CN117307500B - 渣浆泵远程数字化监控方法、终端、监控系统及介质 - Google Patents
渣浆泵远程数字化监控方法、终端、监控系统及介质 Download PDFInfo
- Publication number
- CN117307500B CN117307500B CN202311595344.7A CN202311595344A CN117307500B CN 117307500 B CN117307500 B CN 117307500B CN 202311595344 A CN202311595344 A CN 202311595344A CN 117307500 B CN117307500 B CN 117307500B
- Authority
- CN
- China
- Prior art keywords
- slurry
- slurry pump
- current signal
- signal
- granularity
- 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
- 239000002002 slurry Substances 0.000 title claims abstract description 212
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 16
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 3
- 238000004458 analytical method 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
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
- F04D15/0088—Testing machines
-
- 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)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本发明提供了一种渣浆泵远程数字化监控方法、终端、监控系统及介质，首先获取渣浆泵的运行监测数据，其中，运行监测数据包括振动信号和定子电流信号；根据定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度；根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态。通过对定子电流变化的监测，来确定渣浆泵中的渣浆浓度和渣浆粒度，从而预估浓度变化和大块颗粒与叶轮撞击产生的噪声对振动信号的影响，然后再对振动信号进行分析，得到准确的运行状态监测结果。
Description
技术领域
本发明属于泵运行控制技术领域，尤其涉及一种渣浆泵远程数字化监控方法、终端、监控系统及介质。
背景技术
渣浆泵是一种离心式固液泵，用于输送矿浆、灰渣、水泥浆、沙砾等固液混合物。渣浆泵在工作时，通过电动机带动叶轮高速旋转，将机械能转化为流体的压能和动能，完成输送作业。
通常，在长期使用后，渣浆泵会存在一定的机械磨损，造成泵的输送效率下降，甚至发生堵转等故障，影响生产的正常进行。因此需要对渣浆泵的运行状态进行实时监测，从而能够及时切换生产线的备用泵，并对原运行的泵进行停机检修。
通常，可以在泵的相应位置安装加速度传感器，对振动信号进行分析，从而实现运行状态实时监测，但由于渣浆泵输送的是固液混合物，固液混合物与叶轮碰撞过程中将使振动信号混入大量噪声，导致监测结果不准确。
发明内容
有鉴于此，本发明提供了一种渣浆泵远程数字化监控方法、终端、监控系统及介质，旨在解决现有技术中渣浆泵的运行状态的监测结果不准确的问题。
本发明实施例的第一方面提供了一种渣浆泵远程数字化监控方法，包括：
获取渣浆泵的运行监测数据，其中，运行监测数据包括振动信号和定子电流信号；
根据定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度；
根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态。
本发明实施例的第二方面提供了一种渣浆泵远程数字化监控装置，包括：
获取模块，用于获取渣浆泵的运行监测数据，其中，运行监测数据包括振动信号和定子电流信号；
计算模块，用于根据定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度；
确定模块，用于根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态。
本发明实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上第一方面的渣浆泵远程数字化监控方法的步骤。
本发明实施例的第四方面提供了一种渣浆泵远程数字化监控系统，包括：状态监测装置以及如上第三方面的终端；状态监测装置包括加速度传感器、电流传感器、数据采集卡和无线通讯单元。
本发明实施例的第五方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面的渣浆泵远程数字化监控方法的步骤。
本发明实施例提供的渣浆泵远程数字化监控方法、终端、监控系统及介质，首先获取渣浆泵的运行监测数据，其中，运行监测数据包括振动信号和定子电流信号；根据定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度；根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态。通过对定子电流变化的监测，来确定渣浆泵中的渣浆浓度和渣浆粒度，从而预估浓度变化和大块颗粒与叶轮撞击产生的噪声对振动信号的影响，然后再对振动信号进行分析，得到准确的运行状态监测结果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的渣浆泵远程数字化监控方法的应用场景图；
图2是本发明实施例提供的渣浆泵远程数字化监控方法的实现流程图；
图3是本发明实施例提供的渣浆泵远程数字化监控装置的结构示意图；
图4是本发明实施例提供的终端的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
图1是本发明实施例提供的渣浆泵远程数字化监控方法的应用场景图。如图1所示，在一些实施例中，渣浆泵远程数字化监控系统，包括：状态监测装置11以及监控终端12；状态监测装置11包括加速度传感器111、电流传感器112、数据采集卡113和无线通讯单元114。
其中，加速度传感器111设置在渣浆泵的电机的轴承上，用于采集轴承和叶轮的振动信号，电流传感器112用于采集电机的定子电流；数据采集卡113将加速度传感器111、电流传感器112采集的模拟量转化为数字量，经无线通讯单元114发送给监控终端12，完成远程的运行状态监测。监控终端12可以是手机、电脑、工控机等，在此不作限定。
现有的离心泵，广泛使用振动信号监测分析的方式实现运行状态评估，但一般的离心泵、液压泵等，输送的物料为水、液压油等液体，组成单一，对叶轮及泵体磨蚀较弱，同时也不会产生较大的噪声信号。而渣浆泵虽然同样属于离心泵，其输送的物质为固液两相混合物。理论上，半自磨机格栅、振动筛、球磨机排矿笼的设置会阻止大块颗粒进入泵池；但是，生产现场中可能存在的各种复杂情况仍难以避免泵池矿浆中存在大块颗粒。大块颗粒的存在会影响机械特性，与叶轮的撞击会增加电能消耗，但这部分电能并不能转换为机械能；还会加快叶轮磨损，甚至引发堵转。
由于渣浆泵的固体浓度、粒度无法预知，组成复杂，对设备的磨蚀程度较强，这就导致在渣浆泵的运行过程中，由于渣浆浓度变化、颗粒与叶轮碰撞等因素，加速度传感器将采集到大量的未知噪声，影响振动信号的分析结果，导致运行监测不准确。有鉴于此，本发明提出了以下方案：
图2是本发明实施例提供的渣浆泵远程数字化监控方法的实现流程图。如图2所示，在一些实施例中，渣浆泵远程数字化监控方法，应用于图1中所示的监控终端12，该方法包括：
S210，获取渣浆泵的运行监测数据，其中，运行监测数据包括振动信号和定子电流信号。
在本发明实施例中，状态监测装置11设置在泵体上，渣浆泵通常设置在矿场等环境复杂恶劣的位置，通常需要将监控终端12设置远端，状态监测装置11将采集的数据经无线通讯发送给监控终端12。其中无线通讯可以是5G通讯、WIFI通讯、远距离无线电（LongRange Radio，LORA）等，在此不作限定。
在一些实施例中，S210可以包括：获取初始监测数据；其中，初始监测数据包括初始振动信号和定子电流信号；根据线性插值算法对初始振动信号的缺失值进行自填充；根据定子电流信号对自填充后的初始振动信号的缺失值进行修正，得到振动信号。
无论是5G通讯、WIFI通讯，还是LORA通讯技术，都存在一定的丢包率，特别是在矿场等环境恶劣场景下，相对于普通场景的丢包率更高。这种数据丢包，会造成传输给监控终端12的振动信号中存在缺失值。通常的解决办法是通过一定的应答机制，检测丢包，并在产生丢包时进行数据重传，但这会显著增大状态监测装置11的功耗，状态监测装置11设置在的泵体端，其所配备的电源能力有限。
为了解决上述问题，在本发明实施例中，并不需要设置应答机制和数据重传，将缺失值的处理交由远程的监控终端12。由于振动信号的连续性，其缺失值会与相邻的数据存在一定的关系，因此可以以缺失值相邻的若干数据为基础，进行线性插值，完成填充，但振动信号并非线性变化的，这种填充是不准确的。
定子电流与振动信号的变化存在一定的关系，可以通过选取正常的渣浆泵预先试验，确定出每种电流幅值下的标准振动信号，存储的终端内。在实际监测过程中，依据实际的定子电流幅值，确定对应的标准振动信号，依据缺失值在振动信号中的位置，从标准振动信号中选取对应的值，与上述的线性插值结果进行加权，得到最终的填充值，保证所获得的振动信号的完整性和平滑性，提高监测准确度。
S220，根据定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度。
在本发明实施例中，在叶轮的作用下，渣浆的流动往往会产生湍流；即流场中出现许多漩涡，层流被破坏，且有垂直于流动轴线方向的分速度产生。湍流的出现具有一定不确定性，并会阻滞渣浆流动，导致泵负荷的增加。特别是渣浆浓度和粒度越大时，泵负荷越大。渣浆浓度和渣浆粒度的变化，对定子电流将产生较大的影响，因此可以通过对定子电流的变化进行监测，来实现渣浆浓度和渣浆粒度确定，从而量化其对振动信号的影响。
在一些实施例中，S220可以包括：对定子电流信号进行经验模态分解，得到第一电流信号和第二电流信号；其中，第一电流信号为渣浆泵的做功电流；第二电流信号为渣浆泵的噪声电流，用于表示渣浆浓度和渣浆粒度变化对电流的影响；将第一电流信号的幅值、第二电流信号输入到第一神经网络模型中，得到渣浆泵中的渣浆浓度和渣浆粒度。
在本发明实施例中，对定子电流信号进行经验模态分解，得到n个IMF分量。对于定子电流，在做功状态下其相位、频率等参数固定，通常仅幅值随负荷变化，在混入噪声后各个电流参数才会均发生变化。因此在分解得到n个IMF分量后，将每个IMF分量与预设的标准定子电流信号进行相关性分析，将相关性大于预设值的IMF分量组合为第一电流信号，剩余IMF分量组合为第二电流信号。
在本发明实施例中，第一神经网络模型可以是卷据神经网络、对抗网络等，在此不作限定。可以预先制定好多个浓度和粒度固定的渣浆样本，依次将其送入渣浆泵中，同时采集电流信号，分解为第一电流和第二电流，此试验所得的第一电流信号和第二电流信号作为输入，制定的渣浆样本的浓度和粒度值作为输出，对第一神经网络进行训练。
在一些实施例中，运行监测数据还包括渣浆泵的实时流量、进口静压和出口静压；S220可以包括：对定子电流信号进行经验模态分解，得到第一电流信号和第二电流信号；其中，第一电流信号为渣浆泵的做功电流；第二电流信号为渣浆泵的噪声电流，用于表示渣浆浓度和渣浆粒度变化对电流的影响；将第一电流信号的幅值、实时流量、进口静压、出口静压和第二电流信号输入到第一神经网络模型中，得到渣浆泵中的渣浆浓度和渣浆粒度。
在本发明实施例中，还可以在状态监测装置11中设置涡轮流量计、进口压力变送器和出口压力变送器，分别采集渣浆泵的实时流量、进口静压和出口静压，加入到渣浆浓度和渣浆粒度的确定过程中，以提高计算准确度。相应的，第一神经网络的训练样本也对应调整。
S230，根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态。
在一些实施例中，根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态，包括：根据渣浆浓度、渣浆粒度，确定渣浆泵的标准噪声信号；根据标准噪声信号，对振动信号进行互补集合模态分解，确定振动信号的特征值；根据特征值，确定渣浆泵的运行状态。
在本发明实施例中，互补集合模态分解是一种在经验模态分解的基础上的改进算法，经验模态分解存在较大的模态混叠问题，影响振动信号的分析，互补集合模态分解算法引入噪声协助分析，以提高噪声信号的剔除效率，提高重构信号的准确性。
本发明通过大量和精密的传感器，在实验室环境下，预先试验测定各个渣浆浓度、渣浆粒度下渣浆泵的噪声信号，人工选取相应的标准噪声信号，具体为标准正噪声和标准负噪声，存储在终端内。在实际监测时，计算出渣浆浓度、渣浆粒度以后，即可查询得到标准正噪声和标准负噪声，以协助振动信号的分解。
在本发明实施例中，振动信号的特征值可以包括但不限于下述至少一项：有效值、峭度、峰值因子、裕度因子、重心频率、均方根频率、频率方差、频率标准差。根据特征值，确定渣浆泵的运行状态，包括：计算特征值与标准特征值之间的距离，根据距离和预设距离阈值，确定渣浆泵的运行状态。其中，标准特征值为试验测得的正常状态下的渣浆泵的振动信号的特征值。
在一些实施例中，根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态，包括：将渣浆浓度、渣浆粒度和振动信号输入到第二神经网络模型中，得到渣浆泵的运行状态。
在本发明实施例中，第二神经网络模型可以是卷据神经网络、对抗网络等，在此不作限定。可以预先制定好多个浓度和粒度固定的渣浆样本，依次将其送入渣浆泵中短暂工作，采集振动信号，提取振动信号的特征值，在完成工作后人工检测渣浆泵的状态，将此试验所提取的振动信号特征值、所制定的渣浆样本的浓度和粒度值作为输入，将人工检测结果作为输出，对第二神经网络进行训练。
综上，本发明的有益效果具体为：
1.本发明通过定子电流对采集的振动信号进行填充，避免数据丢包的影响，保证所获得的振动信号的完整性和平滑性，提高监测准确度，同时还能保证泵体端的监测装置的低功耗运行。
2.通过对定子电流变化的监测，来确定渣浆泵中的渣浆浓度和渣浆粒度，从而预估浓度变化和大块颗粒与叶轮撞击产生的噪声对振动信号的影响，然后再对振动信号进行分析，得到准确的运行状态监测结果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图3是本发明实施例提供的渣浆泵远程数字化监控装置的结构示意图。如图3所示，在一些实施例中，渣浆泵远程数字化监控装置3，包括：
获取模块310，用于获取渣浆泵的运行监测数据，其中，运行监测数据包括振动信号和定子电流信号；
计算模块320，用于根据定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度；
确定模块330，用于根据渣浆浓度、渣浆粒度和振动信号，确定渣浆泵的运行状态。
可选的，计算模块320，用于对定子电流信号进行经验模态分解，得到第一电流信号和第二电流信号；其中，第一电流信号为渣浆泵的做功电流；第二电流信号为渣浆泵的噪声电流，用于表示渣浆浓度和渣浆粒度变化对电流的影响；将第一电流信号的幅值、第二电流信号输入到第一神经网络模型中，得到渣浆泵中的渣浆浓度和渣浆粒度。
可选的，运行监测数据还包括渣浆泵的实时流量、进口静压和出口静压；计算模块320，用于对定子电流信号进行经验模态分解，得到第一电流信号和第二电流信号；其中，第一电流信号为渣浆泵的做功电流；第二电流信号为渣浆泵的噪声电流，用于表示渣浆浓度和渣浆粒度变化对电流的影响；将第一电流信号的幅值、实时流量、进口静压、出口静压和第二电流信号输入到第一神经网络模型中，得到渣浆泵中的渣浆浓度和渣浆粒度。
可选的，确定模块330，用于根据渣浆浓度、渣浆粒度，确定渣浆泵的标准噪声信号；根据标准噪声信号，对振动信号进行互补集合模态分解，确定振动信号的特征值；根据特征值，确定渣浆泵的运行状态。
可选的，确定模块330，用于将渣浆浓度、渣浆粒度和振动信号输入到第二神经网络模型中，得到渣浆泵的运行状态。
可选的，获取模块310，用于获取初始监测数据；其中，初始监测数据包括初始振动信号和定子电流信号；根据线性插值算法对初始振动信号的缺失值进行自填充；根据定子电流信号对自填充后的初始振动信号的缺失值进行修正，得到振动信号。
本实施例提供的渣浆泵远程数字化监控装置，可用于执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
图4是本发明实施例提供的终端的结构示意图。如图4所示，本发明的一个实施例提供的终端4，该实施例的终端4包括：处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个渣浆泵远程数字化监控方法实施例中的步骤，例如图2所示各步骤。或者，处理器40执行计算机程序42时实现上述各系统实施例中各模块/单元的功能，例如图3所示各模块的功能。
示例性的，计算机程序42可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序42在终端4中的执行过程。
终端可以是手机、MCU、ECU、工控机等，在此不作限定，终端4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，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，例如终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是终端4的内部存储单元，例如终端4的硬盘或内存。存储器41也可以是终端4的外部存储设备，例如终端4上配备的插接式硬盘，智能存储卡（Smart MediaCard，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器41还可以既包括终端4的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序以及终端所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述渣浆泵远程数字化监控方法实施例中的步骤。
计算机可读存储介质存储有计算机程序42，计算机程序42包括程序指令，程序指令被处理器40执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序42来指令相关的硬件来完成，计算机程序42可存储于一计算机可读存储介质中，该计算机程序42在被处理器40执行时，可实现上述各个方法实施例的步骤。其中，计算机程序42包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，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或记载的部分，可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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实施例方案的目的。
另外，在本发明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。
集成的模块/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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (5)
1.一种渣浆泵远程数字化监控方法，其特征在于，所述方法包括：
获取渣浆泵的运行监测数据，其中，所述运行监测数据包括振动信号和定子电流信号；
根据所述定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度；
根据所述渣浆浓度、所述渣浆粒度和所述振动信号，确定渣浆泵的运行状态；
所述根据所述渣浆浓度、所述渣浆粒度和所述振动信号，确定渣浆泵的运行状态，包括：根据所述渣浆浓度、所述渣浆粒度，确定渣浆泵的标准噪声信号；根据所述标准噪声信号，对所述振动信号进行互补集合模态分解，确定所述振动信号的特征值；根据所述特征值，确定渣浆泵的运行状态；
或者，所述根据所述渣浆浓度、所述渣浆粒度和所述振动信号，确定渣浆泵的运行状态，包括：将所述渣浆浓度、所述渣浆粒度和所述振动信号输入到第二神经网络模型中，得到渣浆泵的运行状态；
所述根据所述定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度，包括：
对所述定子电流信号进行经验模态分解，得到第一电流信号和第二电流信号；其中，所述第一电流信号为渣浆泵的做功电流；所述第二电流信号为渣浆泵的噪声电流，用于表示渣浆浓度和渣浆粒度变化对电流的影响；
将所述第一电流信号的幅值、所述第二电流信号输入到第一神经网络模型中，得到渣浆泵中的渣浆浓度和渣浆粒度；
或者，所述运行监测数据还包括渣浆泵的实时流量、进口静压和出口静压；根据所述定子电流信号，确定渣浆泵中的渣浆浓度和渣浆粒度，包括：
对所述定子电流信号进行经验模态分解，得到第一电流信号和第二电流信号；其中，所述第一电流信号为渣浆泵的做功电流；所述第二电流信号为渣浆泵的噪声电流，用于表示渣浆浓度和渣浆粒度变化对电流的影响；
将所述第一电流信号的幅值、所述实时流量、所述进口静压、所述出口静压和所述第二电流信号输入到第一神经网络模型中，得到渣浆泵中的渣浆浓度和渣浆粒度；
获取渣浆泵的运行监测数据，包括：
获取初始监测数据；其中，所述初始监测数据包括初始振动信号和定子电流信号；
根据线性插值算法对所述初始振动信号的缺失值进行自填充；
根据所述定子电流信号对自填充后的初始振动信号的缺失值进行修正，得到所述振动信号。
2.一种终端，包括存储器、处理器以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，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1所述渣浆泵远程数字化监控方法的步骤。
3.一种渣浆泵远程数字化监控系统，其特征在于，包括：状态监测装置以及如上的权利要求2所述的终端；所述状态监测装置包括加速度传感器、电流传感器、数据采集卡和无线通讯单元。
4.根据权利要求3所述的渣浆泵远程数字化监控系统，其特征在于，所述状态监测装置还包括涡轮流量计、进口压力变送器和出口压力变送器。
5.一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上的权利要求1所述渣浆泵远程数字化监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311595344.7A CN117307500B (zh) | 2023-11-28 | 2023-11-28 | 渣浆泵远程数字化监控方法、终端、监控系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311595344.7A CN117307500B (zh) | 2023-11-28 | 2023-11-28 | 渣浆泵远程数字化监控方法、终端、监控系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117307500A CN117307500A (zh) | 2023-12-29 |
| CN117307500B true CN117307500B (zh) | 2024-03-05 |
Family
ID=89255525
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311595344.7A Active CN117307500B (zh) | 2023-11-28 | 2023-11-28 | 渣浆泵远程数字化监控方法、终端、监控系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117307500B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2347538A1 (fr) * | 1975-11-19 | 1977-11-04 | United Technologies Corp | Detecteur de blocage et procede en vue de detecter le blocage dans un moteur a turbine a gaz |
| CN101169381A (zh) * | 2006-10-26 | 2008-04-30 | 斯奈克玛 | 制造复合材料测试叶片的方法 |
| CN106289046A (zh) * | 2015-06-23 | 2017-01-04 | 通用电气公司 | 相对位置测量 |
| CN110905796A (zh) * | 2019-11-25 | 2020-03-24 | 沈健 | 一种自吸型渣浆泵运行状态测试装置 |
| CN116733758A (zh) * | 2023-07-19 | 2023-09-12 | 山东省章丘鼓风机股份有限公司 | 一种基于专家系统的陶瓷渣浆泵故障诊断方法 |
-
2023
- 2023-11-28 CN CN202311595344.7A patent/CN117307500B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2347538A1 (fr) * | 1975-11-19 | 1977-11-04 | United Technologies Corp | Detecteur de blocage et procede en vue de detecter le blocage dans un moteur a turbine a gaz |
| CN101169381A (zh) * | 2006-10-26 | 2008-04-30 | 斯奈克玛 | 制造复合材料测试叶片的方法 |
| CN106289046A (zh) * | 2015-06-23 | 2017-01-04 | 通用电气公司 | 相对位置测量 |
| CN110905796A (zh) * | 2019-11-25 | 2020-03-24 | 沈健 | 一种自吸型渣浆泵运行状态测试装置 |
| CN116733758A (zh) * | 2023-07-19 | 2023-09-12 | 山东省章丘鼓风机股份有限公司 | 一种基于专家系统的陶瓷渣浆泵故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117307500A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106015028B (zh) | 一种基于物联网的水泵泵组智能监控与故障预警方法 | |
| CN107192446B (zh) | 风力发电机组塔筒固有频率监测方法 | |
| CN109783903A (zh) | 一种基于时间序列的工业用水管道故障诊断方法及系统 | |
| CN102244771A (zh) | 一种基于图像的露天矿挖掘机装车过程的监控方法和装置 | |
| CN105973583B (zh) | 一种动态报警方法 | |
| CN104318396B (zh) | 煤耗调度方法和系统 | |
| CN110806556A (zh) | 一种计量异常在线监测方法、系统及可读存储介质 | |
| CN103115667A (zh) | 一种基于传感器的振动监测装置 | |
| CN108361207A (zh) | 一种用于离心泵振动监测与故障预警的装置及方法 | |
| CN103267873A (zh) | 用于螺旋桨式测风传感器的故障检测系统及方法 | |
| CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
| US20230338962A1 (en) | System for controlling an internal state of a tumbling mill | |
| EP4064138A1 (en) | Apparatus, method, and program for evaluating the deterioration of an object | |
| CN117307500B (zh) | 渣浆泵远程数字化监控方法、终端、监控系统及介质 | |
| Zhang et al. | Ocean economy and fault diagnosis of electric submersible pump applied in floating platform | |
| CN113819011A (zh) | 风力发电机组的叶轮状态检测方法、装置及系统 | |
| Kashiwagi et al. | Digital systems design based on DSP algorithms in FPGA for fault identification in rotary machines | |
| CN105300675A (zh) | 一种基于比例系数分析的动量轮故障诊断方法 | |
| CN104310220A (zh) | 大力矩低速永磁同步电机吊重在线检测系统及检测方法 | |
| CN105160421B (zh) | 一种基于周期滚动优化的火电厂磨机负荷预测方法 | |
| Sun et al. | An online degradation feature extraction technique for shore bridge gearbox based on morphological fractal dimension and sliding window weibull fitting | |
| CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
| CN102721466B (zh) | 基于细化峭度分析的盾构机故障判别装置及其使用方法 | |
| Antonova et al. | The antisurge protection of a centrifugal compressor | |
| CN114662278B (zh) | 一种水力瞬态过程实测压力数据分析方法 |
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 |