一种水泥熟料制备过程工艺故障诊断系统及方法技术方案

本发明专利技术提供一种水泥熟料制备过程工艺故障诊断系统及方法，包括：数据源层、数据采集层、数据存储层、服务层和应用层；数据源层用于获取数据；数据存储层用于储存水泥熟料制备过程数据和与水泥熟料制备工艺故障相关联的信息记录表；应用层用于接收用户业务请求，对水泥熟料制备过程数据进行提取并处理，还对处理结果展现；应用层用于对水泥熟料制备过程数据进行提取，并进行实时监测和故障诊断；如监测出故障，则提取故障出现时间，对出现故障时，水泥熟料制备过程数据进行预警；还对水泥熟料制备过程的故障状态通过故障诊断机器学习算法进行分析。方法能够及时，准确、快速排查故障。对故障进行实时的监测，并对可能发生的故障进行了预警。行了预警。

【技术实现步骤摘要】
一种水泥熟料制备过程工艺故障诊断系统及方法


[0001]本专利技术涉及工艺故障诊断和实时监测领域，具体涉及一种水泥熟料制备过程工艺故障诊断系统及方法。

技术介绍

[0002]水泥制备过程中共有三个阶段分别是生料制备、熟料制备和水泥粉磨，其中水泥熟料制备包含了复杂的热工和化工过程，一旦发生故障，并且如果故障没有得到及时解决，极可能引起连锁效应，造成更严重的问题，给生产企业带来巨大的利益损失，将直接影响着水泥熟料的产量和质量。因此水泥熟料制备是水泥生产中最重要的工艺环节。由于水泥熟料制备过程复杂，所以故障存在着一定的多样性；熟料制备生产过程是一个理化反应过程所以具有一定的非线性、纯滞后性的特点。
[0003]现在对水泥熟料制备过程工艺故障诊断共有两种诊断方法：一种是通过经验诊断；另一种是智能故障诊断。前者凭借维检人员的个人经验，辅之以简单的维修工具，这种方法简单方便，不需要借助特别复杂的诊断仪器。但是这种方法存在比较大的缺点，一方面人员的劳动强度较大，另一方面诊断结果容易出现误差，不能快速准确地找出系统出现故障的原因。后者借助人工智能技术，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水泥熟料制备过程工艺故障诊断系统，其特征在于，包括：数据源层、数据采集层、数据存储层、服务层和应用层；所述数据源层用于获取DCS生产过程数据和实验室数据；所述数据采集层用于通过OPC接口将数据源层的数据存储到数据存储层；所述数据存储层用于储存水泥熟料制备过程数据和与水泥熟料制备工艺故障相关联的信息记录表；所述服务层用于处理应用层的请求，使用户通过Web服务器访问系统；所述应用层用于接收用户业务请求，对水泥熟料制备过程数据进行提取并处理，还对处理结果展现；应用层还用于对水泥熟料制备过程数据进行提取，并进行实时监测和故障诊断；如检测出故障，则提取故障出现时间；对水泥熟料制备过程的故障状态通过故障诊断机器学习算法进行分析，并进行报警。2.根据权利要求1所述的水泥熟料制备过程工艺故障诊断系统，其特征在于，应用层包括：数据提取模块、实时监测模块、信息管理模块和故障诊断模块；数据提取模块用于根据故障信息查找水泥熟料制备过程的相关参数，根据查找的相关参数查找DCS对照表中对应相关信息数据库表名信息，将表中各个参数按照时序匹配功能的时间对齐形成一个table表；实时监测模块具有故障监测单元和故障预警单元两个功能；故障监测单元用于在监测故障参数时，使用故障基本信息表中的判断标准对故障进行判断，当满足故障条件时，向操作人员发送报告；故障预警单元用于在水泥熟料制备过程数据超过预警阈值时，向操作人员发送预警报告；通过记录超过预警阈值的持续时间；信息管理模块用于故障信息管理、操作人员交接班管理、候选故障管理以及数据信息配置管理信息；将故障数据、故障出现时间、故障状态下对应水泥熟料制备过程数据进行统一的管理；故障诊断模块包括：故障诊断单元和故障分析单元；故障诊断单元通过机器学习算法对水泥熟料制备过程数据进行故障判断，对诊断出来的故障信息储存到数据库的候选故障表中；故障分析单元用于使用机器学习模型性能衡量指标对机器学习算法进行评估，判断机器学习算法对故障诊断是否准确。3.根据权利要求1所述的水泥熟料制备过程工艺故障诊断系统，其特征在于，所述数据源层采集的数据包括：烧成带温度、二次风温、窑电流、生料喂料量、窑头喂煤量、窑转速、分解炉喷煤量、窑头喷煤、窑尾温度、窑头负压、篦床与窑头链接一段篦床压力数据、C4温度、篦冷机风机篦速、篦床下面压力；所述数据存储层存储的数据包括：水泥熟料制备过程数据和各种数据库表，其中数据库表包含故障基本信息表、候选故障表、故障标签表、故障阈值参数表、故障记录表、预警信息记录表；所述应用层中的数据提取方式包含时序匹配功能和数据提取功能；其中时序匹配功能是将数据库中的数据实现时间对齐；
数据提取功能是将数据存储层的数据通过时序匹配提取到数据库中。4.根据权利要求2所述的水泥熟料制备过程工艺故障诊断系统，其特征在于，故障诊断模块还用是将故障数据以及正常数据从数据存储层中提取出来；经过异常值剔除，利用拉依达准则进行异常值的检测；将检测为异常的数据进行剔除，再对数据进行滤波处理，以及归一化处理；再将处理后的数据加入到机器学习算法中进行故障诊断；机器学习算法包括：XGBoost模型、RBF神经网络和PNN概率神经网络；其中XGBoost模型是通过对一个叶子节点进行分裂，计算分裂前后的增益Gain来确定最优树的结构，并且加入了正则化防止过拟合；采用机器学习算法对故障进行诊断后，将诊断结果写入候选故障表中。5.根据权利要求2所述的水泥熟料制备过程工艺故障诊断系统，其特征在于，故障诊断模块将水泥熟料制备过程数据阈值范围和数据在水泥熟料制备过程持续时间写入到数据库中，将候选故障表中的故障进行判断；如水泥熟料制备过程数据存在故障，则写入故障基本信息表中；如果水泥熟料制备过程数据不存在故障，则...

【专利技术属性】
技术研发人员：蒋萍，王艳悦，
申请(专利权)人：济南大学，
类型：发明
国别省市：