CN117434906A - 一种助滤剂粉末自动控速添加方法及系统 - Google Patents

一种助滤剂粉末自动控速添加方法及系统 Download PDF

Info

Publication number
CN117434906A
CN117434906A CN202311733073.7A CN202311733073A CN117434906A CN 117434906 A CN117434906 A CN 117434906A CN 202311733073 A CN202311733073 A CN 202311733073A CN 117434906 A CN117434906 A CN 117434906A
Authority
CN
China
Prior art keywords
component signal
pressure
local
filter aid
abnormal
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
Application number
CN202311733073.7A
Other languages
English (en)
Other versions
CN117434906B (zh
Inventor
曹迎东
王金鸽
王华振
杨娜娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Changxing Plastic Additives Co ltd
Original Assignee
Shandong Changxing Plastic Additives Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Changxing Plastic Additives Co ltd filed Critical Shandong Changxing Plastic Additives Co ltd
Priority to CN202311733073.7A priority Critical patent/CN117434906B/zh
Publication of CN117434906A publication Critical patent/CN117434906A/zh
Application granted granted Critical
Publication of CN117434906B publication Critical patent/CN117434906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及控制调节技术领域，具体涉及一种助滤剂粉末自动控速添加方法及系统。该方法首先获取助滤剂粉末在流体管道中的压力值序列和压力分量信号；分析相邻的压力分量信号中相邻极值的幅值，确定筛选因子，对压力分量信号进行筛选，得到异常分量信号；对异常分量信号和压力值序列进行局部特征提取，确定局部权重；结合筛选因子和局部权重确定局部分量信号段的加噪权重；基于局部分量信号段的加噪权重和补偿权重确定加噪需求模型；基于加噪需求模型修正压力值序列，得到修正压力序列；通过修正压力序列和透光率对助滤剂粉末进行实时调整添加。本发明结合修正压力序列和透光率来有效调节粉末添加量，避免过量的粉末浪费。

Description

一种助滤剂粉末自动控速添加方法及系统
技术领域
本发明涉及控制调节技术领域，具体涉及一种助滤剂粉末自动控速添加方法及系统。
背景技术
助滤剂粉末自动控制添加方法及系统通常用于工业生产中，特别是在液体或气体处理过程中，用于改善过滤效果、提高产品质量或满足特定的工艺需求和减少废料生成。随着自动化技术的发展，出现了自动控制系统，用于根据粉末添加量的透光率反馈来自动调整助滤剂的添加量，有助于提高过滤系统的稳定性和效率，减少人工的投入量。
目前，现有的助滤剂粉末的加入方式主要有：分体泵直接输送粉末添加、人工或者机械直接添加，搅拌均匀、借助真空由液下吸入，搅拌均匀等方式，但是每个方式都存在一定的缺陷，助滤剂粉末无动力自动控速添加系统，实现了助滤剂粉末的无动力、均匀、自动控制添加，且添加速度可调；监测设备异常压力信号的过程中，由于干扰因素导致在处理信号数据的过程中对信号的处理效果不佳，达不到实时监测压力信号的期望，进而导致无法获取实时准确的压力信号，并且无法有效的根据透光率来反馈调节粉末添加量。
发明内容
为了解决难以获取实时准确的压力信号，无法有效的根据透光率来反馈调节粉末添加量的技术问题，本发明的目的在于提供一种助滤剂粉末自动控速添加方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种助滤剂粉末自动控速添加方法，该方法包括以下步骤：
获取助滤剂粉末在流体管道中的压力值序列；分解压力值序列，得到压力分量信号；
根据相邻的压力分量信号中相邻极值点对应幅值的差异和幅值时间差，确定压力分量信号的筛选因子；根据筛选因子对压力分量信号进行筛选，得到异常分量信号；
对异常分量信号进行局部特征提取得到异常分量信号的局部分量信号段的信号分布特征提取因子；根据两个相邻的异常分量信号的同一局部分量信号段的信号分布特征提取因子的差异、异常分量信号和压力值序列所对应的局部分量信号段的差异，确定异常分量信号的局部分量信号段的局部权重；
结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重；
基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型；
利用EEMD算法，基于加噪需求模型修正压力值序列，得到修正压力序列；
通过所述修正压力序列和透光率对助滤剂粉末进行实时调整添加。
优选的，所述根据相邻的压力分量信号中相邻极值点对应幅值的差异和幅值时间差，确定压力分量信号的筛选因子，包括：
根据压力分量信号中相邻极值点对应幅值的差异，确定每个压力分量信号的初始特征提取因子；结合两个相邻的压力分量信号的初始特征提取因子和相邻的压力分量信号中的幅值时间差，确定两个相邻的压力分量信号中前一个压力分量信号的筛选因子。
优选的，所述初始特征提取因子的计算公式为：
；其中，/>为第r个压力分量信号的初始特征提取因子；n为第r个压力分量信号中极值点对所对应的幅值的数量；/>为第i组的极值点对的幅值的平方；/>为第r个压力分量信号中的最大幅值；/>为第r个压力分量信号中的最小幅值。
优选的，所述筛选因子的计算公式：
；其中，/>为筛选因子；/>为双曲正切函数；/>为第r个压力分量信号对应的初始特征提取因子；/>为第r+1个压力分量信号对应的初始特征提取因子；n为第r个压力分量信号中极值点对所对应的幅值的数量；/>为第r个压力分量信号的第i组极值点对所对应的幅值时间差；/>为第r+1个压力分量信号的第m组极值点对所对应的幅值时间差；/>为第r+1个压力分量信号中极值点对所对应的幅值的数量。
优选的，所述信号分布特征提取因子的计算公式为：
；其中，/>为异常分量信号中第j个局部分量信号段的信号分布特征提取因子；/>为第j个局部分量信号段中相邻的时序点的数量；/>为局部分量信号段中第y组相邻的时序点对应的信号的幅值；/>为第j个局部分量信号段的时间间隔；/>为局部分量信号段内出现的极值点的次数。
优选的，所述局部权重的计算公式为：
；其中，/>为第z个异常分量信号的第j个局部分量信号段的局部权重；/>为以自然常数e为底数的指数函数；/>为第z个异常分量信号的第j个局部分量信号段的信号分布特征提取因子；/>为第z-1个异常分量信号的第j个局部分量信号段的信号分布特征提取因子；/>为均方误差函数；/>为第z个异常分量信号中局部分量信号段的信号分布特征提取因子；/>为第z个异常分量信号对应的压力值序列中局部分量信号段的信号分布特征提取因子；/>为第z个异常分量信号和压力值序列中相同序号的局部分量信号段的信号分布特征提取因子的均方误差。
优选的，所述结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重，包括：
将不同异常分量信号对应的同一位置处的局部分量信号段的局部权重和不同异常分量信号的筛选因子进行加权求和，得到所有异常分量信号在同一局部分量信号段的加噪权重。
优选的，所述基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型，包括：
所述加噪需求模型为：
；其中，/>为加噪需求值；/>为局部分量信号段的数量；/>第j个局部分量信号段对应的加噪权重；/>为第j个局部分量信号段的加噪权重对应的补偿权重；/>为第j个局部分量信号段的加噪权重的均方差；/>为第j个局部分量信号段的补偿权重的均方差。
优选的，所述通过所述修正压力序列和透光率对助滤剂粉末进行实时调整添加，包括：
当修正压力序列对应的实时压力值大于预设压力阈值时，认为助滤剂粉末添加系统出现异常；当助滤剂粉末添加系统出现异常时，检测此时的透光率，设定好粉末添加量所对应的透光率，当透光率低于预设透光率阈值时，减小助滤剂粉末添加系统的压力；当透光率大于预设透光率阈值时，增加助滤剂粉末添加系统的压力。
第二方面，本发明一个实施例提供了一种助滤剂粉末自动控速添加系统，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，所述处理器执行所述计算机程序时实现上述一种助滤剂粉末自动控速添加方法。
本发明实施例至少具有如下有益效果：
该方法首先获取助滤剂粉末在流体管道中的压力值序列，用于实时了解助滤剂粉末添加过程中的压力变化情况，并及时检测和响应异常情况的发生，提高设备的工作效率；分解压力值序列，得到压力分量信号，由于信号包含噪声和随机的干扰因素，会导致分解过程出现模态混叠的现象，使分解结果不够清晰，进而影响对压力信号的进一步处理；对压力分量信号分析，确定压力分量信号的筛选因子，该筛选因子是根据分量信号的分布特征对所有的分量信号中可能发生模态混叠的分量信号进行分析得到的，基于筛选因子筛选出异常分量信号；对异常分量信号进行局部特征提取，纵向分析局部分量信号段之间的差异来获取局部分量信号段的模态混叠权重因子，利用加权的思想对每个局部分量信号段的权重进行输出，确定异常分量信号的局部分量信号段的局部权重；并结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重；基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型；利用EEMD算法，基于加噪需求模型修正压力值序列，得到修正压力序列，通过引入噪声，EEMD能够更好地处理信号中的非线性和非平稳特性，提高了信号分解的稳定性和可靠性；最后通过修正压力序列和透光率对助滤剂粉末进行实时调整添加。本发明得到修正后的修正压力序列，可以确保粉末以正确的速度和压力添加，并且根据透光率来有效调节粉末添加量，避免过量的粉末浪费，从而保证产品的质量符合标准，有助于确保生产过程的稳定性、效率和质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种助滤剂粉末自动控速添加方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种助滤剂粉末自动控速添加方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了一种助滤剂粉末自动控速添加方法及系统的具体实施方法，该方法适用于助滤剂粉末自动控速添加场景。该场景下实现对添加过程中的异常情况进行监测，以便于及时控制添加助滤剂粉末的速度以及处理异常情况。助滤剂粉末自动控速添加系统通常需要安装一系列传感器，以监测管件的过程参数和环境条件，从而实现精确的助滤剂粉末添加。通过实时监测这些参数，系统可以自动调整助滤剂粉末的添加，以满足工艺要求并保持过滤系统的高效性。本发明主要针对助滤剂粉末自动控添加系统中的压力传感器数据进行具体分析说明。
下面结合附图具体的说明本发明所提供的一种助滤剂粉末自动控速添加方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种助滤剂粉末自动控速添加方法的步骤流程图，该方法包括以下步骤：
步骤S100，获取助滤剂粉末在流体管道中的压力值序列；分解压力值序列，得到压力分量信号。
在本发明实施例中根据设备和监测需求选择合适的传感器类型，通常使用的压力传感器包括压力传感器、压力变送器或压力变阻器，不同的传感器有适当的测量范围和精度。安装所选传感器以测量与助滤剂粉末自动控速添加设备相关的压力，应该安装在流体管道或系统中，将所选传感器连接到数据采集系统或监控设备，通过校准传感器以确保传感器输出的数据能够更为准确，通过这些数据的实时监测，可以有助于尽早识别问题并采取纠正措施。
故首先获取助滤剂粉末在流体管道中压力值序列；进一步的，分解压力值序列，得到压力分量信号，具体的：利用经验模态分解算法（Empirical Mode Decomposition，EMD）分解压力值序列，得到对应的分量信号，记为压力分量信号。
需要说明的是，压力分量信号是有关压力信号数据的分量信号，如果压力信号中存在多个振动模态，这些振动模态的频率相近或者接近，就容易导致模态混叠；不准确的分解过程会使得后续的去除噪声的操作产生一定的误差。
步骤S200，根据相邻的压力分量信号中相邻极值点对应幅值的差异和幅值时间差，确定压力分量信号的筛选因子；根据筛选因子对压力分量信号进行筛选，得到异常分量信号。
故本发明对压力分量信号进行具体分析，实现对压力分量信号的筛选，进而得到异常分量信号，其有利于得到压力分量信号的加噪程度。具体的，结合两个相邻的压力分量信号中相邻极值点对应幅值的差异和相邻的压力分量信号中的幅值时间差，确定两个相邻的压力分量信号中前一个压力分量信号的筛选因子。
其中，筛选因子的获取方法为：根据压力分量信号中相邻极值点对应幅值的差异，确定每个压力分量信号的初始特征提取因子；结合两个相邻的压力分量信号的初始特征提取因子和相邻的压力分量信号中的幅值时间差，确定两个相邻的压力分量信号中前一个压力分量信号的筛选因子。
将压力分量信号中相邻两个极值点之间所对应的幅值作为极值点对的幅值。
初始特征提取因子的计算公式为：
；其中，/>为第r个压力分量信号的初始特征提取因子；n为第r个压力分量信号中极值点对所对应的幅值的数量；/>为第i组的极值点对的幅值的平方；/>为第r个压力分量信号中的最大幅值；/>为第r个压力分量信号中的最小幅值。
其中，当第r个压力分量信号中有n个极值点对的幅值的数量时，就表示第r个压力分量信号中的幅值的均方根，一定程度上表示了整段分量信号的波动程度的大小；而/>就表示整段分量信号中的信号波动的深度，即信号的强度，范围较大即表示信号的强度也大；在EMD分解后的压力分量信号中，越靠前的压力分量信号的频率更高，并且信号幅值的平均水平相对较低，因此对应的初始特征提取因子/>相对较小。
实际应用中，如果信号包含较强的线性和平稳成分，或者包含噪声和随机干扰，噪声的高频成分可能与信号的高频振动成分混合在一起，就容易导致出现模态混叠的问题；使得部分压力分量信号之间的差异相对较小，即需要从所有的压力分量信号中筛选出来可能发生模态混叠的分量信号。
其中，结合两个相邻的压力分量信号的初始特征提取因子和相邻的压力分量信号中的幅值时间差，确定两个相邻的压力分量信号中前一个压力分量信号的筛选因子，该筛选因子的计算公式为：
；其中，/>为筛选因子；/>为双曲正切函数；/>为第r个压力分量信号对应的初始特征提取因子；/>为第r+1个压力分量信号对应的初始特征提取因子；n为第r个压力分量信号中极值点对所对应的幅值的数量；/>为第r个压力分量信号的第i组极值点对所对应的时间差；/>为第r+1个压力分量信号的第m组极值点对所对应的时间差；/>为第r+1个压力分量信号中极值点对所对应的幅值的数量。
需要说明的是，极值点对所对应的时间差即为极值点对中两个极值点所对应的时间的差异。
每个压力分量信号中每一组幅值在时序上都会存在一组极值点对之间的时间差，第r个压力分量信号中存在n个集市店对所对应的幅值，故则反映存在n组极值点所表示的时间差。则反映了第r个压力分量信号整体的平均时间差，在一定程度上可以表征第r个压力分量信号的波动频率；/>则反映了第r+1个压力分量信号整体的平均时间差，在一定程度上可以表征第r+1个压力分量信号的波动频率。/>是用来筛选发生模态混叠的压力分量信号的特征因子，第r个压力分量信号与第r+1个压力分量信号的特征分布差异越小，则反映第r+1个压力分量信号发生模态混叠的可能性越高。筛选因子E反映的是压力分量信号中发生模态混叠的压力分量信号的筛选因子，以及赋予异常分量信号整体的权重。
在得到每个压力分量信号所对应的筛选因子之后，根据筛选因子对压力分量信号进行筛选，得到异常分量信号，具体的：将对应的筛选因子小于预设筛选阈值的压力分量信号，作为异常分量信号。在本发明实施例中预设筛选阈值的取值为0.2，在其他实施例中由实施者根据实际情况调整该取值。后续针对筛选出的异常分量信号进行进一步的处理。
步骤S300，对异常分量信号进行局部特征提取得到异常分量信号的局部分量信号段的信号分布特征提取因子；根据两个相邻的异常分量信号的同一局部分量信号段的信号分布特征提取因子的差异、异常分量信号和压力值序列所对应的局部分量信号段的差异，确定异常分量信号的局部分量信号段的局部权重。
发生模态混叠的压力分量信号与原始的压力值序列之间通常存在一些联系和差异，为了后续的处理更具有数据代表性，筛选出来的发生模态混叠的分量信号不一定整段信号都是发生模态混叠的，上述步骤计算出来的权重也是压力分量信号整体的横向的权重，标记的模态混叠的分量信号可能是局部信号段发生了模态混叠，将所有的分量信号从纵向的方向来计算发生模态混叠的分量信号的局部信号段的异常值的权重信息。
首先将每个压力分量信号都均分为L个局部分量信号段，在本发明实施例中可以根据经验值设置L=10，在其他实施例中可由实施者根据实际情况调整该取值。将原始的压力值序列也对应分成L个相应的局部分量信号段，根据相同时序段内的分量信号之间的差异来计算发生模态混叠的分量信号的局部分量信号段的权重。
对异常分量信号进行局部特征提取得到异常分量信号的局部分量信号段的信号分布特征提取因子。该信号分布特征提取因子的计算公式为：
；其中，/>为异常分量信号中第j个局部分量信号段的信号分布特征提取因子；/>为第j个局部分量信号段中相邻的时序点的组数量；/>为局部分量信号段中第y组相邻的时序点对应的信号幅值；/>为第j个局部分量信号段的时间间隔；/>为局部分量信号段内出现的极值点的次数。
其中，相邻的时序点的组数量，即为局部分量信号中由相邻的时序点构成的时序点对的数量；相邻的时序点对应的信号幅值，即为相邻的两个时序点对应的信号的幅值的差值。反映了局部分量信号段内的信号幅值的平均值。/>反映了单位时间内极值点在局部分量信号段内出现的次数，出现的次数越多，就反映局部分量信号段内的信号波动频率较大，为了避免部分压力分量信号的局部分量信号段内出现极值点次数为0的情况，通过对/>加上常数1，来保证对局部分量信号段内的波动频率的计算出现极端值的情况。
通过提取标记的压力分量信号的局部分量信号段的信号分布特征，然后与该异常分量信号的上一个异常分量信号进行相同局部分量信号段之间的差异对比来计算该异常分量信号的局部分量信号段的局部权重。
进一步的，根据两个相邻的异常分量信号的同一局部分量信号段的信号分布特征提取因子的差异、异常分量信号和压力值序列所对应的局部分量信号段的差异，确定两个相邻的异常分量信号中后一个异常分量信号的局部分量信号段的局部权重，具体的：
该局部权重的计算公式为：
；其中，/>为第z个异常分量信号的第j个局部分量信号段的局部权重；/>为以自然常数e为底数的指数函数；/>为第z个异常分量信号的第j个局部分量信号段的信号分布特征提取因子；/>为第z-1个异常分量信号的第j个局部分量信号段的信号分布特征提取因子；/>为均方误差函数；/>为第z个异常分量信号中局部分量信号段的信号分布特征提取因子；/>为第z个异常分量信号对应的压力值序列中局部分量信号段的信号分布特征提取因子；/>为第z个异常分量信号和压力值序列中相同序号的局部分量信号段的信号分布特征提取因子的均方误差。
需要说明的是，相同序号的局部分量信号段指的是位置序号相同的局部分量信号段，例如，异常分量信号f1中的第2个局部分量信号段与异常分量信号f2中的第2个局部分量信号段为同一位置处的局部分量信号段。
该局部权重反映的是异常分量信号的局部分量信号段的权重因子；其中，反映的是第z个异常分量信号与第z-1个异常分量信号之间第j个局部分量信号段内的信号分布特征之间的差异。也可以说，/>为异常分量信号的局部分量信号段与原始的压力值序列中的局部分量信号段内的每一个信号点之间的均方误差，因为在EMD分解过程中，每一个压力分量信号都代表了原始的压力值序列的一种模态，发生模态混叠的压力分量信号与原始的压力值序列之间存在一定的联系；压力分量信号的局部分量信号段与上一个压力分量信号之间的局部分量信号段内的差异越小并且与原始的压力值序列的同一局部分量信号段内的信号分布之间的误差越小就表示该异常分量信号的局部信号段发生模态混叠的程度越高，即对应的该局部信号段的局部权重越高。
步骤S400，结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重。
将不同异常分量信号对应的同一位置处的局部分量信号段的局部权重和不同异常分量信号的筛选因子进行加权求和，得到所有异常分量信号在同一位置处局部分量信号段的加噪权重。需要说明的是，同一位置处的局部分量信号段指的是位置序号相同的局部分量信号段，例如，异常分量信号f1中的第2个局部分量信号段与异常分量信号f2中的第2个局部分量信号段为同一位置处的局部分量信号段。
同一局部分量信号段中的不同时刻所对应的筛选因子和局部权重进行加权求和，得到同一局部分量信号段的加噪权重。
该加噪权重的计算公式为：
其中，为第j个局部分量信号段的加噪权重；/>为第z个异常分量信号的第j个局部分量信号段的局部权重；/>为第z个异常分量信号的筛选因子；F为异常分量信号的数量。
其中，反映的是在第j个局部分量信号段上的所有标记的发生模态混叠的压力分量信号的局部加权权重，也即为第j个局部分量信号算上的异常分量信号的局部加权权重，其也就是原始的压力值序列中第j个局部分量信号段上的信号数据需要添加噪声的加噪需求。
步骤S500，基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型。
根据上述加噪权重的输出值的拟合值，也就是不同的局部分量信号段内发生模态混叠的情况，对原始的压力值序列添加噪声，用来降低发生模态混叠的程度，最佳的补偿效果可在最大程度上降低发生模态混叠的可能性，并且不至于过度添加噪声而造成出现新的异常情况。
故进一步的构建加噪需求模型，该加噪需求模型为：
；其中，/>为加噪需求值；/>为局部分量信号段的数量；/>第j个局部分量信号段对应的加噪权重；/>为第j个局部分量信号段的加噪权重对应的补偿权重；/>为第j个局部分量信号段的加噪权重的均方差；/>为第j个局部分量信号段的补偿权重的均方差。需要说明的是加噪权重的补偿权重可以通过现有技术获取，是本领域技术人员的公知技术，在此不再进行赘述。
其中，反映了加噪需求与模态混叠权重拟合值之间的差值的平方的均值；/>反映了不同局部分量信号段的模态混叠权重拟合曲线的整体波动情况；/>反映了加噪需求拟合曲线的整体波动情况。/>也作为原始的压力值序列的加噪需求的考量标准；Q的输出值即为压力值序列的早需求，利用EEMD算法向压力值序列添加强度为Q的随机噪声，可以有效的减少IMF分量信号发生模态混叠的可能性。
步骤S600，利用EEMD算法，基于加噪需求模型修正压力值序列，得到修正压力序列。
根据上述步骤的分析，首先从压力分量信号中筛选出异常分量信号，并且通过异常分量信号的局部分量信号段之间的差异来确定模态混叠权重，得到所有的异常分量信号对应同一局部分量信号段的整体权重，确定原始的压力值序列的加噪需求。EEMD（EnsembleEmpirical Mode Decomposition）是对传统的EMD（Empirical Mode Decomposition）的一种改进方法，其中引入了随机性，主要通过添加噪声来改变分解过程，以提高EMD在处理不同信号上的稳定性。具体的利用EEMD算法通过添加随机的噪声来改变EMD的分解过程，具体步骤为：（1）引入随机噪声：对原始信号添加不同的随机噪声，形成多个略有不同的信号实例，而在本发明实施例中将已经得到的加噪需求值作为随机噪声，添加到原始的压力值序列。（2）执行EMD分解：对每个带有不同噪声的信号实例执行EMD分解，得到对应的IMFs，也即得到对应的压力分量信号。（3）计算集合平均：将相同模态的IMFs进行集合平均，得到最终的EEMD结果。通过引入噪声，EEMD能够更好地处理信号中的非线性和非平稳特性，提高了信号分解的稳定性和可靠性。这在实际应用中，特别是在存在噪声或不确定性的情况下，是非常有益的。
故利用EEMD算法，基于加噪需求模型修正压力值序列，得到修正压力序列，更具体的：利用EEMD算法，基于加噪需求模型对压力值序列添加噪声，并对添加噪声后的压力值序列进行分解和集合平均，得到了压力值序列对应的最终的EEMD结果，也即得到了修改后的修正压力序列。
步骤S700，通过所述修正压力序列和透光率对助滤剂粉末进行实时调整添加。
当修正压力序列对应的实时压力值大于预设压力阈值时，认为助滤剂粉末添加系统出现了异常，需要进一步的结合透光率对助滤剂粉末添加量进行反馈。在本发明实施例中预设压力阈值的取值为修正压力序列中所有压力值的均值，在其他实施例中实施者还可以根据经验值进行自行设定。需要说明的是，透光率的获取方法为本领域技术人员的现有技术，在此不再进行赘述。
当助滤剂粉末添加系统出现异常时，进一步的结合透光率对助滤剂粉末添加量进行反馈，具体的：检测此时的透光率，设定好粉末添加量所对应的透光率，透光率低于预设透光率阈值时，反映添加量过大时，需要基于修正压力序列减小助滤剂粉末添加系统的压力，以减少粉末添加量，直至透光率达到预设透光率阈值时，停止减小助滤剂粉末添加系统的压力。调整设定添加量只需要调整对应的透光率即可；当透光率大于预设透光率阈值时，反映添加量过小，需要基于修正压力序列增大助滤剂粉末添加系统的压力，以增加粉末添加量，直至透光率达到预设透光率阈值时，停止增大助滤剂粉末添加系统的压力；当透光率等于预设透光率阈值时，无需增大或减小助滤剂粉末添加系统的压力。在本发明实施例中透光率的取值由实施者根据经验值和需求情况设定。需要说明的是，基于修正压力序列中最新压力值，减小或增大助滤剂粉末添加系统中助滤剂粉末在流体管道中的压力值，例如当需要减小助滤剂粉末添加系统中的助滤剂粉末的压力值时，以修正压力序列中的最新压力值为基础值，对助滤剂粉末添加系统中的助滤剂粉末的压力值进行减小。
综上所述，本发明涉及控制调节技术领域。该方法首先获取助滤剂粉末在流体管道中的压力值序列；分解压力值序列，得到压力分量信号；根据相邻的压力分量信号中相邻极值点对应幅值的差异和幅值时间差，确定压力分量信号的筛选因子；根据筛选因子对压力分量信号进行筛选，得到异常分量信号；对异常分量信号进行局部特征提取得到异常分量信号的局部分量信号段的信号分布特征提取因子；根据两个相邻的异常分量信号的同一局部分量信号段的信号分布特征提取因子的差异、异常分量信号和压力值序列所对应的局部分量信号段的差异，确定异常分量信号的局部分量信号段的局部权重；结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重；基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型；利用EEMD算法，基于加噪需求模型修正压力值序列，得到修正压力序列；通过所述修正压力序列和透光率对助滤剂粉末进行实时调整添加。本发明得到修正后的修正压力序列，可以确保粉末以正确的速度和压力添加，并且根据透光率来有效调节粉末添加量，避免过量的粉末浪费，从而保证产品的质量符合标准，有助于确保生产过程的稳定性、效率和质量。
本发明实施例还提出了一种助滤剂粉末自动控速添加系统，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，所述处理器执行所述计算机程序时实现上述方法的步骤。由于一种助滤剂粉末自动控速添加方法在上述给出了详细描述，不再赘述。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.一种助滤剂粉末自动控速添加方法，其特征在于，该方法包括以下步骤：
获取助滤剂粉末在流体管道中的压力值序列；分解压力值序列，得到压力分量信号；
根据相邻的压力分量信号中相邻极值点对应幅值的差异和幅值时间差，确定压力分量信号的筛选因子；根据筛选因子对压力分量信号进行筛选，得到异常分量信号；
对异常分量信号进行局部特征提取得到异常分量信号的局部分量信号段的信号分布特征提取因子；根据两个相邻的异常分量信号的同一局部分量信号段的信号分布特征提取因子的差异、异常分量信号和压力值序列所对应的局部分量信号段的差异，确定异常分量信号的局部分量信号段的局部权重；
结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重；
基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型；
利用EEMD算法，基于加噪需求模型修正压力值序列，得到修正压力序列；
通过所述修正压力序列和透光率对助滤剂粉末进行实时调整添加。
2.根据权利要求1所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述根据相邻的压力分量信号中相邻极值点对应幅值的差异和幅值时间差，确定压力分量信号的筛选因子，包括：
根据压力分量信号中相邻极值点对应幅值的差异，确定每个压力分量信号的初始特征提取因子；结合两个相邻的压力分量信号的初始特征提取因子和相邻的压力分量信号中的幅值时间差，确定两个相邻的压力分量信号中前一个压力分量信号的筛选因子。
3.根据权利要求2所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述初始特征提取因子的计算公式为：
；其中，/>为第r个压力分量信号的初始特征提取因子；n为第r个压力分量信号中极值点对所对应的幅值的数量；/>为第i组的极值点对的幅值的平方；/>为第r个压力分量信号中的最大幅值；/>为第r个压力分量信号中的最小幅值。
4.根据权利要求2所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述筛选因子的计算公式：
；其中，/>为筛选因子；/>为双曲正切函数；/>为第r个压力分量信号对应的初始特征提取因子；/>为第r+1个压力分量信号对应的初始特征提取因子；n为第r个压力分量信号中极值点对所对应的幅值的数量；/>为第r个压力分量信号的第i组极值点对所对应的幅值时间差；/>为第r+1个压力分量信号的第m组极值点对所对应的幅值时间差；/>为第r+1个压力分量信号中极值点对所对应的幅值的数量。
5.根据权利要求1所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述信号分布特征提取因子的计算公式为：
；其中，/>为异常分量信号中第j个局部分量信号段的信号分布特征提取因子；/>为第j个局部分量信号段中相邻的时序点的数量；/>为局部分量信号段中第y组相邻的时序点对应的信号的幅值；/>为第j个局部分量信号段的时间间隔；/>为局部分量信号段内出现的极值点的次数。
6.根据权利要求1所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述局部权重的计算公式为：
；其中，/>为第z个异常分量信号的第j个局部分量信号段的局部权重；/>为以自然常数e为底数的指数函数；/>为第z个异常分量信号的第j个局部分量信号段的信号分布特征提取因子；/>为第z-1个异常分量信号的第j个局部分量信号段的信号分布特征提取因子；/>为均方误差函数；/>为第z个异常分量信号中局部分量信号段的信号分布特征提取因子；/>为第z个异常分量信号对应的压力值序列中局部分量信号段的信号分布特征提取因子；/>为第z个异常分量信号和压力值序列中相同序号的局部分量信号段的信号分布特征提取因子的均方误差。
7.根据权利要求1所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述结合筛选因子和局部权重确定所有异常分量信号在同一局部分量信号段的加噪权重，包括：
将不同异常分量信号对应的同一位置处的局部分量信号段的局部权重和不同异常分量信号的筛选因子进行加权求和，得到所有异常分量信号在同一局部分量信号段的加噪权重。
8.根据权利要求1所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述基于局部分量信号段的加噪权重和对应的补偿权重确定加噪需求模型，包括：
所述加噪需求模型为：
；其中，/>为加噪需求值；/>为局部分量信号段的数量；/>第j个局部分量信号段对应的加噪权重；/>为第j个局部分量信号段的加噪权重对应的补偿权重；/>为第j个局部分量信号段的加噪权重的均方差；/>为第j个局部分量信号段的补偿权重的均方差。
9.根据权利要求1所述的一种助滤剂粉末自动控速添加方法，其特征在于，所述通过所述修正压力序列和透光率对助滤剂粉末进行实时调整添加，包括：
当修正压力序列对应的实时压力值大于预设压力阈值时，认为助滤剂粉末添加系统出现异常；当助滤剂粉末添加系统出现异常时，检测此时的透光率，设定好粉末添加量所对应的透光率，当透光率低于预设透光率阈值时，基于修正压力序列减小助滤剂粉末添加系统的压力；当透光率大于预设透光率阈值时，基于修正压力序列增加助滤剂粉末添加系统的压力。
10.一种助滤剂粉末自动控速添加系统，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权利要求1~9任意一项所述一种助滤剂粉末自动控速添加方法的步骤。
CN202311733073.7A 2023-12-18 2023-12-18 一种助滤剂粉末自动控速添加方法及系统 Active CN117434906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311733073.7A CN117434906B (zh) 2023-12-18 2023-12-18 一种助滤剂粉末自动控速添加方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311733073.7A CN117434906B (zh) 2023-12-18 2023-12-18 一种助滤剂粉末自动控速添加方法及系统

Publications (2)

Publication Number Publication Date
CN117434906A true CN117434906A (zh) 2024-01-23
CN117434906B CN117434906B (zh) 2024-02-20

Family

ID=89550151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311733073.7A Active CN117434906B (zh) 2023-12-18 2023-12-18 一种助滤剂粉末自动控速添加方法及系统

Country Status (1)

Country Link
CN (1) CN117434906B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001183222A (ja) * 1999-12-24 2001-07-06 Shin Caterpillar Mitsubishi Ltd 負荷圧力処理方法およびその装置
US20050074380A1 (en) * 2003-07-31 2005-04-07 Boren Richard M. Metal oxide processing methods and systems
CN101641292A (zh) * 2007-03-23 2010-02-03 株式会社东芝 生产用于光催化剂的三氧化钨粉末的方法，用于光催化剂的三氧化钨粉末，及光催化剂产品
WO2010017599A1 (en) * 2008-08-15 2010-02-18 Adelaide Research & Innovation Pty Ltd Method and system for assessment of pipeline condition
US20170138976A1 (en) * 2015-11-18 2017-05-18 Elbit Systems Of America / Kmc Systems, Inc. Systems and methods for detecting a liquid level
CN108793256A (zh) * 2018-06-26 2018-11-13 普瑞斯伊诺康有限公司 一种电解二氧化锰粉末及其制备方法
CN115290368A (zh) * 2022-09-30 2022-11-04 南通润厚设备工程有限公司 一种粉罐车卸料过程中故障诊断方法
CN115905812A (zh) * 2022-11-28 2023-04-04 国网山东省电力公司电力科学研究院 基于多精度变分模态分接算法的变压器压力信号去噪方法
CN116611674A (zh) * 2023-07-20 2023-08-18 中建五局第三建设有限公司 一种建筑供给水智能调度运行方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001183222A (ja) * 1999-12-24 2001-07-06 Shin Caterpillar Mitsubishi Ltd 負荷圧力処理方法およびその装置
US20050074380A1 (en) * 2003-07-31 2005-04-07 Boren Richard M. Metal oxide processing methods and systems
CN101641292A (zh) * 2007-03-23 2010-02-03 株式会社东芝 生产用于光催化剂的三氧化钨粉末的方法，用于光催化剂的三氧化钨粉末，及光催化剂产品
WO2010017599A1 (en) * 2008-08-15 2010-02-18 Adelaide Research & Innovation Pty Ltd Method and system for assessment of pipeline condition
US20170138976A1 (en) * 2015-11-18 2017-05-18 Elbit Systems Of America / Kmc Systems, Inc. Systems and methods for detecting a liquid level
CN108793256A (zh) * 2018-06-26 2018-11-13 普瑞斯伊诺康有限公司 一种电解二氧化锰粉末及其制备方法
CN115290368A (zh) * 2022-09-30 2022-11-04 南通润厚设备工程有限公司 一种粉罐车卸料过程中故障诊断方法
CN115905812A (zh) * 2022-11-28 2023-04-04 国网山东省电力公司电力科学研究院 基于多精度变分模态分接算法的变压器压力信号去噪方法
CN116611674A (zh) * 2023-07-20 2023-08-18 中建五局第三建设有限公司 一种建筑供给水智能调度运行方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周云龙: "基于出口压力脉动奇异值的离心泵早期汽蚀故障诊断", 《化工自动化及仪表》, vol. 42, no. 11, 31 December 2015 (2015-12-31) *
孙涛 等: "经验模式分解法结合相关积分法的离心风机喘振先兆辨识", 《动力工程》, vol. 26, no. 6, 31 December 2006 (2006-12-31) *
蔡艳平;李艾华;徐斌;许平;何艳萍;: "集成经验模态分解中加入白噪声的自适应准则", 振动.测试与诊断, no. 06, 15 December 2011 (2011-12-15) *

Also Published As

Publication number Publication date
CN117434906B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
EP0469771B1 (en) Method and apparatus for process control
CN107609278B (zh) 一种提高热电厂噪声预测模型精度的方法
EP2857917A1 (en) State diagnosing method and state diagnosing apparatus
CN109542089B (zh) 一种基于改进变分模态分解的工业过程非线性振荡检测方法
CN117196353B (zh) 基于大数据的环境污染评估与监测方法及系统
CN113642800B (zh) 建筑陶瓷窑炉烧成制度的数据分析方法及数据分析系统
CN117272210A (zh) 一种建筑施工异常隐患数据检测方法及系统
CN117434906B (zh) 一种助滤剂粉末自动控速添加方法及系统
CN116335925B (zh) 基于数据增强的煤矿井下乳化泵站智能调控系统
CN105005978A (zh) 一种基于Savitzky-Golay滤波器参数优化的光谱实时滤波方法
CN114692723A (zh) 一种反渗透膜污堵预警方法及系统
CN110687791B (zh) 一种基于改进自适应调频模态分解的非线性振荡检测方法
CN115185191A (zh) 一种生箔机铜箔厚度自学习控制系统及方法
US6353766B1 (en) Method for generating control parameters from a response signal of a controlled system and system for adaptive setting of a PID controller
CN117786584B (zh) 基于大数据分析的畜牧业水源污染监测预警方法及系统
CN116680661B (zh) 基于多维数据的燃气自动调压柜压力监测方法
US4807167A (en) Rapid method of digital automatic gain control
CN1713744B (zh) 用于测量图像信号中的噪声的装置及其方法
CN113076639A (zh) 基于分段线性表示的风电机组运行评估方法及系统
CN116707491A (zh) 一种用于降低资源消耗的fir低通数字滤波方法
US20230266158A1 (en) Method and system for eccentric load error correction
CN117808271B (zh) 一种数字化农业肥料数据优化管理方法及系统
GB2622242A (en) Statistics calculator
CN117131808B (zh) 一种减压阀的智能控制方法
CN117688505B (zh) 一种植被大范围区域化负异常的预测方法及系统

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