电动阀智能化的大数据监测方法及物联网系统技术方案

本发明专利技术公开了电动阀智能化的大数据监测方法及物联网系统，物联网系统的检测终端负责采集被监测电动阀参数信息，在现场监控端中有电动阀大数据监测子系统，通过网关节点实现终端之间的双向通信，实现被监测电动阀工作状态参数采集和电动阀工作状态的分类；本发明专利技术主要针对现有电动阀的阀芯和阀座在长期的运行过程中产生磨损，从而影响阀门密封性，导致泄漏

【技术实现步骤摘要】
电动阀智能化的大数据监测方法及物联网系统


[0001]本专利技术涉及电动阀参数检测与处理
，具体涉及电动阀智能化的大数据监测方法及物联网系统
。

技术介绍

[0002]电动阀的阀芯和阀座在长期的运行过程中不可避免地会产生磨损，从而影响阀门密封性，导致泄漏
。
而填料过紧会造成阀杆卡塞
。
控制阀门的气源还可能出现漏气，阀门定位器不断补气，使得阀门出现频繁抖动的现象
。
这些现象对阀门开度控制的精度产生影响，甚至会导致阀门出现故障停止运行，从而影响到整个工艺甚至给生产安全带来风险
。
在没有设备大数据全生命周期管理系统支持的情况下，阀门管理透明度低，无法获取阀门主动推送的报警信息，容易造成设备维护管理信息不连贯，维保经验不能更科学地进行传承，知识碎片化严重等问题
。
控制阀对每个工厂的安全运行至关重要，意想不到的阀门故障会导致工厂非计划停车，增加安全事故风险
。
如何延长工厂正常运行时间，并降低运维成本，成为工厂亟待解决的问题
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1. 电动阀智能化的大数据监测方法，其特征在于，包括以下步骤：步骤
1、
构建参数预测模块参数预测模块包括
EMD
经验模态分解模型
、PSO
的递归模糊神经网络模型
、PSO
的递归小波神经网络模型
、PSO
的
NARX
神经网络模型
、BiGRU
神经网络模型
、
降噪自编码器
‑
新城代谢灰色
GM
（1，1）模型
、
降噪自编码器
‑
CNN
卷积神经网络模型
、
降噪自编码器
‑
BiGRU
神经网络模型
、
动态三角模糊数的
BiGRU
神经网络模型
‑
PSO
的递归模糊神经网络模型和
TDL
按拍延时器；步骤
2、
构建电动阀大数据监测子系统电动阀大数据监测子系统包括参数预测模块
、
动态三角模糊数的
BiGRU
神经网络模型
‑
模糊小波神经网络分类器和
TDL
按拍延时器，电流传感器
、
振动传感器
、
出气口气压传感器
、
进气口气压传感器的输出分别作为对应的参数预测模块的输入，参数预测模块和
TDL
按拍延时器作为动态三角模糊数的
BiGRU
神经网络模型
‑
模糊小波神经网络分类器的对应输入，动态三角模糊数的
BiGRU
神经网络模型
‑
模糊小波神经网络分类器输出作为
TDL
按拍延时器的输入，动态三角模糊数的
BiGRU
神经网络模型
‑
模糊小波神经网络分类器输出的参数分别
h、i、j、k、l
构成被监测电动阀状态的动态三角模糊数
[(h
，
i)
，
j
，
(k
，
l)]
；动态三角模糊数
[(h
，
i)
，
j
，
(k
，
l)
分别对应电动阀状态类型
。2.
根据权利要求1所述的电动阀智能化的大数据监测方法，其特征在于，所述步骤1中，参数传感器输出分别作为降噪自编码器
‑
新城代谢灰色
GM
（1，1）模型
、
降噪自编码器
‑
CNN
卷积神经网络模型和降噪自编码器
‑
BiGRU
神经网络模型的对应输入，降噪自编码器
‑
新城代谢灰色
GM
（1，1）模型输出作为降噪自编码器
‑
CNN
卷积神经网络模型的对应输入，降噪自编码器
‑
CNN
卷积神经网络模型输出作为降噪自编码器
‑
BiGRU
神经网络模型的对应输入，降噪自编码器
‑
...

【专利技术属性】
技术研发人员：陈浩东，余慧，王帅，马从国，丁晓红，王建国，秦小芹，李亚洲，张静，孙娜，金德飞，马海波，周恒瑞，周红标，黄凤芝，王睿，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：