CN115542872A - 一种滴丸滴制过程故障检测系统及方法 - Google Patents
一种滴丸滴制过程故障检测系统及方法 Download PDFInfo
- Publication number
- CN115542872A CN115542872A CN202210938277.3A CN202210938277A CN115542872A CN 115542872 A CN115542872 A CN 115542872A CN 202210938277 A CN202210938277 A CN 202210938277A CN 115542872 A CN115542872 A CN 115542872A
- Authority
- CN
- China
- Prior art keywords
- dripping
- width
- point
- dropping
- segment
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
本发明公开了一种滴丸滴制过程故障检测方法,用于检测滴丸滴制过程中各种因素造成的滴丸丸重或丸形等质量指标超标。本方法基于CN112903508A所述的激光检测系统,对检测到的液滴宽度序列进行分析。本方法对滴制过程中产生的每个液滴对应的宽度序列,计算相应的特征指标;利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能。本方法可用于滴丸的实际生产过程故障检测,当发现滴丸指标异常时,会自动报警,提示检查工艺参数。
Description
技术领域
本发明属于滴丸滴制过程液滴特征提取及工艺参数故障检测与报警领域,具体涉及一种滴丸制剂滴制过程中的故障检测系统和方法。
背景技术
滴丸剂是一种被广泛采用的中药剂型,其滴制过程为将原辅料的均匀混合熔融药液在一定工艺条件下以液滴的形式滴入不相溶的冷凝液,药液冷却凝固后形成球形的固体。工艺参数的变化会导致滴丸的丸重、形态发生变化,但对滴丸本身的评价有很大的滞后,无法及时反映出工艺参数的变化。
本申请的在先申请专利CN112903508A,公开了一种滴丸制剂的在线检测方法,该方法利用激光检测系统实时测定液滴在滴落过程中通过检测器部分的液滴宽度,再进行后处理实现滴丸表征。利用该方法测定的原始液滴宽度数据,本申请提供了一种通过分析原始液滴宽度数据得到一系列特征指标,利用PCA模型实时预测工艺条件是否出现异常。
发明内容
为克服上述技术问题,本发明提供了一种滴丸滴制过程故障检测方法。该方法应用方便,响应速度快,抗干扰能力强,稳定性好。
为实现以上目的,本发明提供的技术方案如下:
一种滴丸滴制过程的故障检测系统,包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报。
所述的滴丸滴制过程的故障检测系统,所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统;
进一步的,所述的液滴的信息为液滴宽度;
所述激光检测系统包括电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑;
所述的处理系统是利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能;将当前滴制生产过程产生的液滴宽度数据进行处理并得到相同的特征指标;
所述的报警系统为将当前液滴特征输入PCA模型以评估工艺条件是否发生异常,输出警报;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更。
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述PCA模型利用正常滴制条件下产生液滴的宽度数据分析得出的特征指标建立,利用模拟的异常工艺条件下滴制产生的液滴宽度数据分析得出的特征指标进行验证。
进一步的,所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述对于信息进行处理的方法包括:液滴节点选取与分段,特征指标计算。
进一步的,所述液滴节点选取与分段的方法为:将激光检测器测得的连续液滴宽度数值划分为单个液滴,对于每一个液滴,取四个节点并将其划分为三段,A点为液滴底部,B点为宽度最大处,C点为物料开始拉丝处,D点为液体断裂处。
其中C点的选取方法为,从B点开始向后遍历数据点,直至第i点满足条件:
则第i点满足选取为C点。式中,di为第i点处的液滴宽度,di+N为第i点后N 个点处的液滴宽度,Δ为判定阈值。满足经过优选,确定N=15,Δ=0.05。
7.如权利要求5所述的滴丸滴制过程的故障检测系统,其特征在于,所述特征指标包含:B点、C点处宽度,记为dB、dC;AB段、BC段长度,即节点间包含的数据点个数,记为lenAB、lenBC;AB段、BC段的斜率,即B点处宽度与AB段、BC段长度的比值,记为 AC段的半峰宽,即AB段对应于一半最大宽度处和BC 段对应于一半最大宽度处之间包含的数据点数量,记为half_peak_width; AB段、BC段三等分点处的宽度,记为滴速,即相邻液滴的A点间的长度,记为rate。
一滴丸滴制过程故障检测方法,包括以下步骤:
(1)滴制系统进行滴丸滴制过程,采用检测系统检测滴制过程中的液滴信息;
(2)将每个液滴信息进行处理,计算得到特征指标,输入PCA模型预测工艺条件是否产生异常,若产生异常则进行报警提示。
所述滴制系统内物料温度可调控;物料输入流量可调控;物料液面可调控;所述的检测系统为激光检测系统;所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述的液滴的信息为液滴宽度;
进一步的,所述滴制系统内物料温度调控是通过调节加热功率控制在设定值;所述激光检测系统由电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑组成。
进一步的,所述的激光检测系统实时检测滴制过程中经过激光检测器的液滴宽度,并传输给数据采集电脑;
进一步的,所述对于液滴信息提取的方法包括:液滴节点选取与分段,特征指标计算。
所述液滴节点选取与分段的方法为:将激光检测器测得的连续液滴宽度数值划分为单个液滴,对于每一个液滴,取四个节点并将其划分为三段, A点为液滴底部,B点为宽度最大处,C点为物料开始拉丝处,D点为液体断裂处。
其中C点的选取方法为,从B点开始向后遍历数据点,直至第i点满足条件:
则第i点满足选取为C点。式中,di为第i点处的液滴宽度,di+N为第 i点后N个点处的液滴宽度,Δ为判定阈值。满足经过优选,确定 N=15,Δ=0.05。
进一步的,所述特征指标包含:B点、C点处宽度,记为dB、dC;AB段、 BC段长度,即节点间包含的数据点个数,记为lenAB、lenBC;AB段、BC段的斜率,即B点处宽度与AB段、BC段长度的比值,记为 AC段的半峰宽,即AB段对应于一半最大宽度处和BC段对应于一半最大宽度处之间包含的数据点数量,记为half_peak_width;AB段、BC 段三等分点处的宽度,记为滴速,即相邻液滴的A点间的长度,记为rate。
本方法基于CN112903508A所述的激光检测系统,对检测到的液滴宽度序列进行分析。本方法对滴制过程中产生的每个液滴对应的宽度序列,计算相应的特征指标;利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能。本方法可用于滴丸的实际生产过程故障检测,当发现滴丸指标异常时,会自动报警,提示检查工艺参数。
本发明可同步对滴丸本身的指标进行评价,可及时反映出工艺参数的变化。
本申请的在先申请专利CN112903508A,公开了一种滴丸制剂的在线检测方法,该方法利用激光检测系统实时测定液滴在滴落过程中通过检测器部分的液滴宽度,再进行后处理实现滴丸表征。利用该方法测定的原始液滴宽度数据,本申请提供了一种通过分析原始液滴宽度数据得到一系列特征指标,利用PCA模型实时预测工艺条件是否出现异常。快速,灵敏,从而降低生产成本,提供成品合格率。
附图说明:
图1为根据正常滴制条件特征指标建立的PCA模型的得分图;
图2为根据正常滴制条件特征指标建立的PCA模型的Hotelling’s T2控制图;
图3为根据正常滴制条件特征指标建立的PCA模型的DModX控制图;
图4为模型预测阀门开度异常滴制条件特征指标的PCA得分图;
图5为模型预测阀门开度异常滴制条件特征指标的Hotelling’s T2控制图;
图6为模型预测阀门开度异常滴制条件特征指标的DModX控制图;
图7为模型预测物料温度偏低异常滴制条件特征指标的PCA得分图;
图8为模型预测物料温度偏低异常滴制条件特征指标的Hotelling’s T2控制图;
图9为模型预测物料温度偏低异常滴制条件特征指标的DModX控制图;
图10为模型预测物料温度偏高异常滴制条件特征指标的PCA得分图;
图11为模型预测物料温度偏高异常滴制条件特征指标的Hotelling’s T2控制图;
图12为模型预测物料温度偏高异常滴制条件特征指标的DModX控制图;
图13为模型预测物料液位异常滴制条件特征指标的PCA得分图;
图14为模型预测物料液位异常滴制条件特征指标的Hotelling’s T2控制图;
图15为模型预测物料液位异常滴制条件特征指标的DModX控制图;
图16为液滴节点选取与分段方法示意图;
图17为滴丸滴制过程故障检测方法建立流程图。
具体实施方式
下述实验例和实施例用于进一步说明但不限于本发明。
下面结合本发明实例中的附图,对本发明实施例中的技术方案进行清除、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种一种滴丸滴制过程故障检测方法,基于 CN112903508A所述的激光检测系统,对检测到的滴丸宽度序列进行分析。具体的应用流程如下:
将滴丸原料和辅料融化并混合均匀,输送至滴制装置储料罐中,通过调节加热功率和物料输送流量保持储料罐内物料温度和液位在设定值;进行滴丸滴制过程,采用激光检测系统检测滴制过程中的液滴宽度;将每个液滴的宽度序列进行处理,计算得到特征指标:
所述液滴节点选取与分段的方法为:参照图16,将激光检测器测得的连续液滴宽度数值划分为单个液滴,对于每一个液滴,取四个节点并将其划分为三段,A点为液滴底部,B点为宽度最大处,C点为物料开始拉丝处,D点为液体断裂处。
其中C点的选取方法为,从B点开始向后遍历数据点,直至第i点满足条件:
则第i点满足选取为C点。式中,di为第i点处的液滴宽度,di+N为第 i点后N个点处的液滴宽度,Δ为判定阈值。满足经过优选,确定 N=15,Δ=0.05。
所述特征指标包含:B点、C点处宽度,记为dB、dC;AB段、BC 段长度,即节点间包含的数据点个数,记为lenAB、lenBC;AB段、BC段的斜率,即B点处宽度与AB段、BC段长度的比值,记为 AC段的半峰宽,即AB段对应于一半最大宽度处和BC 段对应于一半最大宽度处之间包含的数据点数量,记为half_peak_width; AB段、BC段三等分点处的宽度,记为滴速,即相邻液滴的A点间的长度,记为rate。
将工艺条件保持在正常值,按照以上分析流程进行滴制与数据分析,建立PCA模型,得到如图1所示的正常滴制条件特征指标建立的PCA模型的得分图,如图2所示的正常滴制条件特征指标建立的PCA模型的 Hotelling’s T2控制图,如图3所示的正常滴制条件特征指标建立的PCA 模型的DModX控制图。通过模拟四种工艺参数的异常情况,得到以下四个实施例。
实施例1
将滴头阀门开度降低至正常工艺条件下的1/2,同时保持其他工艺参数满足正常工艺条件,按照以上分析流程进行滴制与数据分析,用建立的 PCA模型进行预测,得到如图4所示的模型预测阀门开度异常滴制条件特征指标的PCA得分图,如图5所示的模型预测阀门开度异常滴制条件特征指标的Hotelling’s T2控制图,如图6所示的模型预测阀门开度异常滴制条件特征指标的DModX控制图。
实施例2
将储料罐内物料温度降低至比正常工艺条件下低15℃,同时保持其他工艺参数满足正常工艺条件,按照以上分析流程进行滴制与数据分析,用建立的PCA模型进行预测,得到如图7所示的模型预测物料温度偏低异常滴制条件特征指标的PCA得分图,如图8所示的模型预测物料温度偏低异常滴制条件特征指标的Hotelling’s T2控制图,如图9所示的模型预测物料温度偏低异常滴制条件特征指标的DModX控制图。
实施例3
将储料罐内物料温度升高至比正常工艺条件下高20℃,同时保持其他工艺参数满足正常工艺条件,按照以上分析流程进行滴制与数据分析,用建立的PCA模型进行预测,得到如图10所示的模型预测物料温度偏高异常滴制条件特征指标的PCA得分图,如图11所示的模型预测物料温度偏高异常滴制条件特征指标的Hotelling’s T2控制图,如图12所示的模型预测物料温度偏高异常滴制条件特征指标的DModX控制图。
实施例4
将储料罐内物料量增加至至比正常工艺条件下多200g,即液位升高,同时保持其他工艺参数满足正常工艺条件,按照以上分析流程进行滴制与数据分析,用建立的PCA模型进行预测,得到如图13所示的模型预测物料液位异常滴制条件特征指标的PCA得分图,如图14所示的模型预测物料液位异常滴制条件特征指标的Hotelling’s T2控制图,如图15所示的模型预测物料液位异常滴制条件特征指标的DModX控制图。
在实际生产过程中,实时将计算得到的特征指标输入PCA模型预测工艺条件是否产生异常,若产生异常则进行报警提示。
本发明中所述PCA模型利用正常滴制条件下产生液滴的宽度数据分析得出的特征指标建立,建立的模型在正常滴制条件下的PCA得分图、 Hotelling’s T2控制图、DModX控制图;利用模拟的异常工艺条件下滴制产生的液滴宽度数据分析得出的特征指标进行验证,得到模型在升温、降温、药液量过多、阀门开度过小等各异常滴制条件下的PCA得分图、Hotelling’s T2控制图、DModX控制图,异常滴制条件包括但不限于以上情况。可见模型对于正常滴制条件仅有极少的误报,即Hotelling’s T2控制图极少超出控制限;对于异常滴制条件较为灵敏,即Hotelling’s T2控制图明显超出控制限,且能够对异常工艺参数进行区分,在PCA得分图的第 3/4主成分空间,四种异常情况形成了四个明显的簇,据此可以具体判断发生异常的工艺参数并提供报警信息。
实施例5
一种滴丸滴制过程的故障检测系统,包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生
异常时,输出警报;
实施例6
一种滴丸滴制过程的故障检测系统,包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报;所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统
实施例7
一种滴丸滴制过程的故障检测系统,包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报;所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统;
所述的液滴的信息为液滴宽度;
所述激光检测系统包括电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑;
所述的处理系统是利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能;将当前滴制生产过程产生的液滴宽度数据进行处理并得到相同的特征指标;
所述的报警系统为将当前液滴特征输入PCA模型以评估工艺条件是否发生异常,输出警报;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更
实施例8
一种滴丸滴制过程的故障检测系统,包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报;所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统;
所述的液滴的信息为液滴宽度;
所述激光检测系统包括电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑;
所述的处理系统是利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能;将当前滴制生产过程产生的液滴宽度数据进行处理并得到相同的特征指标;
所述的报警系统为将当前液滴特征输入PCA模型以评估工艺条件是否发生异常,输出警报;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述PCA模型利用正常滴制条件下产生液滴的宽度数据分析得出的特征指标建立,利用模拟的异常工艺条件下滴制产生的液滴宽度数据分析得出的特征指标进行验证;
所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述对于信息进行处理的方法包括:液滴节点选取与分段,特征指标计算;
所述液滴节点选取与分段的方法为:将激光检测器测得的连续液滴宽度数值划分为单个液滴,对于每一个液滴,取四个节点并将其划分为三段, A点为液滴底部,B点为宽度最大处,C点为物料开始拉丝处,D点为液体断裂处。
其中C点的选取方法为,从B点开始向后遍历数据点,直至第i点满足条件:
则第i点满足选取为C点。式中,di为第i点处的液滴宽度,di+N为第i点后N个点处的液滴宽度,Δ为判定阈值。满足经过优选,确定。
实施例9
一种滴丸滴制过程的故障检测系统,包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报;所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统;
所述的液滴的信息为液滴宽度;
所述激光检测系统包括电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑;
所述的处理系统是利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能;将当前滴制生产过程产生的液滴宽度数据进行处理并得到相同的特征指标;
所述的报警系统为将当前液滴特征输入PCA模型以评估工艺条件是否发生异常,输出警报;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述PCA模型利用正常滴制条件下产生液滴的宽度数据分析得出的特征指标建立,利用模拟的异常工艺条件下滴制产生的液滴宽度数据分析得出的特征指标进行验证;
所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述对于信息进行处理的方法包括:液滴节点选取与分段,特征指标计算;
所述液滴节点选取与分段的方法为:将激光检测器测得的连续液滴宽度数值划分为单个液滴,对于每一个液滴,取四个节点并将其划分为三段, A点为液滴底部,B点为宽度最大处,C点为物料开始拉丝处,D点为液体断裂处。
其中C点的选取方法为,从B点开始向后遍历数据点,直至第i点满足条件:
则第i点满足选取为C点。式中,di为第i点处的液滴宽度,di+N为第i点后N个点处的液滴宽度,Δ为判定阈值。满足经过优选,确定;
所述特征指标包含:B点、C点处宽度,记为dB、dC;AB段、BC 段长度,即节点间包含的数据点个数,记为lenAB、lenBC;AB段、BC段的斜率,即B点处宽度与AB段、BC段长度的比值,记为 AC段的半峰宽,即AB段对应于一半最大宽度处和BC 段对应于一半最大宽度处之间包含的数据点数量,记为half_peak_width;AB段、BC段三等分点处的宽度,记为滴速,即相邻液滴的A点间的长度,记为rate。
实施例10
一种滴丸滴制过程故障检测方法,包括以下步骤:
(1)滴制系统进行滴丸滴制过程,采用检测系统检测滴制过程中的液滴信息;
(2)将每个液滴信息进行处理,计算得到特征指标,输入PCA模型预测工艺条件是否产生异常,若产生异常则进行报警提示。
实施例11
一种滴丸滴制过程故障检测方法,包括以下步骤:
(1)滴制系统进行滴丸滴制过程,采用检测系统检测滴制过程中的液滴信息;
(2)将每个液滴信息进行处理,计算得到特征指标,输入PCA模型预测工艺条件是否产生异常,若产生异常则进行报警提示;所述滴制系统内物料温度可调控;物料输入流量可调控;物料液面可调控;所述的检测系统为激光检测系统;所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述的液滴的信息为液滴宽度。
实施例12
一种滴丸滴制过程故障检测方法,包括以下步骤:
(1)滴制系统进行滴丸滴制过程,采用检测系统检测滴制过程中的液滴信息;
(2)将每个液滴信息进行处理,计算得到特征指标,输入PCA模型预测工艺条件是否产生异常,若产生异常则进行报警提示;
所述滴制系统内物料温度可调控;物料输入流量可调控;物料液面可调控;所述的检测系统为激光检测系统;所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述的液滴的信息为液滴宽度;
所述滴制系统内物料温度调控是通过调节加热功率控制在设定值;所述激光检测系统由电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑组成;
所述的激光检测系统实时检测滴制过程中经过激光检测器的液滴宽度,并传输给数据采集电脑;所述对于液滴信息提取的方法包括:液滴节点选取与分段,特征指标计算;所述液滴节点选取与分段的方法为:将激光检测器测得的连续液滴宽度数值划分为单个液滴,对于每一个液滴,取四个节点并将其划分为三段,A点为液滴底部,B点为宽度最大处,C点为物料开始拉丝处,D点为液体断裂处。
其中C点的选取方法为,从B点开始向后遍历数据点,直至第i点满足条件:
则第i点满足选取为C点。式中,di为第i点处的液滴宽度,di+N为第 i点后N个点处的液滴宽度,Δ为判定阈值。满足经过优选,确定 N=15,Δ=0.05;
所述特征指标包含:B点、C点处宽度,记为dB、dC;AB段、BC 段长度,即节点间包含的数据点个数,记为lenAB、lenBC;AB段、BC段的斜率,即B点处宽度与AB段、BC段长度的比值,记为 AC段的半峰宽,即AB段对应于一半最大宽度处和BC 段对应于一半最大宽度处之间包含的数据点数量,记为half_peak_width; AB段、BC段三等分点处的宽度,记为滴速,即相邻液滴的A点间的长度,记为rate。
上述详细说明是针对本发明其中之一可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本发明技术方案的范围内。
Claims (10)
1.一种滴丸滴制过程的故障检测系统,其特征在于:包括
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报;
所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统;
所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述对于信息进行处理的方法包括:液滴节点选取与分段,特征指标计算。
2.如权利要求1所述的滴丸滴制过程的故障检测系统,其特征在于:所述的液滴的信息为液滴宽度;
所述激光检测系统包括电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑;
所述的处理系统是利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能;将当前滴制生产过程产生的液滴宽度数据进行处理并得到相同的特征指标;
所述的报警系统为将当前液滴特征指标输入PCA模型以评估工艺条件是否发生异常,输出警报;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更。
3.如权利要求2所述的滴丸滴制过程的故障检测系统,其特征在于:所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述PCA模型利用正常滴制条件下产生液滴的宽度数据分析得出的特征指标建立,利用模拟的异常工艺条件下滴制产生的液滴宽度数据分析得出的特征指标进行验证。
6.一种滴丸滴制过程故障检测方法,其特征在于,包括以下步骤:
(1)检测系统,所述的检测系统用于检测滴制过程中的液滴信息;
(2)处理系统,所述的处理系统用于对检测的液滴信息进行处理;
(3)报警系统,所述的报警系统用于模型系统评估液滴的信息发生异常时,输出警报;
所述的故障检测系统与滴制系统联合使用,所述的滴制系统是将物料滴制成滴丸的系统;
所述的处理系统为利用正常滴制条件下产生的液滴的信息分析后建立液滴特征模型,将滴制生产过程产生的液滴信息数据进行处理并得到相同的特征指标;所述的检测系统为激光检测系统;
所述滴制过程为滴丸制备工艺中混合药液从滴头滴出落入冷凝液的过程;所述对于信息进行处理的方法包括:液滴节点选取与分段,特征指标计算。
7.如权利要求6所述的滴丸滴制过程故障检测方法,其特征在于,所述的液滴的信息为液滴宽度;
所述激光检测系统包括电压输入模块、激光发射器、激光接收器、传感器放大器、数据采集卡、数据采集电脑;
所述的处理系统是利用正常滴制条件下的特征指标建立PCA模型;模拟多种异常滴制条件,将异常条件下计算的特征指标输入PCA模型进行预测,以验证模型的故障检测性能;将当前滴制生产过程产生的液滴宽度数据进行处理并得到相同的特征指标;
所述的报警系统为将当前液滴特征指标输入PCA模型以评估工艺条件是否发生异常,输出警报;
所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更。
8.如权利要求7所述的滴丸滴制过程故障检测方法,其特征在于,所述的滴制系统包括设定值操作系统,所述的设定值操作系统用于根据操作者的操作对所述的设定值进行变更;
所述PCA模型利用正常滴制条件下产生液滴的宽度数据分析得出的特征指标建立,利用模拟的异常工艺条件下滴制产生的液滴宽度数据分析得出的特征指标进行验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210938277.3A CN115542872A (zh) | 2022-08-05 | 2022-08-05 | 一种滴丸滴制过程故障检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210938277.3A CN115542872A (zh) | 2022-08-05 | 2022-08-05 | 一种滴丸滴制过程故障检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115542872A true CN115542872A (zh) | 2022-12-30 |
Family
ID=84723686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210938277.3A Pending CN115542872A (zh) | 2022-08-05 | 2022-08-05 | 一种滴丸滴制过程故障检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115542872A (zh) |
-
2022
- 2022-08-05 CN CN202210938277.3A patent/CN115542872A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102090704B (zh) | 一种提高制丝工艺批次过程能力的方法 | |
CN104807644B (zh) | 一种风电机组变桨系统的故障预警方法及系统 | |
US20170132910A1 (en) | Method, apparatus, and system for monitoring manufacturing equipment | |
CN108133391A (zh) | 销量预测方法以及服务器 | |
CN108091132B (zh) | 一种交通流量预测方法及装置 | |
CN102090705B (zh) | 一种提高烘丝工序过程能力的方法 | |
CN104303122B (zh) | 通过自动确定判定阈来监测飞机机载设备老化的方法 | |
CN106828106B (zh) | 一种面向动车组牵引电机的故障预警方法 | |
CN105242534A (zh) | 基于遥测参数且关联于对卫星控制行为的卫星状态监测方法 | |
CN111080982A (zh) | 一种基于多传感器的大坝安全智能监测与预警系统及方法 | |
CN103824130A (zh) | 一种基于svm的粮情预测预警方法及系统 | |
CN106845826B (zh) | 一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法 | |
CN112749763B (zh) | 用于玻璃质量影响因素的时间序列分类分析方法及系统 | |
CN116424096B (zh) | 资源动态优化配置的新能源汽车电池采集总成方法及系统 | |
CN115077627A (zh) | 一种多融合环境数据监管方法及监管系统 | |
CN115081966A (zh) | 异常状态监控方法及应用该方法的铝合金挤压工艺控制器 | |
CN115542872A (zh) | 一种滴丸滴制过程故障检测系统及方法 | |
CN117520951B (zh) | 一种基于多特征量的变压器健康评估方法和系统 | |
CN115824313A (zh) | 一种用于粮情监测的一体化多参量监测控制方法及系统 | |
CN116502534A (zh) | 一种储能电池热失控实时预警及长短期故障预测方法 | |
CN106127407B (zh) | 基于多传感器信息融合的飞机行程打分方法及打分系统 | |
CN109174977B (zh) | 热轧层流低温带钢表面高精度吹扫反馈控制方法 | |
CN102090703B (zh) | 一种提高制丝工艺参数控制效果的方法 | |
CN101275811A (zh) | 熟料篦式冷却机冷却过程智能控制方法 | |
CN110657836B (zh) | 一种生鲜运输智能物流箱的监控系统及其监控方法 |
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 |