[發明專利]一種可在線故障診斷的工業循環水濃縮倍數采集系統在審
| 申請號: | 201410073793.X | 申請日: | 2014-02-28 |
| 公開(公告)號: | CN103823461A | 公開(公告)日: | 2014-05-28 |
| 發明(設計)人: | 朱天一;羅益民;易輝 | 申請(專利權)人: | 南京工業大學 |
| 主分類號: | G05B23/02 | 分類號: | G05B23/02 |
| 代理公司: | 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411 | 代理人: | 曾少麗 |
| 地址: | 210000 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 在線 故障診斷 工業 循環 濃縮 倍數 采集 系統 | ||
技術領域
本發明屬于智能工業儀表領域,具體涉及一種可在線故障診斷的工業循環水濃縮倍數采集系統。
背景技術
隨著工業的發展,對工業循環水的濃縮倍數進行控制變的愈發重要,所謂濃縮倍數就是循環水和補充水的電導率比值,歸根結底,就是對電導率進行實時監測,為循環水濃縮倍數的監測提供更為準確的數據,較好地控制循環水質。而測量系統一旦發生故障,會對工業生產造成很大的影響,所以發明一種采用在線故障診斷的濃縮倍數采集系統具有很重要的工業價值。
目前,還沒有帶智能故障診斷的濃縮倍數測量系統。國內的工業現場,基本都是采用人工判斷工業儀表是否發生故障,根據經驗判斷發生了什么樣的故障。而濃縮倍數測量儀處于不同運行狀態時,它顯示的濃縮倍數值、電導率值和溫度值是不同的,對這三個值進行合理分析,即可得出濃縮倍數測量儀運行狀態,這樣就可以有效地對濃縮倍數測量儀進行故障診斷。然而,相對來說儀表出現故障的情況比較少,所以故障數據提取困難,這就存在一個問題,那就是不能有大量的數據樣本供參考,如果使用傳統的神經網絡等故障診斷方法,往往不能對故障進行準確的診斷。
發明內容
發明目的:本發明的目的是為了解決上述技術問題,提供一種可在線故障診斷的工業循環水濃縮倍數采集系統。
技術方案:本發明所述的一種可在線故障診斷的工業循環水濃縮倍數采集系統,包括濃縮倍數測量單元和故障診斷單元,所述濃縮倍數測量單元為一臺濃縮倍數測量儀,所述故障診斷單元為一臺上位機,該上位機與濃縮倍數測量儀相連,用于接收濃縮倍數參數和故障診斷。
所述濃縮倍數測量儀包括傳感器、主芯片和數據輸出端,所述傳感器包括溫度傳感器和電導電極,所述主芯片接收到來自所述傳感器的數據進行處理后,經所述數據輸出端將信號輸出。
所述故障診斷單元包括五部分:
(1)數據采集部分,將采樣得到的電導值和溫度值實時送至數據預處理部分;
(2)數據預處理部分,生成一個大小為40的一維數組,按一定順序地把采集來的電導率值存儲起來,去除最大和最小值,再讀入兩個新的采樣值,接著使用中值濾波去掉最大和最小值,最后求出剩下的38組數據的的平均值;
用公式表示:
式中:Xi為經過從小到大排序后的電導率值;N為采樣個數;為當前有效的電導率平均均值。
(3)構建BT-SVM故障分類器,包含3個支持向量機(SVM)分類器,SVM1用于區分正常狀態和開路、短路、探頭污染三個狀態,SVM2用于區分開路狀態和短路,探頭污染兩個狀態,SVM3用于區分短路狀態和探頭污染狀態;SVM為二分類器,也就是說每個支持向量機只能區分兩種故障樣本,將測試樣本劃分至故障可能性較高的一類中去。而濃縮倍數表故障類型不止兩種,所以需要建立多個SVM故障分類器。二叉樹支持向量機(BT-SVM)多分類方法相當于建立一個二叉樹,每個樹節點是一個SVM分類器,方法如下:首先把所有的類合并成為兩個一級子類,然后將一級子類和上一步一樣分成為兩個二級子類,依照這樣的規律不斷劃分,最后直到節點中只有一個類別,也就是葉子結點。二叉樹又分為全二叉樹又分為全二叉樹和偏二叉樹,本發明采用偏二叉樹。
(4)集成學習部分,該部分將預處理過的數據送入構建好的BT-SVM故障分類器中,按照預先設置流程,確定樣本數據所屬類別。
(5)診斷結果顯示部分,根據集成學習部分對測試樣本的類別劃分,可判斷出當前濃縮倍數表的運行狀態。該部分將診斷結果送至輸出端口進行顯示,以直觀地對濃縮倍數表運行狀況進行實時監視。
有益效果:
(1)本發明首次對濃縮倍數采集系統進行智能故障診斷,針對故障數據小樣本的情況,采用支持向量機故障診斷;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京工業大學,未經南京工業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410073793.X/2.html,轉載請聲明來源鉆瓜專利網。





