CN116441031B - 一种焚烧垃圾炉渣的智能化破碎系统 - Google Patents

Abstract

本发明涉及粉碎系统技术领域，具体涉及一种焚烧垃圾炉渣的智能化破碎系统，该系统包括疑似噪声数据获取模块、噪声密度获取模块、噪声置信度获取模块、去噪调整系数获取模块和去噪处理模块，各个模式相互配合，通过破碎机当前的振动数据时序序列，确定该振动数据时序序列中每个振动数据对应的去噪窗口长度，基于该去噪窗口长度，对振动数据时序序列中的每个振动数据进行去噪处理，获取去噪后的振动数据时序序列以用于破碎机的工作参数控制。本发明通过获取破碎机去噪后的准确的振动数据时序序列，从而保证了后续诊断分析结果的准确性，有效提高了破碎机的控制合理性。

Description

一种焚烧垃圾炉渣的智能化破碎系统

技术领域

本发明涉及粉碎系统技术领域，具体涉及一种焚烧垃圾炉渣的智能化破碎系统。

背景技术

随着当前社会的高速发展，生活垃圾产量正以惊人的速度增长，垃圾焚烧凭借其具有高度的减量化、无害化和资源化的优点，成为了大量生活垃圾的主要处理方式。垃圾焚烧过程中通常会产生炉渣，这些炉渣一般会送至填埋场填埋，或者是被破碎再利用，如可制成建筑材料的轻骨料、地砖、墙砖等。由于垃圾中存在坚硬物质或焚烧不充分等因素，在对炉渣进行破碎的过程中，通常会令破碎机产生较大幅度的异常振动，从而影响破碎机的生产效率，甚至会损坏破碎机的零部件，降低破碎机的使用寿命。因此，在破碎机对炉渣进行破碎的工作过程中，需要对破碎机的振动数据进行诊断分析，从而实现破碎机的智能化控制。例如，当破碎机发生异常振动时，此时说明当前焚烧的炉渣较硬，此时需要降低破碎机的转速，以避免设备磨损，同时减少炉渣的投入量，以保证破碎机的安全运行。

然而，破碎机工作环境恶劣，实际监测到的振动数据会受到许多噪声的影响，导致信噪比较低，致使后续的诊断分析结果偏差较大，从而无法实现破碎机的合理控制。因此，在对实际监测到的振动数据进行诊断分析之前，首先需要对这些振动数据进行去噪处理。滑动平均法作为一种常见的去噪方法，通常被用于数据的去噪过程。但是，现有的滑动平均法的去噪窗口长度通常根据人工经验选取，当选取的去噪窗口长度较大时，去噪效果较好，但是会导致异常振动数据受损较大，而当选取的去噪窗口长度较小时，虽然能减小振动数据的受损程度，但是会导致去噪效果不理想，最终均会影响振动数据的诊断分析的准确性，从而无法实现破碎机的合理控制，最终导致破碎机的工作安全性能低。

发明内容

本发明的目的在于提供一种焚烧垃圾炉渣的智能化破碎系统，用于解决现有振动数据的去噪效果较差，致使对振动数据进行诊断分析的结果偏差较大，最终导致破碎系统的控制不合理的问题。

为解决上述技术问题，本发明提供了一种焚烧垃圾炉渣的智能化破碎系统，包括：

疑似噪声数据获取模块，用于：获取破碎机当前的振动数据时序序列，根据所述振动数据时序序列中每相邻两个振动数据的差异，确定所述振动数据时序序列中每个振动数据的噪声机率；根据所述振动数据时序序列中每个振动数据的噪声机率，确定所述振动数据时序序列中的各个疑似噪声数据；

噪声密度获取模块，用于：对所述振动数据时序序列进行分段，得到各个振动数据时序子序列；根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度；

噪声置信度获取模块，用于：根据所述振动数据时序子序列中每相邻两个振动数据的差异，确定振动数据差异子序列，并根据所述振动数据差异子序列，确定所述振动数据时序子序列对应的噪声置信度；

去噪调整系数获取模块，用于：根据所述振动数据时序子序列对应的噪声密度和噪声置信度以及所述振动数据时序子序列中振动数据的总数目，确定所述振动数据时序子序列对应的去噪调整系数；

去噪处理模块，用于：根据所述振动数据时序子序列对应的去噪调整系数，确定所述振动数据时序子序列中每个振动数据对应的去噪窗口长度，并根据所述去噪窗口长度，对所述振动数据时序序列中的每个振动数据进行去噪处理，从而得到去噪后的振动数据时序序列以用于破碎机的工作参数控制。

进一步的，确定所述振动数据时序序列中每个振动数据的噪声机率，包括：

确定所述振动数据时序序列中每相邻两个振动数据的差值，确定所述差值出现的概率，并确定所述振动数据时序序列中每个振动数据对应的所有差值出现的概率的平均值；

对所述振动数据时序序列中每个振动数据对应的所有差值出现的概率的平均值进行负相关映射，并将负相关映射结果确定为对应振动数据的噪声机率，从而得到所述振动数据时序序列中每个振动数据的噪声机率。

进一步的，确定所述振动数据时序序列中的各个疑似噪声数据，包括：

根据所述振动数据时序序列中每个振动数据的噪声机率，利用大津算法确定噪声机率阈值；

将大于所述噪声机率阈值的噪声机率所对应的振动数据确定为疑似噪声数据，从而得到所述振动数据时序序列中的各个疑似噪声数据。

进一步的，在根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度之前，还包括：

判断所述振动数据时序子序列中疑似噪声数据的数目是否大于设定数目阈值，若大于设定数目阈值，则根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度；否则，将所述振动数据时序子序列中所有振动数据的噪声机率的平均值确定为所述振动数据时序子序列对应的噪声密度。

进一步的，确定所述振动数据时序子序列对应的噪声密度对应的计算公式为：

其中，为所述振动数据时序子序列对应的噪声密度，/>为所述振动数据时序子序列中第j个振动数据的噪声机率，/>为所述振动数据时序子序列中第x对相邻两个疑似噪声数据之间的振动数据的数目，/>为所述振动数据时序子序列中第x对相邻两个疑似噪声数据对应的权重值，/>为所述振动数据时序子序列中振动数据的总数目，y为所述振动数据时序子序列中疑似噪声数据的数量。

进一步的，确定所述振动数据时序子序列对应的噪声置信度，包括：

计算所述振动数据差异子序列中每相邻两个元素的差值，并将所述差值按照时间顺序进行排列，从而得到差值序列；

在所述差值序列中，将小于差值阈值的差值的标记值设置为第一数值，将等于差值阈值的差值的标记值设置为第二数值，并将大于差值阈值的差值的标记值设置为第三数值；

按照所述差值序列中所有差值的排列顺序，对所有差值的标记值进行排列，从而得到标记值序列；

确定所述标记值序列中相邻两标记值不相同的次数，并将所述次数确定为所述振动数据时序子序列对应的噪声置信度。

进一步的，确定所述振动数据时序子序列对应的去噪调整系数对应的计算公式为：

其中，为所述振动数据时序子序列对应的去噪调整系数，/>为所述振动数据时序子序列对应的噪声置信度，/>为所述振动数据时序子序列对应的噪声密度，K为所述振动数据时序子序列中振动数据的总数目，/>为归一化函数。

进一步的，确定所述振动数据时序子序列中每个振动数据对应的去噪窗口长度，包括：

计算所述振动数据时序子序列对应的去噪调整系数与设定窗口长度的乘积值，并确定所述乘积值的向下取整值；

所述初始的窗口长度为奇数，若所述乘积值的向下取整值为奇数，则将初始的窗口长度、所述乘积值的向下取整值和数值1的相加值确定为所述振动数据时序子序列中每个振动数据对应的去噪窗口长度；若所述乘积值的向下取整值为偶数，则将初始的窗口长度和所述乘积值的向下取整值的相加值确定为所述振动数据时序子序列中每个振动数据对应的去噪窗口长度。

进一步的，对所述振动数据时序序列进行分段，得到各个振动数据时序子序列，包括：

以所述振动数据时序序列中每个振动数据对应的采集时间点为横坐标，并以每个振动数据为纵坐标，确定所述振动数据时序序列中每个振动数据对应的数据点；

利用最小二乘法对所述振动数据时序序列中所有振动数据对应的数据点进行波动曲线拟合，得到波动曲线；

确定所述波动曲线上的波峰点，并以所述波峰点对应的采集时间点为分割时间点对所述振动数据时序序列进行分段，从而得到各个振动数据时序子序列。

进一步的，利用滑动平均法对所述振动数据时序序列中每个振动数据进行去噪处理。

本发明具有如下有益效果：在对焚烧垃圾炉渣进行粉碎的过程中，获取破碎机当前的振动数据时序序列，通过对该振动数据时序序列中相邻的振动数据的差异情况进行分析，确定该振动数据时序序列中每个振动数据的噪声机率，该噪声机率表征了对应的振动数据属于噪声的可能性大小，基于该噪声机率，可以确定振动数据时序序列中很可能为噪声的疑似噪声数据。为了便于后续对振动数据时序序列中的振动数据进行精准分析，以便于最终准确确定每个振动数据对应的去噪窗口长度，将振动数据时序序列分割成各个振动数据时序子序列。对每个振动数据时序子序列中振动数据的特征进行分析，确定每个振动数据时序子序列对应的噪声密度，该噪声密度表征了对应振动数据时序子序列中噪声的分布密集程度，当分布密集程度越大时，在去噪时越需要较大的窗口长度。为了避免将异常振动数据误判为噪声，对振动数据时序子序列中的振动数据进行综合特征分析，确定振动数据时序子序列对应的噪声置信度，该噪声置信度表征了振动数据时序子序列中的疑似噪声数据为真实噪声的可能性。根据振动数据时序子序列对应的噪声置信度和振动数据时序子序列中振动数据的总数目，对振动数据时序子序列对应的噪声密度进行修正，最终准确确定振动数据时序子序列应的去噪调整系数，并基于该去噪调整系数，自适应确定振动数据时序子序列中每个振动数据对应的去噪窗口长度，并最终实现振动数据时序子序列中振动数据的可靠去噪。由于本发明在对振动数据时序序列中的振动数据进行去噪时，可以自适应确定每个振动数据的去噪窗口长度，在实现有效去噪的同时，避免了异常振动数据受损，保证了振动数据的去噪效果。后续对有效去噪后的振动数据进行诊断分析，并基于诊断分析结果控制破碎机的工作参数，实现了破损机的智能化合理控制，有效提高了破碎机的工作安全性能。

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为本发明实施例的焚烧垃圾炉渣的智能化破碎系统的结构示意图；

图2为本发明实施例的焚烧垃圾炉渣的智能化破碎方法的流程图。

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”指的不一定是同一实施例。此外，一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。另外，本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。

本实施例提供了一种焚烧垃圾炉渣的智能化破碎系统，该系统实质上是一种软件系统，该软件系统由各个实现对应功能的模块构成，其对应的结构示意图如图1所示。该系统的核心在于实现一种焚烧垃圾炉渣的智能化破碎方法，该系统中的各个模块对应方法中的各个步骤，该方法对应的流程图如图2所示。下面结合该方法中的具体步骤，对该系统的各个模块进行详细介绍。

如图1所示，该焚烧垃圾炉渣的智能化破碎系统包括以下模块：

疑似噪声数据获取模块，用于：获取破碎机当前的振动数据时序序列，根据所述振动数据时序序列中每相邻两个振动数据的差异，确定所述振动数据时序序列中每个振动数据的噪声机率；根据所述振动数据时序序列中每个振动数据的噪声机率，确定所述振动数据时序序列中的各个疑似噪声数据。

在采用破碎系统对焚烧垃圾炉渣进行破碎的过程中，通过在破碎系统中破碎机的合适位置设置振动传感器，并通过该振动传感器采集破碎机的振动数据，该振动数据是指破碎机的振动幅值，从而得到振动数据时序序列。在对破碎机的振动数据进行采集时，可以每隔设定时间间隔采集一次，如每隔1秒采集一次。在获取振动数据时序序列时，将距离当前最近的过去设定时段内所采集到的振动数据按照时间先后顺序进行排列，从而得到当前的振动数据时序序列，当前的振动数据时序序列中包括当前时刻也就是当前秒的振动数据。设定时段可以根据实际需要进行设定，例如可以是2分钟。在本实施例中，将振动数据时序序列记为，/>为振动数据时序序列中的第i个振动数据，n为振动数据时序序列中所有振动数据的总数目。

在得到破碎机当前的振动数据时序序列之后，根据该振动数据时序序列中每相邻两个振动数据的差异，确定该振动数据时序序列中每个振动数据的噪声机率，实现步骤包括：

确定所述振动数据时序序列中每相邻两个振动数据的差值，确定所述差值出现的概率，并确定所述振动数据时序序列中每个振动数据对应的所有差值出现的概率的平均值；

对所述振动数据时序序列中每个振动数据对应的所有差值出现的概率的平均值进行负相关映射，并将负相关映射结果确定为对应振动数据的噪声机率，从而得到所述振动数据时序序列中每个振动数据的噪声机率。

具体的，对于破碎机当前的振动数据时序序列，按照时间顺序统计相邻两振动数据的差值，即计算相邻的后一个振动数据减去前一个振动数据所得到的差值，并将这些差值按照时间先后顺序进行排列，从而得到差值序列/>。

已知破碎机在正常运行时的振动数据具有一定的周期性和规律性，即正常的振动数据的变化趋势会在各振动周期内重复出现，而噪声会破坏原数据的趋势变化，且噪声强度和分布随机，不同噪声点处的变化趋势各不相同。基于这种特点，根据差值序列，可以确定振动数据时序序列/>中各个振动数据为噪声的机率，也就是噪声机率，对应的计算公式为：

其中，为振动数据时序序列/>中的第i个振动数据的噪声机率，/>为差值序列/>中的第i个差值出现的概率，/>为差值序列/>中的第i-1个差值出现的概率，/>为差值序列/>中的第1个差值出现的概率，/>为差值序列/>中的第n-1个差值出现的概率，n为振动数据时序序列A中振动数据的总数目。

在上述的振动数据时序序列中的第i个振动数据的噪声机率的计算公式中，在确定差值序列/>中的每个差值出现的概率时，是对每个差值在差值序列B中出现的频次进行统计，并将统计的频次与该差值序列B中所有差值的总个数的比值确定为每个差值出现的概率。通过确定振动数据时序序列/>中每个振动数据对应的所有差值出现的概率，也就是确定振动数据时序序列/>中每个振动数据与其相邻的前一个振动数据的差值出现的概率，以及振动数据时序序列/>中每个振动数据与其相邻的后一个振动数据的差值出现的概率，并计算两个差值出现的概率的平均值/>，该平均值/>表示了振动数据变化的趋势所出现的概率。对于振动数据时序序列/>中的第一个和最后一个振动数据，由于其均对应一个差值，此时直接用该第一个和最后一个振动数据所对应的差值出现的概率来表征振动数据变化的趋势所出现的概率。当振动数据变化的趋势所出现的概率越小时，则对应的振动数据为噪声的机率就越大，因此利用1与该振动数据变化的趋势所出现的概率作差，以对该振动数据变化的趋势所出现的概率进行负相关映射，从而得到对应的振动数据的噪声机率。

在获得振动数据时序序列中的每个振动数据的噪声机率之后，按照时间的先后顺序，对这些噪声机率进行排列，从而可以得到振动数据时序序列/>对应的噪声机率序列。基于噪声机率序列/>，确定振动数据时序序列/>中的各个疑似噪声数据，实现步骤包括：

根据所述振动数据时序序列中每个振动数据的噪声机率，利用大津算法确定噪声机率阈值；

将大于所述噪声机率阈值的噪声机率所对应的振动数据确定为疑似噪声数据，从而得到所述振动数据时序序列中的各个疑似噪声数据。

具体的，利用大津算法求取噪声机率序列中所有的噪声机率对应的最佳分割阈值，该最佳分割阈值也可以称为噪声机率阈值，并将大于最佳分割阈值的噪声机率所对应的振动数据确定为疑似噪声数据。按照这种方式，可以确定振动数据时序序列/>中的各个疑似噪声数据。

噪声密度获取模块，用于：对所述振动数据时序序列进行分段，得到各个振动数据时序子序列；根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度。

为了便于后续对振动数据时序序列中的振动数据进行分析，以便于最终准确确定每个振动数据对应的去噪窗口长度，对振动数据时序序列/>进行分段，得到各个振动数据时序子序列，实现步骤包括：

以所述振动数据时序序列中每个振动数据对应的采集时间点为横坐标，并以每个振动数据为纵坐标，确定所述振动数据时序序列中每个振动数据对应的数据点；

利用最小二乘法对所述振动数据时序序列中所有振动数据对应的数据点进行波动曲线拟合，得到波动曲线；

确定所述波动曲线上的波峰点，并以所述波峰点对应的采集时间点为分割时间点对所述振动数据时序序列进行分段，从而得到各个振动数据时序子序列。

具体的，由于振动数据时序序列中每个振动数据都有其对应的采集时间点，因此以振动数据时序序列中每个振动数据对应的采集时间点为横坐标，并以每个振动数据为纵坐标，确定每个振动数据对应的数据点。考虑到确定振动数据时序序列/>中每个振动数据对应的数据点的目的，是为了确定振动数据时序序列/>中所有振动数据中的峰值，进而实现对振动数据时序序列/>的分段。因此，在确定振动数据时序序列/>中每个振动数据对应的数据点时，作为其他的实施方式，也可以以振动数据时序序列/>中每个振动数据对应的序号为横坐标。

在确定振动数据时序序列中每个振动数据对应的数据点之后，利用最小二乘法对这些数据点进行波动曲线拟合，得到波动曲线。统计该波动曲线上各波峰点对应的横坐标也就是采集时间点，再以这些采集时间点为分割点将振动数据时序序列/>分割成各个子序列，从而得到各个振动数据时序子序列，每个振动数据时序子序列表示一个振动周期的振动数据变化。当然，在确定各个振动数据时序子序列时，作为其他的实施方式，也可以统计该波动曲线上各波谷点对应的横坐标也就是采集时间点，再以这些波谷点对应的采集时间点为分割点将振动数据时序序列/>分割成各个子序列，从而得到各个振动数据时序子序列。

对于振动数据时序序列分割成的任意一个振动数据时序子序列，对该振动数据时序子序列中的振动数据进行特征分析，确定该振动数据时序子序列对应的噪声密度，实现步骤包括：

判断所述振动数据时序子序列中疑似噪声数据的数目是否大于设定数目阈值，若大于设定数目阈值，则根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度；否则，将所述振动数据时序子序列中所有振动数据的噪声机率的平均值确定为所述振动数据时序子序列对应的噪声密度。

具体的，对于振动数据时序序列分割成的任意一个振动数据时序子序列，其对应的噪声密度的计算公式为：

其中，为每个振动数据时序子序列对应的噪声密度，/>为每个振动数据时序子序列中第j个振动数据的噪声机率，/>为每个振动数据时序子序列中第x对相邻两个疑似噪声数据之间的振动数据的数目，/>为每个振动数据时序子序列中第x对相邻两个疑似噪声数据对应的权重值，/>为每个振动数据时序子序列中振动数据的总数目，y为每个振动数据时序子序列中疑似噪声数据的数量，/>为设定数目阈值，本实施例设置/>。

在上述的每个振动数据时序子序列对应的噪声密度的计算公式中，/>为该振动数据时序子序列中各个振动数据的噪声机率的平均值，其表示了该振动数据时序子序列所对应的时间段内噪声的干扰程度，当平均值越大时，对应噪声的干扰程度就越高，则该振动数据时序子序列内噪声的分布密度就可能越大，对应的噪声密度的取值就越大。同时，进一步对该振动数据时序子序列内噪声的位置分布进行分析，当该振动数据时序子序列所对应的时间段内疑似噪声数据的位置越接近，即相邻两个疑似噪声数据之间的振动数据的数目/>越小时，说明疑似噪声数据越密集，故/>越小，需要越大的权值，即以归一化的为权重值，权重值公式中加1是为防止分母为0，对相邻两个疑似噪声数据之间的振动数据的数目进行加权求和获取疑似噪声数据的位置分布特征/>。当/>，也就是/>时，说明该振动数据时序子序列中只存在一个疑似噪声数据或无疑似噪声数据，此时不需要分析疑似噪声数据的位置分布，即令疑似噪声数据的位置分布表征值为1。而当/>，也就是/>时，说明该振动数据时序子序列中存在多个疑似噪声数据，当相邻疑似噪声数据越接近时，噪声密度越大，即用2减去归一化的/>作为疑似噪声数据的位置分布表征值。由此以疑似噪声数据点的位置分布表征值/>或1为噪声的干扰程度/>的调整系数，两者的乘积表示该时间段内的噪声密度，噪声密度的值越大，表明该振动数据时序子序列所对应的时间段需要越大的窗口长度，以保证去噪效果。

噪声置信度获取模块，用于：根据所述振动数据时序子序列中每相邻两个振动数据的差异，确定振动数据差异子序列，并根据所述振动数据差异子序列，确定所述振动数据时序子序列对应的噪声置信度。

当焚烧垃圾的炉渣较硬时，破碎机的破碎辊轴转速变慢，会使破碎机的振动幅度变大且振动频率变小，此时振动数据时序序列中就会出现异常振动数据，由于异常振动数据出现的概率也较小，根据上述分析，这种异常振动数据也会被误分为噪声，从而导致采用较大的窗口长度进行去噪时会使得该重要的异常振动数据受损较大。因此为了避免这种情况，本方案通过识别振动数据时序序列/>重要的异常振动数据，确定噪声密度的校正系数，进而获取更为准确的窗口大小的调整系数。

基于上述分析，对于振动数据时序序列分割成的任意一个振动数据时序子序列，确定该振动数据时序子序列对应的振动数据差异子序列，即计算该振动数据时序子序列中每相邻两个振动数据的差值绝对值，并将所述差值绝对值按照时间顺序进行排列，从而得到振动数据差异子序列。在该振动数据差异子序列中，每个元素值表示对应振动数据时序子序列中每相邻两个振动数据的变化速度，这里的变化速度是个标量，仅仅是指每相邻两个振动数据的变化大小，并不包括变化方向。

在得到振动数据差异子序列之后，对该振动数据差异子序列进行分析，从而确定对应振动数据时序子序列对应的噪声置信度，实现步骤包括：

计算所述振动数据差异子序列中每相邻两个元素的差值，并将所述差值按照时间顺序进行排列，从而得到差值序列；

在所述差值序列中，将小于差值阈值的差值的标记值设置为第一数值，将等于差值阈值的差值的标记值设置为第二数值，并将大于差值阈值的差值的标记值设置为第三数值；

按照所述差值序列中所有差值的排列顺序，对所有差值的标记值进行排列，从而得到标记值序列；

确定所述标记值序列中相邻两标记值不相同的次数，并将所述次数确定为所述振动数据时序子序列对应的噪声置信度。

具体的，当焚烧垃圾的炉渣较硬时，破碎机的破碎辊轴转速变慢，会使振动数据时序序列中出现异常振动数据，但是异常振动数据的变化速度的变化依然会符合速度不变、递减或者递增状态，而由于噪声强度的随机性，会使得变化速度的变化状态不断发生转变。

基于上述分析，按照时间顺序依次计算该振动数据差异子序列中的每相邻两个元素的差值，该差值是指这两个元素中前一个元素减去后一个元素的差值，并将先计算出的差值放在前面，将后计算出的差值放在后面，从而得到差值构成序列。在该差值构成序列中，将小于差值阈值0的差值的标记值设置为第一数值-1，将等于差值阈值0的差值的标记值设置为第二数值0，并将大于差值阈值0的差值的标记值设置为第三数值1。然后按照差值构成序列中各个差值的位置，对各个差值对应的标记值进行排列，从而得到标记值序列。统计该标记值序列中相邻两标记值不相同的次数，并将该次数确定为对应振动数据时序子序列对应的噪声置信度。为了便于理解，例如，标记值序列为0，0，-1，-1，1，1，-1，1，则该标记值序列对应的相邻两标记值不相同的次数为4。当振动数据时序子序列对应的噪声置信度越小时，说明对应的振动数据时序子序列中疑似噪声数据为异常振动数据的可能性越大，疑似噪声数据为实际噪声的可能性越小；相反，当振动数据时序子序列对应的噪声置信度越大时，说明对应的振动数据时序子序列中疑似噪声数据为异常振动数据的可能性越小，疑似噪声数据为实际噪声的可能性越大。

去噪调整系数获取模块，用于：根据所述振动数据时序子序列对应的噪声密度和噪声置信度以及所述振动数据时序子序列中振动数据的总数目，确定所述振动数据时序子序列对应的去噪调整系数。

对于振动数据时序序列分割成的任意一个振动数据时序子序列，基于该振动数据时序子序列对应的噪声密度和噪声置信度以及该振动数据时序子序列中振动数据的总数目，确定该振动数据时序子序列对应的去噪调整系数，对应的计算公式为：

其中，为每个振动数据时序子序列对应的去噪调整系数，/>为每个振动数据时序子序列对应的噪声置信度，/>为每个振动数据时序子序列对应的噪声密度，K为每个振动数据时序子序列中振动数据的总数目，/>为归一化函数，用于将/>正向归一化到[0,1]区间内。

在上述的每个振动数据时序子序列对应的去噪调整系数中，每个振动数据时序子序列对应的差值构成序列中元素的总个数K-2用于对噪声置信度S进行归一化处理，从而消除振动数据时序子序列的元素个数的差异影响，以便于更准确地获取噪声密度D的校正系数。当噪声密度D的校正系数/>越小时，表明对应振动数据时序子序列中疑似噪声数据为异常振动数据的概率越大，对应振动数据时序子序列的噪声密度D越不可信。因此，利用校正系数/>对噪声密度D进行调整，以校正系数/>与噪声密度D的乘积来表示对应振动数据时序子序列所需的窗口长度的去噪调整系数，当去噪调整系数越小时，相应地去噪时的窗口长度也应当越小。

应当理解的是，每个振动数据时序子序列中的振动数据的数量通常都比较大，但是在极个别情况下，位于振动数据时序序列端部的振动数据时序子序列中会出现少数个振动数据的情况，针对这种情况，在确定每个振动数据时序子序列对应的去噪调整系数之前，首先可以对每个振动数据时序子序列中的振动数据的总数目K进行判断，若总数目K不大于设定数量阈值，则直接令对应振动数据时序子序列对应的去噪调整系数的取值为0，以便于后续利用较小的初始的去噪窗口长度进行数据去噪，从而防止该时长较短的时间段内的振动数据被过度平滑，而当总数目K大于设定数量阈值时，才按照上述的计算公式来确定对应振动数据时序子序列对应的去噪调整系数。该设定数量阈值可以根据经验进行设置，本实施例设置该设定数量阈值的取值为3。

去噪处理模块，用于：根据所述振动数据时序子序列对应的去噪调整系数，确定所述振动数据时序子序列中每个振动数据对应的去噪窗口长度，并根据所述去噪窗口长度，对所述振动数据时序序列中的每个振动数据进行去噪处理，从而得到去噪后的振动数据时序序列以用于破碎机的工作参数控制。

由于在上述获取每个振动数据时序子序列对应的去噪调整系数的过程中，通过对该振动数据时序子序列中的疑似噪声数据进行分析，以确定疑似噪声数据是否为异常振动数据，从而确定对应振动数据时序子序列的噪声密度D的校正系数，最终获取更为准确的窗口长度的去噪调整系数。这里基于该去噪调整系数，自适应确定振动数据时序子序列中每个振动数据对应的去噪窗口长度，后续在基于该自适应确定的去噪窗口长度对振动数据进行去噪时，在提高振动数据去噪效果的同时，有利于保护重要的异常振动数据。其中，基于该去噪调整系数，自适应确定每个振动数据时序子序列中每个振动数据对应的去噪窗口长度，实现步骤包括：

计算所述振动数据时序子序列对应的去噪调整系数与设定窗口长度的乘积值，并确定所述乘积值的向下取整值；

所述初始的窗口长度为奇数，若所述乘积值的向下取整值为奇数，则将初始的窗口长度、所述乘积值的向下取整值和数值1的相加值确定为所述振动数据时序子序列中每个振动数据对应的去噪窗口长度；若所述乘积值的向下取整值为偶数，则将初始的窗口长度和所述乘积值的向下取整值的相加值确定为所述振动数据时序子序列中每个振动数据对应的去噪窗口长度。

具体的，自适应确定每个振动数据时序子序列中每个振动数据对应的去噪窗口长度，对应的计算公式为：

其中，为第/>个振动数据时序子序列中每个振动数据对应的去噪窗口长度，/>为初始的去噪窗口长度，/>为设定窗口长度，/>为第/>个振动数据时序子序列对应的去噪调整系数，/>为向下取整符号，本实施例设置/>，/>。

在上述的第个振动数据时序子序列中每个振动数据对应的去噪窗口长度/>的计算公式中，由于去噪窗口长度的取值通常为奇数，而本实施例设置初始的去噪窗口长度，其本身为奇数，因此当/>的取值为奇数时，为了保证最终所得到的去噪窗口长度/>的取值为奇数，需要在/>的基础上再叠加1，即令/>为第个振动数据时序子序列中每个振动数据对应的去噪窗口长度，而当/>的取值为偶数时，则直接令/>为第/>个振动数据时序子序列中每个振动数据对应的去噪窗口长度。由于/>的取值范围为[0,1]，此时去噪窗口长度/>的最大取值为9，最小取值为3。

在通过上述方式确定每个振动数据时序子序列中每个振动数据对应的去噪窗口长度之后，也就是确定破碎机当前的振动数据时序序列中每个振动数据对应的去噪窗口长度之后，基于该去噪窗口长度，利用滑动平均法对振动数据时序序列中的每个振动数据进行去噪处理，从而得到去噪后的振动数据时序序列。由于该具体的去噪处理过程属于现有技术，此处不再赘述。

在得到去噪后的振动数据时序序列之后，将该去噪后的振动数据时序序列传输至诊断分析平台，由该诊断分析平台对该去噪后的振动数据时序序列进行分析诊断，并根据分析诊断结果，对破碎机的工作参数进行控制。例如，当去噪后的振动数据时序序列中存在连续多个振动数据大于设定振动数据阈值时，则说明破碎机发生异常振动，此时很有可能焚烧垃圾炉渣较硬，而较硬的焚烧垃圾炉渣令破碎机的破碎辊轴转速变慢，破碎机破碎能力变小，并会造成设备磨损，此时则控制减小破碎机的炉渣投入量，以保障破碎机的安全运行，由此实现焚烧垃圾炉渣破碎的智能化控制。由于本方案的重点在于自适应确定振动数据时序序列中每个振动数据的去噪窗口长度，从而保证振动数据的去噪效果，以得到有效去噪后的振动数据，而至于对有效去噪后的振动数据进行分析诊断的具体过程，以及根据分析诊断结果对破碎机的工作参数进行控制的细节，则属于现有技术，且不是本方案关注的重点，此处不再赘述。

需要说明的是：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)

1.一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，包括：

疑似噪声数据获取模块，用于：获取破碎机当前的振动数据时序序列，根据所述振动数据时序序列中每相邻两个振动数据的差异，确定所述振动数据时序序列中每个振动数据的噪声机率；根据所述振动数据时序序列中每个振动数据的噪声机率，确定所述振动数据时序序列中的各个疑似噪声数据；

噪声密度获取模块，用于：对所述振动数据时序序列进行分段，得到各个振动数据时序子序列；根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度；

噪声置信度获取模块，用于：根据所述振动数据时序子序列中每相邻两个振动数据的差异，确定振动数据差异子序列，并根据所述振动数据差异子序列，确定所述振动数据时序子序列对应的噪声置信度；

去噪调整系数获取模块，用于：根据所述振动数据时序子序列对应的噪声密度和噪声置信度以及所述振动数据时序子序列中振动数据的总数目，确定所述振动数据时序子序列对应的去噪调整系数；

去噪处理模块，用于：根据所述振动数据时序子序列对应的去噪调整系数，确定所述振动数据时序子序列中每个振动数据对应的去噪窗口长度，并根据所述去噪窗口长度，对所述振动数据时序序列中的每个振动数据进行去噪处理，从而得到去噪后的振动数据时序序列以用于破碎机的工作参数控制。

2.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，确定所述振动数据时序序列中每个振动数据的噪声机率，包括：

确定所述振动数据时序序列中每相邻两个振动数据的差值，确定所述差值出现的概率，并确定所述振动数据时序序列中每个振动数据对应的所有差值出现的概率的平均值；

对所述振动数据时序序列中每个振动数据对应的所有差值出现的概率的平均值进行负相关映射，并将负相关映射结果确定为对应振动数据的噪声机率，从而得到所述振动数据时序序列中每个振动数据的噪声机率。

3.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，确定所述振动数据时序序列中的各个疑似噪声数据，包括：

根据所述振动数据时序序列中每个振动数据的噪声机率，利用大津算法确定噪声机率阈值；

将大于所述噪声机率阈值的噪声机率所对应的振动数据确定为疑似噪声数据，从而得到所述振动数据时序序列中的各个疑似噪声数据。

4.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，在根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度之前，还包括：

判断所述振动数据时序子序列中疑似噪声数据的数目是否大于设定数目阈值，若大于设定数目阈值，则根据所述振动数据时序子序列中每个振动数据的噪声机率以及每相邻两个疑似噪声数据之间的振动数据的数目，确定所述振动数据时序子序列对应的噪声密度；否则，将所述振动数据时序子序列中所有振动数据的噪声机率的平均值确定为所述振动数据时序子序列对应的噪声密度。

5.根据权利要求1或4所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，确定所述振动数据时序子序列对应的噪声密度对应的计算公式为：

其中，为所述振动数据时序子序列对应的噪声密度，/>为所述振动数据时序子序列中第j个振动数据的噪声机率，/>为所述振动数据时序子序列中第x对相邻两个疑似噪声数据之间的振动数据的数目，/>为所述振动数据时序子序列中第x对相邻两个疑似噪声数据对应的权重值，/>为所述振动数据时序子序列中振动数据的总数目，y为所述振动数据时序子序列中疑似噪声数据的数量。

6.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，确定所述振动数据时序子序列对应的噪声置信度，包括：

计算所述振动数据差异子序列中每相邻两个元素的差值，并将所述差值按照时间顺序进行排列，从而得到差值序列；

在所述差值序列中，将小于差值阈值的差值的标记值设置为第一数值，将等于差值阈值的差值的标记值设置为第二数值，并将大于差值阈值的差值的标记值设置为第三数值；

按照所述差值序列中所有差值的排列顺序，对所有差值的标记值进行排列，从而得到标记值序列；

确定所述标记值序列中相邻两标记值不相同的次数，并将所述次数确定为所述振动数据时序子序列对应的噪声置信度。

7.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，确定所述振动数据时序子序列对应的去噪调整系数对应的计算公式为：

其中，为所述振动数据时序子序列对应的去噪调整系数，/>为所述振动数据时序子序列对应的噪声置信度，/>为所述振动数据时序子序列对应的噪声密度，K为所述振动数据时序子序列中振动数据的总数目，/>为归一化函数。

8.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，确定所述振动数据时序子序列中每个振动数据对应的去噪窗口长度，包括：

计算所述振动数据时序子序列对应的去噪调整系数与设定窗口长度的乘积值，并确定所述乘积值的向下取整值；

初始的窗口长度为奇数，若所述乘积值的向下取整值为奇数，则将初始的窗口长度、所述乘积值的向下取整值和数值1的相加值确定为所述振动数据时序子序列中每个振动数据对应的去噪窗口长度；若所述乘积值的向下取整值为偶数，则将初始的窗口长度和所述乘积值的向下取整值的相加值确定为所述振动数据时序子序列中每个振动数据对应的去噪窗口长度。

9.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，对所述振动数据时序序列进行分段，得到各个振动数据时序子序列，包括：

以所述振动数据时序序列中每个振动数据对应的采集时间点为横坐标，并以每个振动数据为纵坐标，确定所述振动数据时序序列中每个振动数据对应的数据点；

利用最小二乘法对所述振动数据时序序列中所有振动数据对应的数据点进行波动曲线拟合，得到波动曲线；

确定所述波动曲线上的波峰点，并以所述波峰点对应的采集时间点为分割时间点对所述振动数据时序序列进行分段，从而得到各个振动数据时序子序列。

10.根据权利要求1所述的一种焚烧垃圾炉渣的智能化破碎系统，其特征在于，利用滑动平均法对所述振动数据时序序列中每个振动数据进行去噪处理。