区域空气污染物浓度预测方法、终端及可读存储介质
CN108089470A (zh) * 2018-02-11 2018-05-29 上海联达节能科技股份有限公司 一种除尘风机控制系统及除尘系统的改造方法
EP3751466A1 (de) * 2019-06-13 2020-12-16 Siemens Aktiengesellschaft Verfahren zur vorhersage eines schadstoffwertes in der luft
CN112393320A (zh) * 2019-08-16 2021-02-23 广东Tcl智能暖通设备有限公司 基于热泵采暖机的压缩机转速控制方法和热泵采暖机
CN113418841A (zh) * 2021-06-23 2021-09-21 四川省生态环境监测总站 一种空气质量颗粒物浓度预测数据的补全方法
CN114462288A (zh) * 2021-11-09 2022-05-10 常州天晟紫金自动化设备有限公司 一种钠离子电池终端智能除尘方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
湿式除尘风机三相除尘运行参数研究;赵海鸣等;《中南大学学报》;20170630;第48卷(第6期);第1505-1511页 *

Also Published As

Publication number Publication date
CN115096374A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN105571073B (zh) 一种地铁站空调水系统变频控制节能方法
CN108709287B (zh) 一种空调系统冷负荷预测方法及冷水机组群控的策略
CN1206485C (zh) 中央空调节能模糊控制方法及模糊控制器
CN109488528B (zh) 一种风机偏航系统的调整方法及装置
CN109720213B (zh) 一种车辆转矩控制方法及装置
CN111608118B (zh) 一种扫路车的风机和扫盘的自动控制方法及系统
CN113153794B (zh) 基于云计算的风机在线监测方法、装置及系统
CN103244433A (zh) 电厂变频循环水泵优化运行监测方法
CN112465239B (zh) 基于改进pso-fcm算法的脱硫系统运行优化方法
CN115096374B (zh) 一种铸造中智能除尘预测补偿的方法及系统
CN109424573A (zh) 冷却风扇转速控制装置、控制系统及其转速控制方法
CN105241258B (zh) 环冷机分段多目标控制系统及控制方法
CN111619312A (zh) 用于汽车空调温度的控制方法和控制系统
CN102339018A (zh) 一种循环水系统综合优化控制方法
WO2022012130A1 (zh) 开关磁阻电机驱动海洋绞车主动升沉补偿控制方法
CN113280490A (zh) 基于物联网和人工智能的新风系统控制方法、控制系统及存储介质
CN110188939B (zh) 风电场的风功率的预测方法、系统、设备和存储介质
CN113357139B (zh) 一种回收发动机电子水泵的自动性能测试系统
CN113928314B (zh) 一种冰雪路面条件下考虑前后车的自动驾驶车辆跟驰控制方法
CN115430230A (zh) 一种布袋除尘器进出口控制方法
CN111980853B (zh) 变桨控制方法、装置及计算机可读存储介质
CN214332878U (zh) 一种风冷空调及其外机降噪及预冷的控制系统
CN109341780B (zh) 一种多手段低成本风机故障监测方法
CN111346923B (zh) 一种中厚板轧机除尘系统控制方法及装置
CN117111661B (zh) 生产车间集中控制系统及方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240123

Address after: 226000 Renmin Road, Haifu Town, Qidong City, Nantong City, Jiangsu Province

Patentee after: Qidong Peng Peng Glass Machinery Co.,Ltd.

Country or region after: China

Address before: 226200 Haiyan Road, Qidong high tech Industrial Development Zone, Nantong City, Jiangsu Province

Patentee before: CAMCE heavy industry Intelligent Equipment Co.,Ltd.

Country or region before: China