一种基于传感器数据监测工业生产过程的方法技术

本发明专利技术公开了一种基于传感器数据监测工业生产过程的方法，包括以下步骤：(1)根据工业生产过程各阶段的数据特征，识别出一个批次数据的各阶段；(2)在识别数据各阶段过程中，评估并标记数据的有效性；(3)分阶段处理数据状态；(4)针对工作过程总时间存在的差异对数据进行规整，并以特定的阶段转换点为标准进行对齐；(5)对同一产品多个批次规整后的曲线进行拟合。本发明专利技术的实现容易，算法简单，只需要进行一些简单的数学运算，这正迎合了“大数据”背景下，用简单算法处理海量数据的潮流趋势。即使数据量比较大，处理的时间也比较短，适用范围广，对于大多数类似的有状态准备阶段和状态恢复阶段工业生产过程的监测都适用。

【技术实现步骤摘要】

本专利技术涉及工业生产领域，具体涉及一种基于传感器数据监测工业生产过程的方 法。
技术介绍
工业生产过程尤其是化工反应过程由于涉及危险品数量多，生产工艺要求苛刻， 以及生产装置的大型化、连续化和自动化，一旦发生事故，后果将极其严重，因此，安全问题 在工业生产过程中占据着非常重要的位置。 历史经验表明，改进企业安全生产水平不外乎两个途径:一、进行深入全面的安全 分析和核查，做到防患于未然，即建立有效的预防体系;二：当危险真正发生时，努力提高操 作工的应急处理能力，即建立在线实时防护体系。预防和防护是安全生产中的两个相辅相 成的环节，有效的预防手段可以将安全隐患及早地排除，而实时防护手段又大大增强了危 险发生时企业应急和转危为安的能力。 为了保障生产安全，首先要面临的问题就是防患于未然。虽然一套良好的防护体 系固然重要，但是如果预期就能够分析、发现问题，将危险消灭在最初阶段是人们最想得到 的结果，这就是安全评价所要解决的主要问题，因此在生产过程中，我们必须对工厂的设施 进行实时监控，而目前这方面的技术还比较缺乏。
技术实现思路
有鉴于此，本专利技术提出，能够根据 工厂传感器产生的大量数据，将生产同一产品的多个不同批次的过程数据，通过对齐、规整 拟合出一条标准值曲线，然后根据曲线监测工业生产过程。 另外由于实际生产过程中，虽然生产的是同一产品，但是过程时间却存在一定的 差异，所以不可能直接使用历史数据拟合出标准值曲线，必须先对历史数据进行预处理。基 于此，本专利技术提出了数据规整的方法，用该方法可以对齐数据。 为实现上述目的，本专利技术采用以下技术方案： -种基于传感器数据监测工业生产过程的方法，包括以下步骤： (1)根据工业生产过程各阶段的数据特征，识别出一个批次数据的各阶段； (2)在识别数据各阶段过程中，评估并标记数据的有效性； (3)分阶段处理数据状态； (4)针对工作过程总时间存在的差异对数据进行规整，并以特定的阶段转换点为 标准进行对齐； (5)对同一产品多个批次规整后的曲线进行拟合。 进一步的，步骤（1)中，所述工业生产过程各阶段包括非反应工作状态和反应工作 状态，反应工作状态包括状态准备阶段、稳定反应阶段和状态恢复阶段。 进一步的，步骤（1)中，各阶段间转换时的数据特征为:非反应工作状态到状态准 备阶段工作曲线斜率短时间内由约等于0提高至一个较大的值，状态准备阶段到稳定反应 阶段工作曲线斜率降至约等于0,稳定反应阶段到状态恢复阶段工作曲线明显偏离稳定反 应阶段的标准值，状态恢复阶段到非反应工作状态工作曲线接近正常非工作状态值。 进一步的，步骤(2)中，当对一个批次的数据进行阶段区分识别时，若无法检测到 预期的阶段转换特征，则可判定该批次数据因数据不完整而无效，并对该批次数据标记其 缺失内容。 进一步的，步骤(3)中，在状态准备阶段监测工作曲线的斜率和平稳度，在状态恢 复阶段监测此阶段的时长，在稳定反应阶段监测当前传感器数值和标准值曲线、安全区间 上限和安全区间下限，当数值超出安全界限的时候进行报警提示。 进一步的，步骤(3)中，状态准备阶段的平稳度，是指工业生产设备达到工业生产 要求状态平稳均匀实现的能力，即设备改变状态的速率与时间是否成正比。计算方法如下： ①统计整个升温过程所有数据点的数量为m，监测的数值为bhte，…，bn; ②根据m个点的数据拟合出一条最小误差的直线或者曲线，记为L(多数是直线，也 有可能是曲线）； ③设L到其中一个监测数据点匕的欧几里德距离为d1; ④计算监测数据点和L的平均距离为⑤以d为评价平稳度的指标。 进一步的，步骤(4)中，数据规整的方法包括以下步骤： ①假设有η个批次的数据，工作过程总时长分别为ai，a2，a3, . . .，an分钟，也就是这 η个批次的数据分别有ai+l，a2+l，a3+l，. . .，an+l个时间序列点（因为还包含开始时刻的传 感器数值），把各个批次的时间序列点连成曲线。 ②设a为最接近(ai+a2+a3+. . .+an)/n(即各个批次总时长的平均值）的整数，总时 长为ai的曲线以ai/a为间隔米样时间序列点，总时长为a2的曲线以a2/a为间隔米样时间序 列点，以此类推，总时长为a n的曲线&an/a为间隔采样时间序列点。 ③每条曲线采样取出来的时间序列点，又以相等的时间间隔分别连成曲线，这样 就能够得到时间间隔相等，包含时间序列点的数目相等，总时长也相等的η条曲线了。 进一步的，步骤(5)中，多条曲线规整后都是由a+Ι个点连接而成的，点与点之间的 时间间隔相等，所以总的时长也相等。设一条标准的生产曲线为一个离散随机过程{Xt:t = 0，1，2，. . .，a}，t为整数，0 < t < a，t时刻的传感器数值为随机变量Xt，有η条曲线，也就是说 这个随机过程有η个时间序列样本，求出各个时刻数值的均值μ*和标准差 〇t，则可以在η个时 间序列样本的基础上得到三个新的时间序列： ①{yt:t = 0，l，2, . . .，a}为该产品生产过程传感器的标准值； ②{yt+3〇t:t = 0，l，2，. . .，a}为该产品生产过程传感器数的安全上限值；③{以-3〇*4 = 0，1，2，...，&}为该产品生产过程传感器数的安全下限值； 把这三个时间序列的点分别连接成曲线，就可以得到该产品生产过程传感器数值 的标准值曲线，安全区间上限和安全区间下限。其中，安全区间上限和安全区间下限之间就 是安全范围。 进一步的，所述工业生产过程为化工反应过程。 本专利技术的实现容易，算法简单，只需要进行一些简单的数学运算，这正迎合了"大 数据"背景下，用简单算法处理海量数据的潮流趋势。即使数据量比较大，处理的时间也比 较短，这对于工业实时生产的安全性问题非常重要。适用范围广，对于大多数类似的有状态 准备阶段和状态恢复阶段工业生产过程的监测都适用。【附图说明】 图1为化工反应过程中传感器温度按照时间划分为五个阶段的示意图； 图2为总时长为3分钟的时间序列点曲线图； 图3为总时长为5分钟的时间序列点曲线图； 图4为总时长为3分钟规整和对齐后的时间序列点曲线图； 图5为总时长为5分钟规整和对齐后的时间序列点曲线图； 图6为通过时间规整得到的多条总时长相等的曲线拟合出的标准生产值曲线、安 全生产范围的示意图。【具体实施方式】 为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体 的实施例对本专利技术的技术方案进行详细说明，在本专利技术的论述中，为了方便论述，工业生产 过程设定为化工反应过程，传感器监测的指标为温度，但此方法不局限于化工反应过程温 度数据的监测，其可用于工业生产过程中压力、流量、液位等各类数据的监测。 -种基于传感器数据监测工业生产过程的方法，包括以下步骤： 步骤(1 )，根据工业生产过程各阶段的数据特征，识别出一个批次数据的各阶段； 请参照图1，图1为化工反应过程中传感器温度按照时间划分为五个阶段的示意 图，生产一种产品的一个批次的传感器温度按照时间可以划分为五个过程，其中A和E为非 工作状态，B-C-D为工作状态。B为状态准备阶段，C为稳定反应阶段，D为状态恢复阶段，且假 设监测时间是均匀等本文档来自技高网...

【技术保护点】
一种基于传感器数据监测工业生产过程的方法，其特征在于，所述方法包括以下步骤：(1)根据工业生产过程各阶段的数据特征，识别出一个批次数据的各阶段；(2)在识别数据各阶段过程中，评估并标记数据的有效性；(3)分阶段处理数据状态；(4)针对工作过程总时间存在的差异对数据进行规整，并以特定的阶段转换点为标准进行对齐；(5)对同一产品多个批次规整后的曲线进行拟合。

【技术特征摘要】

【专利技术属性】
技术研发人员：贺庆，陈炯鸿，官冠，陈昊冬，吴献，
申请(专利权)人：广州中国科学院先进技术研究所，
类型：发明
国别省市：广东;44