【技术实现步骤摘要】
本申请属于压力烧结炉，涉及压力烧结炉技术，具体是基于聚类算法的压力烧结炉监测方法。
技术介绍
1、压力烧结炉通常由炉体、加热元件、压力系统、控制系统等部分组成；其中，炉体通常采用高级耐热材料制成，以承受高温和压力；加热元件通常采用电热元件或燃气热元件，以提供所需的热量；压力系统通常采用液压或气压系统，以在烧结过程中施加压力；控制系统通常用于控制炉体的温度、压力等参数，以保证烧结过程的稳定性和可重复性。
2、压力烧结炉是陶瓷、冶金等领域的重要设备，其运行状态直接影响产品的质量和产量；现有的压力烧结炉监测方法主要依靠人工观察和简单的数据记录，难以实现实时、准确的监测，且无法有效识别异常状态；因此，需要一种基于聚类算法的压力烧结炉监测方法能够实时监测压力烧结炉的运行状态。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一；为此，本申请提出了基于聚类算法的压力烧结炉监测方法，用于解决现有的压力烧结炉监测方法主要依靠人工观察和简单的数据记录，难以实现实时、准确的监测，且无法有效识别异常状态的技术问题，本申请通过对历史数据进行聚类分析得到若干聚类中心点，根据聚类中心点和实时采集数据判断实时采集数据是否为异常数据解决了上述问题。
2、为实现上述目的，本申请的第一方面提供了基于聚类算法的压力烧结炉监测方法，包括以下步骤：
3、步骤一：获取压力烧结炉的历史数据，对所述历史数据中的运行数据进行预处理，得到特征数据集；其中，历史数据包括运行数据以及对应
4、步骤三：获取实时采集数据；根据所述实时采集数据和聚类中心点生成实时采集数据的数据状态；判断所述数据状态是否为异常数据；是，则根据所述异常数据进行异常警报；且采集次数加一；否，则根据实时采集数据与聚类中心生成采集时间，采集下一组实时数据，且采集次数加一；重复步骤三；
5、步骤四：根据实时采集数据阶段性更新聚类中心点。
6、根据警报信号对压力烧结炉进行报警，并通知技术人员对故障进行处理。
7、本申请通过对大量的历史数据进行聚类分析得到聚类中心点，获取实时采集数据，计算实时采集数据与若干聚类中心点的欧氏距离，并根据欧氏距离判断实时采集数据是否为异常数据，当实时采集数据为异常数据时，则根据异常数据进行异常警报，提醒相关人员压力烧结炉的工作出现异常；根据实时采集数据与聚类中心生成采集时间，根据采集时间自动获取实时采集数据，便于根据压力烧结炉工作状态及时采集相应的实时采集数据，通过若干聚类中心点对实时采集数据进行分析，便于准确的得到压力烧结炉当前的工作状态。
8、优选的，对所述运行数据进行预处理得到特征数据集，包括：
9、提取运行数据中若干组采集数据；判断采集数据中是否存在数据缺失；其中，数据缺失包括项目类型缺失、项目数值缺失或项目单位缺失；
10、是，则丢弃相应的采集数据；
11、否，则根据所述采集数据生成特征数据；
12、将所有特征数据进行整合生成特征数据集。
13、本申请通过对运行数据进行预处理，去除采集数据中数据不完整的采集数据，避免后续对采集数据进行处理由数据不完整导致的处理结果不准确。
14、优选的，根据所述采集数据生成特征数据，包括：
15、提取采集数据中的项目类型、项目数值和项目单位；依次判断各个项目类型的项目单位是否为标准单位；
16、是，则将采集数据中的项目数值转化为特征数值；
17、否，则将相应的项目单位转化为标准单位，对应的项目数值转化为标准单位下的特征数值；
18、将采集数据中的特征数值整合生成特征数据。
19、优选的，采用聚类算法对所述特征数据集进行分类和聚类，得到若干聚类中心点，包括：
20、s2.1：获取标准数据，将标准数据作为第一个聚类中心；其中标准数据由经验设置，且标准数据对应的运行状态为正常状态；
21、s2.2：计算所述特征数据集中的每个特征数据与第一个聚类中心的欧氏距离，根据所述欧氏距离生成每个特征数据的选取概率一；采用轮盘法选取第二个聚类中心；
22、s2.3：计算所述特征数据集中的每个特征数据与各个聚类中心的若干个欧氏距离中的最短欧氏距离，根据最短欧氏距离生成每个特征数据对应的选取概率二；采用轮盘法选取下一个聚类中心；
23、s2.4：重复步骤s2.3找出若干聚类中心；
24、s2.5：计算每个特征数据与各个聚类中心的若干欧氏距离，将特征数据加入与其欧氏距离最短的聚类中心的聚类簇中，得到若干聚类簇；
25、s2.6：根据所述聚类中心和所述聚类簇得到聚类中心点。
26、优选的，根据所述聚类中心和所述聚类簇得到聚类中心点，包括：
27、获取各个聚类簇中特征数据对应的采集数据中的运行状态；判断同一个聚类簇的所有特征数据对应的运行状态是否相同；
28、是，则将各个聚类中心作为聚类中心点；
29、否，则重复步骤s2.2至s2.5；其中，运行状态包括正常状态和异常状态。
30、优选的，根据所述实时采集数据和聚类中心点生成实时采集数据的数据状态；包括：
31、对实时采集数据进行预处理得到采集特征数据；计算采集特征数据与各个聚类中心点的欧氏距离；获取最小的欧氏距离对应的聚类中心点，获取所述聚类中心对应的工作状态；
32、当所述工作状态为异常工作状态时，将所述实时采集数据标记为异常数据；否则，将所述实时采集数据标记为正常数据，其中，数据状态包括正常数据和异常数据，其中，数据状态包括正常数据和异常数据。
33、现有的压力烧结炉监测方法由于人工记录和分析数据导致监测精度和实时性较差，不能够及时发现设备故障；本申请通过聚类算法对烧结炉的运行数据进行处理，根据聚类结果将相似的数据点归为同一类得到聚类中心点，获取实时采集数据，将实时采集数据与聚类中心点进行对比，进而判断当前的压力烧结炉是否正常运行；能够全面、准确地反映设备的运行状态，具有较高的监测精度和实时性；同时，本申请还具有较低的误报率和较高的鲁棒性。
34、优选的，获取所述聚类中心对应的工作状态，包括：
35、获取聚类中心点对应的特征数据，获取所述特征数据对应的采集数据；将采集数据中对应的运行状态记为对应聚类中心点的工作状态；其中工作状态包括正常工作状态和异常工作状态。
36、优选的，所述根据实时采集数据与聚类中心生成采集时间，包括：
37、将所有欧氏距离进行归一化处理得到标准距离；将工作状态为正常工作状态的聚类中心点对应的若干标准距离标记为zji；将工作状态为异常工作状态的聚类中心点对应的标准距离标记为yjj；
38、通过公式cs＝α×[∑(zji)/n-∑(yjj)本文档来自技高网...
【技术保护点】
1.基于聚类算法的压力烧结炉监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于聚类算法的压力烧结炉监测方法，其特征在于，对所述运行数据进行预处理得到特征数据集，包括：
3.根据权利要求2所述的基于聚类算法的压力烧结炉监测方法，其特征在于，根据所述采集数据生成特征数据，包括：
4.根据权利要求1所述的基于聚类算法的压力烧结炉监测方法，其特征在于，采用聚类算法对所述特征数据集进行分类和聚类，得到若干聚类中心点，包括：
5.根据权利要求4所述的基于聚类算法的压力烧结炉监测方法，其特征在于，根据所述聚类中心和所述聚类簇得到聚类中心点，包括：
6.根据权利要求5所述的基于聚类算法的压力烧结炉监测方法，其特征在于，根据所述实时采集数据和聚类中心点生成实时采集数据的数据状态；包括：
7.根据权利要求6所述的基于聚类算法的压力烧结炉监测方法，其特征在于，获取所述聚类中心对应的工作状态，包括：
8.根据权利要求7所述的基于聚类算法的压力烧结炉监测方法，其特征在于，所述根据实时采集数据与聚类中心生成采
9.根据权利要求8所述的基于聚类算法的压力烧结炉监测方法，其特征在于，根据所述异常数据进行异常警报，包括：
10.根据权利要求1所述的基于聚类算法的压力烧结炉监测方法，其特征在于，所述根据实时采集数据阶段性更新聚类中心点，包括：
...【技术特征摘要】
1.基于聚类算法的压力烧结炉监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于聚类算法的压力烧结炉监测方法，其特征在于，对所述运行数据进行预处理得到特征数据集，包括：
3.根据权利要求2所述的基于聚类算法的压力烧结炉监测方法，其特征在于，根据所述采集数据生成特征数据，包括：
4.根据权利要求1所述的基于聚类算法的压力烧结炉监测方法，其特征在于，采用聚类算法对所述特征数据集进行分类和聚类，得到若干聚类中心点，包括：
5.根据权利要求4所述的基于聚类算法的压力烧结炉监测方法，其特征在于，根据所述聚类中心和所述聚类簇得到聚类中心点，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：成峰，周纯，崔志文，柴神洲，刘建辉，
申请(专利权)人：湖南维尚科技有限公司，
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。