CN116049654B - 一种选煤设备的安全监测预警方法及系统 - Google Patents
一种选煤设备的安全监测预警方法及系统 Download PDFInfo
- Publication number
- CN116049654B CN116049654B CN202310070094.9A CN202310070094A CN116049654B CN 116049654 B CN116049654 B CN 116049654B CN 202310070094 A CN202310070094 A CN 202310070094A CN 116049654 B CN116049654 B CN 116049654B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- equipment
- target
- early warning
- coal
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/187—Machine fault alarms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种选煤设备的安全监测预警方法及系统，涉及智能预警技术领域，所述方法包括：通过分析得到选煤设备类型集，其中包括筛分设备、分选设备、破碎设备、脱水设备；组建异常形式集；获取目标异常形式并组建目标异常特征集；构建异常识别处理器，并将目标异常特征集、目标异常形式及其对应关系存至异常识别处理器；监测实时异常特征参数集，得到实时异常识别结果；获得预设预警方案，并匹配实时预警方案进行选煤设备的安全预警。解决了现有技术中通过传统单一数据分析进行选煤设备的故障诊断，无法对选煤设备运行状态进行全面、准确的分析的问题。达到了提高设备运行安全监测分析全面性，同时提高设备安全预警准确性的技术效果。
Description
技术领域
本发明涉及智能预警技术领域，尤其涉及一种选煤设备的安全监测预警方法及系统。
背景技术
随着大数据和物联网技术的迅速发展，全球步入以智能制造为主导的工业新时代。在智能化建设浪潮中，煤炭企业面临着严峻的形势，加快煤炭企业升级转型，技术创新和降能减耗迫在眉睫。其中，选煤厂作为煤矿企业的重要组成部分，在信息化和智能化建设中依托物联网技术，大数据分析技术和信息通信技术，一直将设备在线监控和智能管理作为智能化建设的重中之重。然而，在现有技术中通过人工定期巡检或者智能传感器的单一检测数据对选煤设备的运行状态进行动态分析，存在无法对选煤设备运行状态进行全面、准确分析，进而无法及时发现设备异常并针对性预警处理，最终导致选煤设备的正常稳定运行受到影响的技术问题。举例如某选煤厂机电设备在运行过程中由于操作程序不规范发生未知故障，同时由于维修不及时影响生产的下一步环节，造成巨大的经济损失，严重的甚至还威胁到工作人员的生命健康。因此，研究利用计算机技术对选煤设备的运行进行智能化的监测和故障预警，对于维持选煤设备的正常稳定运行具有重要的意义。
然而，现有技术中通过传统单一数据分析进行选煤设备的故障诊断，无法对选煤设备运行状态进行全面、准确的分析，进而无法及时发现设备运行过程中的异常，最终导致设备运行故障，甚至影响人员生命健康的技术问题。
发明内容
本发明的目的是提供一种选煤设备的安全监测预警方法及系统，用以解决现有技术中通过传统单一数据分析进行选煤设备的故障诊断，无法对选煤设备运行状态进行全面、准确的分析，进而无法及时发现设备运行过程中的异常，最终导致设备运行故障，甚至影响人员生命健康的技术问题。
鉴于上述问题，本发明提供了一种选煤设备的安全监测预警方法及系统。
第一方面，本发明提供了一种选煤设备的安全监测预警方法，所述方法通过一种选煤设备的安全监测预警系统实现，其中，所述方法包括：通过分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器；监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；根据所述实时预警方案进行选煤设备的安全预警。
第二方面，本发明还提供了一种选煤设备的安全监测预警系统，用于执行如第一方面所述的一种选煤设备的安全监测预警方法，其中，所述系统包括：设备分析模块，其用于分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；异常分析模块，其用于依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；异常特征分析模块，其用于获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；处理器构建模块，其用于构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器；智能处理模块，其用于监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；智能预警模块，其用于获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；预警执行模块，其用于根据所述实时预警方案进行选煤设备的安全预警。
本发明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：
通过分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器；监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；根据所述实时预警方案进行选煤设备的安全预警。通过对选煤设备的种类进行分析，从而得到选煤设备类型集，实现了为后续分析选煤设备的运行安全问题提供设备类型基础，达到了提高选煤设备安全监测全面性的技术效果。通过对各类型选煤设备依次进行异常情况分析，从而得到异常形式集，实现了对选煤设备异常情形的全面分析目标。通过异常识别处理器的智能化处理，实现了对选煤设备实时运行情况的智能化动态监测的目标。通过基于预设预警方案对选煤设备的实时运行状态进行针对性的预警处理，从而提醒相关技术人员对设备异常进行及时干预，最终达到了保障选煤设备正常稳定运行的技术效果。实现了提高选煤设备运行状态监测的智能化程度的技术目标，达到了提高设备运行安全监测分析全面性，同时提高设备安全预警准确性的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本发明一种选煤设备的安全监测预警方法的流程示意图；
图2为本发明一种选煤设备的安全监测预警方法中得到所述选煤设备类型集的流程示意图；
图3为本发明一种选煤设备的安全监测预警方法中得到所述目标异常特征集的流程示意图；
图4为本发明一种选煤设备的安全监测预警方法中将所述异常监测模型嵌入至所述异常识别处理器的流程示意图；
图5为本发明一种选煤设备的安全监测预警系统的结构示意图。
附图标记说明：
设备分析模块10，异常分析模块20，异常特征分析模块30，处理器构建模块40，智能处理模块50，智能预警模块60，预警执行模块70。
具体实施方式
本发明通过提供一种选煤设备的安全监测预警方法及系统，解决了现有技术中通过传统单一数据分析进行选煤设备的故障诊断，无法对选煤设备运行状态进行全面、准确的分析，进而无法及时发现设备运行过程中的异常，最终导致设备运行故障，甚至影响人员生命健康的技术问题。实现了提高选煤设备运行状态监测的智能化程度的技术目标，达到了提高设备运行安全监测分析全面性，同时提高设备安全预警准确性的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1，本发明提供了一种选煤设备的安全监测预警方法，其中，所述方法应用于一种选煤设备的安全监测预警系统，所述方法具体包括如下步骤：
步骤S100：分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
进一步的，如附图2所示，本发明步骤S100还包括：
步骤S110：基于大数据组建选煤设备集；
步骤S120：依次分析所述选煤设备集得到所述选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
步骤S130：其中，所述筛分设备包括弛张筛、高频筛、直线振动筛、圆振动筛；
步骤S140：其中，所述分选设备包括干扰床分选机、搅拌式浮选机、跳汰机、浅槽分选机、三产品重介旋流器、两产品重介旋流器；
步骤S150：其中，所述破碎设备包括掺混机、煤泥破碎机、锤式破碎机、双齿辊破碎机；
步骤S160：其中，所述脱水设备包括立式振动离心机、卧式离心机。
具体而言，所述一种选煤设备的安全监测预警方法应用于一种选煤设备的安全监测预警系统，可以通过对现有常用的不同功能的选煤设备依次进行分析，从而得到各类选煤设备在实际使用过程中潜在的运行异常和风险情况，为后续针对性监测设备的异常提供参考和依据，从而提高选煤设备安全监测的针对性。首先对选煤厂现使用的各类选煤设备进行统计，其中现用的所述筛分设备包括弛张筛、高频筛、直线振动筛、圆振动筛。示范性的如通过弛张筛对原煤的深度进行筛分，通过直线振动筛对选煤的脱泥和脱水等进行处理。选煤厂现用的所述分选设备包括干扰床分选机、搅拌式浮选机、跳汰机、浅槽分选机、三产品重介旋流器、两产品重介旋流器。示范性的如对煤中细粒含量多、分选密度低的原煤可以通过跳汰机进行处理。选煤厂现用的所述破碎设备包括掺混机、煤泥破碎机、锤式破碎机、双齿辊破碎机。示范性的如锤式破碎机主要用于较细粒级煤的破碎，双齿辊破碎机主要用于煤的粗中细粒级的破碎。选煤厂现用的所述脱水设备包括立式振动离心机、卧式离心机。
步骤S200：依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；
步骤S300：获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；
进一步的，如附图3所示，本发明步骤S300还包括：
步骤S310：获取历史异常记录，并提取所述目标异常形式的目标历史异常记录；
步骤S320：依次提取所述目标历史异常记录中第一机械异常特征、第一电气异常特征，并组成第一异常特征集；
步骤S330：获取所述第一异常特征集的第一异常特征参数集；
步骤S340：对所述目标异常形式与所述第一异常特征参数集进行相关性计算，得到相关性计算结果；
进一步的，本发明还包括如下步骤：
步骤S341：获得所述目标异常形式的第一异常参数；
步骤S342：将所述第一异常特征参数集作为自变量，将所述第一异常参数作为因变量；
步骤S343：根据所述自变量与所述因变量之间的映射关系，绘制得到散点图；
步骤S344：基于所述散点图得到所述第一异常特征集中各异常特征的散点图，并组成目标散点图集合；
步骤S345：分析所述目标散点图集合得到所述相关性计算结果。
步骤S350：根据所述相关性分析结果对所述第一异常特征集进行筛选，得到所述目标异常特征集。
进一步的，本发明还包括如下步骤：
步骤S351：基于所述相关性计算结果得到多个目标最大信息系数；
步骤S352：将所述多个目标最大信息系数进行降序排列，并反向匹配得到异常特征序列；
步骤S353：提取所述异常特征序列中预设排名阈值的异常特征，组成所述目标异常特征集。
具体而言，在对选煤厂现用的各类型选煤设备依次进行统计分析，得到所述选煤设备类型集之后，对所述选煤设备类型集中的各个选煤设备类型依次进行其历史作业情况的分析，从而得到所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备在历史运行过程中，出现过的所有异常问题，并组建成所述异常形式集。接下来，对所述异常形式集中各个异常形式依次进行分析，从而得到导致该类异常的因素指标，对应所有导致该类异常的因素即组成所述所述目标异常特征集。也就是说，所述目标异常特征集与所述目标异常形式具备对应关系。
进一步的，在依次分析各类选煤设备的异常情况并得到选煤设备在运行过程中潜在的所有安全问题时，首先基于大数据采集选煤设备实际运行时记录的相关运行数据，即获取所述历史异常记录，进而对所述目标异常形式中各种异常形式依次进行异常分析，举例如随机提取目标异常形式中的目标历史异常记录，其中，所述目标历史异常记录中包括对应选煤设备在发生该项异常时，设备机械和电气两种不同的数据异常，也就是说，所述目标历史异常记录中包括异常发生时的第一机械异常特征、第一电气异常特征，接着将机械和电气异常特征共同组成第一异常特征集。接下来，对应提取所述第一异常特征集的第一异常特征参数集。其中，所述第一异常特征参数集是指所述第一异常特征集中各个特征在历史运行过程中的实际记录数值。进一步的，对所述目标异常形式与所述第一异常特征参数集进行相关性计算得到相关性计算结果，并根据所述相关性分析结果对所述第一异常特征集进行筛选，得到所述目标异常特征集。也就是说，将相关性强的特征留下以保证系统预警识别的可靠性，相关性不强的特征剔除以提高系统处理性能。
在对所述目标异常形式与所述第一异常特征参数集进行相关性分析计算时，首先从所述第一异常特征参数集中，随机提取一个所述目标异常形式的异常因素指标，记作所述第一异常参数。接着，将所述第一异常特征参数集作为自变量，将所述第一异常参数作为因变量，并根据所述自变量与所述因变量之间的映射关系绘制得到散点图。由于所述第一异常特征参数集中包括多个异常特征的记录数据，即多个异常特征参数，因此所述散点图中包括多个散点图，每个异常特征参数对应一个散点图，所有散点图组成所述目标散点图集合，最后分析所述目标散点图集合得到所述相关性计算结果。最后，根据所述相关性计算结果得到多个目标最大信息系数，并将所述多个目标最大信息系数进行降序排列，进而反向匹配得到异常特征序列。最终提取所述异常特征序列中预设排名阈值的异常特征，组成所述目标异常特征集。其中，所述预设排名阈值是指相关专业技术人员根据实际预警精度需求和相关安全监测经验，提前分析并设置的需由系统分析的异常特征的比例。通过计算筛选目标异常特征集，实现了对系统智能化分析时处理数据量的减少，同时不会对系统的安全监测预警准确性产生太大影响，保证预警可靠性的同时有效提高系统运行效率。
步骤S400：构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器；
进一步的，如附图4所示，本发明步骤S310还包括：
步骤S311：基于所述历史异常记录组建异常训练数据集，其中，所述异常训练数据集包括多组异常特征参数集、多个异常参数；
步骤S312：其中，所述多组异常特征参数集和所述多个异常参数具备映射关系；
步骤S313：根据所述多组异常特征参数集和所述多个异常参数构建异常监测模型；
进一步的，本发明还包括如下步骤：
步骤S3131：对所述多组异常特征参数集进行小波包分解，得到分解结果；
进一步的，本发明还包括如下步骤：
步骤S31331：若是满足，对所述异常特征值集进行融合预处理。
步骤S3132：对所述分解结果进行特征值提取，得到异常特征值集；
步骤S3133：判断所述异常特征集是否满足预设数据量阈值；
步骤S3134：若是不满足，对所述异常特征值集进行二次特征提取，得到二次异常特征值集；
步骤S3135：对所述二次异常特征值集进行融合预处理。
步骤S314：将所述异常监测模型嵌入至所述异常识别处理器。
具体而言，所述异常识别处理器位于所述安全监测预警系统，可通过智能化处理选煤设备的实时监测数据，进而分析设备当前的风险情况，从而针对性进行预警处理。在前述分析得到选煤设备的各类异常情况对应的影响因素指标后，将其提前存储在所述异常识别处理器中，即将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器。
进一步的，在基于大数据获取到所述历史异常记录之后，对记录中的数据进行提取并组建异常训练数据集，其中，所述异常训练数据集包括多组异常特征参数集、多个异常参数，且所述多组异常特征参数集与所述多个异常参数具备对应关系。其中，所述异常参数是指历史在对选煤设备进行管理时，由相关技术人员综合多方面情况对选煤设备的异常情况的风险程度的综合评估参数，对应选煤设备异常情况越严重，其异常参数越大。接下来，通过计算机对所述多组异常特征参数集和所述多个异常参数进行智能化学习训练，即得到所述异常监测模型，并将所述异常监测模型嵌入至所述异常识别处理器。其中，在对所述多组异常特征参数集和所述多个异常参数进行智能化学习训练之前，为了提高系统的训练学习效率，即提高所述异常监测模型的构建速率，首先对所述多组异常特征参数集进行预处理。具体来说，首先对所述多组异常特征参数集进行小波包分解并得到分解结果，接着对所述分解结果进行特征值提取，得到异常特征值集。接下来，统计所述异常特征集中的数据量，举例如获取所述异常特征集所占内存大小，并判断所述异常特征集是否满足预设数据量阈值。其中，当所述异常特征集不满足预设数据量阈值时，说明当前数据量过大，机器学习效率低，因此对所述异常特征值集进行二次特征提取，得到二次异常特征值，直至特征值的数据量满足预设数据量阈值时，对所述二次异常特征值集进行融合预处理。反之，当所述异常特征集满足预设数据量阈值时，系统直接对所述异常特征值集进行融合预处理。
通过对异常特征进行预处理，即对数据进行特征级融合，实现了对数据的有效降维，进而基于处理后的数据进行模型智能化训练过程，将训练得到的模型嵌入至异常识别处理器，达到了为选煤设备的安全监测预警提供模型基础的技术效果。
步骤S500：监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；
步骤S600：获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；
步骤S700：根据所述实时预警方案进行选煤设备的安全预警。
具体而言，通过各类传感器及智能设备对选煤设备的实时运行情况进行动态监测，并监测所述目标异常特征集得到实时异常特征参数集，进而将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果。接下来，获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案，最后根据所述实时预警方案进行选煤设备的安全预警。实现了提高选煤设备运行状态监测的智能化程度的技术目标。
综上所述，本发明所提供的一种选煤设备的安全监测预警方法具有如下技术效果：
通过分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器；监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；根据所述实时预警方案进行选煤设备的安全预警。通过对选煤设备的种类进行分析，从而得到选煤设备类型集，实现了为后续分析选煤设备的运行安全问题提供设备类型基础，达到了提高选煤设备安全监测全面性的技术效果。通过对各类型选煤设备依次进行异常情况分析，从而得到异常形式集，实现了对选煤设备异常情形的全面分析目标。通过异常识别处理器的智能化处理，实现了对选煤设备实时运行情况的智能化动态监测的目标。通过基于预设预警方案对选煤设备的实时运行状态进行针对性的预警处理，从而提醒相关技术人员对设备异常进行及时干预，最终达到了保障选煤设备正常稳定运行的技术效果。实现了提高选煤设备运行状态监测的智能化程度的技术目标，达到了提高设备运行安全监测分析全面性，同时提高设备安全预警准确性的技术效果。
实施例二
基于与前述实施例中一种选煤设备的安全监测预警方法，同样发明构思，本发明还提供了一种选煤设备的安全监测预警系统，请参阅附图5，所述系统包括：
设备分析模块10，其用于分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
异常分析模块20，其用于依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；
异常特征分析模块30，其用于获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；
处理器构建模块40，其用于构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器；
智能处理模块50，其用于监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；
智能预警模块60，其用于获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；
预警执行模块70，其用于根据所述实时预警方案进行选煤设备的安全预警。
进一步的，所述系统中的所述设备分析模块10还用于：
基于大数据组建选煤设备集；
依次分析所述选煤设备集得到所述选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
其中，所述筛分设备包括弛张筛、高频筛、直线振动筛、圆振动筛；
其中，所述分选设备包括干扰床分选机、搅拌式浮选机、跳汰机、浅槽分选机、三产品重介旋流器、两产品重介旋流器；
其中，所述破碎设备包括掺混机、煤泥破碎机、锤式破碎机、双齿辊破碎机；
其中，所述脱水设备包括立式振动离心机、卧式离心机。
进一步的，所述系统中的所述异常特征分析模块30还用于：
获取历史异常记录，并提取所述目标异常形式的目标历史异常记录；
依次提取所述目标历史异常记录中第一机械异常特征、第一电气异常特征，并组成第一异常特征集；
获取所述第一异常特征集的第一异常特征参数集；
对所述目标异常形式与所述第一异常特征参数集进行相关性计算，得到相关性计算结果；
根据所述相关性分析结果对所述第一异常特征集进行筛选，得到所述目标异常特征集。
进一步的，所述系统中的所述异常特征分析模块30还用于：
获得所述目标异常形式的第一异常参数；
将所述第一异常特征参数集作为自变量，将所述第一异常参数作为因变量；
根据所述自变量与所述因变量之间的映射关系，绘制得到散点图；
基于所述散点图得到所述第一异常特征集中各异常特征的散点图，并组成目标散点图集合；
分析所述目标散点图集合得到所述相关性计算结果。
进一步的，所述系统中的所述异常特征分析模块30还用于：
基于所述相关性计算结果得到多个目标最大信息系数；
将所述多个目标最大信息系数进行降序排列，并反向匹配得到异常特征序列；
提取所述异常特征序列中预设排名阈值的异常特征，组成所述目标异常特征集。
进一步的，所述系统中的所述异常特征分析模块30还用于：
提取所述目标散点图集合中任意一个目标散点图；
组建网格化方案集，其中，所述网格化方案集包括多个网格化方案；
依次基于所述多个网格化方案对所述任意一个目标散点图进行分区，得到多个分区结果；
对所述多个分区结果依次进行分析计算，得到多个最大互信息值；
对所述多个最大互信息值依次进行归一化处理，得到多个目标最大互信息值；
对比所述多个目标最大互信息值，并筛选得到目标最大信息系数；
将所述目标最大信息系数添加至所述相关性计算结果。
进一步的，所述系统中的所述异常特征分析模块30还用于：
基于所述历史异常记录组建异常训练数据集，其中，所述异常训练数据集包括多组异常特征参数集、多个异常参数；
其中，所述多组异常特征参数集和所述多个异常参数具备映射关系；
根据所述多组异常特征参数集和所述多个异常参数构建异常监测模型；
将所述异常监测模型嵌入至所述异常识别处理器。
进一步的，所述系统中的所述异常特征分析模块30还用于：
对所述多组异常特征参数集进行小波包分解，得到分解结果；
对所述分解结果进行特征值提取，得到异常特征值集；
判断所述异常特征集是否满足预设数据量阈值；
若是不满足，对所述异常特征值集进行二次特征提取，得到二次异常特征值集；
对所述二次异常特征值集进行融合预处理。
进一步的，所述系统中的所述异常特征分析模块30还用于：
若是满足，对所述异常特征值集进行融合预处理。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种选煤设备的安全监测预警方法和具体实例同样适用于本实施例的一种选煤设备的安全监测预警系统，通过前述对一种选煤设备的安全监测预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种选煤设备的安全监测预警系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些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)
1.一种选煤设备的安全监测预警方法，其特征在于，包括：
分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；
获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；
构建异常识别处理器，利用所述目标异常特征集、所述目标异常形式及其对应关系训练得到异常监测模型，并将所述异常监测模型嵌入至所述异常识别处理器；
监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；
获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；
根据所述实时预警方案进行选煤设备的安全预警；
所述分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备，包括：
基于大数据组建选煤设备集；
依次分析所述选煤设备集得到所述选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
其中，所述筛分设备包括弛张筛、高频筛、直线振动筛、圆振动筛；
其中，所述分选设备包括干扰床分选机、搅拌式浮选机、跳汰机、浅槽分选机、三产品重介旋流器、两产品重介旋流器；
其中，所述破碎设备包括掺混机、煤泥破碎机、锤式破碎机、双齿辊破碎机；
其中，所述脱水设备包括立式振动离心机、卧式离心机；
其中，所述获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系，包括：
获取历史异常记录，并提取所述目标异常形式的目标历史异常记录；
依次提取所述目标历史异常记录中第一机械异常特征、第一电气异常特征，并组成第一异常特征集；
获取所述第一异常特征集的第一异常特征参数集；
对所述目标异常形式与所述第一异常特征参数集进行相关性计算，得到相关性计算结果；
根据所述相关性计算结果对所述第一异常特征集进行筛选，得到所述目标异常特征集。
2.根据权利要求1所述的安全监测预警方法，其特征在于，所述对所述目标异常形式与所述第一异常特征参数集进行相关性计算，得到相关性计算结果，包括：
获得所述目标异常形式的第一异常参数；
将所述第一异常特征参数集作为自变量，将所述第一异常参数作为因变量；
根据所述自变量与所述因变量之间的映射关系，绘制得到散点图；
基于所述散点图得到所述第一异常特征集中各异常特征的散点图，并组成目标散点图集合；
分析所述目标散点图集合得到所述相关性计算结果。
3.根据权利要求1所述的安全监测预警方法，其特征在于，所述根据所述相关性计算结果对所述第一异常特征集进行筛选，得到所述目标异常特征集，包括：
基于所述相关性计算结果得到多个目标最大信息系数；
将所述多个目标最大信息系数进行降序排列，并反向匹配得到异常特征序列；
提取所述异常特征序列中预设排名阈值的异常特征，组成所述目标异常特征集。
4.根据权利要求2所述的安全监测预警方法，其特征在于，所述分析所述目标散点图集合得到所述相关性计算结果，包括：
提取所述目标散点图集合中任意一个目标散点图；
组建网格化方案集，其中，所述网格化方案集包括多个网格化方案；
依次基于所述多个网格化方案对所述任意一个目标散点图进行分区，得到多个分区结果；
对所述多个分区结果依次进行分析计算，得到多个最大互信息值；
对所述多个最大互信息值依次进行归一化处理，得到多个目标最大互信息值；
对比所述多个目标最大互信息值，并筛选得到目标最大信息系数；
将所述目标最大信息系数添加至所述相关性计算结果。
5.根据权利要求1所述的安全监测预警方法，其特征在于，在所述构建异常识别处理器，并将所述目标异常特征集、所述目标异常形式及其对应关系存至所述异常识别处理器之后，还包括：
基于所述历史异常记录组建异常训练数据集，其中，所述异常训练数据集包括多组异常特征参数集、多个异常参数；
其中，所述多组异常特征参数集和所述多个异常参数具备映射关系；
根据所述多组异常特征参数集和所述多个异常参数构建异常监测模型；
将所述异常监测模型嵌入至所述异常识别处理器。
6.根据权利要求5所述的安全监测预警方法，其特征在于，在所述根据所述多组异常特征参数集和所述多个异常参数构建异常监测模型之前，还包括：
对所述多组异常特征参数集进行小波包分解，得到分解结果；
对所述分解结果进行特征值提取，得到异常特征值集；
判断所述异常特征集是否满足预设数据量阈值；
若是不满足，对所述异常特征值集进行二次特征提取，得到二次异常特征值集；
对所述二次异常特征值集进行融合预处理。
7.根据权利要求6所述的安全监测预警方法，其特征在于，在所述判断所述异常特征集是否满足预设数据量阈值之后，还包括：
若是满足，对所述异常特征值集进行融合预处理。
8.一种选煤设备的安全监测预警系统，其特征在于，所述安全监测预警系统包括：
设备分析模块，其用于分析选煤设备得到选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
异常分析模块，其用于依次对所述筛分设备、所述分选设备、所述破碎设备、所述脱水设备进行异常分析，并根据异常分析结果组建异常形式集；
异常特征分析模块，其用于获取所述异常形式集中的目标异常形式，并分析组建目标异常特征集，其中，所述目标异常特征集与所述目标异常形式具备对应关系；
处理器构建模块，其用于构建异常识别处理器，利用所述目标异常特征集、所述目标异常形式及其对应关系训练得到异常监测模型，并将所述异常监测模型嵌入至所述异常识别处理器；
智能处理模块，其用于监测所述目标异常特征集得到实时异常特征参数集，并将所述实时异常特征参数集输入所述异常识别处理器，得到实时异常识别结果；
智能预警模块，其用于获得预设预警方案，并基于所述预设预警方案匹配所述实时异常识别结果的实时预警方案；
预警执行模块，其用于根据所述实时预警方案进行选煤设备的安全预警；
其中，所述设备分析模块还用于：
基于大数据组建选煤设备集；
依次分析所述选煤设备集得到所述选煤设备类型集，其中，所述选煤设备类型集包括筛分设备、分选设备、破碎设备、脱水设备；
其中，所述筛分设备包括弛张筛、高频筛、直线振动筛、圆振动筛；
其中，所述分选设备包括干扰床分选机、搅拌式浮选机、跳汰机、浅槽分选机、三产品重介旋流器、两产品重介旋流器；
其中，所述破碎设备包括掺混机、煤泥破碎机、锤式破碎机、双齿辊破碎其中，所述脱水设备包括立式振动离心机、卧式离心机；
其中，所述异常特征分析模块还用于：
获取历史异常记录，并提取所述目标异常形式的目标历史异常记录；
依次提取所述目标历史异常记录中第一机械异常特征、第一电气异常特征，并组成第一异常特征集；获取所述第一异常特征集的第一异常特征参数集；对所述目标异常形式与所述第一异常特征参数集进行相关性计算，得到相关性计算结果；根据所述相关性计算结果对所述第一异常特征集进行筛选，得到所述目标异常特征集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310070094.9A CN116049654B (zh) | 2023-02-07 | 2023-02-07 | 一种选煤设备的安全监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310070094.9A CN116049654B (zh) | 2023-02-07 | 2023-02-07 | 一种选煤设备的安全监测预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116049654A CN116049654A (zh) | 2023-05-02 |
| CN116049654B true CN116049654B (zh) | 2023-10-13 |
Family
ID=86131189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310070094.9A Active CN116049654B (zh) | 2023-02-07 | 2023-02-07 | 一种选煤设备的安全监测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116049654B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117010191B (zh) * | 2023-08-04 | 2024-03-19 | 贵州北盘江电力股份有限公司光照分公司 | 一种水轮发电机组的异常状态识别方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102773A (zh) * | 2014-07-05 | 2014-10-15 | 山东鲁能软件技术有限公司 | 一种设备故障预警及状态监测方法 |
| CN108460144A (zh) * | 2018-03-14 | 2018-08-28 | 西安华光信息技术有限责任公司 | 一种基于机器学习的煤炭设备故障预警系统及方法 |
| CN112528638A (zh) * | 2019-08-29 | 2021-03-19 | 北京沃东天骏信息技术有限公司 | 异常对象识别方法及装置、电子设备、存储介质 |
| CN114723082A (zh) * | 2022-04-19 | 2022-07-08 | 镇江西门子母线有限公司 | 一种智能低压成套设备的异常预警方法及系统 |
| CN114754824A (zh) * | 2022-06-16 | 2022-07-15 | 江苏邦润智能科技有限公司 | 一种拉丝机的监测预警方法及系统 |
| CN115276006A (zh) * | 2022-09-26 | 2022-11-01 | 江苏永鼎股份有限公司 | 一种用于电力集成系统的负荷预测的方法及系统 |
| CN115294804A (zh) * | 2022-10-09 | 2022-11-04 | 国网浙江省电力有限公司舟山供电公司 | 一种基于船舶状态监测的海缆安全预警方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010011918A2 (en) * | 2008-07-24 | 2010-01-28 | University Of Cincinnati | Methods for prognosing mechanical systems |
-
2023
- 2023-02-07 CN CN202310070094.9A patent/CN116049654B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104102773A (zh) * | 2014-07-05 | 2014-10-15 | 山东鲁能软件技术有限公司 | 一种设备故障预警及状态监测方法 |
| CN108460144A (zh) * | 2018-03-14 | 2018-08-28 | 西安华光信息技术有限责任公司 | 一种基于机器学习的煤炭设备故障预警系统及方法 |
| CN112528638A (zh) * | 2019-08-29 | 2021-03-19 | 北京沃东天骏信息技术有限公司 | 异常对象识别方法及装置、电子设备、存储介质 |
| CN114723082A (zh) * | 2022-04-19 | 2022-07-08 | 镇江西门子母线有限公司 | 一种智能低压成套设备的异常预警方法及系统 |
| CN114754824A (zh) * | 2022-06-16 | 2022-07-15 | 江苏邦润智能科技有限公司 | 一种拉丝机的监测预警方法及系统 |
| CN115276006A (zh) * | 2022-09-26 | 2022-11-01 | 江苏永鼎股份有限公司 | 一种用于电力集成系统的负荷预测的方法及系统 |
| CN115294804A (zh) * | 2022-10-09 | 2022-11-04 | 国网浙江省电力有限公司舟山供电公司 | 一种基于船舶状态监测的海缆安全预警方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 综合故障诊断在采矿设备管理中的应用;张增誉;;陕西煤炭(第04期) * |
| 选煤厂煤炭输送设备异常状态智能预警系统的设计与应用;陶伟忠;杨娟利;;选煤技术(第04期) * |
| 选煤厂设备运行预警系统的建立及应用探讨;邓亚明;;机电信息(第21期) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116049654A (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Madhusudana et al. | Condition monitoring of face milling tool using K-star algorithm and histogram features of vibration signal | |
| CN108038553B (zh) | 轧机设备状态在线监测与诊断系统及监测诊断方法 | |
| CN112179691B (zh) | 基于对抗学习策略的机械装备运行状态异常检测系统和方法 | |
| CN116049654B (zh) | 一种选煤设备的安全监测预警方法及系统 | |
| CN107553219A (zh) | 一种基于多种类传感器复合信号的刀具磨损监控方法 | |
| CN102765010A (zh) | 刀具破磨损状态检测方法及其检测系统 | |
| CN105626502B (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
| CN115409131B (zh) | 基于spc过程管控系统的生产线异常检测方法 | |
| CN111738308A (zh) | 基于聚类及半监督学习的监控指标动态阈值检测方法 | |
| CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
| CN112393906A (zh) | 一种地铁车辆转向架轴承微弱信号故障诊断、分类和健康评估的方法 | |
| CN110619691B (zh) | 一种板坯表面裂纹的预测方法及装置 | |
| CN106406257A (zh) | 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统 | |
| CN107506832B (zh) | 对监控巡视进行辅助的隐患挖掘方法 | |
| CN113043073A (zh) | 一种刀具磨损及寿命预测方法及装置 | |
| CN116502155A (zh) | 一种用于数控电动螺旋压力机的安全监管系统 | |
| CN117334020A (zh) | 智能砂磨机的设备运行故障预测系统及方法 | |
| CN107727392B (zh) | 基于信号检测和roc分析的状态指数评估和优化方法 | |
| CN112525749A (zh) | 一种基于摩擦信号递归特性的摩擦学状态在线辨识方法 | |
| Chengjiang et al. | Fault diagnosis of check valve based on CEEMD compound screening, BSE and FCM | |
| CN115423051A (zh) | 电力巡检数据挖掘、设备状态分类及风险预测系统及方法 | |
| CN114004059B (zh) | 一种水轮发电机组健康画像方法 | |
| CN115165081A (zh) | 一种矿山机械振动信号采集及工况识别的系统和方法 | |
| CN113392576A (zh) | 一种系留气球主缆绳拉力状态评估预警方法 | |
| CN113590663A (zh) | 一种环境检测方法及系统 |
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 |