CN117150446A - 鼓风机运行状态识别方法、装置、电子设备及存储介质 - Google Patents
鼓风机运行状态识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117150446A CN117150446A CN202311415530.8A CN202311415530A CN117150446A CN 117150446 A CN117150446 A CN 117150446A CN 202311415530 A CN202311415530 A CN 202311415530A CN 117150446 A CN117150446 A CN 117150446A
- Authority
- CN
- China
- Prior art keywords
- blower
- operation data
- preset time
- data
- coefficient
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000010865 sewage Substances 0.000 abstract description 19
- 230000008569 process Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 9
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008439 repair process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 241001148470 aerobic bacillus Species 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例公开了一种鼓风机运行状态识别方法、装置、电子设备及存储介质。该方法包括：获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态，进而可以对鼓风机进行适当调整，避免了污水处理过程中，因鼓风机的问题而导致污水处理效果不佳的技术问题，进而间接的提高了污水处理的整体效果。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种鼓风机运行状态识别方法、装置、电子设备及存储介质。
背景技术
鼓风机，又称通风机，是一种利用旋转叶轮，现代鼓风机是将电能转换为空气动能的电动机，鼓风机靠汽缸内偏置的转子偏心运转，并使转子槽中的叶片之间的容积变化将空气吸入、压缩、吐出。
鼓风机在污水处理厂中有两种用途，一种用途是给生化好氧菌增加氧气，保障它们生存环境，达到污水处理的需要，进而提高污水处理厂的整体处理效果；另外一种用途是用于通风，由于污水处理多数都采用生化反应，会产生一些沼气和其它分解气体，气味难闻同时也带有一定的危险性，需要对现场环境采用鼓风机进行通风，以保证安全和改善环境。
相关技术中，污水处理厂的鼓风机的运行数据仅仅只是用于可视化显示或简单分析，并未将数据进行更深层次的挖掘，无法根据鼓风机的运行数据来对鼓风机进行灵活调整，进而导致污水处理厂的整体运行效率不高。
发明内容
针对现有技术的不足，本申请实施例提供了一种鼓风机运行状态识别方法、装置、电子设备及存储介质，旨在解决现有技术中无法根据鼓风机的运行数据来对鼓风机进行灵活调整的技术问题。
为解决上述问题，第一方面，本申请实施例提供了一种鼓风机运行状态识别方法，其包括：
获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；
对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；
根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；
根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
第二方面，本申请实施例还提供了一种鼓风机运行状态识别装置，其包括：
获取单元，用于获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；
处理单元，用于对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；
生成单元，用于根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；
确定单元，用于根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
第三方面，本申请实施例又提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上述第一方面所述的鼓风机运行状态识别方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的鼓风机运行状态识别方法。
本申请实施例提供了一种鼓风机运行状态识别方法、系统、设备及存储介质，通过获取鼓风机在预设时间内的第一运行数据，并对第一运行数据进行处理，以获取鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及第二运行数据的特征系数，进而便可以根据第二运行数据以及其特征系数生成鼓风机在预设时间内的回归系数，最后便可以通过回归系数确定鼓风机在预设时间内的运行状态，进而可以对鼓风机进行适当调整，避免了污水处理过程中，因鼓风机的问题而导致污水处理效果不佳的技术问题，进而间接的提高了污水处理的整体效果。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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他的附图。
图1为本申请实施例提供的鼓风机运行状态识别方法的流程图；
图2为本申请实施例提供的鼓风机运行状态识别方法的子流程图；
图3为本申请实施例提供的鼓风机运行状态识别方法的一子流程图；
图4为本申请实施例提供的鼓风机运行状态识别方法的另一子流程图；
图5为本申请实施例提供的鼓风机运行状态识别方法的又一子流程图；
图6为本申请实施例提供的鼓风机运行状态识别方法的其他子流程图；
图7为本申请实施例提供的鼓风机运行状态识别方法的其他一子流程图；
图8为本申请实施例提供的模拟鼓风机的运行状态的曲线图；
图9为本申请实施例提供的鼓风机运行状态识别装置的示意性框图；
图10为本申请实施例提供的电子设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请实施例的所述的鼓风机运行状态识别方法应用于终端设备中，该方法通过安装于终端设备中的应用软件进行执行鼓风机运行状态识别方法。终端设备可以为台式电脑、笔记本电脑、平板电脑或手机等电子设备。
需要说明的是，上述实施例的应用场景示仅仅是一个示例，本申请实施例描述的服务以及场景是为了更加清楚地说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。以下分别进行详细说明。
需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。下面对所述的鼓风机运行状态识别方法进行详细说明。
请参阅图1，图1为本申请实施例提供的鼓风机运行状态识别方法的流程示意图。
如图1所示，该方法包括以下步骤S110~S140。
S110、获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率。
在本实施例中，鼓风机设置有传感器，该传感器可以采集鼓风机的运行数据，其具体采集鼓风机运行过程中的振动数据、转速以及输出功率。当需要识别鼓风机在预设时间内的运行状态时，则可以通过获取鼓风机上的传感器在预设时间内采集的数据，即第一运行数据，并进行相应的处理，进而便可以及时知晓鼓风机在预设时间内的运行状态，从而便可以实现对鼓风机进行灵活调整，避免了污水处理过程中，因鼓风机的问题而导致污水处理效果不佳的技术问题，进而间接的提高了污水处理的整体效果。
S120、对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数。
具体的，本申请主要是对传感器在预设时间内的特定时刻采集的数据进行处理，以得到鼓风机在预设时间内至少一个时刻内的第二运行数据以及第二运行数据的特征系数。其中，特征系数为能对鼓风机在某一时刻的运行数据进行表征的数据信息，第一运行数据可以为预设时间内所有时刻鼓风机的运行数据，同时也可以为预设时间内一个或多个时刻鼓风机的运行数据。
在一些实施例中，如图2所示，步骤S120包括子步骤S121和S122。
S121、对所述第一运行数据进行预处理，得到所述鼓风机在所述预设时间内至少一个时刻的第二运行数据；
S122、对所述第二运行数据进行特征处理，得到所述第二运行数据的特征系数。
具体的，本申请之所以要对第一运行数据进行预处理，其主要是因为传感器采集到的数据中可能会存在数据缺失以及数据异常等情况。比如说，传感器在传递采集的数据时，可能在某一时刻因网络故障等原因而出现缺失，也有可能因为环境因素比如温度、风力、压力、光线等导致某个时刻的点采集的数据偏离在预设值之外或者偏离较大。
为此，本申请在获取到获取鼓风机在预设时间内的第一运行数据后，通过对第一运行数据进行预处理，以得到鼓风机在预设时间内至少一个时刻的第二运行数据，然后对第二运行数据进行特征分类聚类，以得到第二运行数据的特征系数。
其中，特征系数可以为：
其中，表示a时刻的时间，/>表示a时刻的数据值，/>表示a时刻的数据的趋势因子，趋势因子为预设时间内该时刻采集的数据的斜率。
在一些实施例中，如图3所示，子步骤S121包括子步骤S1211和S1212。
S1211、对所述第一运行数据进行缺失补齐处理，得到缺失补齐处理后的第一运行数据；
S1212、对缺失补齐处理后的第一运行数进行异常纠正处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据。
在本实施例中，在获取到鼓风机在预设时间内的第一运行数据后，确定第一运行数据中是否存在缺失的情况，若存在缺失的情况，则确定缺失的数据是否为本申请需要用到识别鼓风机在预设时间内的运行状态的关键性数据，若是，则需要进行数据补齐处理；若否，可以不用进行补齐处理。
同时，在对第一运行数据进行补齐处理后，还需要确定补齐处理后的第一运行数据中是否存在异常数据，若存在，则需再次确定该异常数据是否为本申请需要用到识别鼓风机在预设时间内的运行状态的关键性数据，若是，需要进行异常纠正处理；若否，可以不用进行异常纠正处理。
需要说明的是，本申请在确定第一运行数据中缺失数据或异常数据不是本申请需要用到识别鼓风机在预设时间内的运行状态的关键性数据后，也可以进行相应的补齐处理或者异常纠正处理，以便于后续在需要用到该数据时，可以快速的获取。
在一些实施例中，如图4所示，子步骤S1211包括子步骤S121a、S121b和S121c。
S121a、确定所述第一运行数据中是否存在所述预设时间内第一时刻的第二运行数据；
S121b、若不存在，根据所述预设时间内的第二时刻的第二运行数据生成所述第一时刻的第二运行数据；其中，所述第一时刻为所述第二时刻的相邻时刻；
S121c、根据所述第一运行数据、所述第一时刻的第二运行数据生成缺失补齐处理后的第一运行数据。
在本实施例中，在获取到鼓风机在预设时间内的第一运行数据后，通过确定第一运行数据中是否存在预设时间内第一时刻的第二运行数据，若不存在，则可以直接通过预设时间内的第二时刻的第二运行数据将第一时刻的第二运行数据进行补齐，进而便可以使得第一运行数据中存在第一时刻的第二运行数据，以完成对第一运行数据的补齐。
其中，第二时刻既可以为第一时刻的前一时刻，也可以为第一时刻的后一时刻，第一时刻与第二时刻之间的时间差可以为5s，10s、15s等。比如说，若第一时刻为2023年8月15日中午十二点整，则第二时刻可以为2023年8月15日中午十二点零五秒。
S130、根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数。
在本实施例中，通过对第二运行数据以及第二运行数据的特征系数进行计算，以得到鼓风机在预设时间内的回归系数，进而便可以通过鼓风机在预设时间内的回归系数以及第二运行数据生成鼓风机在预设时间内的运行曲线，进而便可以通过鼓风机在预设时间内的运行曲线来确定鼓风机在预设时间内的运行状态。其中，回归系数为对传感器采集到的数据进行回归分析而得到的数据信息，其可以用于确定鼓风机在预设时间内的运行状态。
在一些实施例中，如图5所示，步骤S130包括子步骤S131和S132。
S131、根据所述特征系数获取所述预设时间内每一时刻的第二运行数据的关联系数；
S132、若所述关联系数与预设的样本系数相匹配，根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数。
在本实施例中，关联系数为用于确定传感器在某一时刻采集的数据的特征是否与鼓风机在该时刻的运行数据的特征是否相匹配，样本系数为传感器采集的历史数据中多个同一时刻的鼓风机的运行数据的平均值。在得到第二运行数据的特征系数后，需要对该特征系数进行验证，以确定该特征系数是否与预先设定的样本系数相匹配，若相匹配，则可以直接根据第二运行数据以及第二运行数据的特征系数生成鼓风机在预设时间内的回归系数。
具体的，获取关联系数与样本系数之间的差值，若该差值在预设范围内，则该时刻的第二运行数据的特征符合要求，进而便可以直接根据第二运行数据以及第二运行数据的特征系数生成鼓风机在预设时间内的回归系数。其中，预设范围可以设定在-1~1之间。
其中，关联系数r的计算公式为：
其中，表示a时刻的时间，/>表示a时刻的数据值，/>表示a时刻的数据的趋势因子，趋势因子为预设时间内该时刻采集的数据的斜率。
在一些实施例中，如图6所示，步骤S130包括子步骤S130a和S130b。
S130a、根据所述特征系数、所述第二运行数据生成所述第一运行数据的特征矩阵；
S130b、根据所述特征矩阵、所述第二运行数据以及所述特征系数生成所述鼓风机在所述预设时间内的回归系数。
在本实施例中，特征矩阵的行可以表示如下：
其中，A、B、C、D分别为a、b、c、d时刻的运行数据。
特征矩阵的列可以由至少一个时刻的特征系数构成，其可以为：
，/>
其中，、/>、/>、/>分别为a、b、c、d时刻的特征系数，/>、/>、/>、/>分别为a、b、c、d时刻的时间，/>、/>、/>、/>分别为a、b、c、d时刻的数据值，/>、、/>、/>分别为a、b、c、d时刻的数据的趋势因子，趋势因子为预设时间内该时刻采集的数据的斜率。
在生成第一运行数据的特征矩阵之后，便可以计算得到特征矩阵的最小值z。其中，最小值z的计算公式为：z=x2yx。
在生成特征矩阵的最小值后，便可以通过特征矩阵的最小值、第二运行数据以及特征系数生成鼓风机在预设时间内的回归系数。其中，回归系数β的计算公式为：
其中，为预设时间内第n个时刻的鼓风机的运行数据，/>为预设时间内第n个时刻的第二运行数据的特征系数。
S140、根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
在一些实施例中，如图7所示，步骤S140包括子步骤S141和S142。
S141、根据所述回归系数、所述第二运行数据生成所述鼓风机在所述预设时间内的运行曲线；
S142、根据所述运行曲线确定所述鼓风机在所述预设时间内的运行状态。
在本实施例中，通过将所述预设时间内的第二运行数据与所述回归系数进行相乘，其便可以得到如图8所示的曲线，该曲线为模拟鼓风机在预设时间内的运行曲线，该运行曲线的横坐标为时间系数，其通过传感器传递过来的数据样本的时间值而计算得到的平均值，该运行曲线的纵坐标为回归系数乘以实际数据的值，也就是第二运行数据的预测值，其可以为输出功率、振动数据、转速中的一种或多种预测值。
具体的，在生成鼓风机在预设时间内的运行曲线后，便可以从运行曲线上得到预设时间内的每个时刻对应的斜率，进而便可以通过预设时间内的每个时刻对应的斜率来确定鼓风机在预设时间内的每个时刻的运行状态。其中，回归系数实际上是运行曲线上预设时间内的每个时刻对应的标准斜率。
例如，当斜率小于预设第一阈值时，便可以确定鼓风机处于正常运行状态；当斜率大于所述第一阈值且小于预设第二阈值时，便可以确定鼓风机处于负荷运行状态；当斜率大于第二阈值且小于预设第三阈值时，便可以确定鼓风机内处于超负荷运行状态；当斜率大于第三阈值，便可以确定鼓风机处于异常运行状态。其中，第一阈值可以为0.3，第二阈值可以为0.6，第三阈值可以为0.8。
另外，本申请在对回归系数进行校准时，可以采用5s一个点位的数据采集来进行校准，然后对生成的多个回归系数进行线性回归模拟，以对生成回归系数的公式进行调整，从而便可以得到优化后的回归系数生成模型。
在本申请实施例所提供的鼓风机运行状态识别方法中，通过获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态，从而可以快速的让污水处理厂的设备检修人员知晓鼓风机的运行状态，并对鼓风机进行适当调整，避免了污水处理过程中，因鼓风机的问题而导致污水处理效果不佳的技术问题，进而间接的提高了污水处理的整体效果，提高了生产的效率。
在一些实施例中，如图9所示，本申请实施例还提供了一种鼓风机运行状态识别装置200，该装置用于执行前述鼓风机运行状态识别方法的任一实施例。
具体地，请参阅图9，图9是本申请实施例提供的鼓风机运行状态识别装置200的示意性框图。
如图9所示，所述的鼓风机运行状态识别装置200包括：获取单元210、处理单元220、生成单元230和确定单元240。
获取单元210，用于获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率。
处理单元220，用于对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数。
在一些实施例中，处理单元220还具体用于对所述第一运行数据进行预处理，得到所述鼓风机在所述预设时间内至少一个时刻的第二运行数据；对所述第二运行数据进行特征处理，得到所述第二运行数据的特征系数。
在一些实施例中，处理单元220还具体用于对所述第一运行数据进行缺失补齐处理，得到缺失补齐处理后的第一运行数据；对缺失补齐处理后的第一运行数进行异常纠正处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据。
在一些实施例中，处理单元220还具体用于确定所述第一运行数据中是否存在所述预设时间内第一时刻的第二运行数据；若不存在，根据所述预设时间内的第二时刻的第二运行数据生成所述第一时刻的第二运行数据；其中，所述第一时刻为所述第二时刻的相邻时刻；根据所述第一运行数据、所述第一时刻的第二运行数据生成缺失补齐处理后的第一运行数据。
生成单元230，用于根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数。
在一些实施例中，生成单元230还具体用于根据所述特征系数获取所述预设时间内每一时刻的第二运行数据的关联系数；若所述关联系数与预设的样本系数相匹配，根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数。
在一些实施例中，生成单元230还具体用于根据所述特征系数、所述第二运行数据生成所述第一运行数据的特征矩阵；根据所述特征矩阵、所述第二运行数据以及所述特征系数生成所述鼓风机在所述预设时间内的回归系数。
确定单元240，用于根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
在一些实施例中，确定单元240还具体用于根据所述回归系数、所述第二运行数据生成所述鼓风机在所述预设时间内的运行曲线；根据所述运行曲线确定所述鼓风机在所述预设时间内的运行状态。
本申请实施例所提供的鼓风机运行状态识别装置200用于执行上述获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述鼓风机运行状态识别装置200和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述鼓风机运行状态识别装置可以实现为一种计算机程序的形式，该计算机程序可以在如图10所示的电子设备上运行。
请参阅图10，图10是本申请实施例提供的电子设备的示意性框图。
参阅图10，该设备300包括通过系统总线301连接的处理器302、存储器和网络接口305，其中，存储器可以包括存储介质303和内存储器304。
该存储介质303可存储操作系统3031和计算机程序3032。该计算机程序3032被执行时，可使得处理器302执行鼓风机运行状态识别方法。
该处理器302用于提供计算和控制能力，支撑整个设备300的运行。
该内存储器304为非易失性存储介质303中的计算机程序3032的运行提供环境，该计算机程序3032被处理器302执行时，可使得处理器302执行鼓风机运行状态识别方法。
该网络接口305用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的设备300的限定，具体的设备300可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器302用于运行存储在存储器中的计算机程序3032，以实现如下功能：获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
本领域技术人员可以理解，图10中示出的设备300的实施例并不构成对设备300具体构成的限定，在其他实施例中，设备300可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，设备300可以仅包括存储器及处理器302，在这样的实施例中，存储器及处理器302的结构及功能与图10所示实施例一致，在此不再赘述。
应当理解，在本申请实施例中，处理器302可以是中央处理单元 （CentralProcessing Unit，CPU），该处理器302还可以是其他通用处理器302、数字信号处理器302（Digital Signal Processor，DSP）、专用集成电路 （Application Specific IntegratedCircuit，ASIC）、现成可编程门阵列 （Field-Programmable Gate Array，FPGA） 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器302可以是微处理器302或者该处理器302也可以是任何常规的处理器302等。
本申请的另一实施例中还提供了计算机存储介质。该存储介质可以为非易失性的计算机可读存储介质，也可以是易失性的存储介质。该存储介质存储有计算机程序3032，其中计算机程序3032被处理器302执行时实现以下步骤：获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备300（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U 盘、移动硬盘、只读存储器 （ROM，Read-Only Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种鼓风机运行状态识别方法，其特征在于，包括：
获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；
对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；
根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；
根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
2.根据权利要求1所述的鼓风机运行状态识别方法，其特征在于，所述根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数，包括：
根据所述特征系数获取所述预设时间内每一时刻的第二运行数据的关联系数；
若所述关联系数与预设的样本系数相匹配，根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数。
3.根据权利要求1或2所述的鼓风机运行状态识别方法，其特征在于，所述根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数，包括：
根据所述特征系数、所述第二运行数据生成所述第一运行数据的特征矩阵；
根据所述特征矩阵、所述第二运行数据以及所述特征系数生成所述鼓风机在所述预设时间内的回归系数。
4.根据权利要求1所述的鼓风机运行状态识别方法，其特征在于，所述根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态，包括：
根据所述回归系数、所述第二运行数据生成所述鼓风机在所述预设时间内的运行曲线；
根据所述运行曲线确定所述鼓风机在所述预设时间内的运行状态。
5.根据权利要求1所述的鼓风机运行状态识别方法，其特征在于，所述对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数，包括：
对所述第一运行数据进行预处理，得到所述鼓风机在所述预设时间内至少一个时刻的第二运行数据；
对所述第二运行数据进行特征处理，得到所述第二运行数据的特征系数。
6.根据权利要求5所述的鼓风机运行状态识别方法，其特征在于，所述对所述第一运行数据进行预处理，得到所述鼓风机在所述预设时间内至少一个时刻的第二运行数据，包括：
对所述第一运行数据进行缺失补齐处理，得到缺失补齐处理后的第一运行数据；
对缺失补齐处理后的第一运行数进行异常纠正处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据。
7.根据权利要求6所述的鼓风机运行状态识别方法，其特征在于，所述对所述第一运行数据进行缺失补齐处理，得到缺失补齐处理后的第一运行数据，包括：
确定所述第一运行数据中是否存在所述预设时间内第一时刻的第二运行数据；
若不存在，根据所述预设时间内的第二时刻的第二运行数据生成所述第一时刻的第二运行数据；其中，所述第一时刻为所述第二时刻的相邻时刻；
根据所述第一运行数据、所述第一时刻的第二运行数据生成缺失补齐处理后的第一运行数据。
8.一种鼓风机运行状态识别装置，其特征在于，包括：
获取单元，用于获取鼓风机在预设时间内的第一运行数据；其中，所述第一运行数据包括鼓风机振动数据、鼓风机转速以及鼓风机输出功率；
处理单元，用于对所述第一运行数据进行处理，得到所述鼓风机在所述预设时间内至少一个时刻内的第二运行数据以及所述第二运行数据的特征系数；
生成单元，用于根据所述特征系数、所述第二运行数据生成所述鼓风机在所述预设时间内的回归系数；
确定单元，用于根据所述回归系数确定所述鼓风机在所述预设时间内的运行状态。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的鼓风机运行状态识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的鼓风机运行状态识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311415530.8A CN117150446B (zh) | 2023-10-30 | 2023-10-30 | 鼓风机运行状态识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311415530.8A CN117150446B (zh) | 2023-10-30 | 2023-10-30 | 鼓风机运行状态识别方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117150446A true CN117150446A (zh) | 2023-12-01 |
| CN117150446B CN117150446B (zh) | 2024-02-09 |
Family
ID=88910434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311415530.8A Active CN117150446B (zh) | 2023-10-30 | 2023-10-30 | 鼓风机运行状态识别方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117150446B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200119A (zh) * | 2014-09-18 | 2014-12-10 | 浙江邦业科技有限公司 | 基于罗茨鼓风机风压的煤粉输送量软仪表 |
| US20170254216A1 (en) * | 2016-03-02 | 2017-09-07 | General Electric Company | Method and system for piping failure detection |
| US20190146000A1 (en) * | 2017-11-10 | 2019-05-16 | General Electric Company | Methods and apparatus for prognostic health monitoring of a turbine engine |
| CN112686416A (zh) * | 2019-10-17 | 2021-04-20 | 中国电力科学研究院有限公司 | 一种风电功率概率预测方法和系统 |
| CN113253705A (zh) * | 2021-05-18 | 2021-08-13 | 北京航空航天大学 | 一种鼓风机的故障诊断方法及装置 |
| CN115544859A (zh) * | 2022-08-25 | 2022-12-30 | 湖南工业大学 | 基于回归-神经网络的列车牵引风机噪声小样本预测方法 |
| CN116412162A (zh) * | 2023-04-14 | 2023-07-11 | 山东建筑大学 | 基于数字孪生模型的磁悬浮鼓风机故障诊断方法及系统 |
| CN116860027A (zh) * | 2023-07-07 | 2023-10-10 | 广州瑞鑫智能制造有限公司 | 一种数字能源鼓风站的压力控制系统及其方法 |
-
2023
- 2023-10-30 CN CN202311415530.8A patent/CN117150446B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200119A (zh) * | 2014-09-18 | 2014-12-10 | 浙江邦业科技有限公司 | 基于罗茨鼓风机风压的煤粉输送量软仪表 |
| US20170254216A1 (en) * | 2016-03-02 | 2017-09-07 | General Electric Company | Method and system for piping failure detection |
| US20190146000A1 (en) * | 2017-11-10 | 2019-05-16 | General Electric Company | Methods and apparatus for prognostic health monitoring of a turbine engine |
| CN112686416A (zh) * | 2019-10-17 | 2021-04-20 | 中国电力科学研究院有限公司 | 一种风电功率概率预测方法和系统 |
| CN113253705A (zh) * | 2021-05-18 | 2021-08-13 | 北京航空航天大学 | 一种鼓风机的故障诊断方法及装置 |
| CN115544859A (zh) * | 2022-08-25 | 2022-12-30 | 湖南工业大学 | 基于回归-神经网络的列车牵引风机噪声小样本预测方法 |
| CN116412162A (zh) * | 2023-04-14 | 2023-07-11 | 山东建筑大学 | 基于数字孪生模型的磁悬浮鼓风机故障诊断方法及系统 |
| CN116860027A (zh) * | 2023-07-07 | 2023-10-10 | 广州瑞鑫智能制造有限公司 | 一种数字能源鼓风站的压力控制系统及其方法 |
Non-Patent Citations (2)
| Title |
|---|
| 任玲: "锅炉通风机状态监测与小波分析应用的研究", 《中国优秀博硕士学位论文全文数据库(硕士)》, no. 01, pages 1 - 66 * |
| 林杰: "高炉鼓风性能管理与智能维护系统", 《中国优秀博硕士学位论文全文数据库(硕士)》, no. 08, pages 1 - 91 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117150446B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110985309B (zh) | 偏航对风异常检测方法、装置、设备和存储介质 | |
| Lee et al. | A kernel plus method for quantifying wind turbine performance upgrades | |
| US10253758B2 (en) | System and method for optimizing wind farm performance | |
| CN111881617B (zh) | 数据处理方法、风力发电机组的性能评估方法及系统 | |
| CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
| CN114758483B (zh) | 一种基于余弦相似性的电力设备动态智能预警方法 | |
| CN113537352B (zh) | 传感器异常值监测方法、装置、计算机设备及存储介质 | |
| CN117150446B (zh) | 鼓风机运行状态识别方法、装置、电子设备及存储介质 | |
| CN112855460B (zh) | 风电机组轴系实时疲劳寿命预测方法、系统、介质及设备 | |
| CN117927322A (zh) | 一种基于燃气-蒸汽联合循环效率优化方法及系统 | |
| CN116307945B (zh) | 一种建筑类电气智能运行监控方法、系统和介质 | |
| CN115929569B (zh) | 一种风电机组变桨系统故障诊断方法 | |
| CN115434870B (zh) | 风力发电组振动数据的处理方法、装置、设备及存储介质 | |
| CN117035488A (zh) | 能源转换设备能效确定方法、装置、电子设备及存储介质 | |
| CN116557230A (zh) | 一种风电场机组功率异常在线评估方法及系统 | |
| CN116186620A (zh) | 一种能效诊断方法、装置及终端设备 | |
| CN116108369A (zh) | 用于智能微电网保护的故障检测方法、装置、设备及介质 | |
| CN114547829A (zh) | 一种风电场理论功率计算方法及系统 | |
| CN112381185B (zh) | 一种工业设备特性曲线相似度获取方法及装置 | |
| CN114118553A (zh) | 一种永磁直驱风力发电机双列圆锥滚子轴承劣化识别方法 | |
| CN110707744A (zh) | 风电场集群发电状态的监测方法、装置及存储介质 | |
| CN113898528B (zh) | 风机变桨轴承的异常检测方法、模型训练方法及相关装置 | |
| CN116658381A (zh) | 一种基于gur和注意力机制的风力发电机组状态监测方法 | |
| Wang et al. | Wind turbine spindle condition monitoring based on operational data | |
| US11920563B2 (en) | Method and system for controlling operation of wind turbines |
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 |