【技术实现步骤摘要】
本公开涉及自动化控制领域，具体涉及一种无人值守水洗模块的自动化控制系统及方法。
技术介绍
1、燃气轮机是发电厂和飞机推进系统中广泛使用的关键设备。压气机是燃气轮机的重要组成部分，负责将空气压缩到高压，为燃烧室提供必要的空气。然而，在运行过程中，压气机的叶片会积聚污垢和灰尘，这会降低压气机的效率和寿命。因此，需要使用水洗模块来进行压气机的叶片冲洗。
2、然而，传统的水洗模块在运行过程中通常缺乏实时监控和故障检测功能，一旦出现问题，操作人员可能无法及时发现，导致故障扩大或设备受损。并且，若水洗模块存在潜在故障但无法及时发现，可能会造成安全隐患，影响设备运行和人员安全。此外，传统的水洗模块缺乏智能化的监控，若水洗模块发生异常情况，会导致压气机叶片清洗效果不佳，长期下来会影响压气机的效率和寿命。
3、因此，期望一种无人值守水洗模块的自动化控制系统。
技术实现思路
1、考虑到以上问题而做出了本公开。本公开的一个目的是提供一种无人值守水洗模块的自动化控制系统及方法。
2、本公开的实施例提供了一种无人值守水洗模块的自动化控制系统，其包括：泵压力数据采集模块，用于获取由第一压力传感器和第二压力传感器采集的泵前压力的时间序列和泵后压力的时间序列；泵压力数据时序排列模块，用于将所述泵前压力的时间序列和所述泵后压力的时间序列分别按照时间维度排列为泵前压力时序输入向量和泵后压力时序输入向量；泵压力时序关联特征提取模块，用于通过基于深度神经网络模型的压力时序模式特征提取器
3、例如，根据本公开的实施例的无人值守水洗模块的自动化控制系统，其中，所述深度神经网络模型为一维扩展卷积神经网络模型。
4、例如，根据本公开的实施例的无人值守水洗模块的自动化控制系统，其中，所述泵压力时序关联特征提取模块，用于：将所述泵前压力时序输入向量通过基于一维扩展卷积神经网络模型的压力时序模式特征提取器以如下特征提取公式进行处理以得到所述泵前压力时序关联特征向量的序列；其中，所述特征提取公式为：；其中，分别表示所述泵前压力时序输入向量中各个泵前压力局部时序输入向量，表示所述各个泵前压力局部时序输入向量的级联向量，表示连接操作，表示所述各个泵前压力局部时序输入向量中的的级联向量，和分别表示权重矩阵和偏移向量，表示卷积操作，表示所述泵前压力时序关联特征向量的序列中的各个泵前压力时序关联特征向量。
5、例如，根据本公开的实施例的无人值守水洗模块的自动化控制系统，其中，所述泵前-泵后压力时序模式特征语义交互模块，用于：使用所述压力时序模式特征交互模块以如下特征交互公式对所述泵前压力时序关联特征向量的序列和所述泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到泵前-泵后压力时序模式特征语义交互特征向量作为所述泵前-泵后压力时序模式特征语义交互特征；其中，所述特征交互公式为：；其中，为所述泵前压力时序关联特征向量的序列中各个泵前压力时序关联特征向量，为所述泵后压力时序关联特征向量的序列中各个泵后压力时序关联特征向量，为向量的范数的平方，为超参数，为泵前-泵后压力局部时序语义交互特征向量的序列中的第个泵前-泵后压力局部时序语义交互特征向量，为所述泵前-泵后压力局部时序语义交互特征向量的序列中向量的个数，表示向量拼接，为所述泵前-泵后压力时序模式特征语义交互特征向量。
6、例如，根据本公开的实施例的无人值守水洗模块的自动化控制系统，其中，所述压力异常检测和泵工作控制模块，包括：压力异常检测单元，用于将所述泵前-泵后压力时序模式特征语义交互特征向量通过基于分类器的异常探测器以得到检测结果，所述检测结果用于表示是否存在压力异常；以及泵运行控制单元，用于响应于所述检测结果为存在压力异常，生成泵停止工作指令。
7、例如，根据本公开的实施例的无人值守水洗模块的自动化控制系统，其中，还包括用于对所述基于一维扩展卷积神经网络模型的压力时序模式特征提取器、所述压力时序模式特征交互模块和所述基于分类器的异常探测器进行训练的训练模块。
8、例如，根据本公开的实施例的无人值守水洗模块的自动化控制系统，其中，所述训练模块，包括：训练泵压力数据采集单元，用于获取训练数据，所述训练数据包括由所述第一压力传感器和所述第二压力传感器采集的训练泵前压力的时间序列和训练泵后压力的时间序列；训练泵压力数据时序排列单元，用于将所述训练泵前压力的时间序列和所述训练泵后压力的时间序列分别按照时间维度排列为训练泵前压力时序输入向量和训练泵后压力时序输入向量；训练泵压力时序关联特征提取单元，用于通过所述基于一维扩展卷积神经网络模型的压力时序模式特征提取器分别对所述训练泵前压力时序输入向量和所述训练泵后压力时序输入向量进行特征提取以得到训练泵前压力时序关联特征向量的序列和训练泵后压力时序关联特征向量的序列；训练泵前-泵后压力时序模式特征语义交互单元，用于使用所述压力时序模式特征交互模块对所述训练泵前压力时序关联特征向量的序列和所述训练泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到训练泵前-泵后压力时序模式特征语义交互特征向量；损失计算单元，用于将所述训练泵前-泵后压力时序模式特征语义交互特征向量通过所述基于分类器的异常探测器以得到分类损失函数值；以及损失训练单元，用于基于所述分类损失函数值对所述基于一维扩展卷积神经网络模型的压力时序模式特征提取器、所述压力时序模式特征交互模块和所述基于分类器的异常探测器进行训练，其中，在所述训练的每一轮迭代中，对所述训练泵前-泵后压力时序模式特征语义交互特征向量进行迭代优化。
9、本公开的实施例还提供了一种无人值守水洗模块的自动化控制方法，其包括：获取由第一压力传感器和第二压力传感器采集的泵前压力的时间序列和泵后压力的时间序列；将所述泵前压力的时间序列和所述泵后压力的时间序列分别按照时间维度排列为泵前压力时序输入向量和泵后压力时序输入向量；通过基于深度神经网络模型的压力时序模式特征提取器分别对所述泵前压力时序输入向量和所述泵后压力时序输入向量进行特征提取以得到泵前压力时序关联特征向量的序列和泵后压力时序关联特征向量的序列；使用压力时序模式特征交互模块对所述泵前压力时序关联特征向量的序列和所述泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到泵前-泵后压力时序模式特征语义交互特征；以及基于所述泵前-泵后压力时序模式特征语义交互特征，确定是否存在压本文档来自技高网...
【技术保护点】
1.一种无人值守水洗模块的自动化控制系统，其特征在于，包括：泵压力数据采集模块，用于获取由第一压力传感器和第二压力传感器采集的泵前压力的时间序列和泵后压力的时间序列；泵压力数据时序排列模块，用于将所述泵前压力的时间序列和所述泵后压力的时间序列分别按照时间维度排列为泵前压力时序输入向量和泵后压力时序输入向量；泵压力时序关联特征提取模块，用于通过基于深度神经网络模型的压力时序模式特征提取器分别对所述泵前压力时序输入向量和所述泵后压力时序输入向量进行特征提取以得到泵前压力时序关联特征向量的序列和泵后压力时序关联特征向量的序列；泵前-泵后压力时序模式特征语义交互模块，用于使用压力时序模式特征交互模块对所述泵前压力时序关联特征向量的序列和所述泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到泵前-泵后压力时序模式特征语义交互特征；以及压力异常检测和泵工作控制模块，用于基于所述泵前-泵后压力时序模式特征语义交互特征，确定是否存在压力异常，并确定是否生成泵停止工作指令。
2.根据权利要求1所述的无人值守水洗模块的自动化控制系统，其特征在于，所述深度神经网络模型为一维扩
3.根据权利要求2所述的无人值守水洗模块的自动化控制系统，其特征在于，所述泵压力时序关联特征提取模块，用于：将所述泵前压力时序输入向量通过基于一维扩展卷积神经网络模型的压力时序模式特征提取器以如下特征提取公式进行处理以得到所述泵前压力时序关联特征向量的序列；其中，所述特征提取公式为：；其中，分别表示所述泵前压力时序输入向量中各个泵前压力局部时序输入向量，表示所述各个泵前压力局部时序输入向量的级联向量，表示连接操作，表示所述各个泵前压力局部时序输入向量中的的级联向量，和分别表示权重矩阵和偏移向量，表示卷积操作，表示所述泵前压力时序关联特征向量的序列中的各个泵前压力时序关联特征向量。
4.根据权利要求3所述的无人值守水洗模块的自动化控制系统，其特征在于，所述泵前-泵后压力时序模式特征语义交互模块，用于：使用所述压力时序模式特征交互模块以如下特征交互公式对所述泵前压力时序关联特征向量的序列和所述泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到泵前-泵后压力时序模式特征语义交互特征向量作为所述泵前-泵后压力时序模式特征语义交互特征；其中，所述特征交互公式为：；其中，为所述泵前压力时序关联特征向量的序列中各个泵前压力时序关联特征向量，为所述泵后压力时序关联特征向量的序列中各个泵后压力时序关联特征向量，为向量的范数的平方，为超参数，为泵前-泵后压力局部时序语义交互特征向量的序列中的第个泵前-泵后压力局部时序语义交互特征向量，为所述泵前-泵后压力局部时序语义交互特征向量的序列中向量的个数，表示向量拼接，为所述泵前-泵后压力时序模式特征语义交互特征向量。
5.根据权利要求4所述的无人值守水洗模块的自动化控制系统，其特征在于，所述压力异常检测和泵工作控制模块，包括：压力异常检测单元，用于将所述泵前-泵后压力时序模式特征语义交互特征向量通过基于分类器的异常探测器以得到检测结果，所述检测结果用于表示是否存在压力异常；以及泵运行控制单元，用于响应于所述检测结果为存在压力异常，生成泵停止工作指令。
6.根据权利要求5所述的无人值守水洗模块的自动化控制系统，其特征在于，还包括用于对所述基于一维扩展卷积神经网络模型的压力时序模式特征提取器、所述压力时序模式特征交互模块和所述基于分类器的异常探测器进行训练的训练模块。
7.根据权利要求6所述的无人值守水洗模块的自动化控制系统，其特征在于，所述训练模块，包括：训练泵压力数据采集单元，用于获取训练数据，所述训练数据包括由所述第一压力传感器和所述第二压力传感器采集的训练泵前压力的时间序列和训练泵后压力的时间序列；训练泵压力数据时序排列单元，用于将所述训练泵前压力的时间序列和所述训练泵后压力的时间序列分别按照时间维度排列为训练泵前压力时序输入向量和训练泵后压力时序输入向量；训练泵压力时序关联特征提取单元，用于通过所述基于一维扩展卷积神经网络模型的压力时序模式特征提取器分别对所述训练泵前压力时序输入向量和所述训练泵后压力时序输入向量进行特征提取以得到训练泵前压力时序关联特征向量的序列和训练泵后压力时序关联特征向量的序列；训练泵前-泵后压力时序模式特征语义交互单元，用于使用所述压力时序模式特征交互模块对所述训练泵前压力时序关联特征向量的序列和所述训练泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到训练泵前-泵后压力时序模式特征语义交互特征向量；损失计算单元，用于将所述训练泵前-泵后压力时序模式特征语义交互特征向量通过所述基于分类...
【技术特征摘要】
1.一种无人值守水洗模块的自动化控制系统，其特征在于，包括：泵压力数据采集模块，用于获取由第一压力传感器和第二压力传感器采集的泵前压力的时间序列和泵后压力的时间序列；泵压力数据时序排列模块，用于将所述泵前压力的时间序列和所述泵后压力的时间序列分别按照时间维度排列为泵前压力时序输入向量和泵后压力时序输入向量；泵压力时序关联特征提取模块，用于通过基于深度神经网络模型的压力时序模式特征提取器分别对所述泵前压力时序输入向量和所述泵后压力时序输入向量进行特征提取以得到泵前压力时序关联特征向量的序列和泵后压力时序关联特征向量的序列；泵前-泵后压力时序模式特征语义交互模块，用于使用压力时序模式特征交互模块对所述泵前压力时序关联特征向量的序列和所述泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到泵前-泵后压力时序模式特征语义交互特征；以及压力异常检测和泵工作控制模块，用于基于所述泵前-泵后压力时序模式特征语义交互特征，确定是否存在压力异常，并确定是否生成泵停止工作指令。
2.根据权利要求1所述的无人值守水洗模块的自动化控制系统，其特征在于，所述深度神经网络模型为一维扩展卷积神经网络模型。
3.根据权利要求2所述的无人值守水洗模块的自动化控制系统，其特征在于，所述泵压力时序关联特征提取模块，用于：将所述泵前压力时序输入向量通过基于一维扩展卷积神经网络模型的压力时序模式特征提取器以如下特征提取公式进行处理以得到所述泵前压力时序关联特征向量的序列；其中，所述特征提取公式为：；其中，分别表示所述泵前压力时序输入向量中各个泵前压力局部时序输入向量，表示所述各个泵前压力局部时序输入向量的级联向量，表示连接操作，表示所述各个泵前压力局部时序输入向量中的的级联向量，和分别表示权重矩阵和偏移向量，表示卷积操作，表示所述泵前压力时序关联特征向量的序列中的各个泵前压力时序关联特征向量。
4.根据权利要求3所述的无人值守水洗模块的自动化控制系统，其特征在于，所述泵前-泵后压力时序模式特征语义交互模块，用于：使用所述压力时序模式特征交互模块以如下特征交互公式对所述泵前压力时序关联特征向量的序列和所述泵后压力时序关联特征向量的序列进行逐特征向量粒度的语义交互以得到泵前-泵后压力时序模式特征语义交互特征向量作为所述泵前-泵后压力时序模式特征语义交互特征；其中，所述特征交互公式为：；其中，为所述泵前压力时序关联特征向量的序列中各个泵前压力时序关联特征向量，为所述泵后压力时序关联特征向量的序列中各个泵后压力时序关联特征向量，为向量的范数的平方，为超参数，为泵前-泵后压力局部时序语义交互特征向量的序列中的第个泵前-泵后压力局部时序语义交互特征向量，为所述泵前-泵后压力局部时序语义交互特征向量的序列中向量的个数，表示向量拼接，为所述泵前-泵后压力时序模式特征语义交互特征向量。
5.根据权利要求4所述的无人值守水洗模块的自动化控制系统，其特征在于，所述压力异常检测和泵工作控制模块，包括：压力异常检测单元，用于将所述泵前-泵后压力时序模式特征语义交互特征向量通过基于分类器的异常探测器以得到检测结果，所述检测结果用于表示是否存在压力异常；以及泵运行控制单元，用于响应于所述检测结果为存在压力异常，生成泵停止工作指令。
6.根据权利要求5所述的无人值守水洗模块的自动化控制系统，其特征在于，还包括用于对所述基于一维扩展卷积神经网络模型的压力时序模式特征提取器、所述压力时序模式特征交互模块和所述基于...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：杭州七所科技有限公司，
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。