基于多传感器融合的塑料造粒机运行状态监测方法及系统与流程
本申请属于工业自动化控制领域,具体涉及一种基于多传感器融合的塑料造粒机运行状态监测方法及系统。
背景技术:
1、塑料造粒机是塑料加工产业链中的关键设备,其运行稳定性直接关系到产品质量和生产连续性。在造粒机运行过程中,温度、压力、振动及电流等运行参数呈现大幅度波动,如何准确识别异常状态并触发可靠预警是保障生产稳定性的核心前提。传统方式多采用人工巡检或离线监测手段,难以实现对造粒机运行状态的实时、全面感知。
2、目前已有方案通过部署温度传感器、压力传感器、振动传感器等单类型传感器或有限组合,对造粒机的关键运行参数进行采集,并基于预设的固定阈值进行异常判断。这类方案在造粒机工况相对稳定的条件下能够发挥一定的监测作用。然而,塑料造粒机在实际生产中面临原料批次差异、产品规格切换、环境温度变化等多重扰动因素,工况波动剧烈,固定阈值难以适应正常运行状态的动态范围变化,导致误报率居高不下,无法提供可靠的异常预警。此外,现有方案多停留于数据采集和阈值报警层面,缺乏对异常趋势的智能识别能力和对工艺参数的主动调节能力。
3、综上所述,现有技术中缺乏一种能够适应塑料造粒机工况动态变化、有效降低误报率并实现异常状态自动调节的运行状态监测方案。本申请旨在提供一种基于多传感器融合的塑料造粒机运行状态监测方法及系统,以解决上述技术问题。
技术实现思路
1、针对现有技术中存在的不足,本发明提供一种基于多传感器融合的塑料造粒机运行状态监测方法及系统,可以有效解决上述背景技术中的问题。
2、为实现上述目的,本发明采取的技术方案为:
3、第一方面,本发明提供一种基于多传感器融合的塑料造粒机运行状态监测方法,该方法包括如下步骤:
4、通过多传感器融合监测模块实时采集塑料造粒机的多维运行数据,并采用自适应加权融合策略对各传感器采集的原始数据进行预处理和融合计算,输出综合监测数据;
5、其中,所述自适应加权融合策略实时监测各传感器输出数据的一致性程度,当某一传感器的数据与其他传感器的数据出现偏差且偏差量超过预设偏差阈值时,自动降低所述某一传感器的权重系数并相应提高其他传感器的权重系数;
6、将所述综合监测数据与一动态阈值进行对比分析,以识别异常趋势;其中,所述动态阈值由动态阈值算法根据所述塑料造粒机的当前运行状态动态调整,所述动态阈值算法综合预设固定阈值和基于历史工况数据计算得到的动态调整量,并为不同参数类型和故障类型配置差异化的调整因子;
7、在识别到异常趋势后,自动触发分级预警机制,所述分级预警机制综合当前异常状态的异常偏离程度、变化速率及持续时间,计算综合严重程度值,并基于所述综合严重程度值确定预警级别;
8、在所述分级预警机制触发后,执行工艺参数主动调节控制,根据识别出的故障类型和所述预警级别,联动调节造粒机的工艺参数,以消除异常状态;
9、所述工艺参数主动调节控制在生成参数调节指令后、下发前,执行可行性校验,所述可行性校验包括校验调节后的参数值是否超出设备安全运行范围,以及当调节后的参数组合落入历史故障案例对应的参数组合区间时,按调节优先级从低到高的顺序逐一减小各参数的调节量,直至调节后的参数组合不落入任何历史故障案例对应的参数组合区间。
10、另一方面,本发明提供一种基于多传感器融合的塑料造粒机运行状态监测系统,包括:
11、多传感器融合监测模块,用于实时采集塑料造粒机的多维运行数据,并采用自适应加权融合策略对各传感器采集的原始数据进行预处理和融合计算,输出综合监测数据;其中,所述自适应加权融合策略被配置为实时监测各传感器输出数据的一致性程度,当某一传感器的数据与其他传感器的数据出现偏差且偏差量超过预设偏差阈值时,自动降低所述某一传感器的权重系数并相应提高其他传感器的权重系数;
12、塑料造粒机运行状态知识库与故障特征库,用于存储正常运行参数范围、历史故障案例特征数据及专家经验规则,为动态阈值计算、异常趋势识别和故障类型辨识提供数据基础;
13、动态阈值对比分析引擎,用于实现动态阈值算法,将所述综合监测数据与动态阈值进行对比分析,以识别异常趋势;其中,所述动态阈值算法被配置为综合预设固定阈值和基于历史工况数据计算得到的动态调整量,并为不同参数类型和故障类型配置差异化的调整因子;
14、异常趋势预警机制,用于在识别到异常趋势后自动触发分级预警,综合异常偏离程度、变化速率及持续时间计算综合严重程度值,并基于所述综合严重程度值确定预警级别;
15、工艺参数主动调节控制系统,用于根据识别出的故障类型和所述预警级别,联动调节造粒机的工艺参数;所述工艺参数主动调节控制系统被配置为在生成参数调节指令后、下发前,执行可行性校验,所述可行性校验包括校验调节后的参数值是否超出设备安全运行范围,以及当调节后的参数组合落入历史故障案例对应的参数组合区间时,按调节优先级从低到高的顺序逐一减小各参数的调节量,直至调节后的参数组合不落入任何历史故障案例对应的参数组合区间。
16、综上所述,本申请包括以下至少一种有益技术效果:
17、1、本发明通过多传感器融合自适应加权策略和动态阈值算法,显著提高状态监测的准确性和鲁棒性。自适应加权融合实时监测各传感器数据一致性,自动降低异常传感器权重,避免单点故障或干扰对监测结果的影响,同时动态阈值根据工况变化自适应调整,克服固定阈值在工况波动下误报率高的缺陷,有效降低误报和漏报,实现造粒机运行状态的精准感知。
18、2、本发明构建从异常识别、分级预警到工艺参数主动调节的完整闭环控制链路,不仅能够及时发现异常,还能根据故障类型和严重程度自动联动调节螺杆转速、加热温度、冷却强度等工艺参数,并且在调节指令下发前执行可行性校验,确保调节操作不超出设备安全范围且不引发其他故障,实现异常状态的自动消除和工艺参数的动态优化,显著提升生产过程的自动化水平和安全性。
19、3、本发明针对断粒、粘连和设备过热等典型故障建立专项预防控制策略,利用断粒前兆识别模型、三维温度场分布模型和热平衡动态模型,实现对各类故障前兆的提前识别和预防性调节,同时结合分层结构化的知识库与故障特征库,支持从规则推理到特征匹配再到原始数据追溯的完整数据链路,为故障诊断和决策提供丰富数据支撑,全面提升塑料造粒机运行维护的智能化水平。
1.一种基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于,所述方法还包括:
3.根据权利要求2所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于:
4.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于:
5.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于:
6.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于:
7.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于,所述识别异常趋势的步骤还包括:
8.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于,所述方法还包括:
9.根据权利要求1所述的基于多传感器融合的塑料造粒机运行状态监测方法,其特征在于,所述方法还包括:执行粘连故障预防控制策略和设备过热故障预防控制策略中的至少一种;
10.一种基于多传感器融合的塑料造粒机运行状态监测系统,其特征在于,用于执行如权利要求1至9任一项所述的方法,所述系统包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com