结块检测方法、系统、装置及介质制造方法及图纸

技术编号:22307188 阅读:4 留言:0更新日期:2019-10-16 07:14
本发明专利技术提供一种结块检测方法、系统、装置及介质,包括:在流化床的分布板和扩大段设置多个声波传感器,用于测量生产聚乙烯过程中的声波信号;使用小波包分解对多个声波传感器的声波信号进行分解,得到不同频率的子带;使用下采样和身份映射分别对所述子带的数据信息进行数据转换;将数据转换后的两组所述子带的数据信息代入神经网络模型,获得聚乙烯生产过程中的声波特征图,得到生产聚乙烯过程中是否产生结块。上述结块检测方法、系统、装置及介质适用于多场合、不同噪声水平和故障数据与正常数据多种比例下的结块检测。

Caking detection method, system, device and medium

【技术实现步骤摘要】
结块检测方法、系统、装置及介质
本专利技术涉及流程工业生产故障检测
,更具体地,涉及一种结块检测方法、系统、装置及介质。
技术介绍
气固流化床具有良好的固化处理能力、优异传热传质特性和温度均匀分布等优点。这些优点使得气固流化床成为生产聚乙烯的最广泛应用的生产装置。结块是聚乙烯生产过程中最常见的故障。结块会破坏聚乙烯的质量并降低反应堆的性能,严重时,反应堆将会停止,造成严重的财产损失。使用声波方法可及时准确地获取流化床相关的信号信息完成结块故障检测。虽然结块故障是聚乙烯生产过程的常见故障,但是生产现场中设备正常运行状态远远多于故障状态,这就导致故障样本数量少于正常工业数据。同时由于多个设备的同时运行,采集到的声波信号中存在噪声。因此在高噪声、时间序列相关性强和故障数据与正常数据之间的不平衡等情况下,及时可靠的结块故障检测变得越来越困难。
技术实现思路
针对现有故障检测方法中存在的不足,本专利技术提出了适用于多场合、不同噪声水平和故障数据与正常数据多种比例下的结块检测方法。根据本专利技术的一个方面,提供一种结块检测方法,包括:步骤S1,在流化床的分布板和扩大段设置多个声波传感器,用于测量生产聚乙烯过程中的声波信号;步骤S2,使用小波包分解对多个声波传感器的声波信号进行分解,得到不同频率的子带;步骤S3,使用下采样和身份映射分别对所述子带的数据信息进行数据转换;步骤S4,将数据转换后的两组所述子带的数据信息代入神经网络模型,获得聚乙烯生产过程中的声波特征图,得到生产聚乙烯过程中是否产生结块的结果。优选地,所述神经网络模型的训练方法包括:构建样本集,所述样本集包括发生结块故障的声波信号构成的负样本集和未发生结块故障的声波信号构成的正样本集,将负样本集中每个负样本和正样本集中每个正样本的设定比例的数据作为训练集中的样本,将负样本集中每个负样本和正样本集中每个正样本的剩余数据作为验证集中的样本;将训练集中的样本进行小波包分解、下采样和身份映射数据处理;将处理后的训练集输入神经网络模型,通过验证集的校验获得神经网络模型中的参数。优选地,还包括:计算经过小波包分解的子带的能量值;按照能量值由高到低的顺序对子带进行排序;选取排序靠前的设定数量的子带,其中,将所述设定数量的子带进行下采样和身份映射数据变换,变换后的设定数量的子带的数据输入神经网络模型,获得检测结果。优选地,所述小波包分解的层数和选取子带的设定数量根据神经网络模型的训练结果确定,其中,对训练集进行不同层数的小波包分解和选取设定数量的子带,将子带的数据输入神经网络模型,通过对应的验证集根据神经网络模型输出结果的准确程度、耗费时间和复杂度确定所述层数和设定数量,选取准确程度达到要求的耗费时间最短的层数和设定数量作为最佳层数和最佳设定数量。进一步,优选地,所述将数据转换后的两组所述子带的数据信息代入神经网络模型,得到生产聚乙烯过程中是否产生结块的结果的步骤包括:对经过下采样的子带的数据和经过身份映射的子带的数据分别进行局部卷积;通过经过局部卷积后的两组子带的数据获取各自的声波特征图;使用连接技术将这两组声波特征图连接为一张声波特征图;对新连接的声波特征图进行全卷积,获得是否产生结块的检测结果。根据本专利技术的另一个方面,提供一种结块检测系统,包括:多个声波传感器,设置在流化床的分布板和扩大段,用于测量生产聚乙烯过程中的声波信号;小波包分解模块,使用小波包分解对多个声波传感器的声波信号进行分解,得到不同频率的子带;数据转换模块,包括下采样单元和身份映射单元,所述下采样单元是对小波包分解模块分解的子带的数据信息进行下采样,将下采样后的子带的数据信息传输给神经网络模型;所述身份映射单元对小波包分解模块分解的子带的数据信息直接传输给神经网络模型;神经网络模型,包括卷积层、池化层、全连接层和softmax层,用于将数据转换模块数据转换后的两组所述子带的数据信息转化成聚乙烯生产过程中的声波特征图,并判断生产聚乙烯过程中是否产生结块。优选地,在小波包分解模块和数据转换模块之间还包括筛选模块,所述筛选模块包括能量值获得单元、排序单元和选取单元,所述能量值获得单元计算经过小波包分解的子带的能量值;所述排序单元对能量值获得单元获取的各子带的能量值按照能量值由高到低的顺序对子带进行排序;所述选取单元选取经排序单元排序的排序靠前的设定数量的子带。此外,优选地,还包括:训练模块,对神经网络模型进行训练,包括:样本集构建单元,构建样本集,所述样本集包括发生结块故障的声波信号构成的负样本集和未发生结块故障的声波信号构成的正样本集,将负样本集中每个负样本和正样本集中每个正样本的设定比例的数据作为训练集中的样本,将负样本集中每个负样本和正样本集中每个正样本的剩余数据作为验证集中的样本,其中,将训练集依次传输给小波包分解模块和数据转换模块,将经过小波包分解模块和数据转换模块的训练集的子带信息发送给训练单元;训练单元,将处理后的训练集输入神经网络模型,通过验证集的校验获得神经网络模型中的参数。另外,本专利技术还提供一种电子装置,包括存储器和处理器,所述存储器中存储有结块检测程序,所述结块检测程序被所述处理器执行时,通过采集的声波信号实现上述结块检测方法的步骤。此外,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质中包括有结块检测程序,所述结块检测程序被处理器执行时,通过采集的声波信号实现上述结块检测方法的步骤。本专利技术所述结块检测方法、系统、装置及介质具有以下有益效果:第一,减轻故障数据不充足的不利影响,具体地,使用小波包分解获取不同时域和频域的更准确的特征,从而从较少数量的故障数据中挖掘出更丰富的信息。对故障数据进行下采样会增加故障数据的多种情况和不同分布,完成故障数据的丰富。经过下采样后的正常数据则缩短了数据长度,减少了数据数量。这样,经过下采样后的正常数据(不发生结块故障的声波信号)和故障数据(发生结块故障的声波信号)在一定程度上达到平衡,从而缓解故障数据少的不利影响。下采样和身份映射两种数据转换方法的同时使用在获取多种数据信息的同时也保留原始信息,这样既可以达到数据的丰富又可不丢失原始信息。第二,提高检测的准确性和及时性。神经网络具有卓越的特征处理能力,可自主完成特征提取而无需人为的额外处理。对数据依次执行局部卷积和全卷积操作一方面并行地完成多种情况下的特征提取,在故障数据不充足的情况下获取不同情况下的数据的不同特征,完成数据的深度提取;另一方面全卷积将提取到的特征信息进行结合,使得分散的数据特征一体化,保证了数据结果的完整性。具有局部卷积和全卷积的卷积神经网络不仅具有卷积神经网络特有的特征处理能力,而且在故障数据稀少的情况下丰富数据信息,完成数据增广,从而提高故障检测的精准性。附图说明图1是本专利技术所述结块检测方法的流程图;图2是本专利技术所述结块检测方法一个优选实施例的流程图;图3是本专利技术所述结块检测系统的构成框图。具体实施方式在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。下面将参照附图来对根据本专利技术的各个实施例进行详细描述。图1是本专利技术所述结块检测方法的流程图,如图1所示,所述结块检本文档来自技高网...

【技术保护点】
1.一种结块检测方法,其特征在于,包括:步骤S1,在流化床的分布板和扩大段设置多个声波传感器,用于测量生产聚乙烯过程中的声波信号;步骤S2,使用小波包分解对多个声波传感器的声波信号进行分解,得到不同频率的子带;步骤S3,使用下采样和身份映射分别对所述子带的数据信息进行数据转换;步骤S4,将数据转换后的两组所述子带的数据信息代入神经网络模型,获得聚乙烯生产过程中的声波特征图,得到生产聚乙烯过程中是否产生结块的结果。

【技术特征摘要】
1.一种结块检测方法,其特征在于,包括:步骤S1,在流化床的分布板和扩大段设置多个声波传感器,用于测量生产聚乙烯过程中的声波信号;步骤S2,使用小波包分解对多个声波传感器的声波信号进行分解,得到不同频率的子带;步骤S3,使用下采样和身份映射分别对所述子带的数据信息进行数据转换;步骤S4,将数据转换后的两组所述子带的数据信息代入神经网络模型,获得聚乙烯生产过程中的声波特征图,得到生产聚乙烯过程中是否产生结块的结果。2.根据权利要求1所述的结块检测方法,其特征在于,所述神经网络模型的训练方法包括:构建样本集,所述样本集包括发生结块故障的声波信号构成的负样本集和未发生结块故障的声波信号构成的正样本集,将负样本集中每个负样本和正样本集中每个正样本的设定比例的数据作为训练集中的样本,将负样本集中每个负样本和正样本集中每个正样本的剩余数据作为验证集中的样本;将训练集中的样本进行小波包分解、下采样和身份映射数据处理;将处理后的训练集输入神经网络模型,通过验证集的校验获得神经网络模型中的参数。3.根据权利要求1或2所述的结块检测方法,其特征在于,还包括:计算经过小波包分解的子带的能量值;按照能量值由高到低的顺序对子带进行排序;选取排序靠前的设定数量的子带,其中,将所述设定数量的子带进行下采样和身份映射数据变换,变换后的设定数量的子带的数据输入神经网络模型,获得检测结果。4.根据权利要求3所述的结块检测方法,其特征在于,所述小波包分解的层数和选取子带的设定数量根据神经网络模型的训练结果确定,其中,对训练集进行不同层数的小波包分解和选取设定数量的子带,将子带的数据输入神经网络模型,通过对应的验证集根据神经网络模型输出结果的准确程度、耗费时间和复杂度确定所述层数和设定数量,选取准确程度达到要求的耗费时间最短的层数和设定数量作为最佳层数和最佳设定数量。5.根据权利要求1~4中任一项权利要求所述的结块检测方法,其特征在于,所述将数据转换后的两组所述子带的数据信息代入神经网络模型,得到生产聚乙烯过程中是否产生结块的结果的步骤包括:对经过下采样的子带的数据和经过身份映射的子带的数据分别进行局部卷积;通过经过局部卷积后的两组子带的数据获取各自的声波特征图;使用连接技术将这两组声波特征图连接为一张声波特征图;对新连接的声波特征图进行全卷积,获得是否产生结块...

【专利技术属性】
技术研发人员:王晶张文倩周靖林
申请(专利权)人:北京化工大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1