【技术实现步骤摘要】
本专利技术涉及储气罐阀门自动控制，具体涉及一种基于气压监测的储气罐智能管理方法及系统。
技术介绍
1、储气罐作为工业生产和储存过程中的重要的储存设备，广泛应用于各种气体的储存和输送系统中。储气罐内的压力是储气罐安全的重要参数。储气罐的气压管理也是关系到工业生产和存储安全运行的重要手段，例如，在天然气输送过程中，储气罐内的气压必须保持在一定范围内，以确保输送管道的正常工作和防止气体泄漏。
2、随着工业自动化和智能化的发展，对储气罐气压监测和管理的要求也越来越高。传统的手动监测和调节方法已经无法满足现代工业的需求。为了提高系统的安全性、可靠性和效率，迫切需要一种能够实时监测储气罐内气压，并根据监测数据进行自动化管理的智能系统。
技术实现思路
1、本专利技术的目的克服现有技术的不足，提供一种基于气压监测的储气罐智能管理方法及系统，通过预处理对采集的气压数据进行去噪，提高数据的准确性，基于监测的气压数据进行智能控制获得对阀门的实际控制量，实现对阀门的精确控制，确保储气罐系统的运行稳定。
2、本专利技术的目的是通过以下技术措施达到的：一种基于气压监测的储气罐智能管理方法，包括以下步骤：
3、s1、预设气压采集周期t，实时采集周期t内储气罐的气压数据；
4、s2、对采集到的气压数据进行预处理，获得去噪后的气压数据；
5、s3、针对去噪后的气压数据，建立多维模糊逻辑控制算法模型，并利用算法模型获得储气罐阀门的实际控制指令，所述多维模糊逻
6、s4、根据实际控制指令调节储气罐阀门，并重复s1。
7、进一步地，s2中采用多层动态自适应滤波算法模型对采集到的气压数据进行预处理，所述多层动态自适应滤波算法模型包括频域处理层、时间域处理层和自适应调节层，所述频域处理层用于将采集的气压数据的时域信号转换成频域信号以去除高频噪声，频域处理层处理后的频域信号经逆变换转换成时域信号后进入时间域处理层，所述时间域处理层用于对时域信号进行平滑处理以减少随机噪声，所述自适应调节层用于对经时间域处理层处理后的时域信号进行动态调整以获得气压数据。
8、进一步地，所述频域处理层采用复合波形变换算法模型将时域信号转换成频域信号，所述复合波形变换算法模型为，其中，为气压数据的频域信号，为频率变量，为时域信号，在时刻的起亚数据，是时域采样点，第k个时间点，为时间，为时域信号的总采样点数，是复数指数函数，为虚数单位，为波形函数，波形函数为高斯函数或小波函数，是积分变量，与相关的变量。
9、进一步地，所述时间域处理层采用时变加权平滑算法模型对时域信号进行平滑处理，所述时变加权平滑算法模型为，其中，为平滑后的气压估计值，为时变加权系数，在时间t和窗口位置处的权重，满足，是平滑窗口长度，权重根据距离中心点的远近设定。
10、进一步地，所述自适应调整层采用自适应噪声抑制算法模型对经时间域处理层处理后的时域信号进行动态调整，所述自适应噪声抑制算法模型为，其中，为自适应噪声抑制后的气压数据，为自适应权重，随着时间动态调整，自适应权重动态调整方式采用噪声方差与噪声方差和信号方差之和的比值。
11、进一步地，所述多维模糊化过程包括将气压数据以及气压数据的变化趋势数据分别划分出三个数据集合，并针对每个数据集合采用隶属函数模型将实际数据集合转换为模糊集合，所述隶属函数模型为，其中，为隶属度函数，为调节参数，为输入的气压数据或气压数据的变化趋势数据，为中心值，表示模糊集合的中间位置。
12、进一步地，所述多维模糊推理过程包括建立气压数据和气压数据的变化趋势数据与储气罐阀门开度之间的模糊规则库，基于模糊规则库获得中间控制指令，，其中，为中间控制指令，为气压数据或气压数据的变化趋势数据基于隶属函数模型计算的隶属度函数的最小值，为基于模糊规则库的储气罐阀门控制动作的权重，表示气压数据的模糊集合，表示气压数据的变化趋势数据的模糊集合。
13、进一步地，所述多维解模糊化过程通过加权平均的方式将中间控制指令转换为实际控制指令，，其中，为实际控制量，为中间控制指令，为气压数据或气压数据的变化趋势数据基于隶属函数模型计算的隶属度函数的最小值，表示气压数据的模糊集合，表示气压数据的变化趋势数据的模糊集合。
14、一种基于气压监测的储气罐智能管理系统，基于所述的基于气压监测的储气罐智能管理方法，包括气压采集模块、数据处理模块、智能控制模块和通信模块，所述气压采集模块用于采集气压数据并将气压数据传输至数据处理模块，所述数据处理模块用于对气压数据进行预处理，并将处理后的气压数据传输至智能控制模块和通信模块，所述智能控制模块用于计算储气罐的实际控制量，所述通信模块用于实现储气罐智能管理系统内各模块的通讯，并实现与远程监控平台通讯。
15、进一步地，还包括报警模块，所述报警模块与数据处理模块连接，所述报警模块用于发出报警信息。
16、与现有技术相比，本专利技术的有益效果是：
17、1、利用多层动态自适应滤波算法模型通过频域处理层、时间域处理层和自适应调整层对气压数据进行预处理，能够有效消除高频噪声和随机噪声；频域处理层使用复合波形变换算法模型将时域信号转换到频域，去除高频成分；时间域处理层使用时变加权平滑算法模型对信号进行平滑处理，减少随机噪声；自适应调整层使用自适应噪声抑制算法模型对数据进行动态调整，进一步提高数据的准确性。
18、2、利用多维模糊逻辑控制算法模型对储气罐的进出气阀门进行自动调节；多维模糊逻辑控制算法模型包括多维模糊化过程、多维模糊推理过程和多维解模糊化过程；通过将自适应噪声抑制后的气压数据和气压数据的变化趋势数据转化为模糊集合，并根据模糊规则库进行推理，生成中间控制指令，再通过解模糊化过程得到具体的实际控制量，实现对阀门的精确控制，确保储气罐系统的运行稳定。
19、3、当气压超出预设的安全范围时，系统的报警模块可通过声光报警、短信通知以及远程监控平台报警等多种方式，及时通知相关人员进行处理，确保系统的安全运行。
20、下面结合附图和具体实施方式对本专利技术作详细说明。
本文档来自技高网...【技术保护点】
1.一种基于气压监测的储气罐智能管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于气压监测的储气罐智能管理方法，其特征在于：S2中采用多层动态自适应滤波算法模型对采集到的气压数据进行预处理，所述多层动态自适应滤波算法模型包括频域处理层、时间域处理层和自适应调节层，所述频域处理层用于将采集的气压数据的时域信号转换成频域信号以去除高频噪声，频域处理层处理后的频域信号经逆变换转换成时域信号后进入时间域处理层，所述时间域处理层用于对时域信号进行平滑处理以减少随机噪声，所述自适应调节层用于对经时间域处理层处理后的时域信号进行动态调整以获得去噪后的气压数据。
3.根据权利要求2所述的基于气压监测的储气罐智能管理方法，其特征在于：所述频域处理层采用复合波形变换算法模型将时域信号转换成频域信号，所述复合波形变换算法模型为，其中，为气压数据的频域信号，为频率变量，为时域信号，在时刻的起亚数据，是时域采样点，第k个时间点，为时间，为时域信号的总采样点数，是复数指数函数，为虚数单位，为波形函数，波形函数为高斯函数或小波函数，是积分变量，与相关的变量。
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。