【技术实现步骤摘要】
砂磨机智能监测控制系统及方法
[0001]本公开涉及砂磨机领域，且更为具体地，涉及一种砂磨机智能监测控制系统及方法
。
技术介绍
[0002]ALC
‑
3900L
艾砂磨机是一种在液体中对固体物料连续进行分散和超细研磨的机器，适用于有色金属选矿厂
(
金
、
铜
、
铅
、
锌
、
钼
、
镍
)
和黑色金属选矿厂的二
、
三段再磨作业
。
磨砂机的机封水装置调试是磨削工艺中至关重要的一步，它对于保证磨削质量
、
提高生产效率和延长设备寿命具有重要作用
。
[0003]然而，传统的机封水装置调试需要人工逐步调整机封水泵转速和分水阀开度，这需要花费大量的时间和精力，而且在调试过程中可能需要多次反复调整，导致生产效率低下
。
此外，传统的机封水装置调试通常依赖于操作人员的主观判断和经验，调试结果容易受到个人...
【技术保护点】
【技术特征摘要】
1.
一种砂磨机智能监测控制方法，其特征在于，包括：获取机封水装置在预定时间段内多个预定时间点的机封水流量值和机封水压力值；将所述多个预定时间点的机封水流量值和机封水压力值分别按照时间维度排列为机封水流量时序输入向量和机封水压力时序输入向量；对所述机封水流量时序输入向量和所述机封水压力时序输入向量进行局部逐位置响应关联分析以得到流量
‑
压力局部时序关联特征向量的序列；对所述流量
‑
压力局部时序关联特征向量的序列进行全时序关联编码以得到流量
‑
压力时序关联特征；以及基于所述流量
‑
压力时序关联特征，确定是否生成机封水泵转速的控制指令
。2.
根据权利要求1所述的砂磨机智能监测控制方法，其特征在于，对所述机封水流量时序输入向量和所述机封水压力时序输入向量进行局部逐位置响应关联分析以得到流量
‑
压力局部时序关联特征向量的序列，包括：对所述机封水流量时序输入向量和所述机封水压力时序输入向量进行逐位置响应关联以得到流量
‑
压力时序关联输入向量；对所述流量
‑
压力时序关联输入向量进行向量切分以得到流量
‑
压力局部时序关联输入向量的序列；对所述流量
‑
压力局部时序关联输入向量的序列中的各个流量
‑
压力局部时序关联输入向量进行基于线性插值的上采样以得到上采样流量
‑
压力局部时序关联输入向量的序列；以及通过基于深度神经网络模型的时序特征提取器分别对所述上采样流量
‑
压力局部时序关联输入向量的序列进行特征提取以得到所述流量
‑
压力局部时序关联特征向量的序列
。3.
根据权利要求2所述的砂磨机智能监测控制方法，其特征在于，所述基于深度神经网络模型的时序特征提取器为基于一维卷积层的时序特征提取器
。4.
根据权利要求3所述的砂磨机智能监测控制方法，其特征在于，对所述流量
‑
压力局部时序关联特征向量的序列进行全时序关联编码以得到流量
‑
压力时序关联特征，包括：将所述流量
‑
压力局部时序关联特征向量的序列通过基于
Bi
‑
LSTM
的时序上下文编码器以得到流量
‑
压力时序上下文关联特征向量作为所述流量
‑
压力时序关联特征
。5.
根据权利要求4所述的砂磨机智能监测控制方法，其特征在于，基于所述流量
‑
压力时序关联特征，确定是否生成机封水泵转速的控制指令，包括：将所述流量
‑
压力时序上下文关联特征向量通过分类器以得到分类结果，所述分类结果用于表示调试机封水流量是否满足预定要求；以及基于所述分类结果，生成机封水泵转速的控制指令
。6.
根据权利要求5所述的砂磨机智能监测控制方法，其特征在于，还包括训练步骤：用于对所述基于一维卷积层的时序特征提取器
、
所述基于
Bi
‑
LSTM
的时序上下文编码器和所述分类器进行训练
。7.
根据权利要求6所述的砂磨机智能监测控制方法，其特征在于，所述训练步骤，包括：获取训练数据，所述训练数据包括机封水装置在预定时间段内多个预定时间点的训练机封水流量值和训练机封水压力值，以及，所述调试机封水流量是否满足预定要求的真实值；
将所述多个预定时间点的训练机封水流量值和训练机封水压力值分别按照时间维度排列为训练机封水流量时序输入向量和训练机封水压力时序输入向量；对所述训练机封水流量时序输入向量和所述训练机封水压力时序输入向量进行逐位置响应关联以得到训练流量
‑
压力时序关联输入向量；对所述训练流量
‑
压力时序关联输入向量进行向量切分以得到训练流量
‑
压力局部时序关联输入向量的序列；对所述训练流量
‑
压力局部时序关联输入向量的序列中的各个训练流量
‑
压力局部时序关联输入向量进行基于线性插值的上采样以得到训练上采样流量
‑
压力局部时序关联输入向量的序列；将所述训练上采样流...
【专利技术属性】
技术研发人员：陈晓东，蒋康帅，童伟，王乐，赵硕，熊宗彪，徐赛东，
申请(专利权)人：浙江艾领创矿业科技有限公司，
类型：发明
国别省市：
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。