一种微米级粉料无尘装料系统的粉尘监测方法与流程

本发明涉及数据处理，尤其涉及一种微米级粉料无尘装料系统的粉尘监测方法。

背景技术：

1、随着工业自动化和环境保护意识的增强，各行业对于高精密度、高效、无尘的自动化配料装备的需求日益增加。微米级粉料广泛地应用于各种行业，微米级粉料的精准装料和运输对无尘环境有着非常高的要求。随着工业自动化和智能化发展，配料自动化已经成为趋势。基于计算机和自动控制技术的智能装备可以实现高精度控制和优化，满足精密装料的需求。

2、根据分类标准，粒径在0.1-100微米之间的粉体称为微米级粉体，这类粉体粉尘也属于pm2.5和pm10之内，属于呼吸性粉尘，会对人体呼吸系统造成危害。微米级粉料粒径很小，容易受到环境影响产生变化。无尘装料可以最大限度减少外界环境对粉料的影响，确保装入设备的粉料粒径不变、物化性质稳定，从而保证产品质量的稳定。在进行装料时通常都会进行除尘处理，但是如果由于设备机器故障或者装料环境漏风漏气等原因，会导致微米级粉料在装料过程中会有粉尘混入，混入的粉尘不仅仅会影响粉料的质量问题，还会降低产品的收集率以及延长设备的使用寿命，所以微米级粉料装料时的粉尘监测十分重要。

3、在微米级粉料的装料输送过程中，若粉料内部存在微米级的粉尘，微米级粉尘的存在会增加粉料的内聚力和附着力，导致粉料流动和输送困难，容易形成块结和桥接，导致粉料局部流动性变差，输送过程不稳定。且微米级粉尘颗粒表面积大，空间耦合作用强，易与其他粉粒结合成团或附着于设备表面，导致粉料结块、成糊状，进而使得导致装料输送过程中的输送量和输送速度波动范围加大。此外，当运输装料的微米级粉料中含有粉尘时，不仅仅会影响到粉料产品的质量，更严重的是可能引起设备的损坏甚至对员工的健康安全构成潜在的危害和风险。传统的无尘装料系统难以精准判断具体的粉料堆积是由粉尘产生的还是由其他因素造成的，需要对发生堆积的部分数据额外重视。

4、然而，传统的无尘装料系统主要依靠人工目测和简单的传感器进行粉尘监测，无法满足高精度和无尘的要求。

技术实现思路

1、本发明提供一种微米级粉料无尘装料系统的粉尘监测方法，旨在实现无尘装料系统的高精度粉尘监测。

2、为实现上述目的，本发明提供一种微米级粉料无尘装料系统的粉尘监测方法，所述方法包括：

3、将传感器在微米级粉料无尘装料系统运行过程中采集的运行数据进行密度聚类获得数据聚类簇；

4、基于所述数据聚类簇确定波动后数据向量的跳转度和波动后压力数据序列和波动后流量数据序列的相关系数；

5、基于对应行序列的个数偏差、所述波动前后的极值差，波动后压力数据序列与波动后流量数据序列的相关系数确定各个压力数据序列和流量数据序列的流量滞后强度；

6、基于所述跳转度、所述流量滞后强度以及数据点与簇内波动中心的欧式距离确定各个数据点的局部离群因子权重；

7、基于所述局部离群因子权重对lof异常检测算法的局部离群因子进行校正，基于校正结果确定存在粉尘干扰的异常数据点。

8、可选地，所述运行数据包括压力数据和流量数据，所述数据聚类簇包括压力数据聚类簇和流量数据聚类簇。

9、可选地，所述将传感器在微米级粉料无尘装料系统运行过程中采集的运行数据进行密度聚类获得数据聚类簇包括：

10、通过压力传感器和容积流量计分别采集微米级粉料无尘装料系统运行过程中的压力数据和流量数据；

11、基于所述压力数据构建压力异常检测矩阵，基于所述流量数据构建流量异常检测矩阵；

12、基于预设邻域半径和最小样本数量分别将所述压力异常检测矩阵、流量异常检测矩阵进行密度聚类，获得对应的压力数据聚类簇和流量数据聚类簇。

13、可选地，所述基于所述数据聚类簇确定波动后数据向量的跳转度和波动后压力数据序列和波动后流量数据序列的相关系数包括：

14、基于方差对所述数据聚类簇的行向量进行合并获得对应的数据向量，并确定所述数据向量中的正常数据向量和波动数据向量；

15、基于所述波动数据向量确定波动后数据向量的跳转度；

16、确定第一次波动后的波动后压力数据序列、波动后流量数据序列，并计算所述波动后压力数据序列和波动后流量数据序列的相关系数。

17、可选地，所述基于方差对所述数据聚类簇的行向量进行合并获得对应的数据向量，并确定波动后数据向量的跳转度包括：

18、计算相邻两个数据聚类簇的簇内数据的方差，将所述方差小于阈值的数据聚类簇合并，获得对应于异常检测矩阵的若干个数据向量；

19、计算各个数据向量的数据采集时间的时间均值，将时间均值最小的数据向量确定为正常数据向量，将其它数据向量确定为波动后数据向量。

20、可选地，所述基于所述波动数据向量确定波动后数据向量的跳转度包括基于各个波动后数据向量的数据均值、最大值和最小值确定各个波动后数据向量的波动中心；

21、基于各个波动后数据向量的数据均值、波动中心确定各个波动后数据向量的跳转度。

22、可选地，所述确定第一次波动后的波动后压力数据序列、波动后流量数据序列，并计算所述波动后压力数据序列和波动后流量数据序列的相关系数包括：

23、从所述传感器获得的压力数据序列和流量数据序列中确定第一次波动后的波动后压力数据序列、波动后流量数据序列；

24、基于所述波动后压力数据序列与所述波动后流量数据序列的协方差、波动后压力数据序列的标准差、波动后流量数据序列的标准差计算波动后压力数据序列与波动后流量数据序列的相关系数。

25、可选地，所述基于对应序列的所述个数偏差、所述极值差，波动后压力数据序列与波动后流量数据序列的相关系数确定各个压力数据序列和流量数据序列的流量滞后强度之前，还包括：

26、确定各个压力数据序列波动中心的压力值数量，确定各个流量数据序列波动中心的流量值数量，并计算对应行序列的压力值数量与流量值数量的个数偏差；

27、各个波动后压力数据序列的最大压力值与波动前压力数据序列的最大压力值的极值差。

28、可选地，所述基于所述波动后数据向量的跳转度、所述压力数据序列和流量数据序列的流量滞后强度、以及数据点与簇内波动中心的欧式距离确定数据点的局部离群因子权重之前，还包括：

29、基于各个聚类簇簇内数据的均值、最大值和最小值确定各个聚类簇的波动中心；

30、计算各个数据点与对应聚类簇波动中心的欧式距离。

31、可选地，所述基于所述跳转度、所述流量滞后强度以及数据点与簇内波动中心的欧式距离确定各个数据点的局部离群因子权重包括：

32、计算所述跳转度、所述流量滞后强度、数据点与簇内波动中心的欧式距离的乘积，并获得归一化乘积值；

33、将归一化乘积值的2倍与设定常数之和确定为所述局部离群因子权重；

34、相比现有技术，本发明提出的一种微米级粉料无尘装料系统的粉尘监测方法，所述方法包括：将传感器在微米级粉料无尘装料系统运行过程中采集的运行数据进行密度聚类获得数据聚类簇；基于所述数据聚类簇确定波动后数据向量的跳转度和波动后压力数据序列和波动后流量数据序列的相关系数；基于对应行序列的个数偏差、所述波动前后的极值差，波动后压力数据序列与波动后流量数据序列的相关系数确定各个压力数据序列和流量数据序列的流量滞后强度；基于所述跳转度、所述流量滞后强度以及数据点与簇内波动中心的欧式距离确定各个数据点的局部离群因子权重；基于所述局部离群因子权重对lof异常检测算法的局部离群因子进行校正，基于校正结果确定存在粉尘干扰的异常数据点。如此将传感器采集的运行数据进行聚类获得聚类簇，又对聚类簇基于方差进行合并获得数据向量，再基于跳转后的数据序列进行跳转度、流量滞后强度的计算，最后结合数据点与聚类簇波动中心的欧式距离确定局部离群因子权重，从而对lof算法获得的局部离群因子进行校正，以更加准确地识别微米级粉料无尘装料系统运行时的存在粉尘感染的异常压力数据、异常流量数据，大大提高了异常数据的监测效率和准确性。