1.本发明涉及除尘设备技术领域，具体是基于大数据的环保设备测试用滤袋检漏仪运行监管系统。
背景技术：
2.袋式除尘器在进行除尘作业时，是从下侧进气口通入含尘气体，含尘气体经过各个仓室中的滤袋的过滤除尘后，干净的气体（含尘量较小的气体）从各个仓室顶端的出气支管排出，因而，每个仓室顶端出气的一侧也称之为袋式除尘器的净气侧；袋式除尘器在进行清灰作业时，一般是对排布在一列或一排的脉冲阀给定脉冲信号，从而对相应的各个滤袋依次进行喷吹作业。
3.然而，在实际作业时，各个脉冲阀是否存在损坏、漏气、短路等问题，各个滤袋是否处在破损的现象，因各个滤袋内置于除尘器中而难以直观地进行排查，并且滤袋的数量巨大，故障排查作业费时费力，为此，现提供基于大数据的环保设备测试用滤袋检漏仪运行监管系统。
技术实现要素：
4.本发明的目的在于提供基于大数据的环保设备测试用滤袋检漏仪运行监管系统。
5.本发明的目的可以通过以下技术方案实现：基于大数据的环保设备测试用滤袋检漏仪运行监管系统，包括监管中心，所述监管中心通信连接有数据采集模块、数据处理模块、数据分析模块以及预警模块；所述数据采集模块由若干个数据采集终端组成，安装在环保设备内的各个滤室内，用于获取各个滤室的灰尘气体数据，并在环保设备内每个滤室对应的进气管电磁阀、清灰电磁阀以及抽气管电磁阀上安装对应的数据采集终端，用于获取各个电磁阀的电流数据；所述数据处理模块用于对数据采集模块所获取到的数据进行处理，根据处理结果对各个滤室的灰尘过滤效果进行判断；所述数据分析模块用于根据大数据模型的输出结果，对导致滤室灰尘过滤效果异常的存在异常的原因进行分析；所述预警模块用于根据所生成的预警指令，生成对应的预警信息。
6.进一步的，所述数据采集模块获取滤室的灰尘气体数据和各个电磁阀的电流数据的过程包括：通过安装在滤室的数据采集终端，获取滤室内的灰尘浓度；通过在各个滤室内的进气管电磁阀、清灰电磁阀以及抽气管电磁阀上所安装的数据采集终端，实时获取对应的电流值。
7.进一步的，所述数据处理模块对所获得的数据进行处理的过程包括：建立大数据模型，并将所获得的灰尘气体数据和各个电磁阀的电流数据作为输
入，输入至大数据模型内，通过大数据模型，对各个滤室内的灰尘过滤效果进行判断，并输出判断结果。
8.进一步的，所述大数据模型的构建过程包括：选择样本数据集，建立多维度矩阵数据集；对所获得的多维度矩阵数据集进行归一化处理，使得多维度矩阵数据集内的每一列数据均处于[0，1]之间，获得输入数据集；建立树模型，并将所获得的输入数据集作为输入，输入至树模型内，获得特征集；根据所获得的特征集与输入数据集获得残差数据集；将所获得的残差数据集作为训练集，不停的进行训练，直至所获得的残差为0，或达到树模型的训练次数上限，获得最终的特征集。
[0009]
进一步的，所述数据处理模块对各个滤室的灰尘过滤效果进行判断的过程包括：将数据采集模块所获取到的灰尘气体数据和各个电磁阀的电流数据作为输入，输入至大数据模型内；根据所输入的灰尘气体数据和各个电磁阀的电流数据，与所获得的最终的特征集进行匹配；并输出匹配结果；根据匹配结果判断各个滤室的灰尘过滤效果是否存在异常。
[0010]
进一步的，所述数据分析模块对导致滤室灰尘过滤效果异常的存在异常的原因进行分析的过程包括：根据大数据模型的输出结果生成检漏指令；按照滤室的标号顺序，依次将各个滤室进行封闭，并对每个滤室进行清灰；获取各个滤室的初始灰尘浓度，并根据初始灰尘浓度，生成理论清灰时长区间；对各个滤室的实际清灰时长进行记录，并将所获得的实际清灰时长与理论清灰时长区间进行对比，根据比对结果生成对应的预警指令，预警指令包括一级预警指令和二级预警指令。
[0011]
与现有技术相比，本发明的有益效果是：通过对环保设备内各个滤室的灰尘气体数据进行监测，并将所获得的灰尘气体数据输入至大数据模型内，通过大数据模型对各个滤室的灰尘过滤能力进行判断，并且在判断出滤室的灰尘过滤能力出现异常时，对各个滤室进行清灰处理，通过清灰过程，判断出导致滤室灰尘过滤能力异常的原因，使得当滤室内的滤袋的性能下降时，能够及时被发现，从而避免环保设备进行低效率工作而无法被发现，同时，在滤袋性能正常时，能够对环保设备的清灰能力进行检测，使得当出现滤室灰尘过滤能力异常时，快速锁定根因。
附图说明
[0012]
图1为本发明的原理图。
具体实施方式
[0013]
如图1所示，基于大数据的环保设备测试用滤袋检漏仪运行监管系统，包括监管中心，所述监管中心通信连接有数据采集模块、数据处理模块、数据分析模块以及预警模块；
所述数据采集模块由若干个数据采集终端组成，安装在环保设备内的各个滤室内，用于获取各个滤室的灰尘气体数据，并在环保设备内每个滤室对应的进气管电磁阀、清灰电磁阀以及抽气管电磁阀上安装对应的数据采集终端，用于获取各个电磁阀的电流数据；具体地，对各个滤室进行标号，记为i，其中，i=1，2，
……
，n，n为整数；通过安装在滤室的数据采集终端，获取标号为i的滤室内的灰尘浓度，并将标号为i的滤室内的灰尘浓度记为hni；需要进一步说明的是，在具体实施过程中，在每个滤室内所安装的滤袋的规格均不相同，按照滤室的顺序，每个滤室内所安装的滤袋的规格逐渐变小，即每个滤室内所安装的滤袋所能过滤的灰尘颗粒的直径越来越小；对标号为i的滤室内的滤袋的规格进行标记，记为ggi；通过在各个滤室内的进气管电磁阀、清灰电磁阀以及抽气管电磁阀上所安装的数据采集终端，实时获取对应的电流值，并分别将所获得的对应的电流值记为jdi、qdi以及cdi；将数据采集模块所获得的数据上传至数据处理模块。
[0014]
所述数据处理模块用于对数据采集模块所获取到的数据进行处理，具体处理过程包括：建立大数据模型，并将所获得的灰尘气体数据和各个电磁阀的电流数据作为输入，输入至大数据模型内，通过大数据模型，对各个滤室内的灰尘过滤效果进行判断，并输出判断结果，将所输出的判断结果发送至数据分析模块；需要进一步说明的是，在具体实施过程中，所述大数据模型的构建过程包括：选择样本数据集，所述样本数据集内包括k组样本数据；建立多维度矩阵数据集，并将所建立的多维度矩阵数据集记为x，其中，，其中l表示第l个维度；对所获得的多维度矩阵数据集进行归一化处理，使得多维度矩阵数据集内的每一列数据均处于[0，1]之间，从而获得归一化后的数据集，将归一化后的多维度矩阵数据集记为输入数据集m，其中输入数据集；建立树模型，并将所获得的输入数据集m作为输入，输入至树模型内，获得特征集，将所获得的特征集记为c；其中，其中，z为分类回归树，w为分类回归树的参数，a为每个分类回归树的权重；根据所获得的特征集c与输入数据集m获得残差数据集，将残差数据集记为d；需要进一步说明的是，在具体实施过程中，残差数据集的计算公式为；将所获得的残差数据集作为训练集，不停的进行训练，直至所获得的残差为0，或达到树模型的训练次数上限，获得最终的特征集。
[0015]
所述数据处理模块对各个滤室的灰尘过滤效果进行判断的过程包括：将数据采集模块所获取到的灰尘气体数据和各个电磁阀的电流数据作为输入，输入至大数据模型内；根据所输入的灰尘气体数据和各个电磁阀的电流数据，与所获得的最终的特征集进行匹配；并输出匹配结果；根据匹配结果判断各个滤室的灰尘过滤效果是否存在异常，若存在异常则将输出结果发送至数据分析模块。
[0016]
所述数据分析模块用于根据大数据模型的输出结果，对导致滤室灰尘过滤效果异常的存在异常的原因进行确定，并生成对应的预警信息；具体地，根据大数据模型的输出结果生成检漏指令；按照滤室的标号顺序，依次将各个滤室进行封闭，并对每个滤室进行清灰；获取各个滤室的初始灰尘浓度，并根据初始灰尘浓度，生成理论清灰时长区间[t1i，t2i]；对各个滤室的实际清灰时长进行记录，将所获得的实际清灰时长记为sqi，并将所获得的实际清灰时长与理论清灰时长区间进行对比；若t1i≤sqi≤t2i，则表示标号为i的滤室的清灰效果正常；当sqi＜t1i或sqi＞t1i时，则表示标号为i的滤室内的灰尘过滤效果异常，并在sqi＜t1i时，生成一级预警指令，sqi＞t1i时，生成二级预警指令；将所生成的预警指令发送至预警模块。
[0017]
所述预警模块用于根据所生成的预警指令，生成对应的预警信息；具体地，当接收到一级预警指令时，则表示对应的滤室内的滤袋对灰尘的过滤能力降低，则生成滤袋过滤性能降低的预警信息，并将预警信息发送至监控中心；举例说明：滤室内所安装的滤袋的规格用于过滤直径为5mm以上的灰尘颗粒；当滤室内的灰尘浓度确定后，则可以估算出滤袋在该灰尘浓度的滤室中，所能吸附的灰尘量，而当所安装的滤袋的过滤性能下降后，则会导致部分直径大于5mm的灰尘未能被滤袋所拦截，进而导致滤袋上所吸附的灰尘量降低，从而使得在进行清灰的过程中，所需要的清灰时间变短；当收到二级预警指令时，则表示对应滤室的清灰能力异常，生成检测电流，通过检测电流对清灰电磁阀以及抽气管电磁阀进行检测，并输出检测结果；根据检测结果判断清灰电磁阀以及抽气管电磁阀是否存在异常，若存在异常，则生成对应的预警信息，并将预警信息发送至监控中心。
[0018]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。