CN116448263B - 一种勃姆石生产设备运行状态检测方法 - Google Patents
一种勃姆石生产设备运行状态检测方法 Download PDFInfo
- Publication number
- CN116448263B CN116448263B CN202310714569.3A CN202310714569A CN116448263B CN 116448263 B CN116448263 B CN 116448263B CN 202310714569 A CN202310714569 A CN 202310714569A CN 116448263 B CN116448263 B CN 116448263B
- Authority
- CN
- China
- Prior art keywords
- temperature
- value
- time
- past
- determining
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 95
- 229910001593 boehmite Inorganic materials 0.000 title claims abstract description 89
- FAHBNUUHRFUEAI-UHFFFAOYSA-M hydroxidooxidoaluminium Chemical compound O[Al]=O FAHBNUUHRFUEAI-UHFFFAOYSA-M 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000000875 corresponding effect Effects 0.000 claims description 84
- 230000008859 change Effects 0.000 claims description 41
- 238000009825 accumulation Methods 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000006243 chemical reaction Methods 0.000 description 24
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 8
- 229910052744 lithium Inorganic materials 0.000 description 8
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K3/00—Thermometers giving results other than momentary value of temperature
- G01K3/08—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values
- G01K3/10—Thermometers giving results other than momentary value of temperature giving differences of values; giving differentiated values in respect of time, e.g. reacting only to a quick change of temperature
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及电数字数据处理技术领域,具体涉及一种勃姆石生产设备运行状态检测方法,通过实时获取勃姆石生产设备的过去至少两个时刻的温度值以及过去至少两个时刻的历史时刻的温度值,对这些温度值进行分析,确定过去每个时刻对应的相关时刻、每个时刻的温度值各自对应的自相关系数以及温度扰动值;基于过去每个时刻的温度值及其各自对应的自相关系数以及温度扰动值,对未来下一时刻的温度值进行预测,得到温度预测值;对温度预测值进行修正,并根据修正后的温度预测值,确定勃姆石生产设备当前的运行状态。本发明通过对温度值数据进行相应的数据处理,有效解决了现有勃姆石生产设备运行状态的检测结果不准确的问题。
Description
技术领域
本发明涉及电数字数据处理技术领域,具体涉及一种勃姆石生产设备运行状态检测方法。
背景技术
新能源锂电池作为环保的储能设备,具有很好的储能作用,其中锂电隔膜是锂电池中的重要组成部分。在锂电池工作过程中,随着电池内部温度的不断升高,传统的锂电隔膜往往会因温度过高而发生融化现象,最终造成电池短路。勃姆石涂层能够在较低的涂层厚度的前提下,极大地提升了隔膜的热稳定性,改善了电池的倍率性能和循环性能,提升了锂电池的安全性,同时较薄的涂层厚度有助于提升锂电池的体积能量密度和重量能量密度。
勃姆石作为生产勃姆石涂层的基础原料,其生产加工质量直接影响到锂电池的质量和储能量,因此在勃姆石的生产加工过程中需要对其生产设备进行监测,防止因勃姆石生产设备的异常运行导致生产出来的勃姆石制品的质量不达标。考虑到当勃姆石生产设备发生异常时,则对应设备的温度就会出现异常。例如,当勃姆石生产反应釜发生异常时,则该反应釜中的温度就相应会出现异常。因此,为了实现勃姆石生产设备运行状态的检测,可以通过对应设备中的温度异常情况来反应,当生产设备中的温度在正常范围内时,则说明对应生产设备运行状态正常,而当生产设备中的温度过高或者过低时,则说明对应生产设备运行状态异常。
现有在对勃姆石制品生产过程中生产设备中的温度进行检测判断时,通常具有一定的滞后性,只有当温度已经超出了正常范围后才能被检测到,也就是生产设备在已经发生了异常之后才能被检测到,此时显然已经破坏了勃姆石的结构特性。因此,为了实现生产设备温度异常的提前检测,进而最终实现勃姆石生产设备运行状态的提前检测,可以将检测到的生产设备的时序温度数据输入到时序数据预测模型中,由时序数据预测模型对未来的温度数据进行预测。对于现有的时序数据预测模型,如ARIMA模型,均需要确定预测模型的参数,但是由于勃姆石生产设备的温度数据通常是非线性变化的,且温度数据之间通常具有一定的关联性,这就导致采用现有的参数确定方法如最小二乘估计、极大似然估计等,无法准确评估出时序数据预测模型的参数,进而导致温度预测结果不够准确,从而影响到勃姆石生产设备运行状态的检测结果准确性。
发明内容
本发明的目的在于提供一种勃姆石生产设备运行状态检测方法,用于解决现有勃姆石生产设备运行状态的检测结果不准确的问题。
为解决上述技术问题,本发明提供了一种勃姆石生产设备运行状态检测方法,包括以下步骤:
实时获取勃姆石生产设备的过去至少两个时刻的温度值以及所述过去至少两个时刻的历史时刻的温度值;
根据所述过去至少两个时刻及其历史时刻的温度值,确定所述过去至少两个时刻各自对应的相关时刻,并根据所述过去至少两个时刻的温度值以及所述相关时刻的温度值,确定所述过去至少两个时刻的温度值各自对应的自相关系数;
根据过去最近一个时刻及其相关时刻的温度值以及过去最近一个时刻的温度值对应的自相关系数,确定温度扰动值;
根据所述温度扰动值、所述过去至少两个时刻的温度值以及所述过去至少两个时刻的温度值各自对应的自相关系数,对未来下一时刻的温度值进行预测,从而得到温度预测值;
对所述温度预测值进行修正,得到修正后的温度预测值,根据所述修正后的温度预测值,确定勃姆石生产设备当前的运行状态。
进一步的,确定所述过去至少两个时刻各自对应的相关时刻,包括:
将过去任意一个时刻作为目标时刻,根据所述目标时刻及其历史时刻的温度值,确定所述目标时刻及其历史时刻的温度变化斜率;
根据所述目标时刻及其历史时刻的温度值和温度变化斜率,确定所述目标时刻与其前一个过去时刻之间的温度值相关性,从而得到第一个温度值相关性,并确定所述目标时刻与其前两个过去时刻之间的温度值相关性,从而得到第二个温度值相关性;
判断所述第一个温度值相关性与第二个温度值相关性的差值是否大于设定差值阈值,若不大于设定差值阈值,则确定所述目标时刻与其前三个过去时刻之间的温度值相关性,从而得到第三个温度值相关性,并继续判断所述第二个温度值相关性与第三个温度值相关性的差值是否大于设定差值阈值,重复上述步骤,直至差值大于设定差值阈值,并将大于设定差值阈值的差值对应的前一个温度值相关性所对应的所述目标时刻的所有过去时刻,作为所述目标时刻对应的相关时刻。
进一步的,得到温度值相关性对应的计算公式为:
其中,为所述目标时刻t与其前h个过去时刻之间的温度值相关性,为所述目标时刻t的温度值,为归一化函数,为所述目标时刻t的历史时刻
中所述目标时刻t的前第n个过去时刻的温度值,为所述目标时刻t的历史时刻
中所述目标时刻t的前第n-1个过去时刻的温度变化斜率,为所述目标时刻t的历史时
刻中所述目标时刻t的前第n个过去时刻的温度变化斜率,为相关性函数值,为以
自然常数e为底数的指数函数,| |为取绝对值符号。
进一步的,确定所述过去至少两个时刻的温度值各自对应的自相关系数,包括:
将确定所述过去任意一个时刻的温度值对应的相关时刻时所对应的温度值相关性,作为所述过去任意一个时刻的温度值对应的自相关系数。
进一步的,确定温度扰动值,包括:
计算过去最近一个时刻及其相关时刻的温度值的样本方差;
计算所述过去最近一个时刻的温度值对应的自相关系数与所述样本方差的乘积值,并将所述乘积值确定为温度扰动值。
进一步的,对未来下一时刻的温度值进行预测,从而得到温度预测值,包括:
根据所述过去至少两个时刻的温度值及其各自对应的自相关系数,计算每个温度值与其对应的自相关系数的相乘值;
将所有所述相乘值与所述温度扰动值的累加值,确定为温度预测值。
进一步的,对所述温度预测值进行修正,得到修正后的温度预测值,包括:
根据所述过去最近一个时刻及其相关时刻的温度值,计算过去前一个时刻的温度值与后一个时刻的温度值的差值,从而得到差值序列;
根据所述差值序列中的每相邻的两个差值,确定第一比值,并计算所有所述第一比值的累加和,从而得到第一累加和;
根据所述过去最近一个时刻及其相关时刻的温度变化斜率中每相邻的两个温度变化斜率,确定第二比值,并计算所有所述第二比值的累加和,从而得到第二累加和;
根据所述第一累加和和第二累加和,确定修正系数,所述第一累加和和第二累加和均与所述修正系数成正相关关系;
对所述修正系数进行归一化处理,并将所述修正系数的归一化处理结果与所述温度预测值的乘积,确定为修正后的温度预测值。
进一步的,确定勃姆石生产设备当前的运行状态,包括:
判断所述修正后的温度预测值是否超出温度临界值,若超出温度临界值,则判定勃姆石生产设备当前的运行状态为异常状态,否则判定勃姆石生产设备当前的运行状态为正常状态。
进一步的,该方法还包括若判定勃姆石生产设备当前的运行状态为异常状态,则对勃姆石生产设备进行异常检测。
本发明具有如下有益效果:本发明通过对勃姆石生产设备的历史温度值数据进行相应的数据处理,有效解决了现有勃姆石生产设备运行状态的检测结果不准确的问题。具体的,在对勃姆石生产设备的运行状态进行检测时,获取过去多个时刻的温度值,并结合该过去多个时刻各自对应的历史时刻的温度值,确定该过去多个时刻的相关时刻,这些相关时刻是指温度值与对应的过去时刻的温度值相关联的时刻,即在该过去每个时刻及其相关时刻所构成的时间段内,温度值变化程度较小,且温度变化趋势比较一致,温度关联性较强。由于过去每个时刻及其相关时刻的温度值关联性较强,因此基于过去每个时刻及其相关时刻的温度值,可以准确确定过去每个时刻对应的自相关系数,该自相关系数表征了过去每个时刻的温度值与其历史温度值的关联程度大小。然后根据过去最近一个时刻及其相关时刻的温度值以及过去最近一个时刻的温度值对应的自相关系数,对当前温度值的随机误差情况进行评估,从而确定温度扰动值。基于过去多个时刻的温度值及其各自对应的自相关系数,并结合该温度扰动值,对未来下一时刻的温度值进行预测,得到温度预测值。考虑到勃姆石生产设备温度变化的特征,若当前温度值达到了最高值或者最低值,那么后续温度值就不会持续上升或者下降,此时直接根据温度预测值进行判断就会出现误判现象,因此为了提高温度预测值的准确性,需要对温度预测值进行一定程度的修正,并根据修正后的温度预测值,最终准确确定勃姆石生产设备当前的运行状态。由于本发明是实时确定过去多个时刻的温度值,并根据过去多个时刻的温度值与其历史时刻温度值的关联情况,分别确定过去多个时刻各自对应的相关时刻,进而准确确定过去多个时刻的温度值各自对应的自相关系数,从而确定温度预测值。同时对温度预测值进行一定程度的修正,最终准确确定勃姆石生产设备当前的运行状态,有效解决了勃姆石生产设备运行状态的检测结果不准确的问题。
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为本发明实施例的勃姆石生产设备运行状态检测方法的流程图。
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勃姆石生产设备运行状态检测方法,该方法对应的流程图如图1所示。该方法通过对勃姆石生产设备的温度进行提前检测,进而实现对应生产设备的运行状态的准确检测。下面以勃姆石生产设备为勃姆石的生产反应釜为例,对该勃姆石生产设备运行状态检测方法进行详细介绍。应当理解的是,该方法适用的勃姆石生产设备不仅可以是勃姆石的生产反应釜,还可以是冷却器等温度需要控制在一定范围的勃姆石生产设备。
步骤S1:实时获取勃姆石生产设备的过去至少两个时刻的温度值以及所述过去至少两个时刻的历史时刻的温度值。
在勃姆石的生产反应釜内的合适位置布设温度传感器,以对反应釜内的温度数据进行采集。温度传感器在对反应釜内的温度数据进行采集时,可以每隔设定时间间隔采集一次,该设定时间间隔可以根据实际情况进行设定,本实施例中,将该设定时间间隔设置为0.5s。
在勃姆石的生产过程中,由于勃姆石生产反应釜的运行状态发生异常通常会表现为反应釜内部温度的异常,因此为了便于实现勃姆石生产反应釜的运行状态的监测,可以通过温度传感器不断获取勃姆石生产反应釜内的温度值。由于这些获取到的温度值通常包含有噪声,因此需要对这些温度值进行去噪处理,从而得到去噪处理后的温度值。去噪处理的方法可以根据实际情况进行选择,在本实施例中,是使用小波变换算法对获取到的这些温度值进行去噪处理,由于使用小波变换算法对数据进行去噪处理的具体实现过程属于现有技术,此处不再赘述。
在得到去噪处理后的温度值之后,由于每个温度值均对应一个采集时刻,因此可以确定距离当前最近的至少两个时刻对应的温度值,这些距离当前最近的至少两个时刻对应的温度值是指当前已经采集并滤波处理后的温度值,在本实施例中,是确定距离当前最近的过去四个时刻对应的温度值。对于过去任意一个时刻T,将该时刻T之前的过去各个时刻均作为该过去时刻T的历史时刻,此时可以确定过去任意一个时刻T的历史时刻的温度值。
步骤S2:根据所述过去至少两个时刻及其历史时刻的温度值,确定所述过去至少两个时刻各自对应的相关时刻,并根据所述过去至少两个时刻的温度值以及所述相关时刻的温度值,确定所述过去至少两个时刻的温度值各自对应的自相关系数。
通过对过去至少两个时刻对应的温度值以及过去至少两个各自对应的历史时刻的温度值进行分析,可以确定该过去至少两个时刻各自对应的相关时刻,实现步骤包括:
将过去任意一个时刻作为目标时刻,根据所述目标时刻及其历史时刻的温度值,确定所述目标时刻及其历史时刻的温度变化斜率;
根据所述目标时刻及其历史时刻的温度值和温度变化斜率,确定所述目标时刻与其前一个过去时刻之间的温度值相关性,从而得到第一个温度值相关性,并确定所述目标时刻与其前两个过去时刻之间的温度值相关性,从而得到第二个温度值相关性;
判断所述第一个温度值相关性与第二个温度值相关性的差值是否大于设定差值阈值,若不大于设定差值阈值,则确定所述目标时刻与其前三个过去时刻之间的温度值相关性,从而得到第三个温度值相关性,并继续判断所述第二个温度值相关性与第三个温度值相关性的差值是否大于设定差值阈值,重复上述步骤,直至差值大于设定差值阈值,并将大于设定差值阈值的差值对应的前一个温度值相关性所对应的所述目标时刻的所有过去时刻,作为所述目标时刻对应的相关时刻。
具体的,为了对勃姆石生产反应釜中的温度进行预测,即根据历史温度数据的变化趋势来映下一时刻温度数据的发展趋势,需要选择合适的预测模型。ARIMA模型是一种常用的时间序列分析和预测方法,可用于描述和预测具有自相关性和季节性特征的时间序列,并进行预测和分析。在使用该ARIMA模型对勃姆石生产反应釜中的温度进行预测时,首先需要确定该ARIMA模型的参数,该参数是指各个历史数值对应的自相关系数以及对应的扰动值,当对勃姆石生产反应釜中的温度进行预测,该参数具体是指过去至少两个时刻的温度值各自对应的自相关系数以及温度扰动值。此时,该ARIMA模型可以表示为:
其中,表示温度预测值,表示过去p个时刻的温
度值,表示过去p个时刻的温度值的自相关系数,表示温度
扰动值,在本实施例中。
为了确定上述ARIMA模型中过去p个时刻的温度值的自相关系数,以确定过去最近的一个时刻t的温度值的自相关系数为
例,将该时刻t作为目标时刻,根据目标时刻t的温度值以及目标时刻t的历史时刻的温度
值,确定目标时刻及其历史时刻的温度变化斜率,温度变化斜率的确定过程属于现有技术,
此处不再赘述。然后根据目标时刻及其历史时刻的温度变化斜率,并结合目标时刻及其历
史时刻的温度值,确定目标时刻t与其前h个过去时刻之间的温度值相关性,对应的计算公
式为:
其中,为所述目标时刻t与其前h个过去时刻之间的温度值相关性,为所述目标时刻t的温度值,为归一化函数,用于将归一化到范围
内,为所述目标时刻t的历史时刻中所述目标时刻t的前第n个过去时刻的温度值,为所述目标时刻t的历史时刻中所述目标时刻t的前第n-1个过去时刻的温度变
化斜率,为所述目标时刻t的历史时刻中所述目标时刻t的前第n个过去时刻的温度变
化斜率,为相关性函数值,为以自然常数e为底数的指数函数,| |为取绝对值符
号。
对于上述的所述目标时刻t与其前h个过去时刻之间的温度值相关性的计算公式,表示目标时刻t的温度值与其前h个过去
时刻的温度值的平均值的差值,当该差值越小时,说明目标时刻t与其前h个
过去时刻之间的这段时间内温度值的关联性越大,因此当越趋近于0
时,整体值趋近于1。表示目标时刻t与其前h个过去时刻之间的这段时间内所有
两两相邻过去时刻的温度变化斜率的差值的均值,当目标时刻t与其前h个过去时刻之间的
这段时间内的温度值呈现线性变化时,温度变化斜率为一个定值,那么两两相邻过去时刻
的温度变化斜率的差值为0,此时趋近于0,整体值趋近于1。当和均趋向于0时,相关性函数值K取得最大值1,即此时的相关
性最大。通过令相关性函数值K乘以目标时刻t之前的过去时刻的个数h,当相关性函数值K
趋近于1时,目标时刻t之前的过去时刻可以不断向前延伸,此时个数h可以不断增大。将初
始的个数h记为,,不断增大个数h,当个数h增大前与增大后对应的温度值相
关性的差值不大于设定差值阈值时,也就是当,个数h就可以一直增加进行计算,
直至差值大于设定差值阈值为止。其中,为设定差值阈值,该设定差值阈值可以根据
经验进行设定,在本实施例中,设置该设定差值阈值为0.05,为个数h第m次增大前的
取值,为个数h第m次增大后的取值,,即个数h每次增大的幅
度为1。当出现时,则将所对应的目标时刻t的前个过去时刻作为该目标时刻t的相关时
刻。
通过上述方式,可以确定过去至少两个时刻各自对应的相关时刻,然后根据过去
至少两个时刻的温度值以及对应的相关时刻的温度值,确定过去至少两个时刻的温度值各
自对应的自相关系数,即:将确定所述过去任意一个时刻的温度值对应的相关时刻时所对
应的温度值相关性,作为所述过去任意一个时刻的温度值对应的自相关系数。例如,同样以
上述的过去时刻t为例,在确定该时刻t的相关时刻的过程中,如果出现,那么即为该时
刻t所对应的温度值相关性,则将作为该时刻t对应的自相关系数,即此
时有该时刻t对应的自相关系数。按照这种方式,可以确定过去至
少两个时刻的温度值各自对应的自相关系数,也就是可以确定本实施例中的距离当前最近
的过去四个时刻的温度值各自对应的自相关系数。
步骤S3:根据过去最近一个时刻及其相关时刻的温度值以及过去最近一个时刻的温度值对应的自相关系数,确定温度扰动值。
在通过上述步骤,可以确定过去至少两个时刻的温度值各自对应的自相关系数,该自相关系数表示预测温度值与过去历史温度值之间的相关程度。然后根据过去最近一个时刻及其相关时刻的温度值以及过去最近一个时刻的温度值对应的自相关系数,可以确定温度扰动值,该温度扰动值表示温度值时间序列在过去时刻的随机误差项,也就是温度值时间序列中不可预测、不可控的随机量,反映了温度值时间序列中存在波动。因此当过去时刻温度值数据的波动程度越大时,其温度扰动值就越大,那么在进行温度数据预测时,温度预测值的误差也就会越大。确定温度扰动值的实现步骤包括:计算过去最近一个时刻及其相关时刻的温度值的样本方差;计算所述过去最近一个时刻的温度值对应的自相关系数与所述样本方差的乘积值,并将所述乘积值确定为温度扰动值。确定温度扰动值对应的计算公式为:
其中,为温度扰动值,为过去最近一个时刻t的自相关系数,为过去最近一
个时刻t的相关时刻的数目,为过去最近一个时刻t的前第j个时刻的温度值,为过
去最近一个时刻t的温度值以及该过去最近一个时刻t的相关时刻的温度值的平均值。
在上述的温度扰动值的计算公式中,表示过去最近一
个时刻t及其相关时刻的温度值的样本方差,当该样本方差越大时,表示数据的波动程度越
大,且当自相关系数越大时,此时温度扰动值就越大。
步骤S4:根据所述过去至少两个时刻的温度值、所述过去至少两个时刻的温度值各自对应的自相关系数以及所述温度扰动值,对未来下一时刻的温度值进行预测,从而得到温度预测值。
在通过上述步骤确定过去至少两个时刻的温度值各自对应的自相关系数以及温度扰动值之后,结合过去至少两个时刻的温度值,对未来下一时刻的温度值进行预测,从而得到温度预测值,实现步骤包括:
根据所述过去至少两个时刻的温度值及其各自对应的自相关系数,计算每个温度值与其对应的自相关系数的相乘值;
将所有所述相乘值与所述温度扰动值的累加值,确定为温度预测值。
具体的,在确定过去至少两个时刻的温度值各自对应的自相关系数以及温度扰动值之后,也就是确定了上述的ARIMA模型的参数,然后将过去至少两个时刻的温度值代入该ARIMA模型,即可确定温度预测值。
步骤S5:对所述温度预测值进行修正,得到修正后的温度预测值,根据所述修正后的温度预测值,确定勃姆石生产设备当前的运行状态。
在通过上述步骤确定温度预测值之后,可以将该温度预测值与温度临界值进行比较,从而判断下一时刻的温度值时候超出该温度临界值,从而判断出勃姆石生产反应釜当前的运行状态。但是,当根据历史温度值预测得到的下一时刻的温度预测值超过温度临界值时,有时会出现下一时刻的实际温度值并不会出现超过温度临界值的现象,这是由于过去最近一个时刻的温度值可能已经是反应釜的最高温度或者最低温度,此时并没有超出温度临界值,而下一时刻的温度就会发生下降或者上升。那么此时直接根据温度预测值进行勃姆石生产反应釜运行状态的判断,就会出现误判现象。因此,为了得到更加准确的温度预测值,以便于后续提高勃姆石生产反应釜运行状态的判断准确性,需要对温度预测值进行修正,从而得到修正后的温度预测值,实现步骤包括:
根据所述过去最近一个时刻及其相关时刻的温度值,计算过去前一个时刻的温度值与后一个时刻的温度值的差值,从而得到差值序列;
根据所述差值序列中的每相邻的两个差值,确定第一比值,并计算所有所述第一比值的累加和,从而得到第一累加和;
根据所述过去最近一个时刻及其相关时刻的温度变化斜率中每相邻的两个温度变化斜率,确定第二比值,并计算所有所述第二比值的累加和,从而得到第二累加和;
根据所述第一累加和和第二累加和,确定修正系数,所述第一累加和和第二累加和均与所述修正系数成正相关关系;
对所述修正系数进行归一化处理,并将所述修正系数的归一化处理结果与所述温度预测值的乘积,确定为修正后的温度预测值。
具体的,为了对温度预测值进行修正,首先需要选择温度值区间。在上述确定自相关系数时,是根据每个过去时刻的温度值向历史温度值进行推算,温度值数据的变化程度越小,对应向前推算的相关时刻h的值就会越大,而当温度值数据出现波动时,对应向前推算的相关时刻h的值就会较小。为了更准确地对温度预测值进行修正,这里选择的温度值区间是指过去最近一个时刻及其相关时刻的温度值,然后根据该温度值区间内温度值的变化情况,来对温度预测值进行矫正,对应的计算公式为:
其中,为修正后的温度预测值,为过去最近的一个时刻t的第m个相关时
刻的温度值,为过去最近的一个时刻t的第m-1个相关时刻的温度值,
为过去最近的一个时刻t的第m-2个相关时刻的温度值,为过去最近的一个时刻t的第
m个相关时刻的温度变化斜率,为过去最近的一个时刻t的第m-1个相关时刻的温
度变化斜率,h为过去最近的一个时刻t的相关时刻的数目,为温度预测值,
为归一化函数,用于将正向归一化到
范围内。
对于上述的修正后的温度预测值的计算公式,为
对所有第一比值进行累加而得到的第一累加和,该第一累加和表示在
由过去最近一个时刻及其相关时刻的温度值所构成的温度值区间内温度值的变化程度,由
温度值区间内时序温度值的变化情况来表征,温度值的变化程度越大,说明当前时刻反应
釜内的温度还在持续上升或下降,那么温度预测值就越准确,此时第一累加就越大;只
有当温度值的变化程度较小时,温度预测值才会不准确,即才会出现上述的温度预测
值会超于温度临界值时,而下一时刻的实际温度值并不会出现超过温度临界值的现
象,此时第一累加就较小。另外需要指出的是,当存在第一比值的分母
为0时,则需要对该分母进行修正,即在该分母的基础上叠加一个较小的第一修正值,本实
施例将该第一修正值设置为0.01。为对所有第二比值进行累加而
得到的第二累加和,该第二累加和表示在由过去最近一个时刻及其相关时刻的温度值所构
成的温度值区间内温度值的变化趋势,当时序温度值的斜率较大时,说明温度值上升或下
降的趋势较大,此时第二累加和就较大;当时序温度值的斜率越来越小时,其说明温度值上
升或下降的趋势越来越缓慢,此时第二累加和就较小。同样需要指出的是,当存在第二比值的分母为0时,则需要对该分母进行修正,即在该分母的基础上叠加一个较小的第
二修正值,本实施例将该第二修正值设置为0.01。最终,当在由过去最近一个时刻及其相关
时刻的温度值所构成的温度值区间内温度值的变化程度较大,温度变化趋势较大的情况
下,第一累加和和第二累加和的乘积即修正系数的归一化处理结果就越小,此时对温度预
测值修正的幅度就越小,反之则需要对温度预测值进行一定程度的调整,修正系数的归一
化处理结果就越小,此时对温度预测值修正的幅度就越大。
在通过上述方式确定修正后的温度预测值之后,将该修正后的温度预测值与预先设定的温度临界值进行比较,并根据比较结果确定勃姆石生产设备当前的运行状态,即:判断所述修正后的温度预测值是否超出温度临界值,若超出温度临界值,则判定勃姆石生产设备当前的运行状态为异常状态,否则判定勃姆石生产设备当前的运行状态为正常状态。也就是说,当修正后的温度预测值未超出温度临界值时,则说明下一时刻勃姆石生产反应釜内的温度值在正常的生产温度范围,则当前勃姆石生产反应釜正常工作。而当修正后的温度预测值超出温度临界值时,则说明下一时刻勃姆石生产反应釜内的温度值会超出正常的生产温度范围,则当前勃姆石生产反应釜极有可能发生了异常,此时则进行报警以提醒需要对该反应釜进行异常检测,最终实现勃姆石生产设备运行状态的提前检测。
本发明通过在勃姆石生产过程中,实时获取和识别勃姆石生产设备的温度值,并对未来的温度值进行预测,然后根据实际获取的温度值的变化特征对温度预测值进行修正,从而能够及时、准确地确定未来生产设备的温度值,最终实现勃姆石生产设备运行状态的及时、可靠检测,避免因为勃姆石生产设备的异常运行导致生产出来的勃姆石制品的质量不达标,保证了勃姆石制品的生产质量。
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 (8)
1.一种勃姆石生产设备运行状态检测方法,其特征在于,包括以下步骤:
实时获取勃姆石生产设备的过去至少两个时刻的温度值以及所述过去至少两个时刻的历史时刻的温度值;
根据所述过去至少两个时刻及其历史时刻的温度值,确定所述过去至少两个时刻各自对应的相关时刻,并根据所述过去至少两个时刻的温度值以及所述相关时刻的温度值,确定所述过去至少两个时刻的温度值各自对应的自相关系数;
根据过去最近一个时刻及其相关时刻的温度值以及过去最近一个时刻的温度值对应的自相关系数,确定温度扰动值;
根据所述温度扰动值、所述过去至少两个时刻的温度值以及所述过去至少两个时刻的温度值各自对应的自相关系数,对未来下一时刻的温度值进行预测,从而得到温度预测值;
对所述温度预测值进行修正,得到修正后的温度预测值,根据所述修正后的温度预测值,确定勃姆石生产设备当前的运行状态;
确定所述过去至少两个时刻各自对应的相关时刻,包括:
将过去任意一个时刻作为目标时刻,根据所述目标时刻及其历史时刻的温度值,确定所述目标时刻及其历史时刻的温度变化斜率;
根据所述目标时刻及其历史时刻的温度值和温度变化斜率,确定所述目标时刻与其前一个过去时刻之间的温度值相关性,从而得到第一个温度值相关性,并确定所述目标时刻与其前两个过去时刻之间的温度值相关性,从而得到第二个温度值相关性;
判断所述第一个温度值相关性与第二个温度值相关性的差值是否大于设定差值阈值,若不大于设定差值阈值,则确定所述目标时刻与其前三个过去时刻之间的温度值相关性,从而得到第三个温度值相关性,并继续判断所述第二个温度值相关性与第三个温度值相关性的差值是否大于设定差值阈值,重复上述步骤,确定所述目标时刻与其前b+1个过去时刻之间的温度值相关性,从而得到第b+1个温度值相关性,并判断第b个温度值相关性与第b+1个温度值相关性的差值是否大于设定差值阈值,b≥1,若差值大于设定差值阈值,则将所述目标时刻的前b个过去时刻,作为所述目标时刻对应的相关时刻。
2.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,得到温度值相关性对应的计算公式为:
其中,为所述目标时刻t与其前h个过去时刻之间的温度值相关性,/>为所述目标时刻t的温度值,/>为归一化函数,/>为所述目标时刻t的历史时刻中所述目标时刻t的前第n个过去时刻的温度值,/>为所述目标时刻t的历史时刻中所述目标时刻t的前第n-1个过去时刻的温度变化斜率,/>为所述目标时刻t的历史时刻中所述目标时刻t的前第n个过去时刻的温度变化斜率,/>为相关性函数值,/>为以自然常数e为底数的指数函数,| |为取绝对值符号。
3.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,确定所述过去至少两个时刻的温度值各自对应的自相关系数,包括:
将确定所述过去任意一个时刻的温度值对应的相关时刻时所对应的温度值相关性,作为所述过去任意一个时刻的温度值对应的自相关系数。
4.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,确定温度扰动值,包括:
计算过去最近一个时刻及其相关时刻的温度值的样本方差;
计算所述过去最近一个时刻的温度值对应的自相关系数与所述样本方差的乘积值,并将所述乘积值确定为温度扰动值。
5.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,对未来下一时刻的温度值进行预测,从而得到温度预测值,包括:
根据所述过去至少两个时刻的温度值及其各自对应的自相关系数,计算每个温度值与其对应的自相关系数的相乘值;
将所有所述相乘值与所述温度扰动值的累加值,确定为温度预测值。
6.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,对所述温度预测值进行修正,得到修正后的温度预测值,包括:
根据所述过去最近一个时刻及其相关时刻的温度值,计算过去前一个时刻的温度值与后一个时刻的温度值的差值,从而得到差值序列;
根据所述差值序列中的每相邻的两个差值,确定第一比值,并计算所有所述第一比值的累加和,从而得到第一累加和;
根据所述过去最近一个时刻及其相关时刻的温度变化斜率中每相邻的两个温度变化斜率,确定第二比值,并计算所有所述第二比值的累加和,从而得到第二累加和;
根据所述第一累加和和第二累加和,确定修正系数,所述第一累加和和第二累加和均与所述修正系数成正相关关系;
对所述修正系数进行归一化处理,并将所述修正系数的归一化处理结果与所述温度预测值的乘积,确定为修正后的温度预测值。
7.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,确定勃姆石生产设备当前的运行状态,包括:
判断所述修正后的温度预测值是否超出温度临界值,若超出温度临界值,则判定勃姆石生产设备当前的运行状态为异常状态,否则判定勃姆石生产设备当前的运行状态为正常状态。
8.根据权利要求1所述的一种勃姆石生产设备运行状态检测方法,其特征在于,该方法还包括若判定勃姆石生产设备当前的运行状态为异常状态,则对勃姆石生产设备进行异常检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714569.3A CN116448263B (zh) | 2023-06-16 | 2023-06-16 | 一种勃姆石生产设备运行状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310714569.3A CN116448263B (zh) | 2023-06-16 | 2023-06-16 | 一种勃姆石生产设备运行状态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116448263A CN116448263A (zh) | 2023-07-18 |
CN116448263B true CN116448263B (zh) | 2023-09-05 |
Family
ID=87124113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310714569.3A Active CN116448263B (zh) | 2023-06-16 | 2023-06-16 | 一种勃姆石生产设备运行状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116448263B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116680661B (zh) * | 2023-08-03 | 2023-10-20 | 湖南天联城市数控有限公司 | 基于多维数据的燃气自动调压柜压力监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0518565A (ja) * | 1991-02-07 | 1993-01-26 | Marunouchi Netsu Kiyoukiyuu Kk | 負荷予測方法 |
US6928398B1 (en) * | 2000-11-09 | 2005-08-09 | Spss, Inc. | System and method for building a time series model |
CN106990763A (zh) * | 2017-04-20 | 2017-07-28 | 浙江大学 | 一种基于数据挖掘的立磨运行调控系统及方法 |
CN107230977A (zh) * | 2017-05-05 | 2017-10-03 | 浙江工商大学 | 基于误差修正和提升小波组合预测模型的风电功率预测方法 |
CN111399038A (zh) * | 2019-01-02 | 2020-07-10 | 无锡海斯凯尔医学技术有限公司 | 斜率参数提取方法、装置及计算机可读存储介质 |
CN113641959A (zh) * | 2021-08-13 | 2021-11-12 | 山东电工电气集团有限公司 | 一种高压电缆接头温度趋势预测方法 |
CN113902334A (zh) * | 2021-10-28 | 2022-01-07 | 上海众源网络有限公司 | 一种事件异常波动检测方法、系统、电子设备及存储介质 |
CN115470973A (zh) * | 2022-08-25 | 2022-12-13 | 江苏电力信息技术有限公司 | 一种基于arima的企业日常用电量异常检测方法 |
CN115591493A (zh) * | 2022-09-22 | 2023-01-13 | 海龙智能技术研究(珠海)有限公司(Cn) | 一种反应釜温度控制方法 |
CN115935135A (zh) * | 2022-11-30 | 2023-04-07 | 国网安徽省电力有限公司超高压分公司 | 一种特高压换流变压器顶层油温预测方法及存储介质 |
WO2023061342A1 (zh) * | 2021-10-13 | 2023-04-20 | 中兴通讯股份有限公司 | 数据趋势检测方法、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11865875B2 (en) * | 2020-08-18 | 2024-01-09 | The Goodyear Tire & Rubber Company | Tire high temperature forecasting system |
-
2023
- 2023-06-16 CN CN202310714569.3A patent/CN116448263B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0518565A (ja) * | 1991-02-07 | 1993-01-26 | Marunouchi Netsu Kiyoukiyuu Kk | 負荷予測方法 |
US6928398B1 (en) * | 2000-11-09 | 2005-08-09 | Spss, Inc. | System and method for building a time series model |
CN106990763A (zh) * | 2017-04-20 | 2017-07-28 | 浙江大学 | 一种基于数据挖掘的立磨运行调控系统及方法 |
CN107230977A (zh) * | 2017-05-05 | 2017-10-03 | 浙江工商大学 | 基于误差修正和提升小波组合预测模型的风电功率预测方法 |
CN111399038A (zh) * | 2019-01-02 | 2020-07-10 | 无锡海斯凯尔医学技术有限公司 | 斜率参数提取方法、装置及计算机可读存储介质 |
CN113641959A (zh) * | 2021-08-13 | 2021-11-12 | 山东电工电气集团有限公司 | 一种高压电缆接头温度趋势预测方法 |
WO2023061342A1 (zh) * | 2021-10-13 | 2023-04-20 | 中兴通讯股份有限公司 | 数据趋势检测方法、电子设备和存储介质 |
CN113902334A (zh) * | 2021-10-28 | 2022-01-07 | 上海众源网络有限公司 | 一种事件异常波动检测方法、系统、电子设备及存储介质 |
CN115470973A (zh) * | 2022-08-25 | 2022-12-13 | 江苏电力信息技术有限公司 | 一种基于arima的企业日常用电量异常检测方法 |
CN115591493A (zh) * | 2022-09-22 | 2023-01-13 | 海龙智能技术研究(珠海)有限公司(Cn) | 一种反应釜温度控制方法 |
CN115935135A (zh) * | 2022-11-30 | 2023-04-07 | 国网安徽省电力有限公司超高压分公司 | 一种特高压换流变压器顶层油温预测方法及存储介质 |
Non-Patent Citations (1)
Title |
---|
Predictive data mining on Average Global Temperature using variants of ARIMA models;C. Narendra Babu 等;IEEE-International Conference On Advances In Engineering, Science And Management (ICAESM -2012);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116448263A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112527788B (zh) | 变压器监测数据异常值检测与清洗的方法及装置 | |
CN116448263B (zh) | 一种勃姆石生产设备运行状态检测方法 | |
CN108038044B (zh) | 一种面向连续被监测对象的异常检测方法 | |
CN113518011B (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
CN117093879A (zh) | 一种数据中心智能化运营管理方法及系统 | |
CN110648480B (zh) | 一种基于变化速率的单变量报警系统及方法 | |
CN112348237B (zh) | 一种动态钻井数据异常趋势检测方法 | |
CN114167838B (zh) | 一种伺服系统多尺度健康评估与故障预测方法 | |
CN111931834B (zh) | 基于孤立森林算法的铝型材挤压过程流数据异常检测方法、设备及存储介质 | |
CN116757553B (zh) | 一种农业有机废弃物资源利用数字化信息管理系统 | |
CN117708748B (zh) | 一种用于离心风机的运行监测系统及方法 | |
CN116451014B (zh) | 一种无线无源设备内动部件温度实时监测方法 | |
CN110858072B (zh) | 设备运行状态的确定方法及装置 | |
CN114638435A (zh) | 基于数据驱动的柴油机安保参数预测方法 | |
CN105675320B (zh) | 一种基于声学信号分析的机械系统运行状态实时监控方法 | |
CN116235148A (zh) | 干泵宕机的预警方法、装置、电子设备、存储介质及程序 | |
CN111176226A (zh) | 一种基于运行工况的设备特征参数报警阈值自动分析方法 | |
CN116957120A (zh) | 一种基于数据分析的设备状态历史趋势异常预测方法 | |
CN116494493A (zh) | 一种注塑集中供料系统智能监测方法 | |
CN115511188A (zh) | 一种气缸劣化分析方法及系统、设备、存储介质 | |
CN117874687B (zh) | 一种工业平板电脑的数据交互方法 | |
CN118091325B (zh) | 一种电缆智能检测方法及系统 | |
CN118211082A (zh) | 基于数据分析的油液滤芯剩余寿命预测方法及系统 | |
CN117556386B (zh) | 一种炉内精炼过程中的温度数据监测方法 | |
CN117171517B (zh) | 一种数据中心运营故障风险动态预警方法 |
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 |