CN116651306A - 一种智能焦煤配比系统 - Google Patents

Abstract

本发明公开了一种智能焦煤配比系统，包括：智能配煤设备，包括多个配煤仓、设置于多个配煤仓下方的称重式电子皮带机、PLC控制器；称重式电子皮带机用于测量每种类型的煤的流量，PLC控制器与每个配煤仓下方的阀门电连接以调节每个阀门的开度；计算设备，用于生成不同类型的煤的配比和目标流量，以及将每种类型的煤的目标流量发送至PLC控制器，以使PLC控制器根据每种类型的煤的目标流量控制每个配煤仓的阀门开度以将煤流入称重式电子皮带机以生成混合煤并调整每个配煤仓的阀门开度；监控设备，用于采集生产过程中的多张图像，以用于故障排查。由此，实现了不同类型的煤的自动配比。

Description

一种智能焦煤配比系统

技术领域

本发明涉及焦炭生产领域，具体涉及一种智能焦煤配比系统。

背景技术

焦炭是高温干馏的固体产物，通过高温炼焦得到的焦炭主要用于高炉冶炼、铸造和气化等领域中，焦炭生产包括备煤、配煤、炼焦等工序。

现有的焦炭生产过程，尤其是配煤过程中，经常会存在如下技术问题：

第一，依赖于配煤工人的经验和实验室的化验数据进行配煤，因此配煤过程需要反复试验和调整，配煤效率低，且配煤结果不稳定，进而导致生成的焦炭的指标不稳定；

第二，焦煤配比系统由于系统庞大，占地面积大，设备需要人工进行维护，维护成本高；

第三，各个焦炭生产厂家独立生产，无法进行各种类型的煤的配比共享，造成整体效率低下。

发明内容

本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本发明提出了一种智能焦煤配比系统，来解决以上背景技术部分提到的技术问题中的一项或多项。

本发明提供了一种智能焦煤配比系统，包括：智能配煤设备，包括多个配煤仓、设置于多个配煤仓下方的称重式电子皮带机、PLC控制器；称重式电子皮带机用于测量每种类型的煤的流量，PLC控制器与每个配煤仓下方的阀门电连接以调节每个阀门的开度，其中，多个配煤仓中每个配煤仓中存储一种类型的煤；计算设备，计算设备与PLC控制器和称重式电子皮带机电连接，计算设备中部署有预先训练的配煤人工神经网络，计算设备用于接收输入的目标焦炭类型信息，将目标焦炭类型信息在焦炭信息数据库中查询，得到目标焦炭类型信息所对应的多个目标焦炭指标值，并将多个目标焦炭指标值输入配煤人工神经网络，得到不同类型的煤的配比，以及根据不同类型的煤的配比确定每种类型的煤的目标流量，以及将每种类型的煤的目标流量发送至PLC控制器，以使PLC控制器根据每种类型的煤的目标流量控制每个配煤仓的阀门开度以将煤流入称重式电子皮带机以生成混合煤，称重式电子皮带机设置在多个配煤仓的下方，计算设备还用于根据称重式电子皮带机的称重数据确定每种类型的煤的实时流量，并将每种类型的煤的实时流量与目标流量进行比对，以及根据比对结果生成控制信号并将控制信号发送至PLC控制器，以使PLC控制器调整每个配煤仓的阀门开度；监控设备，用于采集生产过程中的多张图像以及将所采集的多张图像发送至计算设备，计算设备根据多张图像生成故障排查信息序列，以及通过故障排查信息序列进行故障排查，得到排查结果信息。

可选的，智能配煤设备还包括设置于每个配煤仓的雷达料位计，雷达料位计与计算设备电连接，以使计算设备实时监测每个配煤仓的剩余煤量，当计算设备监测到目标配煤仓的剩余煤量小于或等于预设煤量阈值，控制备煤设备开始运行，以使得目标配煤仓对应的类型的煤经过皮带进入目标配煤仓。

可选的，在将目标焦炭类型信息在焦炭信息数据库中查询之前，计算设备还用于：将目标焦炭类型信息在历史配比结果数据库中查询，历史配比结果数据库中关联存储有历史焦炭类型信息和不同类型的煤的历史配比；若历史配比结果数据库中存在与目标焦炭类型信息匹配的历史焦炭类型信息，将历史焦炭类型信息所对应的不同类型的煤的历史配比确定为目标焦炭类型信息所对应的不同类型的煤的配比；以及将目标焦炭类型信息在焦炭信息数据库中查询，包括：若历史配比结果数据库中不存在与目标焦炭类型信息匹配的历史焦炭类型信息，将目标焦炭类型信息在焦炭信息数据库中查询。

可选的，根据多张图像生成故障排查信息序列，以及通过故障排查信息序列进行故障排查，得到排查结果信息，包括：将多张图像输入故障监测模型，以生成第一故障监测信息；获取生产指标数据和设备运行状态数据，以及根据生产指标数据和设备运行状态数据，生成第二故障监测信息；根据第一故障监测信息和第二故障监测信息，生成故障排查信息序列；将故障排查信息序列中的故障排查信息依次发送至对应的排查终端，以提示对应的排查人员进行排查，以及接收排查人员输入的排查结果信息。

可选的，根据第一故障监测信息和第二故障监测信息，生成故障排查信息序列，包括：为第一故障监测信息设置第一优先级，为第二故障监测信息设置第二优先级，其中，第一优先级高于第二优先级；按照对应的优先级，对第一故障监测信息和第二故障监测信息进行排序，得到故障排查信息序列。

可选的，配煤人工神经网络是通过以下步骤训练得到的：获取预先构建的极致梯度提升网络和样本数据集，其中，样本数据集中的样本数据包括焦炭指标信息和原煤配比数据；从样本数据集中选取训练样本，将训练样本中的焦炭指标信息作为极致梯度提升网络的输入，得到极致梯度提升网络的实际输出；利用预先构建的损失函数，确定训练样本中的原煤配比数据与实际输出的差异；基于差异，调整极致梯度提升网络的参数。

本发明具有如下有益效果：通过智能配煤设备和计算设备的配合，实现根据目标煤炭类型信息自动生成各个类型的煤的配比，并根据生成的各个类型的煤的配比控制每种类型的煤的流量，从而实现不同类型的煤的自动配比和混合。在此过程中，通过采用配煤人工神经网络自动输出不同类型的煤的配比，不需要依赖于人工的经验，可以快速输出煤的配比，从而提高配煤效率和配煤结果的稳定性，进而提高生成的焦炭的质量和稳定性。除此之外，通过监控设备采集生产过程中的图像，并通过图像识别与生产指标数据和设备运行状态数据结合，生成故障排查信息序列，从而可以指导人工排查，从而节约人工排查时间，减少维护成本。

附图说明

结合附图并参考以下具体实施方式，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本发明的智能焦煤配比系统以及与智能焦煤配比系统连接的设备的示例性结构示意图；

图2是本发明智能焦煤配比系统的中的历史配比结果数据库的更新流程图。

具体实施方式

下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本发明的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，示出了智能焦煤配比系统以及与智能焦煤配比系统连接的设备的示例性结构示意图。可以理解，为了便于说明本发明，图1仅示出了智能焦煤配比系统以及与智能焦煤配比系统连接的设备的一些关键设备，根据需要，实践中还可以包含其他设备，包括但不限于：皮带、皮带驱动器等等。可以理解，图1中所包含的与智能焦煤配比系统连接的设备仅仅是为了说明智能焦煤配比系统的应用场景并不构成对智能焦煤配比系统的限定。

如图1中所示，示例性示出了多个配煤仓104，包括1号（1#）、2号（2#）、3号（3#）三个配煤仓，每个配煤仓用于存储一种类型煤。实践中，由于产地的不同，煤的特性也有所不同，因此往往按照煤的产地进行煤炭类型的划分，例如，1号配煤仓用于存储A地所产的煤，2号配煤仓用于存储B地所产的煤，3号配煤仓用于存储C地所产的煤。在此基础上，同一配煤仓用于存储一种类型，即一个产地的煤。不同的配煤仓用于存储不同类型的煤，即不同产地的煤。实践中，由PLC控制器控制犁式卸料器来控制每种类型的煤进入对应的配煤仓进行存储。其中，PLC控制器，可编程逻辑控制器(Programmable Logic Controller)，是一种具有微处理机的数字电子设备。配煤仓是用于存储单一类型的煤的仓库。

在此基础上，多个配煤仓104下方设置有称重式电子皮带机105用于测量每个配煤仓的煤的流量，即每种类型的煤的流量。具体的，称重式电子皮带机105的称重数据和速度信号分别进入到计算设备107，经过累积运算处理计算出煤的实时流量和累积量。其中，速度信号可以由固定在称重式电子皮带机105尾部的测速传感器给出。称重数据可以由称架下的称重传感器给出。实践中，称重式电子皮带机也称为电子皮带秤。

由此，计算设备107可以根据称重式电子皮带机105反馈的称重数据和速度信号，确定每种类型的煤的实时流量，并将每种类型的煤的实时流量与目标流量进行比对，生成比对结果。比对结果用于表示各个配煤仓的煤的实时流量与目标流量的差异。及根据比对结果生成控制信号并将控制信号发送至PLC控制器，以使PLC控制器调整每个配煤仓的阀门开度。阀门的开度可以在0-100%之间，例如是10%、20%、50%、80%等。例如，若A型煤（A地所产的煤）的实时流量小于目标流量，则调大1号配煤仓的阀门开度，从而增加A型煤的实时流量。阀门开度用于控制煤的流量，开度越大流量越大，反之流量越小。

智能焦煤配比系统还包括监控设备108，用于采集生产过程中的多张图像以及将所采集的多张图像发送至计算设备，计算设备根据多张图像生成故障排查信息序列，以及通过故障排查信息序列进行故障排查，得到排查结果信息。其中，生产过程中的多张图像包括智能配煤设备的图像，另外还可以包括与智能焦煤配比系统连接的设备的图像。

计算设备107可以是后台服务器，其中安装有必要的软件以实现各种算法。计算设备107与PLC控制器和称重式电子皮带机电连接，计算设备中部署有预先训练的配煤人工神经网络。计算设备107用于接收输入的目标焦炭类型信息，将目标焦炭类型信息在焦炭信息数据库中查询，得到目标焦炭类型信息所对应的多个焦炭指标值，即多个目标焦炭指标值，并将多个目标焦炭指标值输入配煤人工神经网络，得到不同类型的煤的配比。其中，焦炭信息数据库中关联存储有焦炭类型信息和该焦炭类型信息所对应的多个焦炭指标值，每个焦炭类型信息对应的多个焦炭指标值可以是通过实验检测得到的。

其中，配煤人工神经网络的网络结构可以采用XGBoost（eXtreme GradientBoosting，极致梯度提升）网络。在此基础上，可以利用样本数据集对XGBoost网络进行训练。其中，样本数据集中的样本数据包括焦炭指标信息和原煤配比数据。具体的，可以将样本数据中的焦炭指标信息作为网络的输入，而将原煤配比数据作为网络的期望输出，对XGBoost网络进行训练。实践中，可以利用预先定义的损失函数确定期望输出与实际输出的差异，并利用机器学习的方法将差异反向传入XGBoost网络，从而调整每层网络的参数。经过多次迭代，直至满足训练停止条件，得到训练后的XGBoost网络，即为配煤人工神经网络。其中，预先定义的损失函数可以是交叉熵等损失函数。具体的，由于输出为配比，可以首先对期望输出与实际输出进行对齐，即，通过乘以某个系数的方式使得期望输出与实际输出某个维度的值相同。

例如，期望输出为（，/>，/>）,实际输出为（/>，/>，/>），可以首先对实际输出乘以系数/>，得到（/>，/>，/>）,其中，/>=/>。其次，采用均方差Mean Square Error (MSE)确定损失函数确定期望输出与实际输出的差异/>，其中，/>为实际输出维度数量：/>

在此基础上，计算设备根据不同类型的煤的配比确定每种类型的煤的流量。例如，可以根据日需求焦炭产量和煤之间的换算比例来确定日需求煤的总量。其中，换算比例可以通过历史数据统计值计算得到。然后，根据日需求煤的总量、每日生产时长和不同类型的煤的配比来计算每种类型的煤的目标流量（瞬时流量），例如，根据日需求煤的总量和不同类型的煤的配比来计算每种类型的煤的日需求总量，然后用日需求总量除以每日生产时长得到每种类型的煤的目标流量。将每种类型的煤的目标流量发送至PLC控制器，以使PLC控制器根据每种类型的煤的目标流量控制每个配煤仓的阀门开度以将煤流入称重式电子皮带机以生成混合煤。其中，每种配煤仓的阀门开度与煤的目标流量的换算可以根据预先设定的程序规则来实现。从而各种类型的煤可以一定的配比进入称重式电子皮带机以生成混合煤。实践中，为了准确测量不同类型的煤的流量，可以在每个配煤仓的下方的设置一个称重式电子皮带机，之后对各个称重式电子皮带机的煤进入混合煤带进行混合。

如图1所示，可选的，智能焦煤配比系统还连接有备煤设备，备煤设备包括一次破煤设备102和二次破煤设备103，根据实际需要，可以分别设置一次破煤设备102和二次破煤设备103的破碎指标。例如，可以设置一次破煤设备102的破煤指标为：小于3mm的概率为100%且小于1mm的概率为97%。实践中，一次破煤设备和二次破煤设备可以是锤式煤炭破碎机、双辊碎煤机等各种类型的破碎机。在此基础上，煤堆101中的煤通过皮带依次传送至一次破煤设备102和二次破煤设备103，经过破碎后继续通过皮带传送至多个配煤仓104中对应的配煤仓。

可选的，智能焦煤配比系统与炭化室106相连，炭化室106用于对混合煤进行干馏以生成焦炭。根据需要可以采用各种类型的炭化室，对比本发明不进行限定。

在一些实施例中，可选的，智能配煤设备还包括设置于每个配煤仓的雷达料位计，雷达料位计与计算设备电连接，以使计算设备实时监测每个配煤仓的剩余煤量，当计算设备监测到目标配煤仓的剩余煤量小于或等于预设煤量阈值，控制备煤设备开始运行，以使得目标配煤仓对应的类型的煤经过皮带进入目标配煤仓。从而可以及时补充配煤仓中煤。

在一些实施例中，目标焦炭类型信息可以是任意的焦炭类型信息，例如可以是技术人员输入的需要生产的焦炭类型信息。作为示例，按用途不同，焦炭可以分为冶金焦炭、铸造用焦和化工用焦。焦炭类型信息用于表示焦炭类型的类型，其可以是用文字、数字、字母等各种形式表示。当然，也可以按照其他方式分类得到焦炭类型。

可选的，在接收到技术人员输入的需要生产的焦炭类型信息之后，可以将目标焦炭类型信息在历史配比结果数据库中查询，历史配比结果数据库中关联存储有历史焦炭类型信息和不同类型的煤的历史配比；若历史配比结果数据库中存在与目标焦炭类型信息匹配的历史焦炭类型信息，将历史焦炭类型信息所对应的不同类型的煤的历史配比确定为目标焦炭类型信息所对应的不同类型的煤的配比；若历史配比结果数据库中不存在与目标焦炭类型信息匹配的历史焦炭类型信息，将目标焦炭类型信息在焦炭信息数据库中查询。由此，可以避免对同一种类型的焦炭重复生成不同类型的煤的配比，进一步提升配煤效率。

在一些实施例中，多个焦炭指标值包括但不限于：气孔率、焦炭裂纹度、焦炭强度、焦炭中的硫分、焦炭中的磷分、焦炭中的灰分、焦炭中的挥发分含量、焦炭中的水分含量、焦炭的筛分组成等。

其中，气孔率(指焦炭气孔体积占总体积的百分数)，它影响到焦炭的反应性和强度。不同用途的焦炭，对气孔率指标要求不同，一般冶金焦气孔率要求在40 %~ 45%，铸造焦要求在35% ~ 40% ，出口焦要求在30%左右。焦炭裂纹度，与炼焦所用煤种有直接关系，如以气煤为主炼得的焦炭，裂纹多，气孔率高，强度低；而以焦煤作为基础煤炼得的焦炭裂纹少、气孔率低、强度高。焦炭强度，通常用抗碎强度和耐磨强度两个指标来表示。焦炭的抗碎强度是指焦炭能抵抗受外来冲击力而不沿结构的裂纹或缺陷处破碎的能力，用M40值表示；焦炭的耐磨强度是指焦炭能抵抗外来摩檫力而不产生表面玻璃形成碎屑或粉末的能力，用M10值表示。焦炭的裂纹度影响其抗碎强度M40值，焦炭的孔孢结构影响耐磨强度M10值。M40和M10值的测定方法很多，实践中多采用德国米贡转鼓试验的方法。焦炭中的硫分，硫是生铁冶炼的有害杂质之一，它使生铁质量降低。在炼钢生铁中硫含量大于0.07%即为废品。由高炉炉料带入炉内的硫有11%来自矿石； 3.5%来自石灰石；82.5%来自焦炭，所以焦炭是炉料中硫的主要来源。焦炭硫分的高低直接影响到高炉炼铁生产。当焦炭硫分大于1.6%，硫份每增加0.1% ，焦炭使用量增加1.8% ，石灰石加入量增加3.7%, 矿石加入量增加0.3%高炉产量降低1.5-2.0%。冶金焦的含硫量规定不大于1%，大中型高炉使用的冶金焦含硫量小于0.4%- 0.7%。焦炭中的磷分，炼铁用的冶金焦含磷量应在0.02%-0.03%以下。焦炭中的灰分，焦炭的灰分对高炉冶炼的影响是十分显著的。焦炭灰分增加1%，焦炭用量增加2%- 2.5%，因此，焦炭灰分的降低是十分必要的。焦炭中的挥发分含量，根据焦炭的挥发分含量可判断焦炭成熟度。如挥发分大于1.5%，则表示生焦；挥发分小于0.5%-0.7%，则表示过火，一般成熟的冶金焦挥发分为1% 左右。焦炭中的水分含量:水分波动会使焦炭计量不准，从而引起炉况波动。此外，焦炭水分提高会使M04偏高， M10 偏低，给转鼓指标带来误差。焦炭的筛分组成，在高炉冶炼中焦炭的粒度也是很重要的。对焦炭粒度要求为，对大焦炉(1300 - 2000平方米)焦炭粒度大于40毫米，中、小高炉焦炭粒度大于25毫米。但目前一些试验表明，焦炭粒度在40-25毫米为好。大于80毫米的焦炭要整粒，使其粒度范围变化不大。这样焦炭块度均一，空隙大，阻力小，炉况运行良好。

在一些实施例中，历史配比结果数据库部署在云端，此时，将目标焦炭类型信息在历史配比结果数据库中查询，包括：计算设备将目标焦炭类型信息发送至云端，云端进行查询，计算设备接收云端反馈的多个目标焦炭指标值。实践中，通过部署在云端，可以实现云端与多个厂家的计算设备的互联，从而实现配比的共享，避免每个厂家重复对某个类型的焦炭进行配比研究，提高整体效率，同时对于建立行业配比标准有重要的意义。

在此基础上，如图2所示，示出了历史配比结果数据库的更新流程，包括以下更新步骤：

步骤201，分别接收来第一计算设备的第一配比结果数据和第二计算设备的第二配比结果数据，第一配比结果数据包括第一焦炭类型信息、第一配比、第一焦炭质量数据，第二配比结果数据包括第二焦炭类型信息、第二配比、第二焦炭质量数据，第一计算设备和第二计算设备部署在不同的焦炭生产工厂。

其中，第一焦炭质量数据和第二焦炭质量数据可以是焦炭质量评分，焦炭质量评分可以是根据焦炭的多个指标值加权得到的。焦炭指标值包括但不限于：气孔率、焦炭裂纹度、焦炭强度、焦炭中的硫分、焦炭中的磷分、焦炭中的灰分、焦炭中的挥发分含量、焦炭中的水分含量、焦炭的筛分组成等。在此基础上，分别将每个指标值在对应的评分表中查询，得到该指标值对应的评分，然后将各个指标值分别对应的评分进行加权求和，得到焦炭质量评分。每个指标值在对应的评分表可以是预先构建的，用于表示不同的指标值所对应的评分。

步骤202，若第一焦炭类型信息和第二焦炭类型信息相同，且历史配比结果数据库中不存在与第一焦炭类型信息或第二焦炭类型信息相匹配的历史焦炭类型信息，对第一配比和第二配比进行加权融合，得到融合配比，其中，第一配比和第二配比的权重与第一焦炭质量数据和第二焦炭质量数据相关，以及将第一焦炭类型信息（或第二焦炭类型信息）与融合配比关联存储于历史配比结果数据库中。

步骤203，若第一焦炭类型信息和第二焦炭类型信息不相同，且历史配比结果数据库中不存在与第一焦炭类型信息相匹配的历史焦炭类型信息，且历史配比结果数据库中不存在与第二焦炭类型信息相匹配的历史焦炭类型信息，将第一焦炭类型信息和第一配比关联存储于历史配比结果数据库，并将第二焦炭类型信息和第二配比关联存储于历史配比结果数据库。

由此解决了背景技术部分所描述的技术问题“各个焦炭生产厂家独立生产，无法进行各种类型的煤的配比共享，造成整体效率低下”，提高整体效率，同时对于建立行业配比标准有重要的意义。除此之外，通过将来自不同计算设备的配比结果数据进行融合，且融合权重与焦炭质量数据相关，可以进一步提高配比的准确性，避免偶然系统误差以及增加配比在多个系统之间的适用性。

在一些实施例中，为了进一步解决背景技术部分所描述的技术问题，即“焦煤配比系统由于系统庞大，占地面积大，设备需要人工进行维护，维护成本高”，本发明的一些实施例中，根据多张图像生成故障排查信息序列，以及通过故障排查信息序列进行故障排查，得到排查结果信息，包括以下子步骤：

子步骤一、将多张图像输入第一故障监测模型，以生成第一故障监测信息和第一故障类型信息。其中，第一故障监测模型的网络结构可以是图像分类模型。在此基础上，利用机器学习的方法，通过故障图像和故障图像对应的标注信息，对图像分类模型进行训练，得到第一故障监测模型。其中，多张图像可以对原始图像集进行预处理得到。首先，按照所对应的设备不同，将原始图像集进行分组，将同一设备的图像分为一组，得到多个图像组。在此基础上，对每个图像组中的多张原始图像融合为一张图像，进而得到多张图像。其中，每张图像对应一个设备。在此基础上，将多张图像输入第一故障监测模型，以生成第一故障监测信息和第一故障类型信息，包括：将每张图像输入第一故障监测模型，得到每张图像对应的故障监测子信息和故障类型子信息，其中，每个故障监测子信息对应一个设备；故障监测子信息用于表征对应的设备是否存在故障。之后，选取表征存在故障的故障监测子信息作为候选故障监测子信息，多个候选故障监测子信息组成第一故障监测信息，多个候选故障监测子信息所对应的故障类型子信息组成第一故障类型信息。故障类型子信息表征对应的设备的故障类型。其中，故障类型可以按照故障排除方式进行划分，可以包括维护型（经过维护可以排除故障）、替换型（必须经过换件才可以排除故障）。

子步骤二、获取生产指标数据和设备运行状态数据，以及根据生产指标数据和设备运行状态数据，生成第二故障监测信息和第二故障类型信息。其中，生产指标数据可以是与智能焦煤配比系统相连的炭化室的生产指标数据，例如，日出焦量、日耗煤量等等。设备运行状态数据是智能焦煤配比系统中各个设备的运行状态数据，例如，雷达料位计运行状态信息、称重式电子皮带机运行状态信息、PLC控制器运行状态信息等等。根据需要，可以对这些生产指标数据和设备运行状态数据进行标准化等处理，以适应实际需求。在此基础上，可以获取预先生成的智能焦煤配比系统所对应的故障检测树，故障检测树的输出结果为故障监测信息，树中的节点表征事件，用来描述系统中各个设备（或组件）的故障的状态。其中还包括用以表示事件之间的逻辑关系的逻辑门。从而，可以将生产指标数据和设备运行状态数据输入焦炭生产系统所对应的树中，得到第二故障监测信息和第二故障类型信息。可选的，也可以将生产指标数据和设备运行状态数据输入第二故障监测模型，其中，第二故障监测模型的网络结果是循环神经网络，在此基础上，利用历史生产指标数据和历史设备运行状态数据作为输入，将对应的故障监测信息和故障类型信息作为期望输出，训练得到上述第二故障监测模型。第二故障监测信息包括存在故障的设备标识。第二故障类型信息表征对应的设备的故障类型。其中，故障类型可以按照故障排除方式进行划分，可以包括维护型（经过维护可以排除故障）、替换型（必须经过换件才可以排除故障）。

子步骤三、根据第一故障监测信息、第二故障监测信息，生成故障排查信息序列。

在此基础上，根据第一故障监测信息和第二故障监测信息确定存在故障的设备标识集合。之后，对于设备标识集合中每个设备标识在厂区电子地图中查询对应的位置信息。厂区电子地图为根据厂区设备分布情况建立的电子地图，与厂区设备存在映射关系，其中包含每个设备的位置信息。然后，根据每个设备的位置信息，对设备标识集合中各个设备标识所对应的设备进行路径规划，以确定设备标识序列。设备标识序列串联了存在故障的各个设备。例如，可以以距离维修站最近的设备为起点设备，之后，选择距离起点设备距离最近且未选择过的设备作为下一设备，以此类推，每次选择距离当前设备距离最近且未选择过的设备作为下一设备，直至遍历所有存在故障的设备，最终得到设备标识序列，其中，设备标识与设备一一对应。故障排查信息序列包括设备标识序列和设备标识序列中每个设备标识所表征的设备对应的故障类型。故障排查信息包括设备标识和对应的故障类型。

在一些实施例中，由于图像的直观性较强，可以为第一故障监测信息设置第一优先级，为第二故障监测信息设置第二优先级，其中，第一优先级高于第二优先级；在此基础上，根据第一故障监测信息、第二故障监测信息以及对应的优先级，生成故障排查信息序列。具体的，可以通过以下方式确定故障排查信息序列：以距离维修站最近的设备为起点设备，之后，确定距离起点设备预设距离范围内多个设备，并从中选取优先级最高的设备作为下一设备，当预设距离范围内多个设备的优先级相同时，从中选取距离最近的设备作为下一设备；以此类推，每次选择预设距离范围内优先级最高的设备作为下一设备（当预设距离范围内多个设备的优先级相同时，从中选取距离最近的设备作为下一设备），直至遍历所有存在故障的设备，最终得到设备标识序列。可以理解，在为故障监测信息配置优先级后，由于故障监测信息与多个设备存在对应关系（例如包括存在故障的设备的标识），可以认为与故障监测信息存在对应关系的多个设备也对应有相同的优先级。

子步骤四、将故障排查信息序列中的故障排查信息依次发送至对应的排查终端，以提示对应的排查人员进行排查，以及接收排查人员输入的排查结果信息。排查结果信息用于表征排查结果。

在这些实施例中，通过采用多种故障监测方式可以提高故障检测的准确率，另外通过为不同的监测方式设置优先级，进而生成故障排查信息序列，从而可以辅助排查人员按照给定的顺序进行故障排查和维修，不需要排查人员去主动判断，从而简化排查流程，节约排查人力。

以上描述仅为本发明的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种智能焦煤配比系统，其特征在于，包括：

智能配煤设备，包括多个配煤仓、设置于所述多个配煤仓下方的称重式电子皮带机、PLC控制器；所述称重式电子皮带机用于测量每种类型的煤的流量，所述PLC控制器与每个配煤仓下方的阀门电连接以调节每个阀门的开度，其中，所述多个配煤仓中每个配煤仓中存储一种类型的煤；

计算设备，所述计算设备与所述PLC控制器和所述称重式电子皮带机电连接，所述计算设备中部署有预先训练的配煤人工神经网络，所述计算设备用于接收输入的目标焦炭类型信息，将所述目标焦炭类型信息在焦炭信息数据库中查询，得到所述目标焦炭类型信息所对应的多个目标焦炭指标值，并将所述多个目标焦炭指标值输入所述配煤人工神经网络，得到不同类型的煤的配比，以及根据所述不同类型的煤的配比确定每种类型的煤的目标流量，以及将每种类型的煤的目标流量发送至所述PLC控制器，以使所述PLC控制器根据所述每种类型的煤的目标流量控制每个配煤仓的阀门开度以将煤流入称重式电子皮带机以生成混合煤，所述称重式电子皮带机设置在多个配煤仓的下方，所述计算设备还用于根据所述称重式电子皮带机的称重数据确定每种类型的煤的实时流量，并将每种类型的煤的实时流量与目标流量进行比对，以及根据比对结果生成控制信号并将控制信号发送至PLC控制器，以使所述PLC控制器调整每个配煤仓的阀门开度；

监控设备，用于采集生产过程中的多张图像以及将所采集的多张图像发送至所述计算设备，所述计算设备根据所述多张图像生成故障排查信息序列，以及通过所述故障排查信息序列进行故障排查，得到排查结果信息。

2.根据权利要求1所述的智能焦煤配比系统，其特征在于，所述智能配煤设备还包括设置于每个配煤仓的雷达料位计，所述雷达料位计与计算设备电连接，以使所述计算设备实时监测每个配煤仓的剩余煤量，当所述计算设备监测到目标配煤仓的剩余煤量小于或等于预设煤量阈值，控制备煤设备开始运行，以使得所述目标配煤仓对应的类型的煤经过皮带进入所述目标配煤仓，所述备煤设备包括通过皮带连接的一次破煤设备和二次破煤设备，煤依次经过所述一次破煤设备和所述二次破煤设备破碎后通过皮带传输至对应的配煤仓。

3.根据权利要求2所述的智能焦煤配比系统，其特征在于，在所述将所述目标焦炭类型信息在焦炭信息数据库中查询之前，所述计算设备还用于：将所述目标焦炭类型信息在历史配比结果数据库中查询，所述历史配比结果数据库中关联存储有历史焦炭类型信息和不同类型的煤的历史配比；若所述历史配比结果数据库中存在与所述目标焦炭类型信息匹配的历史焦炭类型信息，将所述历史焦炭类型信息所对应的不同类型的煤的历史配比确定为所述目标焦炭类型信息所对应的不同类型的煤的配比；以及

所述将所述目标焦炭类型信息在焦炭信息数据库中查询，包括：

若所述历史配比结果数据库中不存在与所述目标焦炭类型信息匹配的历史焦炭类型信息，将所述目标焦炭类型信息在焦炭信息数据库中查询。

4.根据权利要求3所述的智能焦煤配比系统，其特征在于，所述根据所述多张图像生成故障排查信息序列，以及通过所述故障排查信息序列进行故障排查，得到排查结果信息，包括：

将所述多张图像输入故障监测模型，以生成第一故障监测信息；

获取生产指标数据和设备运行状态数据，以及根据所述生产指标数据和所述设备运行状态数据，生成第二故障监测信息；

根据所述第一故障监测信息和所述第二故障监测信息，生成故障排查信息序列；

将所述故障排查信息序列中的故障排查信息依次发送至对应的排查终端，以提示对应的排查人员进行排查，以及接收所述排查人员输入的排查结果信息。

5.根据权利要求4所述的智能焦煤配比系统，其特征在于，所述根据所述第一故障监测信息和所述第二故障监测信息，生成故障排查信息序列，包括：

为所述第一故障监测信息设置第一优先级，为所述第二故障监测信息设置第二优先级，其中，所述第一优先级高于所述第二优先级；

根据所述第一故障监测信息、所述第二故障监测信息以及对应的优先级，生成所述故障排查信息序列。

6.根据权利要求5所述的智能焦煤配比系统，其特征在于，所述配煤人工神经网络是通过以下步骤训练得到的：

获取预先构建的极致梯度提升网络和样本数据集，其中，所述样本数据集中的样本数据包括焦炭指标信息和原煤配比数据；

从所述样本数据集中选取训练样本，将所述训练样本中的焦炭指标信息作为所述极致梯度提升网络的输入，得到所述极致梯度提升网络的实际输出；

利用预先构建的损失函数，确定所述训练样本中的原煤配比数据与所述实际输出的差异；

基于所述差异，调整所述极致梯度提升网络的参数。