本发明涉及数据处理,具体涉及一种淀粉葡萄糖生产设备故障智能检测方法。
背景技术:
1、刮刀离心机是淀粉葡萄糖生产过程中必不可少的淀粉葡萄糖生产设备,能在全速运转下自动实现进料、分离、洗涤、脱水、排液、卸料、洗网等工序,具有结构新颖、运转平稳、自动化程度高、劳动强度低、生产能力大、洗涤效果好、滤饼含湿率低等特点。
2、在淀粉葡萄糖的生产过程中,通过给刮刀离心机设置合适的转速,通过刮刀离心机分离淀粉的悬浮水溶液获得淀粉葡萄糖,其中,淀粉葡萄糖的密度大于固体杂质和水的密度,在高速旋转的机器内部,密度大的淀粉葡萄糖会因为重力的作用向下运动,通过三相口的下口排出,而密度较小的包含固体杂质的废水通过三相口的上口(出水口)排出。
3、当刮刀离心机出现运行故障时,刮刀离心机的实际转速与预设转速不一致,悬浮水溶液的分离效果不好,导致废水中淀粉葡萄糖含量增大,相应的产出的淀粉葡萄糖减少。
4、在现有技术中,主要是根据人工经验对刮刀离心机的运行故障进行判断,但是当刮刀离心机的运行故障不明显时,无法通过人工目测发现故障,使得刮刀离心机长时间处于运行故障,造成淀粉葡萄糖的产出量减少和原材料的浪费。
技术实现思路
1、本发明提供一种淀粉葡萄糖生产设备故障智能检测方法,以解决现有的问题。
2、本发明的一种淀粉葡萄糖生产设备故障智能检测方法采用如下技术方案:
3、本发明一个实施例提供了一种淀粉葡萄糖生产设备故障智能检测方法,该方法包括以下步骤:
4、采集当前时刻的废水的光谱数据曲线,获取当前时刻的对比数据曲线;
5、获得当前时刻的光谱数据曲线和对比数据曲线上的多个差异数据段,差异数据段中每个数据点的斜率组成差异数据段的斜率数据段;
6、获得每个差异数据段的斜率数据段的主成分方向,根据每个差异数据段的斜率数据段的主成分方向,计算每个差异数据段的波动程度,根据差异数据段的波动程度,计算当前时刻的光谱数据曲线上的每个差异数据段的可能程度;
7、根据当前时刻的光谱数据曲线上的每个差异数据段的可能程度,获得淀粉葡萄糖对应的所有光谱区间和所有对比光谱区间;根据淀粉葡萄糖对应的所有光谱区间和所有对比光谱区间,计算废水中淀粉葡萄糖的含量异常程度;
8、如果当前时刻的废水中淀粉葡萄糖的含量异常程度大于第三预设阈值,当前时刻刮刀离心机处于故障运行状态,进一步判断刮刀离心机的故障类型,否则,当前时刻刮刀离心机处于正常运行状态。
9、进一步地,所述获得当前时刻的光谱数据曲线和对比数据曲线上的多个差异数据段,包括的具体步骤如下:
10、将当前时刻的光谱数据曲线上第个数据点的斜率与当前时刻的对比数据曲线上第个数据点的斜率的差值,作为当前时刻的光谱数据曲线上的第个数据点的差异判断值;将当前时刻的光谱数据曲线上差异判断值不为0的数据点,以及差异判断值不为0的数据点在对比数据曲线上对应的数据点记为差异数据点;将当前时刻的光谱数据曲线上相邻的多个差异数据点划分为一个数据段,将当前时刻的对比数据曲线上相邻的多个差异数据点划分为一个数据段,将差异数据点的数量大于第一预设阈值的数据段记为差异数据段。
11、进一步地,所述计算每个差异数据段的波动程度,包括的具体步骤如下:
12、
13、式中,表示第个差异数据段的波动程度,表示第个差异数据段中所有差异数据点的吸光度的最大值,表示第个差异数据段中所有差异数据点的吸光度的最小值,表示第个差异数据段中差异数据点的数量,表示第个差异数据段的斜率数据段的主成分方向,表示第个差异数据段的斜率数据段中的第个斜率数据,表示取绝对值。
14、进一步地,所述计算当前时刻的光谱数据曲线上的每个差异数据段的可能程度,包括的具体步骤如下:
15、
16、式中,表示当前时刻的光谱数据曲线上的第个差异数据段的可能程度,表示当前时刻的光谱数据曲线上的第个差异数据段的波动程度,表示当前时刻的对比数据曲线上的第个差异数据段的波动程度,表示第个差异数据段中差异数据点的数量,表示当前时刻的光谱数据曲线上的第个差异数据段中的第个差异数据点的吸光度,表示当前时刻的光谱数据曲线上的第个差异数据段的平均吸光度,表示当前时刻的对比数据曲线上的第个差异数据段中的第个差异数据点的吸光度,表示当前时刻的对比数据曲线上的第个差异数据段的平均吸光度,表示双曲正切函数。
17、进一步地,所述计算废水中淀粉葡萄糖的含量异常程度,包括的具体步骤如下:
18、当前时刻的废水中淀粉葡萄糖的含量异常程度的计算公式如下:
19、
20、式中,表示当前时刻的废水中淀粉葡萄糖的含量异常程度,表示淀粉葡萄糖对应的所有光谱区间的数量,表示淀粉葡萄糖对应的第t个光谱区间上数据点的数量,表示淀粉葡萄糖对应的第t个光谱区间上第r个数据点的吸光度,表示淀粉葡萄糖对应的第t个对比光谱区间上第r个数据点的吸光度,表示双曲正切函数,表示取绝对值。
21、进一步地,所述获得淀粉葡萄糖对应的所有光谱区间和所有对比光谱区间,包括的具体步骤如下:
22、将当前时刻的光谱数据曲线上,所有可能程度大于等于第二预设阈值的差异数据段作为淀粉葡萄糖对应的光谱区间,将淀粉葡萄糖对应的光谱区间在当前时刻的对比数据曲线上对应的差异数据段,记为淀粉葡萄糖对应的对比光谱区间。
23、进一步地,所述获取当前时刻的对比数据曲线,包括的具体步骤如下:
24、将当前时刻的前k个时刻的光谱数据曲线,作为当前时刻的光谱数据曲线的参考数据曲线,通过平均距离法,将当前时刻的所有参考数据曲线进行合并,获得平均变化数据趋势曲线,作为当前时刻的对比数据曲线。
25、本发明的技术方案的有益效果是:结合废水中的不同成分在光谱数据曲线中不同波段的响应不同,通过对刮刀离心机的废水的光谱数据曲线进行分析,根据固体杂质与淀粉葡萄糖对应的光谱数据段的特征,通过比较当前时刻的光谱数据段和历史数据中的光谱数据段之间的差异,将固体杂质对应的光谱数据段去除,获得淀粉葡萄糖对应的光谱区间和对比光谱区间,最终根据淀粉葡萄糖对应的光谱区间和对比光谱区间的差异,获得淀粉葡萄糖的含量异常程度,进而确定刮刀离心机的运行状况;本发明的故障检测方法通过废水中淀粉葡萄糖的含量异常程度,更加准确且灵敏检测出刮刀离心机的不明显故障,避免由于人工目测无法发现刮刀离心机的故障,使得刮刀离心机长时间处于运行故障,造成淀粉葡萄糖的产出量减少和原材料的浪费,提高淀粉葡萄糖的产出量和原材料的使用率。
1.一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,所述获得当前时刻的光谱数据曲线和对比数据曲线上的多个差异数据段,包括的具体步骤如下:
3.根据权利要求1所述的一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,所述计算每个差异数据段的波动程度,包括的具体步骤如下:
4.根据权利要求1所述的一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,所述计算当前时刻的光谱数据曲线上的每个差异数据段的可能程度,包括的具体步骤如下:
5.根据权利要求1所述的一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,所述计算废水中淀粉葡萄糖的含量异常程度,包括的具体步骤如下:
6.根据权利要求1所述的一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,所述获得淀粉葡萄糖对应的所有光谱区间和所有对比光谱区间,包括的具体步骤如下:
7.根据权利要求1所述的一种淀粉葡萄糖生产设备故障智能检测方法,其特征在于,所述获取当前时刻的对比数据曲线,包括的具体步骤如下: