技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种用于蒸发物料的蒸发器故障预测方法与流程  >  正文

一种用于蒸发物料的蒸发器故障预测方法与流程

  • 国知局
  • 2024-12-06 12:23:47

本申请涉及蒸发器运行数据处理,具体涉及一种用于蒸发物料的蒸发器故障预测方法。

背景技术:

1、蒸发器是一种工业设备,主要用于通过加热将液体物料中的溶剂蒸发掉,从而提高物料固体成分的浓度。当蒸发器处理的物料中含有高浓度的钙镁离子时,在蒸发过程中,温度的升高会导致这些离子与碳酸根等阴离子结合,形成不溶性的无机盐,逐渐沉积在阀门、管道形成坚硬的结垢,造成阀门堵塞,导致生产流程中断,影响生产效率。

2、目前,对于蒸发器阀门故障预测通常依赖于对阀门监测数据的异常检测,但忽略了蒸发器中流体在阀门堵塞时的动态行为。导致蒸发器设备对故障的响应有延迟,无法准确的预测阀门故障。

技术实现思路

1、为了解决上述技术问题,本申请提供一种用于蒸发物料的蒸发器故障预测方法,以解决现有的问题。

2、本申请的一种用于蒸发物料的蒸发器故障预测方法采用如下技术方案:

3、本申请一个实施例提供了一种用于蒸发物料的蒸发器故障预测方法,该方法包括以下步骤:

4、s1,采集当前时刻之前的预设时间段内蒸发器阀门各个位置处的声音信号、压力序列和流量序列;

5、s2,对声音信号分段,并进行特征提取,得到特征序列,根据特征序列的噪声含量和信息复杂度确定模态分解算法中的停止阈值,根据停止阈值对声音信号进行模态分解,得到各模态分量;根据不同位置处声音信号的所有模态分量的频域特征差异,筛选声音异常点;

6、s3,根据声音异常点处压力序列的波动情况,得到压力波动变化值;根据声音异常点处流量序列的趋势变化和数值波动情况,得到流量趋势波动指数;

7、s4,综合各声音异常点处的压力波动变化值和流量趋势波动指数,得到各声音异常点的阀门异常系数;根据所有声音异常点的阀门异常系数,筛选阀门异常位置,得到当前时刻蒸发器的故障预测结果。

8、进一步,所述各模态分量的获取方法,包括:

9、将声音信号平均划分为若干帧;对每帧包含的声音信号进行特征提取,得到特征向量;将所有帧的特征向量按时间顺序排列,得到声音信号的特征序列;计算特征序列的信噪比和信息熵;

10、根据声音信号的特征序列的信噪比和信息熵对预设停止阈值进行调整,得到自适应停止阈值;

11、将自适应停止阈值作为模态分解算法中的停止阈值,对声音信号进行模态分解,得到各模态分量。

12、进一步,所述自适应停止阈值的获取方式,包括:将自适应停止阈值记为,;其中,为预设停止阈值;为预设的第一影响系数;snr为特征序列的信噪比;为预设的第二影响系数;为特征序列的信息熵。

13、进一步,所述根据不同位置处声音信号的所有模态分量的频域特征差异,筛选声音异常点,包括:

14、将模态分量转换为频域,得到各模态频率;根据模态分量的所有模态频率对应幅值的数值分布特征,得到模态分量的频域特征值;

15、将声音信号的所有模态分量的频域特征值的均值,作为声音信号的异常判别值;将所有位置处的声音信号的异常判别值的均值,作为声音异常阈值;将异常判别值大于声音异常阈值的声音信号对应的位置,记为声音异常点。

16、进一步,所述模态分量的频域特征值,包括:

17、将所有模态频率对应的幅值的最大值,作为模态分量的频率峰值;计算各模态分量对应的所有模态频率的频率峰值的标准差,作为模态分量的频域特征值。

18、进一步,所述压力波动变化值的获取方法,包括:

19、对于各声音异常点,获取声音异常点处的压力序列的一阶差分序列;计算所述一阶差分序列中所有元素的标准差,记为声音异常点处的压力波动变化值。

20、进一步,所述流量趋势波动指数的获取方法,包括:

21、对声音异常点处的流量序列进行直线拟合,得到拟合直线的斜率;将流量趋势波动指数记为,;式中,为流量序列的标准差;为流量序列的拟合直线的斜率;是流量序列的平均值;||为绝对值符号。

22、进一步,所述各声音异常点的阀门异常系数的获取方法,包括:将声音异常点的阀门异常系数记为,;其中,p为压力波动变化值;f为流量趋势波动指数。

23、进一步,所述根据所有声音异常点的阀门异常系数,筛选阀门异常位置,得到当前时刻蒸发器的故障预测结果,包括:

24、根据所有声音异常点的阀门异常系数的数值分布,计算阀门异常阈值;将阀门异常系数大于阀门异常阈值的声音异常点,记为阀门异常位置;若阀门异常位置的数量大于预设数值,则蒸发器发生阀门堵塞故障。

25、进一步,所述阀门异常阈值的计算方法,包括:计算所有声音异常点的阀门异常系数的均值与标准差之和,作为阀门异常阈值。

26、本申请至少具有如下有益效果:

27、本申请通过分析阀门堵塞时声音信号经小波变换后总能量的变化和模态分解后各固有模态函数峰值的变化,有效的提取了声音信号在不同频率下的特征,筛选声音异常点,避免了传统方法提取声音信号的部分特征而忽略其他可能反映故障状态的信息,基于声音异常点的阀门区域内压力和流量的变化特征构建压力波动变化值和流量趋势波动指数,得到各声音异常点的阀门异常系数,综合考虑了阀门堵塞时流体的压力和流量的波动程度以及流量随时间变化的趋势信息。最后根据所有声音异常点的阀门异常系数得到故障预测结果;基于频域分析和时序数据分析方法提取关键特征更准确的反映流体在阀门堵塞时的动态行为,避免了传统方法中仅依赖压力或流量数据而导致误判的问题,进一步提高了对蒸发器故障预测的准确性。

技术特征:

1.一种用于蒸发物料的蒸发器故障预测方法,其特征在于,该方法包括以下步骤:

2.如权利要求1所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述各模态分量的获取方法,包括:

3.如权利要求2所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述自适应停止阈值的获取方式,包括:将自适应停止阈值记为,;其中,为预设停止阈值;为预设的第一影响系数;snr为特征序列的信噪比;为预设的第二影响系数;为特征序列的信息熵。

4.如权利要求1所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述根据不同位置处声音信号的所有模态分量的频域特征差异,筛选声音异常点,包括:

5.如权利要求4所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述模态分量的频域特征值,包括:

6.如权利要求1所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述压力波动变化值的获取方法,包括:

7.如权利要求1所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述流量趋势波动指数的获取方法,包括:

8.如权利要求1所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述各声音异常点的阀门异常系数的获取方法,包括:将声音异常点的阀门异常系数记为,;其中,p为压力波动变化值;f为流量趋势波动指数。

9.如权利要求1所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述根据所有声音异常点的阀门异常系数,筛选阀门异常位置,得到当前时刻蒸发器的故障预测结果,包括:

10.如权利要求9所述的一种用于蒸发物料的蒸发器故障预测方法,其特征在于,所述阀门异常阈值的计算方法,包括:计算所有声音异常点的阀门异常系数的均值与标准差之和,作为阀门异常阈值。

技术总结本申请涉及蒸发器运行数据处理技术领域,具体涉及一种用于蒸发物料的蒸发器故障预测方法,该方法包括:采集蒸发器阀门各个位置处的声音信号、压力序列和流量序列;对声音信号分段,并进行特征提取,得到特征序列,根据特征序列的数值分布对声音信号进行模态分解,得到各模态分量;根据不同位置处声音信号的所有模态分量的频域特征差异,筛选声音异常点;根据声音异常点处压力序列的波动情况和流量序列的趋势变化和数值波动情况,得到阀门异常系数;根据阀门异常系数,筛选阀门异常位置,得到当前时刻蒸发器的故障预测结果。本申请可提高对蒸发器故障预测的准确性。技术研发人员:刘锋,张煜,刘玉光,杨威,董学军,滕征新,刘泽萍,安然受保护的技术使用者:开原亨泰营养科技有限公司技术研发日:技术公布日:2024/12/2

本文地址:https://www.jishuxx.com/zhuanli/20241204/341131.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。