首页 / 专利库 / 人工智能 / 人工神经网络 / 基于频谱特征双边检测法烧结机漏风故障在线诊断方法

基于频谱特征双边检测法烧结机漏故障在线诊断方法

阅读:1035发布:2020-05-26

专利汇可以提供基于频谱特征双边检测法烧结机漏故障在线诊断方法专利检索,专利查询,专利分析的服务。并且本 发明 公开一种基于 频谱 特征双边检测法 烧结 机漏 风 故障在线诊断方法。所述的方法包括下述步骤:建立了基于 频率 特征的烧结机漏风故障的离线诊断模型;基于离线诊断模型在线对烧结车间声音采集数据进行故障诊断。本方法利用声音的频谱和强度特性,构造了一种烧结机漏风故障的特征表示方法,并以该特征表示方法,为烧结机漏风故障提供了可监测的依据;通过计算特征频率上的强度 阈值 ,定义了一种可供数值计算的烧结机漏风故障判据,该判据是烧结机漏风故障自动检测的 基础 ;通过决策机制对烧结机漏风故障判据进行诊断的方式,该方式为烧结机漏风故障诊断提供了智能化的判断依据。,下面是基于频谱特征双边检测法烧结机漏故障在线诊断方法专利的具体信息内容。

1.一种基于频谱特征双边检测法烧结机漏故障在线诊断方法,其特征在于,所述的方法包括下述步骤:
建立基于频率特征的烧结机漏风故障的离线诊断模型;
基于离线诊断模型在线对烧结车间声音采集数据进行故障诊断;
建立基于频率特征的烧结机漏风故障的离线诊断模型的方法包括:
21)制作烧结车间正常工作频谱样本集和漏风故障频谱样本集;
22)对比漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异,按照降序选出强度差异最大的k个频段,作为漏风故障特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
23)分析正常样本在特征频段中强度分布,采用统计参数估计的方法,按照人工设定的显著度α计算正常样本在特定频率fi的强度分布置信上限UCLi,将UCLi作为该特征频率对应的强度阈值,从而得到特征频率对应的强度阈值集,记为TH={th1,…,thk};
24)定义各特征频率对漏风故障的贡献率,记为Ω={ω1,…,ωk},将特征频率fi处的漏风故障贡献指标定义为表达式ci=G(si,thi,ωi),定义烧结机漏风故障判据为其中si为当前样本在特征频率fi处的声音强度;
基于离线诊断模型在线对烧结车间声音采集数据进行故障诊断的方法包括下述步骤:
31)在烧结车间实时采集声音数据,通过采样和去噪,制备成在线样本;
32)对在线样本实时进行频谱分析,得到故障特征频率对应的声音强度集为Sj={sj1,…,sjk};
其中,j为当前样本的序号,i为特征频率序号,sji为当前样本第i个特征对应的声音强度;
33)计算当前样本在特征频率fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将每个特征频率对应的漏风故障贡献指标累加,得到第j个在线样本的烧结机漏风故障判据
34)利用烧结机漏风故障判据Cj对烧结机在第j个时刻是否发生漏风故障进行诊断。
2.如权利要求1所述的基于频谱特征双边检测法烧结机漏风故障在线诊断方法,其特征在于,制作烧结车间正常工作频谱样本集和漏风故障频谱样本集的步骤包括:
41)采集正常生产状况下的烧结车间声音数据和各种不同漏风情况下的声音数据,通过采样和去噪,制备成离线建模样本,按照烧结故障情况,将样本集划分为正常数据集Xnormal和漏风故障数据集Xfault;
42)对正常数据集Xnormal和漏风故障数据集Xfault分别进行时域-频域转换,得到正常工作频谱样本集和漏风故障频谱样本集。
3.如权利要求1所述的基于频谱特征双边检测法烧结机漏风故障在线诊断方法,其特征在于,还包括下述步骤:
25)根据训练数据集,通过遗传算法人工神经网络方法,优化和计算各特征频率对漏风故障的贡献率Ω={ω1,…,ωk},从而确定烧结机漏风故障判据C的最优参数。
4.如权利要求1所述的基于频谱特征双边检测法烧结机漏风故障在线诊断方法,其特征在于,在步骤34)中,是采用的阈值判定或者模糊决策的方式作为烧结机漏风故障诊断的决策手段。

说明书全文

基于频谱特征双边检测法烧结机漏故障在线诊断方法

技术领域:

[0001] 本发明涉及一种基于频谱特征双边检测法烧结机漏风故障在线诊断方法。背景技术:
[0002] 矿石烧结是现代冶金流程中的重要环节,其最主要生产环节是在台车式烧结机上将混合均匀的小颗粒状原料点火燃烧,使其熔合成状烧结矿。为保证烧结矿结结块的强度和化学成分,需要原料在烧结机上得到充分燃烧。混合搅拌均匀的小颗粒状原料在烧结机上是以厚料层形式均匀分布的,为保证原料的充分燃烧,烧结机会在原料层下方设置风箱并连接抽风机,通过抽风机产生的负压,将新鲜空气带入到燃烧的原料层中。由于烧结机的密封结构和长期使用的保养问题,烧结生产过程中会产生漏风现象,导致燃烧不充分和抽风机能源的浪费,严重漏风的情况下,甚至会产生高温颗粒物洒落,造成生产事故。使漏风率的检测一直缺少行之有效的手段。
[0003] 由于烧结机及其附属的风箱、风管、等,由于结构复杂,且工作在高温状态,会造成漏风故障的易发和多发。换句话说就是说,烧结机容易发生漏风故障,但是由于该故障涉及结构的气密性,对于大型设备而言,故障点和故障原因非常多且机理各不相同,所以很难对烧结机漏风故障进行综合性的监控。

发明内容

[0004] 本发明提供一种基于频谱特征双边检测法烧结机漏风故障在线诊断方法。
[0005] 为达到上述目的,本发明基于频谱特征双边检测法烧结机漏风故障在线诊断方法,所述的方法包括下述步骤:
[0006] 建立了基于频率特征的烧结机漏风故障的离线诊断模型;
[0007] 基于离线诊断模型在线对烧结车间声音采集数据进行故障诊断。
[0008] 其中,所述的方法包括下述步骤:
[0009] 建立了基于频率特征的烧结机漏风故障的离线诊断模型的方法包括:
[0010] 21)制作烧结车间正常工作频谱样本集和漏风故障频谱样本集;
[0011] 22)对比漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异,按照降序选出强度差异最大的k个频段,作为漏风故障特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
[0012] 23)分析正常样本在特征频段中强度分布,采用统计参数估计的方法,按照人工设定的显著度α计算正常样本在特定频率fi的强度分布置信上限UCLi,将UCLi作为该特征频率对应的强度阈值,从而得到特征频率对应的强度阈值集,记为TH={th1,…,thk};
[0013] 24)定义各特征频率对漏风故障的贡献率,记为Ω={ω1,…,ωk},将特征频率fi处的漏风故障贡献指标定义为表达式ci=G(si,thi,ωi),定义烧结机漏风故障判据为其中si为当前样本在特征频率fi处的声音强度。
[0014] 根据训练数据集,通过遗传算法人工神经网络方法,优化和计算各特征频率对漏风故障的贡献率Ω={ω1,…,ωk},从而确定烧结机漏风故障判据C的最优参数。
[0015] 其中,基于离线诊断模型在线对烧结车间声音采集数据进行故障诊断的方法包括下述步骤
[0016] 31)在烧结车间实时采集声音数据,通过采样和去噪,制备成在线样本;
[0017] 32)对在线样本实时进行频谱分析,得到故障特征频率对应的声音强度集为Sj={sj1,…,sjk};
[0018] 其中,j为当前样本的序号,i为特征频率序号,sji为当前样本第i个特征对应的声音强度;
[0019] 33)计算当前样本在特征频率fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将每个特征频率对应的漏风故障贡献指标累加,得到第j个在线样本的烧结机漏风故障判据[0020] 34)利用烧结机漏风故障判据Cj对烧结机在第j个时刻是否发生漏风故障进行诊断,可以采用的阈值判定或者模糊决策等多种方式作为烧结机漏风故障诊断的决策手段。
[0021] 其中,制作烧结车间正常工作频谱样本集和漏风故障频谱样本集的步骤包括:
[0022] 41)采集正常生产状况下的烧结车间声音数据和各种不同漏风情况下的声音数据,通过采样和去噪,制备成离线建模样本,按照烧结故障情况,将样本集划分为正常数据集Xnormal和漏风故障数据集Xfault;
[0023] 42)对正常数据集Xnormal和漏风故障数据集Xfault分别进行时域-频域转换,得到正常工作频谱样本集和漏风故障频谱样本集。
[0024] 上述的本发明的方法有以下优点:
[0025] 1.由于烧结机漏风故障的故障点多,故障发生的诱因复杂,所以很难通过传统的监控方法实现有效的在线自动故障诊断,而本发明提出的烧结机漏风故障在线诊断方法,通过对易获得的声音信号进行采集和分析,为烧结机这种的整体大型设备的漏风故障监测提供了方便易行的方法。
[0026] 2.本发明利用声音的频谱和强度特性,构造的特征表示方法,为烧结机漏风故障提供了可监测的依据;
[0027] 3.本发明通过计算特征频率上的强度阈值,定义了可供数值计算的烧结机漏风故障判据,为烧结机漏风故障自动判断提供了可计算的指标;
[0028] 4.本发明通过决策机制对烧结机漏风故障判据进行诊断的方式,为烧结机漏风故障的智能化诊断的提供了有效手段;
[0029] 5.本发明提出的烧结机漏风故障在线诊断方法,通过声音频谱和强度相结合的方式,构成烧结机漏风检测的新型判据,该判据通过历史数据的参数优化和统计检验,提高了可靠性。
[0030] 6.本发明提出的烧结机漏风故障在线诊断方法,其在线诊断过程只需要简单的解析式计算,其计算复杂度低,实时性能好,对硬件系统的计算资源和内存资源占用都很低,实施成本低。
[0031] 7.通过本发明提出的烧结机漏风故障在线诊断方法,可以及时有效的对烧结机漏风故障进行无人值守式的在线诊断,有利于提高烧结燃烧过程的稳定性,降低故障率,提高烧结矿成品质量
[0032] 8.通过本发明提出的烧结机漏风故障在线诊断方法,可以及时发现烧结生产中的漏风现象,为降低烧结主抽风机节能降耗和设备检修维护提供关键的检测判别手段。附图说明
[0033] 图1本发明的检测和硬件系统示意图
[0034] 图2本发明的总工作流程图
[0035] 图3本发明的基于频率特征的烧结机漏风故障离线建模流程图
[0036] 图4本发明的基于频率特征的烧结机漏风故障在线诊断流程图

具体实施方式

[0037] 本发明基于声音信号具有传播速度快和不易被遮挡的特性,而根据长期的生产经验总结,烧结机漏风故障的一个重要现象就是会产生风穿过狭窄空间造成的啸叫声,这种漏风产生的声音一般比较尖锐,和工厂背景声音有一定的区分度,所以本发明根据烧结机漏风现象的这一特点,采用对车间声音信号分析的方法,实现烧结机漏风故障的综合在线检测和故障诊断。
[0038] 现以国内典型的台车式烧结机为例,对本发明进行说明:
[0039] 本发明的检测和硬件系统见图1。烧结移动台车里是正在燃烧的混合原料,台车下部是抽取空气以满足燃烧需要的风机系统,主要包括烧结风箱、烧结烟道和主抽风机等。由于台车是若干移动式的独立小车拼接而成,所以台车与台车间、风箱和台车间存在间隙和活动连接,这就导致容易在各种不同部位产生漏风现象,且难以通过有效手段进行密封性检测。本发明提出的烧结机漏风故障在线诊断方法,针对漏风现象难以检测的问题,提出了通过烧结车间声音采集的方式,为漏风故障提供判断依据。如图所示,在烧结机所在车间安装若干声音信号采集器,作为现场传感器为在线故障诊断提供检测信号源。通过离线故障建模服务器对车间声音信号的历史数据进行分析,构建烧结机漏风故障的诊断模型并进行参数优化。通过在线监控服务器,利用优化的漏风故障模型,对烧结生产实时数据进行分析和故障诊断。
[0040] 本发明的工作流程见图2。该方法主要分为离线故障建模和在线故障诊断两个相关联的部分。本发明离线故障建模阶段的实施方法如下:首先,对各工况下烧结生产的车间声音数据进行收集和整理,得到车间声音历史样本库;然后对车间声音历史样本库进行分析和建模,得到烧结漏风故障模型。本发明在线故障诊断阶段的实施方法如下:首先,对实时采集烧结生产的车间声音数据进行采样和分析,得到在线生产样本;然后通过烧结漏风故障模型对在线生产样本进行监控和计算;最后,通过故障决策机制,对故障模型的结论进行最终判断,给出在线故障诊断结论。
[0041] 基于频率特征的烧结机漏风故障离线建模阶段的流程图见图3:
[0042] 第一步:采集正常生产状况下的烧结车间声音数据和各种不同漏风情况下的声音数据,通过采样和去噪,制备成离线建模样本,按照烧结故障情况,将样本集划分为正常数据集Xnormal和漏风故障数据集Xfault;
[0043] 第二步:对正常数据集Xnormal和漏风故障数据集Xfault分别进行时域-频域转换,得到正常工作频谱样本集和漏风故障频谱样本集;
[0044] 第三步:对比漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异,按照降序选出强度差异最大的k个频段,作为漏风故障特征频率集,记为F={f1,…,fk},其中,fi为第i个特征频率;
[0045] 第四步:分析正常样本在特征频段中强度分布,采用统计参数估计的方法,按照人工设定的显著度α计算正常样本在特定频率fi的强度分布置信上限UCLi,将UCLi作为该特征频率对应的强度阈值,从而得到特征频率对应的强度阈值集,记为TH={th1,…,thk};
[0046] 第五步:定义各特征频率对漏风故障的贡献率,记为Ω={ω1,…,ωk},将特征频率fi处的漏风故障贡献指标定义为表达式ci=G(si,thi,ωi),定义烧结机漏风故障判据为其中si为当前样本在特征频率fi处的声音强度。设定根据训练数据集,通过遗传算法、人工神经网络等方法,优化和计算各特征频率对漏风故障的贡献率Ω={ω1,…,ωk},从而确定烧结机漏风故障判据C的最优参数;其中,作为一个实施例
[0047] 通过以上5个步骤,就建立了基于频率特征的烧结机漏风故障的离线诊断模型。
[0048] 基于频率特征的烧结机漏风故障在线诊断阶段的流程图见图4:
[0049] 第一步:在烧结车间实时采集声音数据,通过采样和去噪,制备成在线样本;
[0050] 第二步:对在线样本实时进行频谱分析,得到故障特征频率对应的声音强度集为Sj={sj1,…,sjk},其中,j为当前样本的序号,i为特征频率序号,sji为当前样本第i个特征对应的声音强度;
[0051] 第三步:计算当前样本在特征频率fi处的漏风故障贡献指标cji=G(sji,thi,ωi),将每个特征频率对应的漏风故障贡献指标累加,得到第j个在线样本的烧结机漏风故障判据 其中,作为一个实施例:
[0052] 第四步:利用烧结机漏风故障判据Cj对烧结机在第j个时刻是否发生漏风故障进行诊断,可以采用的阈值判定或者模糊决策等多种方式作为烧结机漏风故障诊断的决策手段。
[0053] 通过以上4个步骤,就实现了基于频率特征的烧结机漏风故障的在线诊断。
[0054] 以上,仅为本发明的较佳实施例,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求所界定的保护范围为准。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈