容器气密性异常检测方法、装置、电子设备和存储介质与流程

本技术涉及气密性检测，具体涉及一种容器气密性异常检测方法、装置、电子设备和存储介质。

背景技术：

1、搅拌罐体是用于对浆料进行搅拌混合的容器，在搅拌过程中需要对罐体抽真空，以排除罐体内的空气，避免浆料内产生气泡影响加工产品的品质。由于搅拌罐体的管道、阀体、密封圈等会发生堵塞或磨损，进而会影响罐体的气密性，严重时还会引发罐体真空异常，进而导致罐体设备报警停机、影响通过浆料生产的产品的质量，因此检测搅拌罐体的气密性是否出现异常显得十分重要。

2、目前，相关技术中主要通过容器的气压显示器的指针变化来判断容器的阀体的气密性是否合格，或通过安装压差传感器以及风量监测装置等设备，然后通过计算进出风测量值之间的差值与阈值做比较来检测容器的气密性；然而搅拌罐体体积较大且工艺复杂，其存在频繁抽真空、放真空的状态，仅通过传感器等仪器来监测搅拌罐体的气密性是否出现异常，会导致搅拌罐体的气密性的异常检测准确度较低。

3、上述的陈述仅用于提供与本技术有关的背景技术信息，而不必然地构成现有技术。

技术实现思路

1、鉴于上述问题，本技术提供一种容器气密性异常检测方法、装置、电子设备和存储介质，能够解决相关技术中容器的气密性异常检测准确度较低的技术问题。

2、第一方面，本技术提供了一种容器气密性异常检测方法，包括：获取当前容器在运行过程中各工况对应的压力参数；所述各工况对应的压力参数包括所述当前容器内部的压力参数；将所述各工况对应的压力参数进行预处理得到预处理特征数据，将所述预处理特征数据输入至预训练故障预测模型中，获取所述压力参数对应的故障类型；输出所述故障类型以及所述故障类型对应的维修方案。

3、本发明实施例的技术方案中，通过将容器在运行过程中各种工况对应的压力参数进行预处理，然后利用预训练故障预测模型基于预处理数据预测该压力参数对应的故障类型，不仅能够准确的判断出容器的气密性是否出现异常，还能提供气密性的故障类型以及故障类型对应的维修方案，避免容器所在的产线设备意外停机，提高通过容器加工的产品的质量。

4、在一些实施例中，所述获取当前容器在运行过程中各工况对应的压力参数，包括：获取多个数据采集时刻所述当前容器内部的压力参数；确定各所述数据采集时刻对应的压力参数所属的工况。在该实施例中，通过多个数据采集时刻内部的压力参数的属性，可以准确的判断各所述数据采集时刻对应的压力参数所属的工况，进而可以根据各压力参数相应的工况精准判断当前容器是否出现异常。

5、在一些实施例中，所述压力参数包括所述当前容器的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值；所述确定各所述数据采集时刻对应的压力参数所属的工况，包括：遍历各数据采集时刻对应的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及内部压力值；在当前采集时刻对应的抽真空阀状态值为第一数值、放真空阀状态值为第二数值，且所述预设的压力上限值和压力下限值均为零、内部压力值在第一预设范围内的情况下，确定当前采集时刻对应的压力参数所属的工况为常压工况；所述第一数值用于指示所述抽真空阀处于关闭状态，所述第二数值用于指示所述放真空阀处于开启状态。在该实施例中，通过当前容器的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值，能够更加精确的判断出各所述数据采集时刻对应的压力参数所属的工况。

6、在一些实施例中，所述将所述各工况对应的压力参数进行预处理得到预处理特征数据，将所述预处理特征数据输入至预训练故障预测模型中，获取所述压力参数对应的故障类型，包括：将所述常压工况对应的各内部压力值进行预处理，得到常压工况对应的预处理特征数据；所述预处理特征数据包括所述各内部压力值对应的均值、标准差、最大值、最小值，以及所述各内部压力值中的正数值的数量与负数值的数量之间的比值中的至少之一；将预处理特征数据输入至所述预训练故障预测模型中，获取所述常压工况的压力参数对应的故障类型。在该实施例中，通过获取常压工况对应的预处理特征数据，基于该预处理特征数据和预训练故障预测模型，可以精准的判断常压工况的压力参数对应的故障类型。

7、在一些实施例中，所述压力参数包括抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值；所述确定各所述数据采集时刻对应的压力参数所属的工况，包括：遍历各数据采集时刻对应的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及内部压力值；根据相邻两采集时刻对应抽真空阀状态值、放真空阀状态值，确定当前采集时刻所属工况的第一起始时刻和第一结束时刻；在当前采集时刻对应的抽真空阀状态值为第二数值、放真空阀状态值为第一数值，且所述预设的压力上限值和压力下限值均小于零，所述第一起始时刻对应的内部压力值在第一预设范围内，所述第一结束时刻对应的内部压力值在第二预设范围的情况下，确定当前采集时刻对应的压力参数所属的工况为抽压工况；所述第二数值用于指示所述抽真空阀处于关闭状态，所述第一数值用于指示所述放真空阀处于开启状态。在该实施例中，通过当前容器的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值，能够更加精确的判断出各所述数据采集时刻对应的压力参数所属的工况。

8、在一些实施例中，所述将所述各工况对应的压力参数进行预处理得到预处理特征数据，将所述预处理特征数据输入至预训练故障预测模型中，获取所述压力参数对应的故障类型，包括：将所述抽压工况对应的各内部压力值进行预处理，得到抽压工况对应的预处理特征数据，所述预处理特征数据包括所述第一起始时刻和第一结束时刻二者对应的内部压力值，所述第一起始时刻和第一结束时刻之间的时长，以及所述时长内内部压力值变化曲线中的各内部压力值对应的斜率中的至少之一；将预处理特征数据输入至所述预训练故障预测模型中，获取所述抽压工况的压力参数对应的故障类型。

9、在该实施例中，通过获取抽压工况对应的预处理特征数据，基于该预处理特征数据和预训练故障预测模型，可以精准的判断抽压工况的压力参数对应的故障类型。

10、在一些实施例中，所述压力参数包括抽真空阀状态值，放真空阀状态值，预设的压力上限值和压力下限值，以及所述当前容器的内部压力值；所述确定各所述数据采集时刻对应的压力参数所属的工况，包括：遍历各第一数据采集时刻对应的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及内部压力值；所述第一数据采集时刻为各所述数据采集时刻中，除抽压工况对应的数据采集时刻之外的任一数据采集时刻；在当前采集时刻对应的抽真空阀状态值为第二数值、放真空阀状态值为第一数值，且所述预设的压力上限值和压力下限值均小于零、当前采集时刻对应的内部压力值处于第三预设范围的情况下，确定当前采集时刻对应的压力参数所属的工况为保压工况；第三预设范围为基于所述压力上限值的和压力下限值确定的压力范围。

11、在该实施例中，通过当前容器的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值，能够更加精确的判断出各所述数据采集时刻对应的压力参数所属的工况。

12、在一些实施例中，所述将所述各工况对应的压力参数进行预处理得到预处理特征数据，将所述预处理特征数据输入至预训练故障预测模型中，获取所述压力参数对应的故障类型，包括：将所述保压工况对应的各内部压力值进行预处理，得到保压工况对应的预处理特征数据，所述预处理特征数据包括各内部压力值对应的均值、标准差、最大值、最小值，所述各内部压力值中的超出所述压力上限值的数量与超出所述压力下限值的数量之间的比值，以及所述各内部压力值变化的速率的最大值中的至少之一；将预处理特征数据输入至所述预训练故障预测模型中，获取所述保压工况的压力参数对应的故障类型。

13、在该实施例中，通过获取保压工况对应的预处理特征数据，基于该预处理特征数据和预训练故障预测模型，可以精准的判断保压工况的压力参数对应的故障类型。

14、在一些实施例中，所述压力参数包括抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值；所述确定各所述数据采集时刻对应的压力参数所属的工况，包括：

15、遍历第二数据采集时刻对应的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及内部压力值；所述第二数据采集时刻为各所述数据采集时刻中，除常压工况对应的数据采集时刻之外的任一数据采集时刻；根据相邻两采集时刻对应抽真空阀状态值、放真空阀状态值，确定当前采集时刻所属工况的第二起始时刻和第二结束时刻；在当前采集时刻对应的抽真空阀状态值为第一数值、放真空阀状态值为第二数值，且所述预设的压力上限值和压力下限值均小于零，所述第二起始时刻对应的内部压力值在第四预设范围内，所述第二结束时刻对应的内部压力值在第五预设范围的情况下，确定当前采集时刻对应的压力参数所属的工况为放压工况；所述第一数值用于指示所述抽真空阀处于关闭状态，所述第二数值用于指示所述放真空阀处于开启状态。在该实施例中，在该实施例中，通过当前容器的抽真空阀状态值、放真空阀状态值、预设的压力上限值和压力下限值，以及所述当前容器的内部压力值，能够更加精确的判断出各所述数据采集时刻对应的压力参数所属的工况。

16、在一些实施例中，所述将所述各工况对应的压力参数进行预处理得到预处理特征数据，将所述预处理特征数据输入至预训练故障预测模型中，获取所述压力参数对应的故障类型，包括：将所述放压工况对应的各内部压力值进行预处理，得到放压工况对应的预处理特征数据，所述预处理特征数据包括所述第二起始时刻与第二结束时刻之间的时长、第二起始时刻对应的内部压力值、第二结束时刻对应的内部压力值，以及在所述时长内各内部压力值的变化速率中的至少之一；将预处理特征数据输入至所述预训练故障预测模型中，获取所述放压工况的压力参数对应的故障类型。

17、在该实施例中，通过获取放压工况对应的预处理特征数据，基于该预处理特征数据和预训练故障预测模型，可以精准的判断放压工况的压力参数对应的故障类型。

18、在一些实施例中，所述容器气密性异常检测方法还包括：将各故障类型以及各故障类型对应的工况参数作为样本压力参数；利用所述样本压力参数，对分类模型进行训练，得到所述预训练故障预测模型。在该实施例中，通过将各故障类型以及各故障类型对应的工况参数作为样本对分类模型进行训练，可以得到用于精准预测容器气密性是否异常的预测模型。

19、第二方面，本发明实施例了一种容器气密性异常检测装置，包括：获取单元，获取当前容器在运行过程中各工况对应的压力参数；所述各工况对应的压力参数包括所述当前容器内部的压力参数；预测单元，用于将所述各工况对应的压力参数进行预处理得到预处理特征数据，将所述预处理特征数据，输入至预训练故障预测模型中，获取所述压力参数对应的故障类型；输出单元，用于输出所述故障类型以及所述故障类型对应的维修方案。

20、第三方面，本发明实施例了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如第一方面所述的方法。

21、第四方面，本发明实施例了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的方法。

22、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。