一种制粒机故障识别方法及系统技术方案

本公开提供了一种制粒机故障识别方法及系统，涉及制粒机技术领域，该方法包括：读取监测制粒机的基础参数数据；获得运行数据集合，并构建异常检测模型；读取所述监测制粒机的运行控制数据，获得运行数据读取结果；将所述运行控制数据和所述运行数据读取结果输入所述异常检测模型，输出第一异常检测结果；通过所述图像采集装置对颗粒料进行图像采集，获得采集图像集合；生成第二异常检测结果；生成故障识别结果，解决了现有技术中存在的由于监测角度较为单一，进而导致对制粒机的异常监测效果不佳，故障识别准确率不足的技术问题，达到提升异常监测效果，同时提高故障识别准确率的技术效果。术效果。术效果。

【技术实现步骤摘要】
一种制粒机故障识别方法及系统


[0001]本公开涉及制粒机
，具体涉及一种制粒机故障识别方法及系统。

技术介绍

[0002]制粒机主要由喂料、搅拌、制粒、传动及润滑系统等组成，在制药、化工、食品工业广泛应用。随着人工智能技术的发展，制粒机也在逐渐摆脱人工控制，实现自动化控制，随之也带来了制粒机故障检测问题，如何对制粒机出现的故障进行及时检测，是各大企业、工厂的重点关注问题。
[0003]目前，现有技术中存在由于监测角度较为单一，进而导致对制粒机的异常监测效果不佳，故障识别准确率不足的技术问题。

技术实现思路

[0004]本公开提供了一种制粒机故障识别方法及系统，用以解决现有技术中存在的由于监测角度较为单一，进而导致对制粒机的异常监测效果不佳，故障识别准确率不足的技术问题。
[0005]根据本公开的第一方面，提供了一种制粒机故障识别方法，包括：读取监测制粒机的基础参数数据，其中，所述基础参数数据包括设备规格、设备参数；通过所述基础参数数据抓取运行数据，并对抓取数据进行数据清洗标识，获得运行数据集合，并构建异常检测模型；读取所述监测制粒机的运行控制数据，并通过所述数据交互装置进行运行数据读取，获得运行数据读取结果；将所述运行控制数据和所述运行数据读取结果输入所述异常检测模型，输出第一异常检测结果；通过所述图像采集装置对颗粒料进行图像采集，获得采集图像集合，其中，所述图像采集集合具有运行控制数据的时间映射标识；对所述图像采集集合进行图像特征提取，基于提取结果生成第二异常检测结果；通过所述第一异常检测结果和所述第二异常检测结果生成故障识别结果。
[0006]根据本公开的第二方面，提供了一种制粒机故障识别系统，包括：基础参数读取模块，所述基础参数读取模块用于读取监测制粒机的基础参数数据，其中，所述基础参数数据包括设备规格、设备参数；异常检测模型构建模块，所述异常检测模型构建模块用于通过所述基础参数数据抓取运行数据，并对抓取数据进行数据清洗标识，获得运行数据集合，并构建异常检测模型；运行数据读取模块，所述运行数据读取模块用于读取所述监测制粒机的运行控制数据，并通过所述数据交互装置进行运行数据读取，获得运行数据读取结果；第一异常检测模块，所述第一异常检测模块用于将所述运行控制数据和所述运行数据读取结果输入所述异常检测模型，输出第一异常检测结果；图像采集模块，所述图像采集模块用于通过所述图像采集装置对颗粒料进行图像采集，获得采集图像集合，其中，所述图像采集集合具有运行控制数据的时间映射标识；第二异常检测模块，所述第二异常检测模块用于对所述图像采集集合进行图像特征提取，基于提取结果生成第二异常检测结果；故障识别模块，所述故障识别模块用于通过所述第一异常检测结果和所述第二异常检测结果生成故障识
别结果。
[0007]根据本公开采用的一种制粒机故障识别方法，本公开通过获取监测制粒机的运行控制数据和运行数据进行第一异常检测，得到第一异常检测结果，接着颗粒料进行特征识别，并生成第二检测结果，然后结合第一异常检测结果和第二异常检测结果从运行数据角度、颗粒料角度进行故障识别，达到多角度对制粒机进行异常检测，提升异常故障识别准确率的技术效果。进而对实时出料量进行分析，根据制粒机的出料效率得到第三异常检测结果，结合第一异常检测结果、第二异常检测结果和第三异常检测结果进行故障识别，达到了拓展异常检测角度，提升异常监测效果，同时提高故障识别准确率的技术效果。
[0008]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0009]为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0010]图1为本公开实施例提供的一种制粒机故障识别方法的流程示意图；
[0011]图2为本公开实施例中则根据第一异常检测结果和第二异常检测结果的异常组合值生成故障识别结果的流程示意图；
[0012]图3为本公开实施例中通过第一异常检测结果、第二异常检测结果和第三异常检测结果生成故障识别结果的流程示意图；
[0013]图4为本公开实施例提供的一种制粒机故障识别系统的结构示意图。
[0014]附图标记说明：基础参数读取模块11，异常检测模型构建模块12，运行数据读取模块13，第一异常检测模块14，图像采集模块15，第二异常检测模块16，故障识别模块17。
具体实施方式
[0015]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0016]为了解决现有技术中存在由于监测角度较为单一，进而导致对制粒机的异常监测效果不佳，故障识别准确率不足的技术问题，本公开的专利技术人经过创造性的劳动，得到了本公开的一种制粒机故障识别方法及系统。
[0017]实施例一
[0018]图1为本公开实施例提供的一种制粒机故障识别方法图，所述方法应用于故障识别系统，所述故障识别系统与数据交互装置、图像采集装置通信连接，如图1所示，所述方法包括：
[0019]步骤S100：读取监测制粒机的基础参数数据，其中，所述基础参数数据包括设备规格、设备参数；
[0020]具体而言，监测制粒机是指需要进行监测的任一制粒机，读取监测制粒机的基础参数数据，基础参数数据包括设备规格、设备参数，设备规格是指制粒机的型号，设备参数是指衡量监测制粒机运行状态的参数类型，包括转速、喂料频率、阀门开度、总电流、调质温度、出料温度、实时产量、蒸汽压力等数据。
[0021]步骤S200：通过所述基础参数数据抓取运行数据，并对抓取数据进行数据清洗标识，获得运行数据集合，并构建异常检测模型；
[0022]具体而言，根据基础参数数据抓取与监测制粒机同型号的制粒机的运行数据，运行数据包括同型号制粒机不同情况下的多组控制数据和工作数据，也就是说，通过自动化控制制粒机进行工作，首先会在控制端输入控制数据，控制数据是指工作人员预期的运行状态数据，包括预期的喂料频率、阀门开度等数据，工作数据是指在输入控制数据后，制粒机开始工作后的运行状态数据，也包括转速、喂料频率、阀门开度等数据，正常情况下，输入的一组控制数据和工作数据应该是一致的，当两者就存在差异时，制粒机的控制效果不好，说明制粒机可能出现异常。抓取的运行数据中包含了不同情况(正常工作和异常工作)下的多组控制数据和工作数据，进而对这些数据进行清洗，处理无效值，补充缺失值，然后对清洗过的控制数据和工作数据进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种制粒机故障识别方法，其特征在于，所述方法应用于故障识别系统，所述故障识别系统与数据交互装置、图像采集装置通信连接，所述方法包括：读取监测制粒机的基础参数数据，其中，所述基础参数数据包括设备规格、设备参数；通过所述基础参数数据抓取运行数据，并对抓取数据进行数据清洗标识，获得运行数据集合，并构建异常检测模型；读取所述监测制粒机的运行控制数据，并通过所述数据交互装置进行运行数据读取，获得运行数据读取结果；将所述运行控制数据和所述运行数据读取结果输入所述异常检测模型，输出第一异常检测结果；通过所述图像采集装置对颗粒料进行图像采集，获得采集图像集合，其中，所述图像采集集合具有运行控制数据的时间映射标识；对所述图像采集集合进行图像特征提取，基于提取结果生成第二异常检测结果；通过所述第一异常检测结果和所述第二异常检测结果生成故障识别结果。2.如权利要求1所述的方法，其特征在于，所述方法包括：采集获得颗粒料异常特征集合，通过所述异常特征集合构建初始异常匹配特征；对所述图像采集装置的采集图像进行环境数据采集，将环境数据采集结果作为识别补偿特征；通过所述识别补偿特征对所述图像采集集合进行图像预处理，通过所述初始异常匹配特征完成预处理后图像的图像特征提取。3.如权利要求2所述的方法，其特征在于，所述方法包括：对所述提取结果进行连续检测，并监督获得异常特征的特征变化数据；通过所述特征变化数据进行特征复现评价，生成特征复现评价值，其中，所述特征复现评价值通过下述公式计算获得：其中，P为特征复现评价值，N为样本总量，M为特征复现次数，k
N
为任意一组特征的特征值，ξ为常数；通过所述特征复现评价值获得所述第二异常检测结果。4.如权利要求1所述的方法，其特征在于，所述方法包括：对所述颗粒料进行实时出料量统计，获得出料量实时统计数据；获得所述监测制粒机的响应延时区间；通过所述运行控制数据和所述实时统计数据基于所述响应延时区间进行数据差异化比对，获得产量差异化比对结果；将所述产量差异化必读结果作为第三异常检测结果；通过所述第一异常检测结果、所述第二异常检测结果和所述第三异常检测结果生成所...

【专利技术属性】
技术研发人员：范文海，臧薇，
申请(专利权)人：江苏邦鼎科技有限公司，
类型：发明
国别省市：