CN115374657A - 一种用于滤油机的净化性能评估方法及系统 - Google Patents
一种用于滤油机的净化性能评估方法及系统 Download PDFInfo
- Publication number
- CN115374657A CN115374657A CN202211306181.1A CN202211306181A CN115374657A CN 115374657 A CN115374657 A CN 115374657A CN 202211306181 A CN202211306181 A CN 202211306181A CN 115374657 A CN115374657 A CN 115374657A
- Authority
- CN
- China
- Prior art keywords
- filter element
- level
- rate
- oil
- filter
- 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
- 238000000746 purification Methods 0.000 title claims abstract description 81
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 238000001914 filtration Methods 0.000 claims abstract description 199
- 238000012423 maintenance Methods 0.000 claims abstract description 79
- 238000005299 abrasion Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 24
- 238000003066 decision tree Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 7
- 230000035515 penetration Effects 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 19
- 238000012545 processing Methods 0.000 abstract description 2
- 239000003921 oil Substances 0.000 description 309
- 238000012549 training Methods 0.000 description 15
- 239000012535 impurity Substances 0.000 description 4
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010723 turbine oil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Filtration Of Liquid (AREA)
- Fluid-Pressure Circuits (AREA)
Abstract
本发明公开了一种用于滤油机的净化性能评估方法及系统,涉及数据处理领域,其中,包括:基于待评估滤油机生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;获取维保日志数据;对待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;对待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;生成综合过滤率;生成综合过油率;基于此,获得净化性能评估结果。解决了现有技术中针对滤油机的净化性能评估效果不佳的技术问题。达到了提高滤油机的净化性能评估精准性,提升滤油机的净化性能评估质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种用于滤油机的净化性能评估方法及系统。
背景技术
工业的快速发展推动着各种机械的广泛应用,使得润滑油、液压油、汽轮机油等油类产品快速涌现。这些油类产品在生产和使用的过程中,常常受到大量的污染。滤油机可以对受污染油类产品进行过滤、净化,从而提高油类产品清洁度,保障用油设备的安全运行。净化性能是滤油机重要的工作特性,如何对滤油机的净化性能进行有效地评估,受到人们的广泛关注。
现有技术中,存在针对滤油机的净化性能评估精准性不足,进而造成滤油机的净化性能评估效果不佳的技术问题。
发明内容
本申请提供了一种用于滤油机的净化性能评估方法及系统。解决了现有技术中针对滤油机的净化性能评估精准性不足,进而造成滤油机的净化性能评估效果不佳的技术问题。达到了提高滤油机的净化性能评估精准性,提升滤油机的净化性能评估质量;同时,通过对滤油机的净化性能进行智能、高效地评估,为滤油机的日常维护管理提供可靠的参考数据,从而提高滤油机的日常维护管理的适应性,保障滤油机的正常运行的技术效果。
鉴于上述问题,本申请提供了一种用于滤油机的净化性能评估方法及系统。
第一方面,本申请提供了一种用于滤油机的净化性能评估方法,应用于一种用于滤油机的净化性能评估系统,所述方法包括:对待评估滤油机进行模块化拆分,生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;遍历所述第一层级滤芯、所述第二层级滤芯直到所述第N层级滤芯,获取维保日志数据,其中,所述维保日志数据包括滤芯外观参数和维保间隔时长参数;根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;调取所述第一层级过滤率、所述第二层级过滤率直到所述第N层级过滤率对所述待评估滤油机进行性能评估,生成综合过滤率;调取所述第一层级过油率、所述第二层级过油率直到所述第N层级过油率对所述待评估滤油机进行性能评估,生成综合过油率;根据所述综合过滤率和所述综合过油率添加进净化性能评估结果。
第二方面,本申请还提供了一种用于滤油机的净化性能评估系统,包括:拆分模块,所述拆分模块用于对待评估滤油机进行模块化拆分,生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;维保日志数据获取模块,所述维保日志数据获取模块用于遍历所述第一层级滤芯、所述第二层级滤芯直到所述第N层级滤芯,获取维保日志数据,其中,所述维保日志数据包括滤芯外观参数和维保间隔时长参数;过油率预测模块,所述过油率预测模块用于根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;过滤率预测模块,所述过滤率预测模块用于根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;综合过滤率生成模块,所述综合过滤率生成模块用于调取所述第一层级过滤率、所述第二层级过滤率直到所述第N层级过滤率对所述待评估滤油机进行性能评估,生成综合过滤率;综合过油率生成模块,所述综合过油率生成模块用于调取所述第一层级过油率、所述第二层级过油率直到所述第N层级过油率对所述待评估滤油机进行性能评估,生成综合过油率;评估结果确定模块,所述评估结果确定模块用于根据所述综合过滤率和所述综合过油率添加进净化性能评估结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过对待评估滤油机进行模块化拆分,获得第一层级滤芯、第二层级滤芯直到第N层级滤芯;基于此,通过数据采集,获得由滤芯外观参数、维保间隔时长参数组成的维保日志数据;根据滤芯外观参数、维保间隔时长参数对待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;根据滤芯外观参数、维保间隔时长参数对待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;调取第一层级过滤率、第二层级过滤率直到第N层级过滤率对待评估滤油机进行性能评估,生成综合过滤率;调取第一层级过油率、第二层级过油率直到第N层级过油率对待评估滤油机进行性能评估,生成综合过油率;根据综合过滤率和综合过油率添加进净化性能评估结果。达到了提高滤油机的净化性能评估精准性,提升滤油机的净化性能评估质量;同时,通过对滤油机的净化性能进行智能、高效地评估,为滤油机的日常维护管理提供可靠的参考数据,从而提高滤油机的日常维护管理的适应性,保障滤油机的正常运行的技术效果。
附图说明
图1为本申请一种用于滤油机的净化性能评估方法的流程示意图;
图2为本申请一种用于滤油机的净化性能评估方法中对待评估滤油机的滤芯过油率进行预测的流程示意图;
图3为本申请一种用于滤油机的净化性能评估方法中对待评估滤油机的滤芯过滤率进行预测的流程示意图;
图4为本申请一种用于滤油机的净化性能评估系统的结构示意图。
附图标记说明:拆分模块11,维保日志数据获取模块12,过油率预测模块13,过滤率预测模块14,综合过滤率生成模块15,综合过油率生成模块16,评估结果确定模块17。
具体实施方式
本申请通过提供一种用于滤油机的净化性能评估方法及系统。解决了现有技术中针对滤油机的净化性能评估精准性不足,进而造成滤油机的净化性能评估效果不佳的技术问题。达到了提高滤油机的净化性能评估精准性,提升滤油机的净化性能评估质量;同时,通过对滤油机的净化性能进行智能、高效地评估,为滤油机的日常维护管理提供可靠的参考数据,从而提高滤油机的日常维护管理的适应性,保障滤油机的正常运行的技术效果。
实施例一
请参阅附图1,本申请提供一种用于滤油机的净化性能评估方法,其中,所述方法采用一种用于滤油机的净化性能评估系统实施,具体包括如下步骤:
步骤S100:对待评估滤油机进行模块化拆分,生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;
步骤S200:遍历所述第一层级滤芯、所述第二层级滤芯直到所述第N层级滤芯,获取维保日志数据,其中,所述维保日志数据包括滤芯外观参数和维保间隔时长参数;
具体而言,滤油机的净化性能主要由滤芯的过油率、过滤率决定,通过对待评估滤油机进行滤芯层级拆分,获得第一层级滤芯、第二层级滤芯……第N层级滤芯。进一步,分别对第一层级滤芯、第二层级滤芯……第N层级滤芯进行滤芯外观参数、维保间隔时长参数的采集,获得维保日志数据。其中,所述待评估滤油机为使用所述一种用于滤油机的净化性能评估系统进行智能净化性能评估的任意滤油机。第一层级滤芯、第二层级滤芯……第N层级滤芯为待评估滤油机的多层级滤芯,为滤油机中进行油品过滤的任意常规滤芯。所述维保日志数据包括滤芯外观参数和维保间隔时长参数。所述滤芯外观参数包括第一层级滤芯、第二层级滤芯……第N层级滤芯对应的滤芯孔径参数、滤芯数量参数。所述维保间隔时长参数包括第一层级滤芯、第二层级滤芯……第N层级滤芯的上次维保至当前时间节点的时间区间信息,以及上次维保至当前时间节点的时间区间内待评估滤油机的工作时区信息、工作参数信息、过滤油品类型信息等数据集,并依据数据类型的不同分组存储,便于后步快速调用。上次维保时间至今的间隔时长信息。达到了通过对待评估滤油机进行模块化拆分,获得第一层级滤芯、第二层级滤芯……第N层级滤芯,并根据其进行维保日志数据的采集,为后续对待评估滤油机进行多层级滤芯的净化性能评估奠定基础,提高对待评估滤油机进行净化性能评估的精确度的技术效果。
步骤S300:根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;
进一步的,如附图2所示,本申请步骤S300还包括:
步骤S310:根据所述第一层级滤芯的所述滤芯外观参数,提取滤芯孔径参数和滤芯数量参数;
步骤S320:根据所述滤芯孔径参数和所述滤芯数量参数,生成初始过油率;
步骤S330:根据所述维保间隔时长参数,获取工作时区日志数据和工作参数日志数据;
具体而言,基于第一层级滤芯、第二层级滤芯……第N层级滤芯对已获得的滤芯外观参数进行提取,获得第一层级滤芯的滤芯孔径参数和滤芯数量参数、第二层级滤芯的滤芯孔径参数和滤芯数量参数……第N层级滤芯的滤芯孔径参数和滤芯数量参数,并根据其进行对待评估滤油机进行初始过油率的采集,获得初始过油率。进一步,基于维保间隔时长参数对待评估滤油机进行工作时区、工作参数的采集、查询,获得工作时区日志数据和工作参数日志数据。其中,所述初始过油率包括第一层级滤芯的初始过油率、第二层级滤芯的初始过油率……第N层级滤芯的初始过油率。第一层级滤芯的初始过油率、第二层级滤芯的初始过油率……第N层级滤芯的初始过油率为第一层级滤芯、第二层级滤芯……第N层级滤芯的额定过油率,可通过大数据采集的方式获得。示例性地,针对与待评估滤油机具有相同型号的多个滤油机,通过数据查询获得这多个滤油机对应的多个最大过油率,将这多个最大过油率的平均值作为初始过油率。所述工作时区日志数据包括第一层级滤芯的工作时区日志数据、第二层级滤芯的工作时区日志数据……第N层级滤芯的工作时区日志数据。即,所述工作时区日志数据包括在维保间隔时长参数内,第一层级滤芯、第二层级滤芯……第N层级滤芯的工作时间段信息,以及工作时间段信息对应的滤油成分信息。所述工作参数日志数据包括第一层级滤芯的工作参数日志数据、第二层级滤芯的工作参数日志数据……第N层级滤芯的工作参数日志数据。即,所述工作参数日志数据包括在维保间隔时长参数内,第一层级滤芯、第二层级滤芯……第N层级滤芯的工作温度、工作压差、过滤油品类型、过滤油品流量等工作参数信息。达到了获得初始过油率、工作时区日志数据、工作参数日志数据,为后续确定第一层级过油率、第二层级过油率……第N层级过油率提供数据支持的技术效果。
步骤S340:根据所述工作时区日志数据和所述工作参数日志数据进行滤芯堵塞预测,生成滤芯堵塞系数;
进一步的,本申请步骤S340还包括:
步骤S341:将所述滤芯孔径参数、所述滤芯数量参数、待滤物质参数设为筛选条件;
步骤S342:根据所述筛选条件,基于大数据,筛选所述待评估滤油机的同型号仪器的第一工作记录数据,其中,所述第一工作记录数据包括第一工作时区记录数据、第一工作参数记录数据和堵塞面积比记录数据;
步骤S343:将所述第一工作时区记录数据和所述第一工作参数记录数据作为输入数据,将所述堵塞面积比记录数据作为输出标识数据,基于回归决策树,构建第一子模型;
步骤S344:将所述第一子模型不满足第一预设输出准确率的所述第一工作时区记录数据、所述第一工作参数记录数据和所述堵塞面积比记录数据提取,生成第一损失数据集;
步骤S345:根据所述第一损失数据集,基于回归决策树,构建第二子模型;
步骤S346:将所述第一子模型和所述第二子模型合并,生成滤芯堵塞预测模型,其中,所述滤芯堵塞预测模型的输出为所述第一子模型和所述第二子模型的输出加权平均值,所述第一子模型和所述第二子模型的权重之和为1,且所述第二子模型的输出权重为所述第一损失数据集和所述第一工作记录数据的数据量之比;
步骤S347:将所述工作时区日志数据和所述工作参数日志数据输入所述滤芯堵塞预测模型,生成堵塞面积比预测结果,设为所述滤芯堵塞系数。
具体而言,将滤芯孔径参数、滤芯数量参数、待滤物质参数设置为筛选条件,基于筛选条件,通过大数据,筛选确定待评估滤油机的同型号仪器。通过大数据查询待评估滤油机的同型号仪器的工作时区记录数据、工作参数记录数据,以及滤芯堵塞面积与滤芯总面积的堵塞面积比记录数据,获得第一工作记录数据。进而,基于回归决策树,将第一工作时区记录数据、第一工作参数记录数据设置为多组训练数据,通过将多组训练数据训练至收敛状态获得第一子模型。在对第一工作时区记录数据、第一工作参数记录数据进行训练时,对于任意一组训练数据,在输入一个第一工作时区记录数据和一个第一工作参数记录数据时,即可通过回归决策树猜测该滤芯的一个堵塞面积比预测数据。将猜测的堵塞面积比预测数据与对应的堵塞面积比记录数据进行偏差计算,判断偏差是否在预设范围,若是,则视为满足第一预设输出准确率。当连续预设次数的训练都满足第一预设输出准确率,则视为收敛,将其中训练时不满足第一预设输出准确率的第一工作时区记录数据、第一工作参数记录数据、堵塞面积比记录数据提取出来,设置为第一损失数据集,等待后步调用。回归决策树可用于对离散型的变量进行预测,具有易于理解、泛化能力强、高效等优点。进而,基于回归决策树,通过将第一损失数据集训练至收敛状态获得第二子模型。进一步,将第一子模型和第二子模型进行合并,获得滤芯堵塞预测模型。将工作时区日志数据、工作参数日志数据作为输入信息,输入滤芯堵塞预测模型,获得堵塞面积比预测结果,并将堵塞面积比预测结果设置为滤芯堵塞系数。
其中,所述待滤物质参数包括待评估滤油机的滤油类型、滤油成分、过滤杂质类型、过滤杂质粒径等参数信息。所述待评估滤油机的同型号仪器包括满足筛选条件的滤油机。所述第一工作记录数据包括第一工作时区记录数据、第一工作参数记录数据和堵塞面积比记录数据。所述第一工作时区记录数据包括待评估滤油机的同型号仪器的多层级滤芯对应的工作时间段信息、滤油成分信息。所述第一工作参数记录数据包括待评估滤油机的同型号仪器的多层级滤芯对应的工作温度、工作压差等工作参数信息。所述堵塞面积比记录数据包括待评估滤油机的同型号仪器的多层级滤芯对应的堵塞面积比参数信息。所述第一预设输出准确率可自定义设置确定。所述滤芯堵塞预测模型包括第一子模型、第二子模型。所述滤芯堵塞预测模型的输出数据为第一子模型、第二子模型的输出数据的加权平均值。第一子模型和第二子模型的权重之和为1,第二子模型的输出权重为第一损失数据集和第一工作记录数据的数据量之比。所述堵塞面积比预测结果包括第一层级滤芯堵塞面积比预测结果、第二层级滤芯堵塞面积比预测结果……第N层级滤芯堵塞面积比预测结果。所述滤芯堵塞系数包括第一层级滤芯堵塞系数、第二层级滤芯堵塞系数……第N层级滤芯堵塞系数。第一层级滤芯堵塞面积比预测结果、第二层级滤芯堵塞面积比预测结果……第N层级滤芯堵塞面积比预测结果对应第一层级滤芯堵塞系数、第二层级滤芯堵塞系数……第N层级滤芯堵塞系数。达到了通过滤芯堵塞预测模型获得准确、可靠的滤芯堵塞系数,提高后续获得的第一层级过油率、第二层级过油率……第N层级过油率的精确度的技术效果。
步骤S350:根据所述滤芯堵塞系数对所述初始过油率进行调整,生成所述第一层级过油率;
进一步的,本申请步骤S350还包括:
步骤S351:构建过油率调整公式:
步骤S352:将所述第一层级滤芯的所述滤芯堵塞系数和所述初始过油率输入所述过油率调整公式,生成所述第一层级过油率。
步骤S360:遍历所述第二层级滤芯直到所述第N层级滤芯,生成所述第二层级过油率直到所述第N层级过油率。
具体而言,基于第一层级滤芯、第二层级滤芯……第N层级滤芯,依次将初始过油率、滤芯堵塞系数作为输入信息,输入过油率调整公式,获得第一层级过油率、第二层级过油率……第N层级过油率。其中,在过油率调整公式中,表征过滤物质参数、过滤工作参数相同的前提下,第n层级滤芯调整后的过油率,对应输出的第一层级过油率、第二层级过油率……第N层级过油率。表征第n层级滤芯的初始过油率,对应输入的第一层级滤芯的初始过油率、第二层级滤芯的初始过油率……第N层级滤芯的初始过油率。表征第n层级滤芯的滤芯堵塞系数,对应输入的第一层级滤芯堵塞系数、第二层级滤芯堵塞系数……第N层级滤芯堵塞系数。且,n∈N。z表征专家确定的误差参数,可通过专家分析预先设置确定。达到了根据过油率调整公式对初始过油率、滤芯堵塞系数进行计算,获得可靠的第一层级过油率、第二层级过油率……第N层级过油率,提高对待评估滤油机进行净化性能评估的全面性的技术效果。
步骤S400:根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;
进一步的,如附图3所示,本申请步骤S400还包括:
步骤S410:根据所述第一层级滤芯的所述滤芯外观参数,提取滤芯孔径参数和滤芯数量参数;
步骤S420:根据待滤物质参数、过滤压力参数,所述滤芯孔径参数和所述滤芯数量参数,生成初始过滤率;
步骤S430:根据所述维保间隔时长参数,获取工作时区日志数据和工作参数日志数据;
具体而言,基于第一层级滤芯、第二层级滤芯……第N层级滤芯对滤芯外观参数进行提取,获得第一层级滤芯的滤芯孔径参数和滤芯数量参数、第二层级滤芯的滤芯孔径参数和滤芯数量参数……第N层级滤芯的滤芯孔径参数和滤芯数量参数,结合待滤物质参数、过滤压力参数,确定初始过滤率。进一步,基于维保间隔时长参数对待评估滤油机进行工作时区、工作参数的采集,获得工作时区日志数据和工作参数日志数据。其中,所述待滤物质参数包括待评估滤油机的滤油类型、滤油成分、过滤杂质类型、过滤杂质粒径等参数信息。所述过滤压力参数包括第一层级滤芯、第二层级滤芯……第N层级滤芯对待滤物质参数进行过滤的压力大小参数信息。所述初始过滤率包括第一层级滤芯的初始过滤率、第二层级滤芯的初始过滤率……第N层级滤芯的初始过滤率。即,所述初始过滤率包括待滤物质参数、过滤压力参数相同的条件下,第一层级滤芯、第二层级滤芯……第N层级滤芯对应的额定过滤率,可通过大数据采集的方式获得。示例性地,针对与待评估滤油机具有相同型号多个滤油机,通过数据查询获得这多个滤油机对应的多个最大过滤率。将这多个最大过滤率的平均值作为初始过滤率。所述工作时区日志数据包括在维保间隔时长参数内,第一层级滤芯、第二层级滤芯……第N层级滤芯的工作时间段信息,以及工作时间段信息对应的滤油成分信息。所述工作参数日志数据包括在维保间隔时长参数内,第一层级滤芯、第二层级滤芯……第N层级滤芯的工作温度、工作压差等工作参数信息。达到了获得初始过滤率、工作时区日志数据、工作参数日志数据,为后续确定第一层级过滤率、第二层级过滤率……第N层级过滤率提供数据支持的技术效果。
步骤S440:根据所述工作时区日志数据和所述工作参数日志数据进行滤芯磨损预测,生成滤芯磨损比例系数;
进一步的,本申请步骤S440还包括:
步骤S441:根据所述滤芯孔径参数、所述滤芯数量参数、所述待滤物质参数设为筛选条件;
步骤S442:根据所述筛选条件,基于大数据,筛选所述待评估滤油机的同型号仪器的第二工作记录数据,其中,所述第二工作记录数据包括第二工作时区记录数据、第二工作参数记录数据和滤芯磨损面积比记录数据;
步骤S443:将所述第二工作时区记录数据和所述第二工作参数记录数据作为输入数据,将所述滤芯磨损面积比记录数据作为输出标识数据,基于回归决策树,构建第三子模型;
步骤S444:将所述第三子模型不满足第二预设输出准确率的所述第二工作时区记录数据、所述第二工作参数记录数据和所述滤芯磨损面积比记录数据提取,生成第二损失数据集;
步骤S445:根据所述第二损失数据集,基于回归决策树,构建第四子模型;
步骤S446:将所述第三子模型和所述第四子模型合并,生成滤芯磨损预测模型,其中,所述滤芯磨损预测模型的输出为所述第三子模型和所述第四子模型的输出加权平均值,所述第三子模型和所述第四子模型的权重之和为1,且所述第四子模型的输出权重为所述第二损失数据集和所述第二工作记录数据的数据量之比;
步骤S447:将所述工作时区日志数据和所述工作参数日志数据输入所述滤芯磨损预测模型,生成滤芯磨损面积比预测结果,设为所述滤芯磨损比例系数。
具体而言,将滤芯孔径参数、滤芯数量参数、待滤物质参数设置为筛选条件,根据筛选条件,通过大数据,筛选确定待评估滤油机的同型号仪器。通过大数据查询待评估滤油机的同型号仪器的工作时区记录数据、工作参数记录数据,以及滤芯磨损面积与滤芯总面积的滤芯磨损面积比记录数据,获得第二工作记录数据。进而,基于回归决策树,将第二工作记录数据中的第二工作时区记录数据、第二工作参数记录数据设置为多组训练数据,通过将多组训练数据训练至收敛状态获得第三子模型。在对第二工作时区记录数据、第二工作参数记录数据进行训练时,对于任意一组训练数据,在输入一个第二工作时区记录数据和一个第二工作参数记录数据时,即可通过回归决策树猜测该滤芯的一个滤芯磨损面积比预测数据。将猜测的滤芯磨损面积比预测数据与对应的滤芯磨损面积比记录数据进行偏差计算,判断偏差是否在预设范围,若是,则视为满足第二预设输出准确率。当连续预设次数的训练都满足第二预设输出准确率,则视为收敛。将其中训练时不满足第二预设输出准确率的第二工作时区记录数据、第二工作参数记录数据、滤芯磨损面积比记录数据添加至第二损失数据集。基于回归决策树,通过将第二损失数据集训练至收敛状态获得第四子模型。进一步,将第三子模型和第四子模型进行合并,获得滤芯磨损预测模型。将工作时区日志数据、工作参数日志数据作为输入信息,输入滤芯磨损预测模型,获得滤芯磨损面积比预测结果,并将滤芯磨损面积比预测结果设置为滤芯磨损比例系数。
其中,所述第二工作记录数据包括第二工作时区记录数据、第二工作参数记录数据和滤芯磨损面积比记录数据。所述第二工作时区记录数据包括待评估滤油机的同型号仪器的多层级滤芯对应的工作时间段信息、滤油成分信息。所述第二工作参数记录数据包括待评估滤油机的同型号仪器的多层级滤芯对应的工作温度、工作压差等工作参数信息。且,所述第二工作时区记录数据与所述第一工作时区记录数据不同。所述第二工作参数记录数据与所述第一工作参数记录数据不同。所述滤芯磨损面积比记录数据包括待评估滤油机的同型号仪器的多层级滤芯对应的磨损面积比参数信息。所述第二预设输出准确率可根据第三子模型的精确度需要自适应设置确定。所述滤芯磨损预测模型包括第三子模型、第四子模型。所述滤芯磨损预测模型的输出信息为第三子模型和第四子模型的输出数据的加权平均值。所述第三子模型和所述第四子模型的权重之和为1,所述第四子模型的输出权重为所述第二损失数据集和所述第二工作记录数据的数据量之比。所述滤芯磨损面积比预测结果包括第一层级滤芯磨损面积比预测结果、第二层级滤芯磨损面积比预测结果……第N层级滤芯磨损面积比预测结果。所述滤芯磨损比例系数包括第一层级滤芯磨损比例系数、第二层级滤芯磨损比例系数……第N层级滤芯磨损比例系数。第一层级滤芯磨损面积比预测结果、第二层级滤芯磨损面积比预测结果……第N层级滤芯磨损面积比预测结果对应所述滤芯磨损比例系数包括第一层级滤芯磨损比例系数、第二层级滤芯磨损比例系数……第N层级滤芯磨损比例系数。达到了通过滤芯磨损面积比预测结果获得可信的滤芯磨损比例系数,为后续获得第一层级过滤率、第二层级过滤率……第N层级过滤率提供数据支持的技术效果。
步骤S450:根据所述滤芯磨损比例系数对所述初始过滤率进行调整,生成所述第一层级过滤率;
进一步的,本申请步骤S450还包括:
步骤S451:构建过滤率调整公式:
步骤S452:将所述第一层级滤芯的所述滤芯磨损比例系数和所述初始过滤率输入所述过滤率调整公式,生成所述第一层级过滤率。
步骤S460:遍历所述第二层级滤芯直到所述第N层级滤芯,生成所述第二层级过滤率直到所述第N层级过滤率。
具体而言,基于第一层级滤芯、第二层级滤芯……第N层级滤芯,依次将初始过滤率、滤芯磨损比例系数作为输入信息,输入过滤率调整公式,获得第一层级过滤率、第二层级过滤率……第N层级过滤率。其中,在过滤率调整公式中,表征在过滤物质参数、过滤工作参数相同的前提下,第n层级滤芯调整后的过滤率,对应输出的第一层级过滤率、第二层级过滤率……第N层级过滤率。表征第n层级滤芯的初始过滤率,对应输入的第一层级滤芯的初始过滤率、第二层级滤芯的初始过滤率……第N层级滤芯的初始过滤率。表征第n层级滤芯的滤芯磨损比例系数,对应输入的第一层级滤芯磨损比例系数、第二层级滤芯磨损比例系数……第N层级滤芯磨损比例系数。且,n∈N。表征专家确定的误差参数,可通过专家分析预先设置确定。达到了根据过滤率调整公式对初始过滤率、滤芯磨损比例系数进行计算,获得可信的第一层级过滤率、第二层级过滤率……第N层级过滤率,提高后续获得的净化性能评估结果的精准性的技术效果。
步骤S500:调取所述第一层级过滤率、所述第二层级过滤率直到所述第N层级过滤率对所述待评估滤油机进行性能评估,生成综合过滤率;
步骤S600:调取所述第一层级过油率、所述第二层级过油率直到所述第N层级过油率对所述待评估滤油机进行性能评估,生成综合过油率;
步骤S700:根据所述综合过滤率和所述综合过油率添加进净化性能评估结果。
具体而言,通过对第一层级过滤率、第二层级过滤率……第N层级过滤率进行计算,获得综合过滤率。所述综合过滤率为第N层级过滤率-第N-1层级过滤率×第N层级过滤率+第N-2层级过滤率×第N-1层级过滤率×第N层级过滤率-……第一层级过滤率×第二层级过滤率……第N层级过滤率。将获得的第一层级过油率、第二层级过油率……第N层级过油率进行乘法运算,获得综合过油率,结合综合过滤率,确定净化性能评估结果。其中,所述净化性能评估结果包括综合过滤率、综合过油率。所述综合过油率包括第一层级过油率、第二层级过油率……第N层级过油率的乘积。达到了通过综合过滤率、综合过油率,获得准确的净化性能评估结果,提高对待评估滤油机进行净化性能评估的质量的技术效果。
综上所述,本申请所提供的一种用于滤油机的净化性能评估方法具有如下技术效果:
1.通过对待评估滤油机进行模块化拆分,获得第一层级滤芯、第二层级滤芯直到第N层级滤芯;基于此,通过数据采集,获得由滤芯外观参数、维保间隔时长参数组成的维保日志数据;根据滤芯外观参数、维保间隔时长参数对待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;根据滤芯外观参数、维保间隔时长参数对待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;调取第一层级过滤率、第二层级过滤率直到第N层级过滤率对待评估滤油机进行性能评估,生成综合过滤率;调取第一层级过油率、第二层级过油率直到第N层级过油率对待评估滤油机进行性能评估,生成综合过油率;根据综合过滤率和综合过油率添加进净化性能评估结果。达到了提高滤油机的净化性能评估精准性,提升滤油机的净化性能评估质量;同时,通过对滤油机的净化性能进行智能、高效地评估,为滤油机的日常维护管理提供可靠的参考数据,从而提高滤油机的日常维护管理的适应性,保障滤油机的正常运行的技术效果。
2.根据过油率调整公式对初始过油率、滤芯堵塞系数进行计算,获得可靠的第一层级过油率、第二层级过油率……第N层级过油率,提高对待评估滤油机进行净化性能评估的全面性。
实施例二
基于与前述实施例中一种用于滤油机的净化性能评估方法,同样发明构思,本发明还提供了一种用于滤油机的净化性能评估系统,请参阅附图4,包括:
拆分模块11,所述拆分模块11用于对待评估滤油机进行模块化拆分,生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;
维保日志数据获取模块12,所述维保日志数据获取模块12用于遍历所述第一层级滤芯、所述第二层级滤芯直到所述第N层级滤芯,获取维保日志数据,其中,所述维保日志数据包括滤芯外观参数和维保间隔时长参数;
过油率预测模块13,所述过油率预测模块13用于根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;
过滤率预测模块14,所述过滤率预测模块14用于根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;
综合过滤率生成模块15,所述综合过滤率生成模块15用于调取所述第一层级过滤率、所述第二层级过滤率直到所述第N层级过滤率对所述待评估滤油机进行性能评估,生成综合过滤率;
综合过油率生成模块16,所述综合过油率生成模块16用于调取所述第一层级过油率、所述第二层级过油率直到所述第N层级过油率对所述待评估滤油机进行性能评估,生成综合过油率;
评估结果确定模块17,所述评估结果确定模块17用于根据所述综合过滤率和所述综合过油率添加进净化性能评估结果。
进一步的,所述系统还包括:
第一执行模块,所述第一执行模块用于根据所述第一层级滤芯的所述滤芯外观参数,提取滤芯孔径参数和滤芯数量参数;
初始过油率生成模块,所述初始过油率生成模块用于根据所述滤芯孔径参数和所述滤芯数量参数,生成初始过油率;
第二执行模块,所述第二执行模块用于根据所述维保间隔时长参数,获取工作时区日志数据和工作参数日志数据;
滤芯堵塞系数生成模块,所述滤芯堵塞系数生成模块用于根据所述工作时区日志数据和所述工作参数日志数据进行滤芯堵塞预测,生成滤芯堵塞系数;
第一层级过油率生成模块,所述第一层级过油率生成模块用于根据所述滤芯堵塞系数对所述初始过油率进行调整,生成所述第一层级过油率;
层级过油率确定模块,所述层级过油率确定模块用于遍历所述第二层级滤芯直到所述第N层级滤芯,生成所述第二层级过油率直到所述第N层级过油率。
进一步的,所述系统还包括:
筛选条件设置模块,所述筛选条件设置模块用于将所述滤芯孔径参数、所述滤芯数量参数、待滤物质参数设为筛选条件;
第一工作记录数据确定模块,所述第一工作记录数据确定模块用于根据所述筛选条件,基于大数据,筛选所述待评估滤油机的同型号仪器的第一工作记录数据,其中,所述第一工作记录数据包括第一工作时区记录数据、第一工作参数记录数据和堵塞面积比记录数据;
第一子模型构建模块,所述第一子模型构建模块用于将所述第一工作时区记录数据和所述第一工作参数记录数据作为输入数据,将所述堵塞面积比记录数据作为输出标识数据,基于回归决策树,构建第一子模型;
第一损失数据集生成模块,所述第一损失数据集生成模块用于将所述第一子模型不满足第一预设输出准确率的所述第一工作时区记录数据、所述第一工作参数记录数据和所述堵塞面积比记录数据提取,生成第一损失数据集;
第二子模型构建模块,所述第二子模型构建模块用于根据所述第一损失数据集,基于回归决策树,构建第二子模型;
滤芯堵塞预测模型生成模块,所述滤芯堵塞预测模型生成模块用于将所述第一子模型和所述第二子模型合并,生成滤芯堵塞预测模型,其中,所述滤芯堵塞预测模型的输出为所述第一子模型和所述第二子模型的输出加权平均值,所述第一子模型和所述第二子模型的权重之和为1,且所述第二子模型的输出权重为所述第一损失数据集和所述第一工作记录数据的数据量之比;
滤芯堵塞系数确定模块,所述滤芯堵塞系数确定模块用于将所述工作时区日志数据和所述工作参数日志数据输入所述滤芯堵塞预测模型,生成堵塞面积比预测结果,设为所述滤芯堵塞系数。
进一步的,所述系统还包括:
过油率调整公式构建模块,所述过油率调整公式构建模块用于构建过油率调整公式:
第一层级过油率确定模块,所述第一层级过油率确定模块用于将所述第一层级滤芯的所述滤芯堵塞系数和所述初始过油率输入所述过油率调整公式,生成所述第一层级过油率。
进一步的,所述系统还包括:
第三执行模块,所述第三执行模块用于根据所述第一层级滤芯的所述滤芯外观参数,提取滤芯孔径参数和滤芯数量参数;
初始过滤率生成模块,所述初始过滤率生成模块用于根据待滤物质参数、过滤压力参数,所述滤芯孔径参数和所述滤芯数量参数,生成初始过滤率;
第四执行模块,所述第四执行模块用于根据所述维保间隔时长参数,获取工作时区日志数据和工作参数日志数据;
滤芯磨损比例系数生成模块,所述滤芯磨损比例系数生成模块用于根据所述工作时区日志数据和所述工作参数日志数据进行滤芯磨损预测,生成滤芯磨损比例系数;
第一层级过滤率生成模块,所述第一层级过滤率生成模块用于根据所述滤芯磨损比例系数对所述初始过滤率进行调整,生成所述第一层级过滤率;
层级过滤率获取模块,所述层级过滤率获取模块用于遍历所述第二层级滤芯直到所述第N层级滤芯,生成所述第二层级过滤率直到所述第N层级过滤率。
进一步的,所述系统还包括:
第五执行模块,所述第五执行模块用于根据所述滤芯孔径参数、所述滤芯数量参数、所述待滤物质参数设为筛选条件;
第二工作记录数据获取模块,所述第二工作记录数据获取模块用于根据所述筛选条件,基于大数据,筛选所述待评估滤油机的同型号仪器的第二工作记录数据,其中,所述第二工作记录数据包括第二工作时区记录数据、第二工作参数记录数据和滤芯磨损面积比记录数据;
第三子模型构建模块,所述第三子模型构建模块用于将所述第二工作时区记录数据和所述第二工作参数记录数据作为输入数据,将所述滤芯磨损面积比记录数据作为输出标识数据,基于回归决策树,构建第三子模型;
第二损失数据集生成模块,所述第二损失数据集生成模块用于将所述第三子模型不满足第二预设输出准确率的所述第二工作时区记录数据、所述第二工作参数记录数据和所述滤芯磨损面积比记录数据提取,生成第二损失数据集;
第四子模型构建模块,所述第四子模型构建模块用于根据所述第二损失数据集,基于回归决策树,构建第四子模型;
滤芯磨损预测模型生成模块,所述滤芯磨损预测模型生成模块用于将所述第三子模型和所述第四子模型合并,生成滤芯磨损预测模型,其中,所述滤芯磨损预测模型的输出为所述第三子模型和所述第四子模型的输出加权平均值,所述第三子模型和所述第四子模型的权重之和为1,且所述第四子模型的输出权重为所述第二损失数据集和所述第二工作记录数据的数据量之比;
滤芯磨损比例系数确定模块,所述滤芯磨损比例系数确定模块用于将所述工作时区日志数据和所述工作参数日志数据输入所述滤芯磨损预测模型,生成滤芯磨损面积比预测结果,设为所述滤芯磨损比例系数。
进一步的,所述系统还包括:
过滤率调整公式构建模块,所述过滤率调整公式构建模块用于构建过滤率调整公式:
第一层级过滤率确定模块,所述第一层级过滤率确定模块用于将所述第一层级滤芯的所述滤芯磨损比例系数和所述初始过滤率输入所述过滤率调整公式,生成所述第一层级过滤率。
本申请提供了一种用于滤油机的净化性能评估方法,其中,所述方法应用于一种用于滤油机的净化性能评估系统,所述方法包括:通过对待评估滤油机进行模块化拆分,获得第一层级滤芯、第二层级滤芯直到第N层级滤芯;基于此,通过数据采集,获得由滤芯外观参数、维保间隔时长参数组成的维保日志数据;根据滤芯外观参数、维保间隔时长参数对待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;根据滤芯外观参数、维保间隔时长参数对待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;调取第一层级过滤率、第二层级过滤率直到第N层级过滤率对待评估滤油机进行性能评估,生成综合过滤率;调取第一层级过油率、第二层级过油率直到第N层级过油率对待评估滤油机进行性能评估,生成综合过油率;根据综合过滤率和综合过油率添加进净化性能评估结果。解决了现有技术中针对滤油机的净化性能评估精准性不足,进而造成滤油机的净化性能评估效果不佳的技术问题。达到了提高滤油机的净化性能评估精准性,提升滤油机的净化性能评估质量;同时,通过对滤油机的净化性能进行智能、高效地评估,为滤油机的日常维护管理提供可靠的参考数据,从而提高滤油机的日常维护管理的适应性,保障滤油机的正常运行的技术效果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种用于滤油机的净化性能评估方法,其特征在于,包括:
对待评估滤油机进行模块化拆分,生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;
遍历所述第一层级滤芯、所述第二层级滤芯直到所述第N层级滤芯,获取维保日志数据,其中,所述维保日志数据包括滤芯外观参数和维保间隔时长参数;
根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;
根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;
调取所述第一层级过滤率、所述第二层级过滤率直到所述第N层级过滤率对所述待评估滤油机进行性能评估,生成综合过滤率;
调取所述第一层级过油率、所述第二层级过油率直到所述第N层级过油率对所述待评估滤油机进行性能评估,生成综合过油率;
根据所述综合过滤率和所述综合过油率添加进净化性能评估结果。
2.如权利要求1所述的一种用于滤油机的净化性能评估方法,其特征在于,所述根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率,包括:
根据所述第一层级滤芯的所述滤芯外观参数,提取滤芯孔径参数和滤芯数量参数;
根据所述滤芯孔径参数和所述滤芯数量参数,生成初始过油率;
根据所述维保间隔时长参数,获取工作时区日志数据和工作参数日志数据;
根据所述工作时区日志数据和所述工作参数日志数据进行滤芯堵塞预测,生成滤芯堵塞系数;
根据所述滤芯堵塞系数对所述初始过油率进行调整,生成所述第一层级过油率;
遍历所述第二层级滤芯直到所述第N层级滤芯,生成所述第二层级过油率直到所述第N层级过油率。
3.如权利要求2所述的一种用于滤油机的净化性能评估方法,其特征在于,所述根据所述工作时区日志数据和所述工作参数日志数据进行滤芯堵塞预测,生成滤芯堵塞系数,包括:
将所述滤芯孔径参数、所述滤芯数量参数、待滤物质参数设为筛选条件;
根据所述筛选条件,基于大数据,筛选所述待评估滤油机的同型号仪器的第一工作记录数据,其中,所述第一工作记录数据包括第一工作时区记录数据、第一工作参数记录数据和堵塞面积比记录数据;
将所述第一工作时区记录数据和所述第一工作参数记录数据作为输入数据,将所述堵塞面积比记录数据作为输出标识数据,基于回归决策树,构建第一子模型;
将所述第一子模型不满足第一预设输出准确率的所述第一工作时区记录数据、所述第一工作参数记录数据和所述堵塞面积比记录数据提取,生成第一损失数据集;
根据所述第一损失数据集,基于回归决策树,构建第二子模型;
将所述第一子模型和所述第二子模型合并,生成滤芯堵塞预测模型,其中,所述滤芯堵塞预测模型的输出为所述第一子模型和所述第二子模型的输出加权平均值,所述第一子模型和所述第二子模型的权重之和为1,且所述第二子模型的输出权重为所述第一损失数据集和所述第一工作记录数据的数据量之比;
将所述工作时区日志数据和所述工作参数日志数据输入所述滤芯堵塞预测模型,生成堵塞面积比预测结果,设为所述滤芯堵塞系数。
5.如权利要求1所述的一种用于滤油机的净化性能评估方法,其特征在于,所述根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率,包括:
根据所述第一层级滤芯的所述滤芯外观参数,提取滤芯孔径参数和滤芯数量参数;
根据待滤物质参数、过滤压力参数,所述滤芯孔径参数和所述滤芯数量参数,生成初始过滤率;
根据所述维保间隔时长参数,获取工作时区日志数据和工作参数日志数据;
根据所述工作时区日志数据和所述工作参数日志数据进行滤芯磨损预测,生成滤芯磨损比例系数;
根据所述滤芯磨损比例系数对所述初始过滤率进行调整,生成所述第一层级过滤率;
遍历所述第二层级滤芯直到所述第N层级滤芯,生成所述第二层级过滤率直到所述第N层级过滤率。
6.如权利要求5所述的一种用于滤油机的净化性能评估方法,其特征在于,所述根据所述工作时区日志数据和所述工作参数日志数据进行滤芯磨损预测,生成滤芯磨损比例系数,包括:
根据所述滤芯孔径参数、所述滤芯数量参数、所述待滤物质参数设为筛选条件;
根据所述筛选条件,基于大数据,筛选所述待评估滤油机的同型号仪器的第二工作记录数据,其中,所述第二工作记录数据包括第二工作时区记录数据、第二工作参数记录数据和滤芯磨损面积比记录数据;
将所述第二工作时区记录数据和所述第二工作参数记录数据作为输入数据,将所述滤芯磨损面积比记录数据作为输出标识数据,基于回归决策树,构建第三子模型;
将所述第三子模型不满足第二预设输出准确率的所述第二工作时区记录数据、所述第二工作参数记录数据和所述滤芯磨损面积比记录数据提取,生成第二损失数据集;
根据所述第二损失数据集,基于回归决策树,构建第四子模型;
将所述第三子模型和所述第四子模型合并,生成滤芯磨损预测模型,其中,所述滤芯磨损预测模型的输出为所述第三子模型和所述第四子模型的输出加权平均值,所述第三子模型和所述第四子模型的权重之和为1,且所述第四子模型的输出权重为所述第二损失数据集和所述第二工作记录数据的数据量之比;
将所述工作时区日志数据和所述工作参数日志数据输入所述滤芯磨损预测模型,生成滤芯磨损面积比预测结果,设为所述滤芯磨损比例系数。
8.一种用于滤油机的净化性能评估系统,其特征在于,包括:
拆分模块,所述拆分模块用于对待评估滤油机进行模块化拆分,生成第一层级滤芯、第二层级滤芯直到第N层级滤芯;
维保日志数据获取模块,所述维保日志数据获取模块用于遍历所述第一层级滤芯、所述第二层级滤芯直到所述第N层级滤芯,获取维保日志数据,其中,所述维保日志数据包括滤芯外观参数和维保间隔时长参数;
过油率预测模块,所述过油率预测模块用于根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过油率进行预测,生成第一层级过油率、第二层级过油率直到第N层级过油率;
过滤率预测模块,所述过滤率预测模块用于根据所述滤芯外观参数和所述维保间隔时长参数对所述待评估滤油机的滤芯过滤率进行预测,生成第一层级过滤率、第二层级过滤率直到第N层级过滤率;
综合过滤率生成模块,所述综合过滤率生成模块用于调取所述第一层级过滤率、所述第二层级过滤率直到所述第N层级过滤率对所述待评估滤油机进行性能评估,生成综合过滤率;
综合过油率生成模块,所述综合过油率生成模块用于调取所述第一层级过油率、所述第二层级过油率直到所述第N层级过油率对所述待评估滤油机进行性能评估,生成综合过油率;
评估结果确定模块,所述评估结果确定模块用于根据所述综合过滤率和所述综合过油率添加进净化性能评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306181.1A CN115374657B (zh) | 2022-10-25 | 2022-10-25 | 一种用于滤油机的净化性能评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211306181.1A CN115374657B (zh) | 2022-10-25 | 2022-10-25 | 一种用于滤油机的净化性能评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115374657A true CN115374657A (zh) | 2022-11-22 |
CN115374657B CN115374657B (zh) | 2022-12-23 |
Family
ID=84072618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211306181.1A Active CN115374657B (zh) | 2022-10-25 | 2022-10-25 | 一种用于滤油机的净化性能评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115374657B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116077973A (zh) * | 2023-04-11 | 2023-05-09 | 普瑞奇科技(北京)股份有限公司 | 一种用于真空滤油机的智能温控方法及系统 |
CN116183462A (zh) * | 2023-03-07 | 2023-05-30 | 浙江勤鹏科技股份有限公司 | 一种柴油滤芯的质量检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109437440A (zh) * | 2018-12-21 | 2019-03-08 | 吴联星 | 基于九层滤芯净水器的滤芯使用寿命评估方法及系统 |
CN114136854A (zh) * | 2020-09-03 | 2022-03-04 | 宁波方太厨具有限公司 | 多工况油烟净化装置性能评估系统及方法 |
US20220176294A1 (en) * | 2020-12-04 | 2022-06-09 | Mahle International Gmbh | Smart filter elements and systems |
CN114701322A (zh) * | 2021-08-09 | 2022-07-05 | 长城汽车股份有限公司 | 空调滤芯寿命检测方法、装置、控制器、系统及车辆 |
-
2022
- 2022-10-25 CN CN202211306181.1A patent/CN115374657B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109437440A (zh) * | 2018-12-21 | 2019-03-08 | 吴联星 | 基于九层滤芯净水器的滤芯使用寿命评估方法及系统 |
CN114136854A (zh) * | 2020-09-03 | 2022-03-04 | 宁波方太厨具有限公司 | 多工况油烟净化装置性能评估系统及方法 |
US20220176294A1 (en) * | 2020-12-04 | 2022-06-09 | Mahle International Gmbh | Smart filter elements and systems |
CN114701322A (zh) * | 2021-08-09 | 2022-07-05 | 长城汽车股份有限公司 | 空调滤芯寿命检测方法、装置、控制器、系统及车辆 |
Non-Patent Citations (1)
Title |
---|
曹国军等: "节能型滤布过滤器滤芯清洗装置应用效果评价", 《中国石油和化工标准与质量》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116183462A (zh) * | 2023-03-07 | 2023-05-30 | 浙江勤鹏科技股份有限公司 | 一种柴油滤芯的质量检测方法及系统 |
CN116183462B (zh) * | 2023-03-07 | 2024-03-08 | 浙江勤鹏科技股份有限公司 | 一种柴油滤芯的质量检测方法及系统 |
CN116077973A (zh) * | 2023-04-11 | 2023-05-09 | 普瑞奇科技(北京)股份有限公司 | 一种用于真空滤油机的智能温控方法及系统 |
CN116077973B (zh) * | 2023-04-11 | 2023-06-20 | 普瑞奇科技(北京)股份有限公司 | 一种用于真空滤油机的智能温控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115374657B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115374657B (zh) | 一种用于滤油机的净化性能评估方法及系统 | |
Alsulaili et al. | Artificial neural network modeling approach for the prediction of five-day biological oxygen demand and wastewater treatment plant performance | |
CN102804353B (zh) | 构建最优终点算法的方法 | |
CN115439099B (zh) | 基于bim模型的施工项目协同监管系统 | |
CN111080107B (zh) | 一种基于时间序列聚类的流域洪水响应相似性分析方法 | |
CN110109431B (zh) | 一种压铸机oee信息智能获取系统 | |
CN116468160A (zh) | 基于生产大数据的铝合金压铸件质量预测方法 | |
CN115511398B (zh) | 一种基于时间敏感网络的焊接质量智能检测方法及系统 | |
CN101419690A (zh) | 产品制造过程的绿色评价方法及装置 | |
CN111241683A (zh) | 一种基于动态时间规整的设备工况故障预测方法和系统 | |
CN114692723A (zh) | 一种反渗透膜污堵预警方法及系统 | |
CN109447336B (zh) | 一种上游水库与其反调节水库坝间水位优化控制方法 | |
CN116661402B (zh) | 一种化工材料的生产管控方法及系统 | |
DE102019127133A1 (de) | Vorrichtung zum Erzeugen von Lerndaten zur Verbrennungsoptimierung und Verfahren dafür | |
CN114219252A (zh) | 一种基于sce-ua算法的流域单位线分析方法 | |
CN116433109B (zh) | 一种半导体生产环境的监测清洁管理方法及系统 | |
CN117114288A (zh) | 一种工业循环水排污管理方法及系统 | |
CN116956156A (zh) | 一种基于人工智能的污水处理智能曝气方法及系统 | |
CN111178576B (zh) | 基于炼化装置运行数据的操作优化方法 | |
CN115579876A (zh) | 一种风机功率特性曲线的辨识方法及系统 | |
CN114202209A (zh) | 一种水质异常识别方法及装置 | |
CN111933226B (zh) | 一种基于分级分类模型的人工智能筛选材料方法 | |
CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
CN112183642A (zh) | 一种基于随机森林模型的水泥烧成煤耗检测方法与系统 | |
CN113128734A (zh) | 一种油田产量的预测方法及装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A purification performance evaluation method and system for oil filters Granted publication date: 20221223 Pledgee: Zhongguancun Branch of Bank of Beijing Co.,Ltd. Pledgor: PUREACH TECH (BEIJING) LTD. Registration number: Y2024980006295 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |