CN117339263B - 一种立式压滤机自动控制系统及方法 - Google Patents

Abstract

本发明涉及自动控制技术领域，尤其为一种立式压滤机自动控制系统及方法，包括：实时监测单元：用于对压滤机需要控制的数据进行实时地监测；自动控制单元：用于接收处理数据并自动调整各种参数来保持压滤机工作的稳定性；故障诊断单元：用于对不同的故障类型做出相应的告警信号；终端管理单元：用于显示具体的故障点，保存并分析告警记录。本发明采用极端随机森林预测算法，实时监测物料特性和过滤状态，自动调整压滤机的运行参数，同时对压滤机的异常数据进行二次判定，避免漏报警和误报警的情况发生，还对异常数据产生的故障进行了分类，根据故障类型做出相应的告警信号，从而维护人员能够更清楚地判断故障的等级，快速地做出处理。

Description

一种立式压滤机自动控制系统及方法

技术领域

本发明涉及自动控制技术领域，尤其是一种立式压滤机自动控制系统及方法。

背景技术

传统的压滤机操作方式主要是手动操作，这种操作方式效率低下，而且难以实现连续、稳定的过滤操作。为了改善这一状况，人们开始研究压滤机的自动控制系统，随着控制技术、传感器技术、互联网和物联网技术的不断发展，压滤机自动控制系统的智能化、自动化和远程监控能力也不断提高，进一步提高了压滤机的过滤效率和生产效率。

例如专利号为CN115671818A的中国发明专利公开了一种板框压滤机智能控制方法及系统，通过采集物料浓度和液位；控制压滤机启停；采集进料流量和进料压力；当进料流量超过正常流量，且进料压力在延时一段时间后无法上升，判断管道或滤板出现泄漏，自动停止进料并报警；计算压滤机所需最长压滤时间，预测含水率；采集滤液浊度和滤液流量；当滤液浊度超出额定浊度判定为漏液；滤液流量与进料流量的差值超出额定值判断为漏液；每次清洗时采集滤布表面图像，通过图像分析自动判断是否进行二次清洗、转入压滤、停机并提示更换滤布；感应定位各滤板位置，并对滤板拉斜自动纠正；建立板框压滤机智能分析和决策模型。但是上述专利技术中至少存在以下问题：压滤机自动控制系统不够成熟，参数变化调整缺乏针对性，不能够根据参数的影响程度优先调整，同时，压滤机会出现因为传感器的故障导致自动控制系统出现错误操作或不稳定的情况，对异常数据的识别不够精确以及发现故障不及时，故障的严重程度没有一定的概念，从而故障诊断维修进度慢，大大影响过滤效果和生产效率。

鉴于以上问题，本发明提出一种立式压滤机自动控制系统及方法以解决上述问题。

发明内容

本发明的目的是通过提出一种立式压滤机自动控制系统及方法，以解决上述背景技术中提出的缺陷。

本发明采用的技术方案如下：

提供一种立式压滤机自动控制系统，包括：

实时监测单元：用于对压滤机需要控制的数据进行实时地监测；

自动控制单元：用于接收处理数据并自动调整各种参数来保持压滤机工作的稳定性；

故障诊断单元：用于对不同的故障类型做出相应的告警信号；

终端管理单元：用于显示具体的故障点，保存并分析告警记录。

作为本发明的一种优选技术方案：所述实时监测单元中压滤机需要控制的参数包括进料的压力和流量、过滤的速度和面积。

作为本发明的一种优选技术方案：所述自动控制单元包括：

数据处理模块，所述数据处理模块用于对数据进行预处理保证数据的准确性；

自动调整模块，所述自动调整模块用于根据进料的特性和过滤的状态自动调整压滤机运行的参数；

数据分析模块，所述数据分析模块用于检测分析是否存在异常的数据。

作为本发明的一种优选技术方案：所述自动调整模块基于极端随机森林预测算法，所述极端随机森林预测中决策树的构造公式如下：

；

；

其中，Ent(D)为压滤机数据的强弱指标；D为当前节点；为当前节点D的数据中第i类压滤机特征数据所占比例，k为特征数据种类数，i=1,2,…,k；/>为压滤机数据的特征指标，a为属性，V为压滤机特征数据中拥有属性a的个数，v=1,2,…,V。

作为本发明的一种优选技术方案：所述数据分析模块的步骤为：

确定各个参数的阈值；

将参数于各自的阈值进行对比；

对不在阈值内的数据判定为异常数据。

作为本发明的一种优选技术方案：所述故障诊断单元包括：

诊断模块，所述诊断模块用于对数据分析模块判定的异常数据进行分类，确定故障的类型；

评价模块，所述评价模块用于对异常数据的识别进行二次判定；

告警模块，所述告警模块用于根据故障类型实施对应的告警措施。

作为本发明的一种优选技术方案：所述评价模块基于滑动窗口模型，计算窗口内数据的评价指标的公式如下：

；

其中，为t时刻的模型中异常数据的二次判定值， />为t时刻的模型中异常数据的实际值，h为滑动窗口的窗宽；

计算置信上限的公式为：

；

其中，为压滤机正常运行时的平均绝对误差，S为压滤机正常运行时状态指标的标准差，n为滑窗总数；/>，其中，/>为压滤机参与计算的异常数据总数，h为窗宽，q为移动增量。

作为本发明的一种优选技术方案：所述故障类型包括潜在故障、显性非危险故障和显性危险故障；显性非危险故障包括滤饼干燥不均匀、滤饼含水量过高、滤布磨损严重；显性危险故障包括漏水、设备损坏、过滤效果差。

作为本发明的一种优选技术方案：所述根据故障类型实施对应的告警措施具体方法为：

对于潜在故障只做记录不报警，设备正常运行；

对于显性非危险故障，设备停止在故障状态但不停机；

对于显性危险故障，设备停机并记录。

本发明另一方面提供一种立式压滤机自动控制方法，包括如下步骤：

S1：对压滤机需要控制的数据进行实时地监测；

S2：收集并处理分析监测的数据，自动调整压滤机的运行参数；

S3：对分析结果为异常的数据进行相应的告警信号；

S4：显示具体故障点，保存并分析告警记录。

本发明提供的一种立式压滤机自动控制系统及方法，与现有技术相比，其有益效果有：

1、本发明采用极端随机森林预测算法，实时监测压滤机的物料特性和过滤状态，算法会自动根据强弱指标和特征指标对压滤机的监测数据进行判定排序，影响程度大的数据优先调整参数，提高模型的泛化能力，实现智能化控制。

2、本发明采用滑动窗口模型，对压滤机的异常数据进行二次判定，增加异常数据的准确度，同时采用计算置信上限作为阈值，避免漏报警和误报警的情况发生，大大提高了模型的准确性。

3、本发明对异常数据产生的故障进行了分类，根据每种故障类型做出相应的告警信号，从而维护人员能够更清楚地判断故障的等级，快速地做出处理，也可以发现数据中存在的潜在问题，从而优化数据处理流程，提高数据处理效率。

附图说明

图1为本发明整体的系统框图；

图2为本发明中自动控制单元的系统框图；

图3为本发明中故障诊断单元的系统框图；

图4为本发明的方法流程图。

图中各个标记的意义为：

1、实时监测单元；

2、自动控制单元；

21、数据处理模块；22、自动调整模块；23、数据分析模块；

3、故障诊断单元；

31、诊断模块；32、评价模块；33、告警模块；

4、终端管理单元。

具体实施方式

需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

参照图1-图4，本发明提供了一种立式压滤机自动控制系统，包括：

实时监测单元1：用于对压滤机需要控制的数据进行实时地监测；

自动控制单元2：用于接收处理数据并自动调整各种参数来保持压滤机工作的稳定性；

故障诊断单元3：用于对不同的故障类型做出相应的告警信号；

终端管理单元4：用于显示具体的故障点，保存并分析告警记录。

所述实时监测单元1中压滤机需要控制的参数包括进料的压力和流量、过滤的速度和面积。

所述自动控制单元2包括：

数据处理模块21，所述数据处理模块21用于对数据进行预处理保证数据的准确性；

自动调整模块22，所述自动调整模块22用于根据进料的特性和过滤的状态自动调整压滤机运行的参数；

数据分析模块23，所述数据分析模块23用于检测分析是否存在异常的数据。

所述自动调整模块22基于极端随机森林预测算法，所述极端随机森林预测中决策树的构造公式如下：

；

；

其中，Ent(D)为压滤机数据的强弱指标；D为当前节点；为当前节点D的数据中第i类压滤机特征数据所占比例，k为特征数据种类数，i=1,2,…,k；/>为压滤机数据的特征指标，a为属性，V为压滤机特征数据中拥有属性a的个数，v=1,2,…,V。

所述数据分析模块23的步骤为：

确定各个参数的阈值；

将参数于各自的阈值进行对比；

对不在阈值内的数据判定为异常数据。

所述故障诊断单元3包括：

诊断模块31，所述诊断模块31用于对数据分析模块23判定的异常数据进行分类，确定故障的类型；

评价模块32，所述评价模块32用于对异常数据的识别进行二次判定；

告警模块33，所述告警模块33用于根据故障类型实施对应的告警措施。

所述评价模块32基于滑动窗口模型，计算窗口内数据的评价指标的公式如下：

；

其中，为t时刻的模型中异常数据的二次判定值，/>为t时刻的模型中异常数据的实际值，h为滑动窗口的窗宽；

计算置信上限的公式为：

；

其中， 为压滤机正常运行时的平均绝对误差，S为压滤机正常运行时状态指标的标准差，n为滑窗总数；/>，其中， />为压滤机参与计算的数据总数，h为窗宽，q为移动增量。

所述故障类型包括潜在故障、显性非危险故障和显性危险故障。

所述根据故障类型实施对应的告警措施具体方法为：

对于潜在故障只做记录不报警，设备正常运行；

对于显性非危险故障，设备停止在故障状态但不停机；

对于显性危险故障，设备停机并记录。

参照图4，提供一种立式压滤机自动控制方法，包括如下步骤：

S1：对压滤机需要控制的数据进行实时地监测；

S2：收集并处理分析监测的数据，自动调整压滤机的运行参数；

S3：对分析结果为异常的数据进行相应的告警信号；

S4：显示具体故障点，保存并分析告警记录。

在本实施例中，压滤机需要实时监测的参数有：

过滤速度：过滤速度影响压滤机的工作性能，设计压滤机的过滤速度应考虑液体的浓度和阻力等因素，并适当分配压滤机的使用速度；

过滤面积：滤波器的面积越大，通过的物体流量就越大，过滤时带走的残渣也会越多，过滤效果就会越差；

进料压力和流量：压滤机工作时需要有一定的进料压力和流量，如果进料压力不足或流量过小，会导致滤布过滤效果不佳，影响分离效果。因此，在操作过程中需要关注进料压力和流量，确保其满足生产需要；

除此之外，还有事先要确定的能够影响压滤机工作效果的因素，包括滤布的选型和安装：滤布是压滤机的重要组成部分，其选型和安装对压滤机的正常工作有着至关重要的影响。在选择滤布时，需要考虑其过滤性能、耐高温、耐腐蚀、抗磨损等性能。同时，安装滤布时需要确保其平整、紧固，防止出现漏液现象；

洗涤方式：压滤机在过滤过程中需要进行洗涤，以去除滤饼表面的杂质和多余水分。洗涤方式的选择对洗涤效果和生产成本有着重要影响。在选择洗涤方式时，需要考虑物料特性、洗涤剂种类、洗涤温度等因素，选择合适的洗涤方式。

其次，数据处理模块21会对数据进行预处理保证数据的准确性，其中，数据预处理是处理缺失的数据、重复的数据以及错误的数据，确保数据无误，处理后的数据会被传送至自动调整模块22，自动调整模块22会根据进料的特性和过滤的状态自动调整压滤机运行的参数；此过程基于极端随机森林预测算法，极端随机森林预测中决策树的构造公式如下：

；

；

其中，Ent(D)为压滤机数据的强弱指标；D为当前节点，即为自动调整参数过程中数据的批次；为当前节点D的数据中第i类压滤机特征数据所占比例，也就是当前第D批次的数据中第i类压滤机特征数据所占的比例；k为特征数据种类数，i=1,2,…,k；/>为压滤机数据的特征指标，a为属性，V为压滤机数据的特征指标属性a的分支数，v=1,2,…,V。决策树结构包括根节点、内部节点和叶节点，节点之间通过分支连接，节点代表数据的批次，分支代表某一批次中特征数据，分支数代表某一批次中特征数据的个数。通过构造一棵泛化能力强的决策树，可对压滤机异常数据样本进行预测或回归操作。

极端随机森林的信息增益和信息熵是决策树算法中用来选择特征和确定特征选取顺序的重要指标。信息增益在决策树算法中是用来选择特征的指标，信息增益越大，则这个特征的选择性越好，对压滤机运行参数的影响越大；信息熵用于度量不确定性的，当熵越大，不确定性越大，反之越小。因此，在构建决策树时，通常会选择那些能够最大程度降低熵的特征来进行分裂，以增加分类的准确性，在本发明中通过信息熵的大小对影响压滤机运行参数的数据进行分类，可分为低风险类、中风险类和高风险类，信息熵越大，风险越高，影响程度越大，并因此确定强弱顺序，这样，在自动调整参数时优先选择影响程度高的数据并根据该数据改变运行参数。

传统的决策树在处理复杂数据时，泛化能力比较弱，本发明的决策树的每个节点都包含很多信息，例如每个分支都增加一个属性a，属性a可为滤液质量、过滤效果以及滤饼的含水量，使信息增益的精确度更高，能够更全面地考虑特征之间地相互作用，提高模型泛化的能力。

再其次，数据分析模块23会对自动调整后的系统数据进行分析检测，看是否存在异常数据，确保系统整体的稳定性。具体步骤为确定各个参数的阈值范围；将参数与阈值范围进行对比；对不在阈值范围内的数据判定为异常数据。

诊断模块31对判定异常数据进行分类并确定故障的类型，最后告警模块33根据故障类型实施对应的告警措施，其中，故障的类型包括潜在故障、显性非危险故障和显性危险故障，潜在故障包括滤板的破裂、压滤机运行过程中出现噪音、滤液微微浑浊；显性非危险故障包括滤饼干燥不均匀、滤饼含水量过高、滤布磨损严重；显性危险故障包括漏水、设备损坏、过滤效果差。对于潜在故障只做记录不报警，设备正常运行；对于显性非危险故障，设备停止在故障状态但不停机；对于显性危险故障，设备停机并记录。这样维护人员能够更清楚的判断故障的等级，从而快速地做出处理解决故障问题。

进一步地，为了确保检测到的异常数据完全正确，避免因为阈值过大或过小会导致漏报警或误报警，本系统在告警模块33前设有评价模块32，用于对异常数据进行二次判定，评价模块32基于滑动窗口模型，通过计算窗口内数据的评价指标，实现异常状态识别，计算窗口内数据的评价指标的方式如下：

采用滑动窗口内模型二次判定值与实际值的平均绝对误差作为状态评价指标，平均绝对误差的公式为：

；

其中，为t时刻的模型中异常数据的二次判定值， />为t时刻的模型中异常数据的实际值，h为滑动窗口的窗宽；滑动窗口的窗宽也代表着数据帧数量，窗口越大，处理的异常数据就越多，传统的评价指标为平均绝对误差，需要对整个数据集进行扫面计算，本发明在平均绝对误差中加入了滑动窗口模型，只需对每个事件窗口内的数据进行计算，提高算法的效率。

将平均绝对误差作为评价指标能够对压滤机正常运行状态的偏离程度进行量化，平均绝对误差越小则压滤机越接近正常运行状态，当某个窗口下的平均绝对误差超过阈值时发生异常状态预警。阈值过大或过小会导致漏报警或误报警，采用计算置信上限作为阈值，借助滑动窗口计算一系列状态评价指标并求取阈值，计算置信上限的公式为：

；

其中，为压滤机正常运行时的平均绝对误差，S为压滤机正常运行时状态指标的标准差，n为滑窗总数；/>，其中，/>为压滤机参与计算的异常数据总数，h为窗宽，q为移动增量。其中，窗宽h代表数据帧数量；移动增量q代表着数据传输的速度；这样计算的到的滑窗总数n即为异常数据处理的总量。

本发明中，在滑动窗口中计算置信上限为了设置一个更合理的异常检测标准，传统的置信上限的公式仅限正态分布的数据，本发明增加了误差以及所有窗口的异常数据的均值，适用本发明中压滤机不符合正态分布的数据。

最后终端管理单元4会在显示屏上显示具体的故障点，便于维护人员的观察，同时，告警的记录也会保存在终端，便于日后的查看和复盘，做进一步的决策，帮助用户了解过滤过程的工艺参数和产品质量指标，为压滤机优化和质量控制提供参考依据。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种立式压滤机自动控制系统，其特征在于：包括：

实时监测单元（1）：用于对压滤机需要控制的数据进行实时地监测；

自动控制单元（2）：用于接收处理数据并自动调整各种参数来保持压滤机工作的稳定性；

故障诊断单元（3）：用于对不同的故障类型做出相应的告警信号；

终端管理单元（4）：用于显示具体的故障点，保存并分析告警记录；

所述自动控制单元（2）包括：

数据处理模块（21），所述数据处理模块（21）用于对数据进行预处理保证数据的准确性；

自动调整模块（22），所述自动调整模块（22）用于根据进料的特性和过滤的状态自动调整压滤机运行的参数；

数据分析模块（23），所述数据分析模块（23）用于检测分析是否存在异常的数据；

所述自动调整模块（22）基于极端随机森林预测算法，所述极端随机森林预测中决策树的构造公式如下：

；

；

其中，Ent(D)为压滤机数据的强弱指标；D为当前节点；为当前节点D的数据中第i类压滤机特征数据所占比例，k为特征数据种类数，i=1，2，…,k；/>为压滤机数据的特征指标,a为属性，V为压滤机特征数据中拥有属性a的个数，v=1，2，…，V。

2.根据权利要求1所述的一种立式压滤机自动控制系统，其特征在于：所述实时监测单元（1）中压滤机需要控制的参数包括进料的压力和流量、过滤的速度和面积。

3.根据权利要求2所述的一种立式压滤机自动控制系统，其特征在于：所述数据分析模块（23）的步骤为：

确定各个参数的阈值；

将参数于各自的阈值进行对比；

对不在阈值内的数据判定为异常数据。

4.根据权利要求1所述的一种立式压滤机自动控制系统，其特征在于：所述故障诊断单元（3）包括：

诊断模块（31），所述诊断模块（31）用于对数据分析模块（23）判定的异常数据进行分类，确定故障的类型；

评价模块（32），所述评价模块（32）用于对异常数据的识别进行二次判定；

告警模块（33），所述告警模块（33）用于根据故障类型实施对应的告警措施。

5.根据权利要求4所述的一种立式压滤机自动控制系统，其特征在于：所述评价模块（32）基于滑动窗口模型，计算窗口内数据的评价指标的公式如下：

；

其中，为t时刻的模型中异常数据的二次判定值，/>为t时刻的模型中异常数据的实际值，h为滑动窗口的窗宽；

计算置信上限的公式为：

；

其中，为压滤机正常运行时的平均绝对误差，S为压滤机正常运行时状态指标的标准差，n为滑窗总数；/>，其中，/>为压滤机参与计算的异常数据总数，h为窗宽，q为移动增量。

6.根据权利要求5所述的一种立式压滤机自动控制系统，其特征在于：所述故障类型包括潜在故障、显性非危险故障和显性危险故障；潜在故障包括滤板的破裂、压滤机运行过程中出现噪音、滤液微微浑浊；显性非危险故障包括滤饼干燥不均匀、滤饼含水量过高、滤布磨损严重；显性危险故障包括漏水、设备损坏、过滤效果差。

7.根据权利要求6所述的一种立式压滤机自动控制系统，其特征在于：所述根据故障类型实施对应的告警措施具体方法为：

对于潜在故障只做记录不报警，设备正常运行；

对于显性非危险故障，设备停止在故障状态但不停机；

对于显性危险故障，设备停机并记录。

8.一种立式压滤机自动控制方法，基于权利要求1-7任意一项所述的一种立式压滤机自动控制系统，其特征在于：包括如下步骤：

S1：对压滤机需要控制的数据进行实时地监测；

S2：收集并处理分析监测的数据，自动调整压滤机的运行参数；

S3：对分析结果为异常的数据进行相应的告警信号；

S4：显示具体故障点，保存并分析告警记录。