一种浓密机耙架卡阻在线识别方法及系统与流程

本技术涉及矿用设备故障监测识别，具体的为一种浓密机耙架卡阻在线识别方法及系统。

背景技术：

1、浓密机是选矿厂固液分离与回水工序的核心设备，其耙架通过连续旋转破坏沉降层结构、推动底流向排矿口汇集，运行稳定性直接影响底流浓度、澄清水水质及后续流程的连续性。在高浓度矿浆、细粒级占比升高、矿浆黏度变化、给矿量波动、加药制度调整或泥层异常升高等工况下，耙架易出现逐步加重的阻滞乃至卡阻，表现为驱动负载上升、能耗增加、耙臂受力异常，严重时引发过载跳停、减速机损坏、耙臂弯折甚至池体结构损伤，造成停机清池与选矿流程中断。

2、现场电控系统通常可稳定获取的信号为耙架驱动电机的实时电流，以及运行使能、方向、转速等基础状态信号。但电机电流同时叠加了正常工况下的负载漂移与异常工况下的额外负载累积，两类来源在电流曲线上相互耦合，使得在线识别需要在不新增复杂传感的约束下，既贴合选矿工况机理，又能输出可用于电控联动的稳定结论。

3、现有浓密机耙架异常识别多采用电机电流/功率/扭矩信号的阈值与趋势判定方案：例如设定电流上限、电流上升斜率阈值与超限持续延时，配合滑动平均、低通滤波抑制噪声；或采用线性回归、时间序列预测生成参考电流，以实时值与参考值的差值触发告警；部分方案结合浓度、泥层高度、给矿量、加药量等工艺量进行规则融合或训练分类模型，实现多源分级报警，并接入plc/dcs执行减速、反转或停机保护。

4、但是，阈值、斜率与延时参数多依赖人工经验整定，难以随矿石性质、给矿制度与加药策略自适应调整，正常工况下的负载上浮易引发误报，或掩盖渐进式卡阻的发展过程；而且参考电流多为点预测或简单拟合，缺少对正常波动范围的显式刻画，差值判别缺乏动态统一基准；另外多基于原始电流峰值或单次超限触发，易受短时冲击、工况切换的瞬态偏差干扰，无法稳定反映卡阻额外负载的持续累积特性。

技术实现思路

1、本发明旨在浓密机选矿工况下仅依赖驱动电机实时电流及基础运行状态信号的条件约束中，如何建立对正常工况电流演化及其合理波动范围的可计算表征，使由耙架卡阻引起的额外负载电流能够被可靠分离并进行持续性判别，从而形成可用于电控系统闭环联动的在线卡阻识别结果，基于此，提出一种浓密机耙架卡阻在线识别方法，包括以下步骤：

2、s1、获取浓密机耙架驱动电机的实时电流采样值并形成实时电流序列，接收耙架运行状态信号并形成运行状态序列，得到识别输入；

3、s2、根据识别输入调用一维扩散电流表征模型，所述一维扩散电流表征模型包含正向加噪链与反向去噪链，正向加噪链对实时电流序列逐级叠加随机扰动形成多级噪声电流序列，反向去噪链以实时电流序列为条件，对多级噪声电流序列从高噪声级别向低噪声级别逐级去噪，生成正常工况假设的可解释电流轨迹，并同步输出表征正常工况电流上浮范围的正常波动界限参数；

4、s3、根据实时电流序列与可解释电流轨迹计算偏差电流序列，并依据正常波动界限参数提取偏差电流序列中超出正常波动界限的部分，形成额外负载电流序列；

5、s4、对额外负载电流序列执行电机电流上升持续判别，初始化持续累积证据与连续正值计数，按采样时刻依次读取额外负载电流值并计算额外负载电流增量值，根据连续正值计数与额外负载电流增量值的联合判定结果，对持续累积证据执行递增更新或衰减更新并进行上下限幅，根据持续累积证据与持续阈值参数的比较结果，生成取值范围为 0～1的卡阻风险指数与卡阻状态标识；

6、s5、根据卡阻状态标识与卡阻风险指数生成在线识别结果，所述在线识别结果至少包括正常、疑似卡阻、确认卡阻三种状态。

7、优选的，所述s2中，正向加噪链的执行过程包括以下步骤：

8、s201、初始化扩散级别标识为最低级别，将实时电流序列作为零噪声级别序列；读取预存的噪声强度表，所述噪声强度表包含与各级扩散级别一一对应的噪声强度值；

9、s202、按照扩散级别从低到高的顺序，针对每一级别生成零均值单位方差的随机扰动序列，按对应噪声强度缩放后逐点叠加至上一级别电流序列，得到当前扩散级别对应的噪声电流序列，最终形成覆盖全部扩散级别的多级噪声电流序列。

10、优选的，所述反向去噪链的执行过程，包括以下步骤：

11、s211、根据实时电流序列计算相邻采样点的电流差值，生成电流增量序列，序列首点增量置为0；将实时电流序列与电流增量序列按通道维度拼接，形成条件特征张量；将多级噪声电流序列的当前级别序列作为去噪特征张量；

12、s212、将当前扩散级别标识映射为级别指示向量，经两层全连接层生成扩散级别嵌入向量；所述扩散级别嵌入向量用于调制反向去噪链内部卷积层的通道特征，令不同噪声级别下输出的可解释电流轨迹与正常波动界限参数保持语义一致；

13、s213、将去噪特征张量与条件特征张量输入共享表征骨干网络提取融合特征，经双输出头同步生成当前级别的可解释电流轨迹与正常波动界限参数；

14、s214、按照扩散级别从高到低的顺序，逐级更新多级噪声电流序列的当前级别序列，直至扩散级别标识降至最低级别，输出最终的可解释电流轨迹与正常波动界限参数；

15、所述反向去噪链采用共享表征骨干网络加双输出头的结构，所述共享表征骨干网络为一维残差卷积网络，依次包括输入卷积层、慢变残差堆叠层、快变残差堆叠层和融合卷积层；所述输入卷积层对去噪特征张量与条件特征张量进行通道对齐拼接后生成基础特征图；所述慢变残差堆叠层由3个残差块构成，采用递增扩张率卷积提取电流慢变漂移特征；所述快变残差堆叠层由3个残差块构成，采用小卷积核提取电流短时波动特征；所述融合卷积层对两路特征拼接压缩后生成融合特征图；

16、所述双输出头包括可解释电流轨迹输出头与正常波动界限参数输出头，共享同一融合特征图，分别经一维卷积输出可解释电流轨迹与正常波动界限参数，令可解释电流轨迹与正常波动界限参数在同一工况条件下同步生成。

17、优选的，所述s2中，多级噪声电流序列从扩散级别到的逐级去噪过程按照下列扩散转移公式：

18、

19、其中，为扩散级别标识为时的当前级别噪声电流序列，为去噪后级别的电流序列；为扩散级别标识为时生成的可解释电流轨迹；为扩散级别对应的去噪步长系数，为扩散级别对应的噪声回注系数，二者预存于扩散转移表中；为扩散级别对应的噪声强度，为扩散级别对应的零均值单位方差随机扰动序列；为采样时刻序号，所有序列长度一致且逐点运算在时间索引上一一对应。

20、优选的，所述s3具体包括以下步骤：

21、s301、按实时电流序列的采样时刻依次读取实时电流值，并读取可解释电流轨迹中同一采样时刻的基线电流值，逐点相减并按时间顺序组合，生成偏差电流序列；

22、s302、按采样时刻读取正常波动界限参数，将偏差电流序列与正常波动界限参数逐点比较，在偏差电流大于正常波动界限参数时取偏差电流减正常波动界限参数的结果，在偏差电流不大于正常波动界限参数时取零，生成初始额外负载电流序列；

23、s303、对初始额外负载电流序列逐点执行最小额外负载阈值参数筛除，将小于最小额外负载阈值参数的取值置零，并保持序列长度与实时电流序列一致，形成额外负载电流序列。

24、优选的，所述s4中，所述持续累积证据与卡阻风险指数的计算过程包括：

25、初始化持续累积证据、连续正值计数，按采样时刻顺序读取额外负载电流值，计算相邻采样时刻的额外负载电流增量值；

26、若，则连续正值计数；若若，则连续正值计数；

27、所述持续证据累计按下列公式更新：

28、

29、其中，为证据上限参数；为正的证据递增系数；为连续采样阈值参数；为增强判定阈值参数；为取值[0,1]区间的证据衰减系数；

30、卡阻风险指数按下式计算：

31、

32、其中，为持续阈值参数；卡阻风险指数的取值范围为0～1，当时，卡阻风险指数为1且确定卡阻状态标识；当时，卡阻风险指数且确定正常状态标识。

33、优选的，所述s1具体包括：按预设采样周期采集驱动电机电流采样值，经量纲统一转换后形成电流采样值序列；按预设序列长度参数对电流采样值序列执行滑动截取，生成长度为的实时电流序列，其中预设序列长度参数与反向去噪链的输入序列长度一致；

34、接收运行使能信号、运行方向信号与转速反馈信号，形成运行状态序列；当运行使能信号为有效且转速反馈信号大于转速阈值参数时，将实时电流序列与运行状态序列按时间基准对齐拼接，形成所述识别输入。

35、优选的，所述s5包括读取疑似阈值参数，若当前为正常状态标识，且卡阻风险指数小于疑似阈值参数，则生成正常的在线识别结果；若卡阻风险指数大于等于疑似阈值参数，则生成疑似卡阻的在线识别结果；若当前为卡阻状态标识，则生成确认卡阻的在线识别结果。

36、优选的，还包括s6，其中：

37、将在线识别结果离散映射为卡阻识别信号值：正常状态对应数值0、疑似卡阻对应数值1、确认卡阻对应数值2；

38、读取满量程值与量化比例，将0～1区间的卡阻风险指数线性映射为对应幅值的风险信号值；

39、通过工业通信接口按预设刷新周期，将卡阻识别信号值与风险信号值发送至浓密机电控系统，用于减速、反转、停机保护的电控联动控制。

40、一种浓密机耙架卡阻在线识别系统，包括数据采集模块、一维扩散表征模块、额外负载提取模块、持续判别模块和结果输出模块，其中：

41、所述数据采集模块用于采集浓密机耙架驱动电机的电流采样值与运行状态信号，经量纲转换与滑动截取生成实时电流序列与运行状态序列，并在满足有效运行条件时拼接形成识别输入，输出至所述一维扩散表征模块。

42、所述一维扩散表征模块内置由正向加噪链与反向去噪链构成的一维扩散电流表征模型，用于接收所述识别输入，以实时电流序列为条件对多级噪声电流序列逐级去噪，同步生成可解释电流轨迹与正常波动界限参数，并输出至所述额外负载提取模块；

43、一维扩散电流表征模型由正向加噪链与反向去噪链构成，正向加噪链对实时电流序列施加分级随机扰动形成多级噪声电流序列，反向去噪链对多级噪声电流序列执行去噪生成可解释电流轨迹，并输出正常波动界限参数。该模型的核心神经网络位于反向去噪链，反向去噪链不采用通用的一维去噪网络单头输出方式，而采用共享表征骨干网络加双输出头的结构，把浓密机工况导致的正常上浮用正常波动界限参数显式表达，使电机电流上升持续判别获得可计算的正常可解释范围。

44、反向去噪链的神经网络输入数据包括：多级噪声电流序列的当前级别序列与实时电流序列；神经网络在网络内部根据实时电流序列计算电流增量序列，并将实时电流序列与电流增量序列拼接形成条件特征张量，条件特征张量维度为长度为l的序列乘以2维通道；多级噪声电流序列的当前级别序列作为去噪特征张量，维度为长度为l的序列乘以1维通道；反向去噪链同时接收扩散级别标识并通过两层全连接层生成扩散级别嵌入向量，第一层全连接层神经元数为64，第二层全连接层神经元数为128，扩散级别嵌入向量用于调制后续卷积层的特征计算，使同一网络在不同噪声级别下输出一致语义的可解释电流轨迹与正常波动界限参数。

45、反向去噪链的中间层为一维残差卷积骨干网络，一维残差卷积骨干网络包含输入卷积层、慢变残差堆叠层、快变残差堆叠层与融合卷积层。输入卷积层对去噪特征张量与条件特征张量进行通道对齐后拼接，采用一维卷积形成基础特征图，卷积通道数为64。慢变残差堆叠层由3个残差块构成，每个残差块包含两层一维卷积层，卷积通道数为64，卷积采用递增扩张率以扩大感受野，用于表征矿浆黏度、给矿与加药变化引起的缓慢负载漂移在可解释电流轨迹中的体现。快变残差堆叠层由3个残差块构成，每个残差块包含两层一维卷积层，卷积通道数为64，卷积采用小卷积核以表征电流短时波动形态，使正常波动界限参数能够随波动强弱而变化。融合卷积层对慢变残差堆叠层输出与快变残差堆叠层输出进行通道拼接并通过一维卷积压缩为64通道融合特征图。

46、反向去噪链的输出层为双输出头结构：可解释电流轨迹输出头对融合特征图施加一维卷积输出长度为l的单通道序列，得到可解释电流轨迹；正常波动界限参数输出头对融合特征图施加一维卷积输出长度为l的单通道序列，得到正常波动界限参数。双输出头共享同一融合特征图，使可解释电流轨迹与正常波动界限参数在同一条件下同步生成，正常波动界限参数随实时电流序列的运行形态而变化，支撑根据实时电流序列与可解释电流轨迹计算偏差电流并依据正常波动界限参数提取额外负载电流序列的链路，从结构上把正常上浮的可解释范围固化为可引用的参数对象，而不是依赖固定电流阈值或固定斜率阈值。

47、所述额外负载提取模块用于接收所述实时电流序列、可解释电流轨迹和正常波动界限参数，计算偏差电流序列并截取超出正常波动界限的部分，经最小阈值筛除后生成额外负载电流序列，输出至所述持续判别模块。

48、所述持续判别模块用于接收所述额外负载电流序列，计算持续累积证据并结合持续阈值参数生成卡阻风险指数与卡阻状态标识，输出至所述结果输出模块。

49、所述结果输出模块用于接收所述卡阻状态标识与卡阻风险指数，生成包含正常、疑似卡阻、确认卡阻的三级在线识别结果，并转换为可被电控系统读取的卡阻识别信号与风险信号，发送至浓密机电控系统。

50、本发明的有益效果如下：

51、1.相较于基于电机电流的固定阈值/斜率阈值/延时触发，或用线性回归、单点预测形成参考电流后直接差分判别，本发明将一维扩散模型引入浓密机选矿设备的电流表征环节，在实时电流序列条件下同时生成正常工况假设的可解释电流轨迹与正常波动界限参数，使正常上浮的合理范围成为可计算、可引用且随工况形态自适应变化的量。该设计把矿浆黏度、给矿波动、加药变化等引起的慢变漂移与短时波动纳入同一随机演化框架，并通过共享骨干网络结合双输出头在同一语义空间内同步给出基线与界限，从而减少了依赖人工经验整定固定阈值带来的工况迁移不一致问题；同时方案仅使用现场可稳定获得的电流与基础运行状态信号，不依赖额外工艺测点，便于在既有电控系统中落地。

52、2.在判别链路上，本技术先以实时电流至可解释电流轨迹构造偏差电流，再用正常波动界限参数逐点截取超界部分形成额外负载电流序列，使后续判别围绕超出正常可解释范围的负载展开，而不是对原始电流峰值或单次超限作直接判断，随后通过连续正值计数与增强趋势约束的持续累积证据递增或衰减机制，将卡阻导致的额外负载逐步累积映射为证据的稳定增长，抑制短时冲击与工况切换造成的瞬态偏差误触发，并输出可用于联动控制的风险指数与三态结果。该效果可通过对比回放量化验证，例如统计单位时间误报次数、在相同触发门限下的误报占比、以及从风险指数越过疑似阈值到确认卡阻的提前量；示例性地，在1s采样、窗口长度l取300的条件下，可比较固定阈值和延时与本方案在给矿或者加药频繁波动时的误报次数和在渐进卡阻过程中的提前预警时长，以形成可复核的工程量化依据。