一种用于湿法破碎工序的废塑料粒度与能耗在线监测方法与系统与流程

摘要: 本发明涉及废塑料处理,具体为一种用于湿法破碎工序的废塑料粒度与能耗在线监测方法与系统。背景技术:1、湿法破碎是废塑料再生预处理核心工序,同步完成破碎、水洗除杂、...
一种用于湿法破碎工序的废塑料粒度与能耗在线监测方法与系统与流程

本发明涉及废塑料处理,具体为一种用于湿法破碎工序的废塑料粒度与能耗在线监测方法与系统。

背景技术:

1、湿法破碎是废塑料再生预处理核心工序,同步完成破碎、水洗除杂、粉尘抑制,直接决定后续分选、造粒工序成品质量与生产能耗。现有的湿法破碎工艺普遍存在以下问题:传统采用离线筛分取样检测,耗时数十分钟,无法适配实时工艺调整;单一工业视觉检测受水流浑浊、气泡、颗粒重叠干扰,细颗粒识别误差大,仅能采集表层颗粒,无法表征整体粒度分布。现有系统仅统计总用电量,无法拆分空载能耗、有效破碎能耗、附加损耗;缺乏适配湿法水环境的破碎功指数修正模型,无法量化“破碎细度提升对应的能耗增量”,操作人员只能依靠经验平衡粒度合格率与能耗成本,普遍存在过度破碎能耗浪费或粒度过粗返工问题。刀具磨损直接导致粒度粗化、能耗飙升、产能下降;现有手段依赖停机人工巡检或固定运行时长预估,预判精度差,易出现过度磨损故障或提前换刀增加维护成本。过载、堵料、轴承故障等异常仅依靠电机电流硬阈值报警,故障征兆(振动、声学、粒度-能耗匹配偏差)无法提前识别,发现故障时已产生质量瑕疵或设备损伤;无法区分磨损、堵料、轴承故障等异常类型。废塑料原料混杂多样,不同塑料力学破碎特性差异极大,固定参数监测模型在物料切换后精度大幅下降。

技术实现思路

1、本发明的目的在于提供一种用于湿法破碎工序的废塑料粒度与能耗在线监测方法与系统,解决了背景技术的问题。

2、本发明采用如下技术方案:

3、一种用于湿法破碎工序的废塑料粒度与能耗在线监测方法,包括以下步骤:

4、s1、多源异构传感数据采集与特征提取:在湿法破碎机壳体部署声学传感器、轴承座部署三轴振动传感器、主电机供电回路部署智能电表、出料口部署防水工业相机,同步采集声学信号、振动信号、功率电信号、颗粒图像信号;分别对四类信号预处理并提取声学特征向量、振动特征向量、功率特征向量、图像特征向量;

5、s2、多模态注意力融合粒度在线软测量:将四类特征分别经独立双层全连接编码网络映射至统一64维特征空间;采用缩放点积跨模态注意力机制,以粒度估计任务自适应分配各模态特征权重;加权融合得到256维综合特征向量,输入回归网络实时输出破碎塑料颗粒d10、d50、d90、均匀系数、各粒径区间质量分数;每24小时或工况突变时基于离线筛分真值通过增量学习对软测量模型在线校准;

6、s3、粒度-能耗耦合机理建模:基于bond破碎功指数理论构建湿法破碎专用能耗模型,引入湿法破碎修正系数kw、塑料材料特性修正系数km、粒度分布宽度修正项;建立粒度分布参数与单位产品能耗的非线性映射;根据原料塑料种类、进料粒度、含水率动态修正模型系数;模型预测能耗与实际能耗误差超过阈值时,采用递推最小二乘法在线更新模型参数;

7、s4、能耗分解与能效评估:将破碎总能耗拆分为空载能耗、有效破碎能耗、附加损耗;空载能耗通过空载试验或历史空载工况识别标定,有效破碎能耗由s3耦合模型根据粒度减小量计算,附加损耗=总能耗-空载能耗-有效破碎能耗;基于三类能耗分量计算比能耗、能量利用率、粒度合格率、综合能效评分;

8、s5、刀具磨损在线监测与异常诊断:提取功率均值上升率、粒度粗化率、振动高频能量占比、声学频谱偏移量四类磨损敏感特征;加权融合构建取值0~100的刀具磨损指数wi,设置轻度、中度、重度三级磨损预警阈值;对比模型理论能耗与设备实际能耗完成粒度-能耗一致性校验,结合hotellingt2多元统计量检出早期异常;基于磨损指数变化趋势、能耗粒度偏差特征区分刀具磨损、过载、堵料、轴承故障、进料不均多类异常工况并分级预警;

9、s6、基于实时粒度反馈的多目标工艺参数优化:选取转子转速、进料速率、破碎间隙、破碎腔水位高度、循环水量为优化变量;构建以粒度合格率最大化、单位能耗最小化、破碎产量最大化为核心的多目标优化函数;采用粒子群优化或遗传算法求解帕累托最优解集,通过topsis法筛选最优工艺参数组合;采用梯度平滑策略下发优化参数,限制单次参数调整幅度避免系统震荡;根据生产需求动态调整三个优化目标的权重。

10、s7、多工况自适应调控:从多源传感特征中提取物料类型、进料粒度、负载水平等工况特征向量。采用k-means聚类离线划分典型工况并建立工况知识库;实时通过马氏距离最近邻匹配识别当前工况。自动调取对应工况的软测量模型参数、多目标优化权重。高负荷工况提升产量目标权重,低负荷/电价高峰工况提升能耗、粒度质量目标权重。匹配相似度低于阈值时判定为新工况,自动扩充工况知识库。

11、优选的,步骤s1具体包含:

12、s11、声学信号采集与特征提取:声学传感器采样频率≥16khz,信号经预加重、25ms帧长分帧、汉明窗加窗fft处理,提取包含13维mfcc及其差分、频谱质心、多频带能量占比的32维声学特征向量。

13、s12、振动信号采集与特征提取:三轴振动传感器采样频率≥5khz,信号滤波去噪后提取7维时域冲击特征、17维频域能量熵特征,合计24维振动特征向量。

14、s13、功率信号采集与特征提取:智能电表采样频率≥1hz,采集电压、电流、有功/无功功率、功率因数,提取包含平均功率、负载率、功率波动标准差的12维功率特征向量。

15、s14、图像采集与特征提取:工业相机分辨率≥1920×1080,配备环形led防水光源;图像经去噪、阈值分割、颗粒连通域识别后,提取粒径统计、颗粒长宽比、圆形度等的20维图像特征向量。

16、优选的,步骤s2中缩放点积跨模态注意力权重计算公式为:,其中q为粒度查询向量,km为第m个模态的键向量,d为特征维度,softmax函数对四个模态的注意力得分进行归一化,使权重之和为1。水流浑浊、图像颗粒遮挡时自动降低图像特征权重,同步提升声学、振动模态权重。

17、优选的,步骤s3中湿法破碎能耗模型公式为:。式中:w为单位质量破碎能耗;wi为塑料原料bond功指数;p为出料80%通过粒径,f为进料80%通过粒径;cu为粒度均匀系数;ε为分布宽度影响系数;湿法修正系数kw由水位修正子系数、循环水流速子系数、固液比子系数相乘得到;材质修正系数km根据pet、hdpe、pp、pvc物料种类差异化标定。

18、优选的,步骤s5中刀具磨损指数wi计算公式满足:;、、、分别为功率上升率、粒度粗化率、振动高频能量上升率、声学频谱偏移率;=0.35、=0.3、=0.2、=0.15为各特征加权系数。三级预警阈值为:wi=30轻度磨损、wi=60中度磨损、wi=85重度磨损。粒度-能耗一致性偏差绝对值>10%且d50同步增大时,判定刀具磨损加剧。

19、优选的,步骤s6中单次工艺参数调整幅度不超过该参数整体可调区间的10%;优化目标权重动态调整规则:常规生产粒度权重0.4、能耗权重0.3、产量权重0.3;加急高负荷生产产量权重提升至0.5;电价高峰、原料紧缺工况能耗权重提升至0.5。

20、优选的,步骤s7工况识别时,当前工况特征向量与工况库中心向量的马氏距离匹配相似度计算公式为:。dm为马氏距离,σ为带宽参数;相似度阈值设定为0.7,低于阈值判定新工况并启动样本采集学习流程。

21、优选的,还包含步骤s8虚拟样本生成与数据增强:

22、s81、基于dem离散元-cfd计算流体力学耦合仿真生成多工况虚拟声学、振动、功率、粒度样本;

23、s82、采用条件生成对抗网络cgan,以物料类型、粒度区间、刀具磨损程度为条件变量,生成高质量虚拟特征向量;

24、s83、从分布mmd距离、物理约束合理性、样本覆盖率三维度筛选合格虚拟样本;

25、s84、真实标注样本与虚拟样本按1:2~1:3比例混合训练软测量、故障诊断模型,提升罕见工况模型泛化精度。

26、优选的,模型训练采用课程学习策略:先以虚拟样本预训练,再使用真实工业样本微调,学习率控制为0.0001~0.001,避免模型震荡漂移。

27、优选的,一种用于湿法破碎工序的废塑料粒度与能耗在线监测系统,系统包括:分层部署的多源感知模块、边缘计算模块、云端平台模块;

28、所述多源感知模块:集成壳体声学传感器、轴承座三轴振动传感器、主电机智能电表、出料口防水工业相机与环形led光源,同步采集四类多模态原始信号;

29、所述边缘计算模块包括:特征提取单元:对四类传感信号预处理,输出标准化声学、振动、功率、图像特征向量;粒度软测量单元:搭载跨模态注意力编码-回归网络,实时输出完整粒度分布参数,内置增量学习在线校准子程序;粒度-能耗耦合建模单元:存储湿法修正bond破碎能耗模型,动态标定物料、水环境修正系数,在线计算理论有效破碎能耗;能耗分解与能效评估单元:实现总能耗空载/有效/附加损耗三分量拆分,实时输出比能耗、能量利用率、综合能效评分;刀具磨损监测与异常诊断单元:内置磨损指数计算、粒度-能耗一致性校验、hotellingt2多元统计异常检测、多故障分类预警子程序;多目标参数优化单元:搭载粒子群/遗传多目标寻优算法、topsis最优解筛选、参数平滑梯度下发子程序;多工况自适应调控单元:内置k-means工况分类、马氏距离工况匹配、工况知识库读写、优化权重动态调整子程序;所述云端平台模块:提供dem-cfd仿真虚拟样本生成、cgan数据增强、模型离线训练、全流程历史数据存储、远程可视化监控功能。

30、本发明的有益效果:通过近红外光谱、机器视觉、微波湿度、称重、温度等多源传感器的协同工作,结合基于注意力机制的多模态特征融合技术,能够全面、实时、定量地评估物料的成分、含水率、粒径分布、杂质含量等关键状态参数,物料成分识别准确率提升,解决了传统监测手段单一滞后、无法全面表征物料状态的问题。采用密度峰值聚类算法自动发现工况类别,无需预先指定类别数量,能够适应废塑料原料多变的特点;基于统计过程控制的工况迁移检测能够及时发现工况变化,误报率低。