CN117275192A - 一种压缩机的报警处理方法及装置 - Google Patents
一种压缩机的报警处理方法及装置 Download PDFInfo
- Publication number
- CN117275192A CN117275192A CN202210667748.1A CN202210667748A CN117275192A CN 117275192 A CN117275192 A CN 117275192A CN 202210667748 A CN202210667748 A CN 202210667748A CN 117275192 A CN117275192 A CN 117275192A
- Authority
- CN
- China
- Prior art keywords
- compressor
- alarm
- model
- sample data
- data
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 18
- 238000013519 translation Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Emergency Management (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开了一种压缩机的报警处理方法及装置,涉及机器学习技术领域,主要目的在于可以只利用少量的特征实现对于压缩机的报警处理方法,提升压缩机的报警处理方法的简易性,同时可以减少实现压缩机报警处理方法的成本。本发明主要的技术方案为:根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;基于所述历史样本数据以及压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;在所述预定时间段内检测到所述压缩机的转速和增压比超出所述报警范围时,生成报警信息。本发明用于压缩机的报警处理。
Description
技术领域
本发明涉及机器学习技术领域,尤其涉及一种压缩机的报警处理方法及装置。
背景技术
随着科学的发展,技术的不断进步,压缩机的应用对我们的生活来说至关重要,例如对于天然气的长距离输送,就需要在多台压缩机构成的压气站不断对管道进行加压的情况下完成,因此压缩机可以正常运转是我们必须要保证的,若要保证压缩机的正常运转,就需要建立对于压缩机的报警处理方法,在压缩机出现故障时,可以进行报警。
但传统的对于压缩机的报警处理方法,需要利用大量传感器获得压缩机中的多种特征信息,再利用多种特征信息建立仿真数学模型,然后通过优化后的模型完成对压缩机的报警处理,但其方法不仅需要的特征多,且用到的模型还需要进行实时更新,整体实现方法复杂,并且应用大量的传感器,导致方案实现需要的成本较高。
发明内容
鉴于上述问题,本发明提供一种压缩机的报警处理方法及装置,主要目的是为了可以只利用少量的特征实现对于压缩机的报警处理方法,提升压缩机的报警处理方法的简易性,同时可以减少实现压缩机报警处理方法的成本。
为解决上述技术问题,本发明提出以下方案:
第一方面,本发明提供了一种压缩机的报警处理方法,所述方法包括:
根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;
基于所述历史样本数据以及压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;
在所述预定时间段内检测到所述压缩机的转速和增压比超出所述报警范围时,生成报警信息。
第二方面,本发明提供了一种压缩机的报警处理装置,所述装置包括:
训练单元,用于根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;
确定单元,用于基于所述历史样本数据以及压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;
生成单元,用于在所述预定时间段内检测到所述压缩机的转速和增压比超出所述报警范围时,生成报警信息。
为了实现上述目的,根据本发明的第三方面,提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述第一方面的压缩机的报警处理方法。
为了实现上述目的,根据本发明的第四方面,提供了一种电子设备,所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的压缩机的报警处理方法。
借由上述技术方案,本发明提供的一种压缩机的报警处理方法及装置,是在实现对于压缩机的报警处理方法时,可以首先获取到压缩机的多组历史样本数据和预先构建好的模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比,然后为了使模型更精确,从而得到更标准的报警范围,可以根据压缩机的多组历史样本数据对构建好的模型进行训练,得到压缩机报警模型,进而,可以根据所述历史样本数据中的转速和增压比的关系,结合压缩机报警模型,得到压缩机在预定时间段内的报警范围,进而当在预定时间段内,检测到所述转速和压缩比超出确定出的报警范围时,可以自动生成报警信息。通过本发明提供的压缩机的报警处理方案,可以实现只利用获取到的所述历史样本数据中的转速和增压比这两样特征得到压缩机在预定时间段内的报警范围,无需获取多种特征,提升了压缩机的报警处理方法的简易性,同时由于获取到的特征少,对于用来获取特征的传感器上的使用也相应减少,在一定程度上减少实现压缩机报警处理方法的成本。
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
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种压缩机的报警处理方法流程图;
图2示出了本发明实施例提供的另一种压缩机的报警处理方法流程图;
图3示出了本发明实施例提供的一种压缩机的报警处理装置的组成框图;
图4示出了本发明实施例提供的另一种压缩机的报警处理装置的组成框图;
图5根据本发明实施例示出的一种设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
随着科学的发展,技术的不断进步,压缩机的应用对我们的生活来说至关重要,例如对于天然气的长距离输送,就需要在多台压缩机构成的压气站不断对管道进行加压的情况下完成,因此我们必须要保证压缩机可以正常运转,但要保证压缩机可以正常运转,就需要在压缩机运转出现异常时可以及时发现并进行修复,因此就需要建立对于压缩机的报警处理方法,可以及时发现压缩机的异常情况,但传统的对于压缩机的报警处理方法,一方面需要利用大量传感器获得压缩机中的多种特征信息,再利用多种特征信息建立仿真数学模型,然后通过优化后的模型完成对压缩机的报警处理,但其方法不仅需要的特征多,且用到的模型还需要进行实时更新,整体实现方法复杂,另一方面,还有部分压缩机的报警处理方法是需要人为针对压缩机的不同工况来设定报警阈值,但该方法由于是人为设定所以容易存在误差。为此,本发明实施例提供了一种压缩机报警处理方法,通过该方法可以实现可以只利用少量的特征实现对于压缩机的报警处理方法,提升压缩机的报警处理方法的简易性,同时可以减少实现压缩机报警处理方法的成本,其具体执行步骤如图1所示,包括:
101、根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型。
其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比。
该步骤中,可以预先获取到压缩机的多组历史样本数据以及预先构建好的模型,在获取到压缩机的多组历史样本数据以及预先构建好的模型之后,为了使模型更精确,以便后续可以得到更精确的报警范围,可以根据获取到的压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型。
在对预先构建好的模型进行训练时,可以先确定所述历史样本数据的训练数据,然后通过预先配置的配置文件加载模型的初始参数,进而结合所述训练数据对模型的初始参数进行调整,得到压缩机报警模型,具体的,可以是使用封闭方程进行求根运算的方法,对模型的参数进行调整,得到模型在所述训练数据上的最优参数(即在训练数据上使损失函数达到最小值的模型参数),还可以是使用迭代优化的方法,例如梯度下降(GD),在所述训练数据上,逐渐将模型的参数收敛到最优,最终,在将模型的参数调整到最优时,截止训练,得到压缩机报警模型。
其中,所述预先构建好的模型可以是线性回归模型,也可以是非线性回归模型,在此不做任何限定。
其中,所述增压比为压缩机的出口压力与进口压力的比值。
其中,所述转速为压缩机主轴的转速,一般为每分钟多少转。
102、基于历史样本数据以及压缩机报警模型,确定压缩机在预定时间段内的报警范围。
该步骤中,在得到压缩机报警模型之后,可以根据所述历史样本数据以及压缩机报警模型,确定出压缩机在预定时间段内的报警范围。
具体的,可以是根据所述压缩机在历史时间段内的转速和增压比在压缩机报警模型坐标系中的映射关系,拟合一条中间样本线,然后可以是通过确定距离所述中间样本线最远的两个映射关系,其距离所述中间样本线最远的两个映射关系可以分别位于所述中间样本线的上下两部分,也可以分别位于所述中间样本线的左右两部分,然后与预先设定的置信度进行乘积的方式确定出所述中间样本线的平移量,还可以是在确定出所述中间样本线之后,确定与所述中间样本线相平行的每个历史样本数据的样本线,然后将所构成的区域能够覆盖所述历史样本数据的两条样本线作为所述报警范围的边界值,进而将所述两条样本线相对于所述中间样本线的移动距离确定为平移量,最终,根据所述平移量平移所述中间样本线,得到压缩机在预定时间段内的报警范围。
其中,所述预定时间段可以是一个月,也可以是两周,具体可以根据压缩机的实际报警情况进行适当调整。
其中,所述置信度为可靠度,或置信水平、置信系数,即在抽样对总体参数作出估计时,估计值与总体参数在一定允许的误差范围以内相应的概率。
其中,所述中间样本线可以是直线,也可以是曲线。
103、在预定时间段内检测到压缩机的转速和增压比超出报警范围时,生成报警信息。
该步骤中,在确定出压缩机在预定时间段内的报警范围之后,可以先获取到压缩机在预定时间段内的转速和增压比,然后在预定时间段内结合所述确定出的报警范围对所述转速和增压比进行检测,若所述压缩机在预定时间段内的转速和增压比超出确定出的所述报警范围,则生成报警信息进行报警,若未超出,则不报警。
其中,若在预定时间段内出现频繁报警的情况,可以将所述预定时间段进行缩短,若在预定时间段内一直不报警,可以将所述预定时间段进行延长。
基于上述图1的实现方式可以看出,本发明提供的一种压缩机的报警处理方法,可以先获取到压缩机的多组历史样本数据以及预先构建好的模型,然后为了使模型更精确,以得到更标准的报警范围,可以根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比,进而,可以基于所述历史样本数据中的转速和增压比的关系在压缩机报警模型中拟合一条中间样本线,然后可以根据所述中间样本线确定所述压缩机在预定时间段内的报警范围,最终,在所述预定时间段内检测到所述压缩机的转速和增压比超出所述报警范围时,可以生成报警信息。通过本发明提供的压缩机的报警处理方案,可以实现只利用获取到的所述历史样本数据中的转速和增压比这两样特征得到压缩机在预定时间段内的报警范围,无需获取多种特征,提升了压缩机的报警处理方法的简易性,同时由于获取到的特征少,对于用来获取特征的传感器上的使用也相应减少,因此,在一定程度上减少实现压缩机报警处理方法的成本。
进一步的,作为对图1所示实施例的细化及扩展,本发明实施例还提供了另一种压缩机的报警处理方法,如图2所示,其具体步骤如下:
201、根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型。
该步骤结合上述方法中101步骤的描述,在此相同的内容不赘述。
202、基于历史样本数据,在压缩机报警模型中拟合一条中间样本线。
该步骤中,在得到压缩机报警模型之后,可以先确定所述历史样本数据中所述转速和增压比在所述压缩机报警模型坐标系中的全部映射关系,然后根据所述映射关系,在压缩机报警模型中拟合一条可以确定所述压缩机在预定时间段内的转速与增压比的标准对应关系的中间样本线,以便于后续根据所述压缩机在预定时间段内的转速与增压比的标准对应关系来确定所述压缩机在预定时间段内的报警范围。
203、基于历史样本数据和中间样本线,确定压缩机在预定时间段内的报警范围。
该步骤中,在确定出所述中间样本线之后,可以只根据所述历史样本数据中转速和增压比在所述压缩机报警模型坐标系中的映射关系,结合所述中间样本线,确定出压缩机在预定时间段内的报警范围,无需用到多种特征,简易性较高,且可以减少用来获取压缩机特征的传感器的使用,在一定程度上也大大节约了实现成本。
204、在预定时间段内检测到压缩机的转速和增压比超出报警范围时,生成报警信息。
该步骤结合上述方法中103步骤的描述,在此相同的内容不赘述。
下面,将结合具体实施方式对上述各步骤的内容进行进一步说明。
在一些可能的实施方式中,201包括:
对获取到的历史样本数据进行预处理,确定训练数据,其中,所述预处理用于去除异常历史样本数据;
将所述训练数据输入至预先构建好的模型中,确定所述训练数据中每组训练数据的转速和增压比的关系;
基于所述转速和增压比的关系,对模型的参数进行调整,直到调整后的模型满足拟合条件,将满足拟合条件的模型作为压缩机报警模型进行使用。
该步骤中,在获取到压缩机的多组历史样本数据之后,可以对所述历史样本数据进行预处理,以提升后续训练出来的模型的精准度,具体的,可以是通过数据清洗和数据加工,来去除异常历史样本数据,以及对清洗过后的数据进行归一化处理,得到用于模型训练的训练数据,进一步的,可以对预先构建好的模型进行训练,具体的,可以将得到的所述训练数据输入至预先构建好的模型中,从而可以输出所述训练数据中每组训练数据的转速和增压比的关系,然后利用所述转速和增压比的关系,通过最小误差损失函数对模型的参数进行调整,直到调整后的模型满足拟合条件则截止对模型的训练,然后将满足拟合条件的模型作为压缩机报警模型进行使用,这样,通过对模型参数的调整完成对模型的训练,进而可以使模型更加精准,从而有益于后续在确认预定时间段内的报警范围时的精准度。
其中,所述预处理用于去除异常历史样本数据,所述数据清洗包括去除停机点和异常值点数据;所述数据加工是对数据进行归一化处理。
在一些可能的实施方式中,203包括:
根据所述历史样本数据中的转速和增压比确定所述中间样本线的平移量,以使平移后的所述中间样本线所构成的区域能够覆盖所述历史样本数据;
基于所述平移量,确定所述压缩机在预定时间段内的报警范围。
该步骤中,在基于所述历史样本数据和所述中间样本线,确定所述压缩机在预定时间段内的报警范围时,可以是将所述中间样本线进行平移,因此,在将所述中间样本线进行平移之前,可以先根据所述历史样本数据中的转速和增压比确定所述中间样本线的平移量,以使平移后的所述中间样本线所构成的区域能够覆盖所述历史样本数据,然后根据所述平移量将所述中间样本线进行平移,确定出所述压缩机在预定时间段内的报警范围,这样,整体实现方法只需获取到压缩机在预定时间段内的转速和增压比即可确定出所述压缩机在预定时间段内的报警范围,在一定程度上对于整体实现方法的简易性大大提升。
具体的,在根据所述历史样本数据中的转速和增压比确定所述中间样本线的平移量时,可以根据所述历史样本数据中每组样本数据在所述压缩机报警模型坐标系中的映射关系,在所述映射关系上画与所述中间样本线平行的样本线,然后确定哪两条样本线所构成的区域可以覆盖所述历史样本数据,然后将这两条样本线作为所述报警范围的边界值,进而将作为边界值的两条样本线相对于所述中间样本线的移动距离确定为平移量,这样,在确定出与所述中间样本线相平行的样本线以后,可以直接通过确定哪两条样本线所构成的区域可以覆盖所述历史样本数据,即可以快速确定出所述中间样本线的平移量,从而对于后续在确定所述压缩机在预定时间段内的报警范围时的速度也有所提升。
其中,当所述中间样本线是曲线时,可以是先确定所述中间样本线的切线,然后将作为边界值的两条样本线相对于所述中间样本线的切线的移动距离确定为平移量。
进一步的,作为对上述图1所示方法的实现,本发明实施例还提供了一种压缩机的报警处理装置,用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图3所示,该装置包括:
训练单元301,用于根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;
确定单元302,用于基于所述历史样本数据以及所述训练单元301训练得到的压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;
生成单元303,用于在所述预定时间段内检测到所述压缩机的转速和增压比超出所述确定单元302确定的报警范围时,生成报警信息。
进一步的,作为对上述图2所示方法的实现,本发明实施例还提供了另一种压缩机的报警处理装置,用于对上述图2所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图4所示,该装置包括:
训练单元301,用于根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;
确定单元302,用于基于所述历史样本数据以及所述训练单元301训练得到的压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;
生成单元303,用于在所述预定时间段内检测到所述压缩机的转速和增压比超出所述确定单元302确定的报警范围时,生成报警信息。
进一步的,所述训练单元301包括:
处理模块3011,用于对获取到的历史样本数据进行预处理,确定训练数据,其中,所述预处理用于去除异常历史样本数据;
输入模块3012,用于将所述处理模块3011确定的训练数据输入至预先构建好的模型中,确定所述训练数据中每组训练数据的转速和增压比的关系;
调整模块3013,用于基于所述输入模块3012确定的转速和增压比的关系,对模型的参数进行调整,直到调整后的模型满足拟合条件,将满足拟合条件的模型作为压缩机报警模型进行使用。
进一步的,所述确定单元302包括:
拟合模块3021,用于基于所述历史样本数据,在压缩机报警模型中拟合一条中间样本线,其中,所述中间样本线用于确定所述压缩机在预定时间段内的转速与增压比的标准对应关系;
第一确定模块3022,用于基于所述历史样本数据和所述拟合模块3021拟合的中间样本线,确定所述压缩机在预定时间段内的报警范围。
进一步的,所述第一确定模块3022包括:
第一确定子模块30221,用于根据所述历史样本数据中的转速和增压比确定所述中间样本线的平移量,以使平移后的所述中间样本线所构成的区域能够覆盖所述历史样本数据;
第二确定子模块30222,用于基于所述第一确定子模块30221确定的平移量,确定所述压缩机在预定时间段内的报警范围。
进一步的,所述处理模块3011对获取到的历史样本数据进行预处理时,具体用于:
对所述历史样本数据进行数据清洗和数据加工,所述数据清洗包括去除停机点和异常值点数据,所述数据加工是对数据进行归一化处理。
进一步的,本发明实施例还提供一种存储介质,所述存储介质用于存储计算机程序,其中,所述计算机程序运行时控制所述存储介质所在设备执行上述图1-2中所述的压缩机的报警处理方法。
进一步的,本发明实施例还提供一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述图1-2中所述的压缩机的报警处理方法。
进一步的,本发明实施例提供了一种电子设备,如图5所示,图5根据本发明实施例示出的一种设备50的框图。该设备50包括至少一个处理器501、以及与处理器501连接的至少一个存储器502、总线503;其中,处理器501、存储器502通过总线503完成相互间的通信。处理器501用于调用存储器502中的程序指令,以执行上述的缩机的报警处理方法。本文中的设备可以是服务器、PC、PAD、手机等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
可以理解的是,上述方法及装置中的相关特征可以相互参考。另外,上述实施例中的“第一”、“第二”等是用于区分各实施例,而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,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。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
此外,存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种压缩机的报警处理方法,其特征在于,所述方法包括:
根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;
基于所述历史样本数据以及压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;
在所述预定时间段内检测到所述压缩机的转速和增压比超出所述报警范围时,生成报警信息。
2.根据权利要求1所述的方法,其特征在于,所述根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,包括:
对获取到的历史样本数据进行预处理,确定训练数据,其中,所述预处理用于去除异常历史样本数据;
将所述训练数据输入至预先构建好的模型中,确定所述训练数据中每组训练数据的转速和增压比的关系;
基于所述转速和增压比的关系,对模型的参数进行调整,直到调整后的模型满足拟合条件,将满足拟合条件的模型作为压缩机报警模型进行使用。
3.根据权利要求1所述的方法,其特征在于,所述基于所述历史样本数据以及压缩机报警模型,确定所述压缩机在预定时间段内的报警范围,包括:
基于所述历史样本数据,在压缩机报警模型中拟合一条中间样本线,其中,所述中间样本线用于确定所述压缩机在预定时间段内的转速与增压比的标准对应关系;
基于所述历史样本数据和所述中间样本线,确定所述压缩机在预定时间段内的报警范围。
4.根据权利要求3所述的方法,其特征在于,所述基于所述历史样本数据和所述中间样本线,确定所述压缩机在预定时间段内的报警范围,包括:
根据所述历史样本数据中的转速和增压比确定所述中间样本线的平移量,以使平移后的所述中间样本线所构成的区域能够覆盖所述历史样本数据;
基于所述平移量,确定所述压缩机在预定时间段内的报警范围。
5.根据权利要求2所述的方法,其特征在于,对获取到的历史样本数据进行预处理时,包括:
对所述历史样本数据进行数据清洗和数据加工,所述数据清洗包括去除停机点和异常值点数据,所述数据加工是对数据进行归一化处理。
6.一种压缩机的报警处理装置,其特征在于,所述装置包括:
训练单元,用于根据压缩机的多组历史样本数据对预先构建好的模型进行训练,得到压缩机报警模型,其中,每组历史样本数据至少包括所述压缩机在历史时间段内的转速和增压比;
确定单元,用于基于所述历史样本数据以及所述训练单元训练得到的压缩机报警模型,确定所述压缩机在预定时间段内的报警范围;
生成单元,用于在所述预定时间段内检测到所述压缩机的转速和增压比超出所述确定单元确定的报警范围时,生成报警信息。
7.根据权利要求6所述的装置,其特征在于,所述训练单元包括:
处理模块,用于对获取到的历史样本数据进行预处理,确定训练数据,其中,所述预处理用于去除异常历史样本数据;
输入模块,用于将所述处理模块确定的训练数据输入至预先构建好的模型中,确定所述训练数据中每组训练数据的转速和增压比的关系;
调整模块,用于基于所述输入模块确定的转速和增压比的关系,对模型的参数进行调整,直到调整后的模型满足拟合条件,将满足拟合条件的模型作为压缩机报警模型进行使用。
8.根据权利要求6所述的装置,其特征在于,所述确定单元包括:
拟合模块,用于基于所述历史样本数据,在压缩机报警模型中拟合一条中间样本线,其中,所述中间样本线用于确定所述压缩机在预定时间段内的转速与增压比的标准对应关系;
第一确定模块,用于基于所述历史样本数据和所述拟合模块拟合的中间样本线,确定所述压缩机在预定时间段内的报警范围。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求5中任意一项所述的压缩机的报警处理方法。
10.一种电子设备,其特征在于,包括:至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行权利要求1至权利要求5中任一项所述的压缩机的报警处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667748.1A CN117275192A (zh) | 2022-06-14 | 2022-06-14 | 一种压缩机的报警处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210667748.1A CN117275192A (zh) | 2022-06-14 | 2022-06-14 | 一种压缩机的报警处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117275192A true CN117275192A (zh) | 2023-12-22 |
Family
ID=89216529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210667748.1A Pending CN117275192A (zh) | 2022-06-14 | 2022-06-14 | 一种压缩机的报警处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117275192A (zh) |
-
2022
- 2022-06-14 CN CN202210667748.1A patent/CN117275192A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108708818A (zh) | 一种调速器水头与空载开度协联曲线自修正自适应控制方法 | |
CN115711315A (zh) | 阀门开度的控制方法、装置、非易失性存储介质及处理器 | |
CN112926636A (zh) | 牵引变流器柜体温度异常检测方法和装置 | |
CN112555084A (zh) | 一种实时状态预警方法、装置、电子设备及存储介质 | |
CN108322917B (zh) | 无线网络接入故障定位方法、设备、系统及存储介质 | |
CN108304778B (zh) | 一种基于压缩域的振动信号特征提取方法 | |
CN113919683A (zh) | 工艺工时的计算方法、装置、存储介质及处理器 | |
CN117275192A (zh) | 一种压缩机的报警处理方法及装置 | |
CN110837902A (zh) | 一种松弛逼近资料同化方法及系统 | |
CN108267613B (zh) | 一种测风数据处理方法及相关设备 | |
CN117200250A (zh) | 火储联合调频的控制方法及系统 | |
JP2018126038A (ja) | 発電量予測装置、発電量予測方法、発電量予測システム | |
CN110941603A (zh) | 一种数据的扩充方法、装置、存储介质和电子设备 | |
CN116481601A (zh) | 稀释风流量计算方法、装置及电子设备 | |
CN115898852A (zh) | 一种压缩机仿真控制方法、装置、设备及可读存储介质 | |
CN114817209A (zh) | 监控规则的处理方法和装置、处理器及电子设备 | |
CN113051700B (zh) | 设备可靠性监测方法及装置 | |
CN110879537A (zh) | 智能家居能源系统暂态稳定性的处理方法和装置 | |
CN115330088A (zh) | 一种小型水库的防洪精细化预测方法 | |
CN113449433A (zh) | 水泥生产工艺模型对应目标函数的约束优化方法及装置 | |
CN114692388A (zh) | 火力发电厂仿真系统、方法、装置及存储介质 | |
CN114638030B (zh) | 基于专家知识库的热工水力模型修正方法及装置 | |
CN117521528B (zh) | 一种涡轮设备仿真模型进化方法、装置、介质及计算设备 | |
CN114841022B (zh) | 变速机组吸出高度确定方法和装置、电子设备和存储介质 | |
CN116361705A (zh) | 发电机组的异常数据识别方法及装置、电子设备 |
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 |