数字化矿山生产管控系统的制作方法

本申请涉及智能管控领域，且更为具体地，涉及一种数字化矿山生产管控系统。

背景技术：

1、数字化矿山生产管控系统是一种利用现代信息技术手段对矿山生产过程进行全面监测、控制和管理的系统。在金矿提炼过程中，黄金提炼设备的正常工作状态对于提高生产效率和保障安全至关重要。因此，在数字化矿山生产管控系统中，对黄金提炼设备的工作状态进行监测和异常检测至关重要。

2、然而，传统的设备状态监测方法通常依赖于各种传感器，通过监测黄金提炼设备的振动、温度、电流等物理量与阈值的关系来判断该设备的工作状态是否存在异常。但由于传感器的安装和维护成本较高，并且传统监测方式通过分别对于黄金提炼设备的各个运行数据进行监测和阈值比较，并不能够很好地检测出设备状态的异常情况，无法满足监测需求。

3、因此，期望一种优化的数字化矿山生产管控系统。

技术实现思路

1、为了解决上述技术问题，提出了本申请。

2、根据本申请的一个方面，提供了一种数字化矿山生产管控系统，其包括：

3、噪声信号采集模块，用于获取被监控设备的噪声信号，其中，所述被监控设备为黄金提炼设备的任意一种；

4、信号预处理模块，用于对所述噪声信号进行信号预处理以得到预处理后噪声信号；

5、信号分帧模块，用于对所述预处理后噪声信号进行信号分帧以得到噪声信号帧的序列；

6、功率谱计算模块，用于计算所述噪声信号帧的序列中各个噪声信号帧的功率谱以得到功率谱的序列；

7、功率谱mfcc分析模块，用于对所述功率谱的序列中的各个功率谱进行mfcc分析以得到梅尔频率倒谱系数特征向量；

8、噪声功率谱特征提取模块，用于通过基于深度神经网络模型的噪声特征提取器对所述功率谱的序列进行特征提取以得到噪声功率谱特征图；

9、设备噪声模式表征模块，用于使用元网络逐通道响应融合模块对所述梅尔频率倒谱系数特征向量和所述噪声功率谱特征图进行处理以得到设备噪声模式特征图作为设备噪声模式特征；

10、设备工作状态异常检测模块，用于基于所述设备噪声模式特征，确定被监控设备的工作状态是否存在异常。

11、在上述数字化矿山生产管控系统中，所述深度神经网络模型为三维卷积神经网络模型。

12、在上述数字化矿山生产管控系统中，所述设备噪声模式表征模块，用于：

13、将所述噪声功率谱特征图通过基于元网络的逐通道响应关联模块的卷积神经网络模型中进行处理以得到噪声功率谱增强语义特征图；

14、将所述梅尔频率倒谱系数特征向量通过所述基于元网络的逐通道响应关联模块的第一卷积层后再通过relu函数进行线性修正处理以得到线性修正后梅尔频率倒谱系数特征向量；

15、将所述线性修正后梅尔频率倒谱系数特征向量通过所述基于元网络的逐通道响应关联模块的第二卷积层后再通过sigmoid 函数进行处理以得到归一化后梅尔频率倒谱系数特征向量；

16、以所述归一化后梅尔频率倒谱系数特征向量对所述噪声功率谱增强语义特征图进行沿通道维度的加权融合以得到所述设备噪声模式特征图。

17、在上述数字化矿山生产管控系统中，所述设备工作状态异常检测模块，包括：

18、噪声模式特征优化单元，用于对所述设备噪声模式特征图进行特征分布优化处理以得到优化设备噪声模式特征图；

19、工作状态检测单元，用于将所述优化设备噪声模式特征图通过分类器以得到分类结果，所述分类结果用于表示被监控设备的工作状态是否存在异常。

20、在上述数字化矿山生产管控系统中，所述噪声模式特征优化单元，包括：

21、线性变换子单元，用于对所述设备噪声模式特征图进行线性变换以使得所述设备噪声模式特征图沿通道维度的每个特征矩阵的宽度和高度相等以得到转换后的设备噪声模式特征图；

22、特征矩阵优化子单元，用于对所述转换后的设备噪声模式特征图中沿通道维度的各个特征矩阵进行基于特征矩阵的优化以得到所述优化设备噪声模式特征图。

23、在上述数字化矿山生产管控系统中，所述工作状态检测单元，包括：

24、展开子单元，用于将所述优化设备噪声模式特征图基于行向量或列向量展开为分类特征向量；

25、全连接编码子单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；

26、分类结果生成子单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。

27、与现有技术相比，本申请提供的一种数字化矿山生产管控系统，其通过实时监测采集黄金提炼设备的噪声信号，并在后端引入信号处理和分析算法来进行该噪声信号的分析，以此基于黄金提炼设备的噪声信号来判断该设备的工作状态是否存在异常。通过这样的方式，不需要依赖多组传感器，降低了传感器的安装和维护成本，同时，避免了传统的阈值监测法造成的低精度问题，从而提高了黄金提炼设备的状态监测准确性和实时性，为金矿生产过程的安全和高效运行提供支持。

技术特征：

1.一种数字化矿山生产管控系统，其特征在于，包括：

2.根据权利要求1所述的数字化矿山生产管控系统，其特征在于，所述深度神经网络模型为三维卷积神经网络模型。

3.根据权利要求2所述的数字化矿山生产管控系统，其特征在于，所述设备噪声模式表征模块，用于：

4.根据权利要求3所述的数字化矿山生产管控系统，其特征在于，所述设备工作状态异常检测模块，包括：

5.根据权利要求4所述的数字化矿山生产管控系统，其特征在于，所述噪声模式特征优化单元，包括：

6.根据权利要求5所述的数字化矿山生产管控系统，其特征在于，所述工作状态检测单元，包括：

技术总结
本申请公开了一种数字化矿山生产管控系统，涉及智能管控领域，其通过实时监测采集黄金提炼设备的噪声信号，并在后端引入信号处理和分析算法来进行该噪声信号的分析，以此基于黄金提炼设备的噪声信号来判断该设备的工作状态是否存在异常。通过这样的方式，不需要依赖多组传感器，降低了传感器的安装和维护成本，同时，避免了传统的阈值监测法造成的低精度问题，从而提高了黄金提炼设备的状态监测准确性和实时性，为金矿生产过程的安全和高效运行提供支持。

技术研发人员：李欣峰,张永贵,王宪强,刘绪,李宪英,刘斌,张宇,张云驰,郭海龙
受保护的技术使用者：长春黄金设计院有限公司
技术研发日：
技术公布日：2024/3/4