CN111980898B - 一种空压机性能识别与组群偏好联控***及方法 - Google Patents
一种空压机性能识别与组群偏好联控***及方法 Download PDFInfo
- Publication number
- CN111980898B CN111980898B CN202010849924.4A CN202010849924A CN111980898B CN 111980898 B CN111980898 B CN 111980898B CN 202010849924 A CN202010849924 A CN 202010849924A CN 111980898 B CN111980898 B CN 111980898B
- Authority
- CN
- China
- Prior art keywords
- air compressor
- signal
- data
- group
- fusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
- F04B49/06—Control using electricity
- F04B49/065—Control using electricity and making use of computers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B23/00—Pumping installations or systems
- F04B23/04—Combinations of two or more pumps
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明公开一种空压机性能识别与组群偏好联控***及方法,采用多种传感器测试组群中各台空压机的振动信号、电流信号、温度信号、声发射信号,采用多传感信息融合技术对空压机运行过程中的振动信号、电流信号、温度信号、声发射信号进行融合,实现对各台空压机当前性能的有效识别,并根据各台空压机性能的优劣,确定各台空压机启停的偏好次序与运行时长,保证空压机组群中各台空压机性能的均衡调节,避免由于单台空压机长期运行造成的空压机性能严重下降,寿命严重衰减,从而大大提高空压机组群的工作效率和各台空压机的使用寿命。
Description
技术领域
本发明涉及空气压缩机性能识别与联动控制领域,特别是涉及基于多传感信息融合的空压机性能识别与组群偏好联控***及方法。
背景技术
空气压缩机是一种用以压缩气体的设备,广泛应用于工业生产的各个领域,特别是矿山开采领域,空气压缩机是为矿山开采过程中各种气动设备提供气源的重要装置。矿用空气压缩机通常以组群的方式出现,即通过多个空压机组成空压机组群,组群中的各空压机将压缩的气体通过自己的输入管道输送到母管中。由于矿山开采过程中不同时段的用风量差异很大,因此,组群中空压机运行的台数也需要根据用风量的大小进行调整,如果单台空压机经常处于运行状态或启动或与频繁,势必会造成个别空压机寿命的加速衰减,不利于整个空压机组群的高效运行以及压缩气体的优质输出,这就需要建立空压机组群合理的启停顺序、运行时长等联控方法。
专利ZL201710653659.0给出了一种多台联动空压机及其联控备用机待机启动方法,可以通过转动杆,实现一个驱动装置带动多个压缩装置,同时,对各台空压机设定不同的压力阈值,当***压力不足时,实现空压机的依次顺序启动,而当***压力过高时,实现空压机依次逆序停机,以满足***压力的稳定。
专利ZL201610071479.7给出了一种空压机触摸屏联控***及方法采用主站触摸屏作为主站,控制各个从站触摸屏的运行,采用从站触摸屏作为从站,不再由变频器直接作为主站或从站,减少了变频器的运行负担,改善了变频器的控制性能。
以上两个专利虽然在一定程度上实现了空压机的联动控制,但在控制过程中没有考虑到空压机组群中各台空压机运行时间不同、启动频率不同对各台空压机性能的影响,极易导致部分空压机由于疲劳服役而加速衰老,而另一部分空压机由于启动次数不多,运行时间不长,其性能得不到充分发挥,导致严重的资源浪费,因此,亟需研究一种能够平衡各台空压机性能,实现空压机组群中各台空压机的均衡服役,保证各台空压机性能的最大发挥,有效延长各台空压机的使用寿命。
发明内容
针对现有技术的缺陷和不足,本发明提供一种基于多传感信息融合的空压机性能识别与组群偏好联控***及方法,采用多种传感器测试组群中各台空压机的振动信号、电流信号、温度信号、声发射信号,采用多传感信息融合技术对空压机运行过程中的振动信号、电流信号、温度信号、声发射信号进行融合,实现对各台空压机当前性能的有效识别,并根据各台空压机性能的优劣,确定各台空压机启停的偏好次序与运行时长,保证空压机组群中各台空压机性能的均衡调节,避免由于单台空压机长期运行造成的空压机性能严重下降,寿命严重衰减,从而大大提高空压机组群的工作效率和各台空压机的使用寿命。
为实现上述目的,本发明提供了如下方案:
一种空压机性能识别与组群偏好联控***,包括:
空压机组群和空压机组群控制***;
空压机组群包括若干台空压机、母管;
若干台空压机与所述母管连接;
空压机组群控制***包括信号检测模块,数据采集与控制模块,上位机***模块;
信号检测模块用于检测所述空压机组群数据信号;
数据采集与控制模块用于空压机组群所述数据信号的采集与空压机组群的工作控制;
上位机***模块用于所述数据采集与控制模块采集数据的融合识别,并通过数据采集与控制模块控制空压机组群;
优选地,空压机包括:电机、气缸、冷却器、分离器、输出管道;
优选地,电机与气缸连接;
优选地,气缸与冷却器、分离器连接;
优选地,分离器具有第一端、第二端、第三端;
优选地,分离器第一端与气缸连接;
优选地,分离器第二端与气缸连接;
优选地,分离器第三端与输出管道连接;
优选地,若干台空压机的输出管道与所述母管连接;
优选地,信号检测模块包括:振动传感器、电流传感器、声发射传感器、温度传感器;
优选地,数据采集与控制模块包括数据采集单元和控制单元;
优选地,上位机***模块包括数据融合单元、数据识别单元、数据控制单元;
优选地,振动传感器与电机连接;
优选地,电流传感器与电机连接;
优选地,声发射传感器与气缸连接;
优选地,温度传感器与冷却器连接;
优选地,数据采集单元与信号检测模块连接;
优选地,数据采集单元与数据融合单元连接;
优选地,数据融合单元与数据识别单元连接;
优选地,数据识别单元与数据控制单元连接;
优选地,数据控制单元与控制单元连接;
优选地,控制单元与空压机组群连接;
优选地,数据采集单元,采集信号检测模块检测的多特征信号样本数据,通过上位机***模块进行数据存储与识别,通过控制单元控制空压机组群的工作时间、工作数量和运行模式;
优选地,运行模式有N级,分为一级单机运作模式、二级双机联动模式、三级三机协同模式、......N级N机全动模式;
一种空压机性能识别与组群偏好联控方法,包括以下步骤:
S1.建立所述空压机组群;
S2.采集所述空压机的特征样本构建样本数据库;
S3.构建融合识别模型,获取空压机性能识别结果,并根据所述空压机性能识别结果确定空压机启停偏好次序和运行时间;
S4.利用上位机数据融合、识别与控制***模块反馈所述空压机识别融合结果信息到控制单元,通过所述控制单元实现所述空压机组群的均匀调度;
优选地,空压机的特征样本包括:振动信号、电流信号、声发射信号以及温度信号;
优选地,振动信号为电机振动信号;
优选地,电流信号为电机电流信号;
优选地,声发射信号为气缸声发射信号;
优选地,温度信号为冷却器温度信号;
优选地,利用振动传感器采集的振动信号构建样本数据库1,并结合数据之间相关性求解得到相应的隶属度函数1;
优选地,利用电流传感器采集的电流信号构建样本数据库2,并结合数据之间相关性求解得到相应的隶属度函数2;
优选地,利用声发射传感器采集的声发射信号构建样本数据库3,并结合数据之间相关性求解得到相应的隶属度函数3;
优选地,利用温度传感器采集的温度信号构建样本数据库4,并结合数据之间相关性求解得到相应的隶属度函数4;
优选地,根据隶属度函数1、隶属度函数2、隶属度函数3、隶属度函数4,获取空压机的一组所述振动信号、电流信号、声发射信号以及温度信号的多信号特征样本数据,作为原始数据的输入,将多信号特征样本数据带入隶属度函数1、隶属度函数2、隶属度函数3、隶属度函数4,得到振动信号、电流信号、声发射信号以及温度信号的隶属度值。
优选地,将振动信号、电流信号、声发射信号以及温度信号的隶属度值作为D-S证据理论基本概率分配函数的基本输入值进行计算;
优选地,通过所述计算得到每个空压机的基本概率值,将基本概率值采用基于D-S证据理论的融合模型对振动信号、温度信号、声发射信号以及电流信号的多特征样本数据进行融合;
优选地,通过多特征样本数据融合获取各空压机性能识别结果的不确定度及信度值,根据融合结果的决策准则确定最终的空压机性能识别融合结果;
根据所述空压机性能识别融合结果,确定空压机启停偏好次序,即融合最大结果值对应的所述空压机性能最佳,融合次大结果值对应的所述空压机性能其次,同理按照融合结果数值大小排序对应上空压机性能次序;
优选地,D-S证据理论识别决策准则包括:
1)空压机性能识别结果的信度值要大于任意其它故障识别结果的信度值;
2)空压机性能识别结果的信度值减去其它任意空压机性能识别结果的信度值要大于阈值K;
3)空压机性能识别结果的不确定度要小于阈值L;
优选地,通过再次获取空压机上的所述多种传感器采集的振动信号、电流信号、声发射信号以及温度信号,生成新的多特征信号样本数据及隶属度函数,利用融合识别模型进行新的融合,获取新的融合结果后更新空压机偏好启停顺序和运行时间,实现动态调整空压机组群的服役均衡度。
本发明的技术效果:
(1)利用多种传感器采集多类信号样本,采用多传感信息融合方法对不同的多特征信号进行融合,进一步提高空压机性能识别准确度、精确度;
(2)下位机和上位机协同配合,完成数据的实时传输及融合,精准监测空压机运行各项指标;
(3)明确各台空压机启停的偏好次序与运行时长,保证空压机组群中各台空压机性能的均衡调节;
(4)实现空压机组群偏好联动,完成空压机多种工作模式的选择,能够进行多台空压机之间的最佳匹配的筛选,均衡各个空压机的使用寿命,提高空压机组群整个***的使用效率和产生气体的质量,保证空压机组群高质、高量的运作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中基于多传感信息融合的空压机性能识别与组群偏好联控***的模型结构示意图。
图2是本发明实施例中基于多传感信息融合的空压机性能识别与组群偏好联控***的具体过程流向示意图。
图3是本发明实施例中基于多传感信息融合的空压机性能识别与组群偏好联控***的融合识别模型过程示意图。
图4是本发明实施例中基于多传感信息融合的空压机性能识别与组群偏好联控***的信号流向示意图。
其中,1为第一空压机,2为第二空压机,3为第三空压机,4为第四空压机,Ⅰ为电机,Ⅱ为气缸,Ⅲ为冷却器,Ⅳ为分离器,1-1为第一空压机振动传感器1-2为第一空压机电流传感器,1-3为第一空压机声发射传感器,1-4为第一空压机温度传感器,2-1为第二空压机振动传感器2-2为第二空压机电流传感器,2-3为第二空压机声发射传感器,2-4为第二空压机温度传感器,3-1为第三空压机振动传感器3-2为第三空压机电流传感器3-3为第三空压机声发射传感器,3-4为第三空压机温度传感器,4-1为第四空压机振动传感器4-2为第四空压机电流传感器,4-3为第四空压机声发射传感器,4-4为第四空压机温度传感器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:如图1-4所示,本发明是一种空压机性能识别与组群偏好联控***,包括空压机组群,信号检测模块,数据采集与控制单元,上位机数据融合、识别与控制***模块。
空压机组群包含多台空气压缩机,各台空压机的输出管道共同与母管连接,本发明以四台空压机构成的组群进行说明。
空压机组群的各台空压机采用联动控制,可根据工业上所需要的供气容量,进行空压机之间的最佳配合的筛选,选择具体空压机工作的台数和运行模式,运行模式可分为单机运作、双机联动、三机协同以及四机全动;
信号检测模块即首先通过在空压机的电机部分安装振动传感器和电流传感器,在空压机气缸处安装声发射传感器,在主机排气口即冷却器处安装温度传感器;利用振动传感器、电流传感器、声发射传感器以及温度传感器进行振动信号、电流信号、声发射信号以及温度信号的检测,根据振动传感器、电流传感器、声发射传感器以及温度传感器检测出四种信号的变化情况,掌握当前空压机电机端、气缸部分以及冷却器端的运行情况;
数据采集与控制模块即利用振动传感器、电流传感器、声发射传感器以及温度传感器采集的振动信号、电流信号、声发射信号以及温度信号,建立空压机组群的振动信号特征数据库、电流信号特征数据库、声发射信号特征数据库和温度信号特征数据库,结合优化算法以及数据间的模糊关系,获取振动、电流、声发射以及温度的多特征信号样本隶属度函数;
上位机数据融合、识别与控制***模块即存储所获取的多特征信号样本数据,选取一种多传感信息融合的方法,将隶属度函数作为一个目标输入,将多传感信息融合方法与隶属度函数结合,继而进一步优化获取最终融合结果,根据融合结果确定各台空压机性能的优劣,建立各台空压机启停的偏好次序与运行时长,以保证空压机组群中各台空压机性能的均衡调节;并将数据反馈到数据采集与控制模块,利用其中的控制单元选择具体空压机工作的台数和运行模式,继而完成空压机性能识别与组群偏好联动。
(1)多个空压机组合构成空压机组群;
如图1所示,Ⅰ电机、Ⅱ气缸、Ⅲ冷却器和Ⅳ分离器构成空压压缩机的主体部分,Ⅰ电机、Ⅱ气缸、Ⅲ冷却器、Ⅳ分离器以及各轴端所需导气管,可构成第一空压机、第二空压机、第三空压机以及第四空压机的总体结构,第一空压机、第二空压机、第三空压机以及第四空压机组成了空压机组群,并通过Ⅴ控制单元将4个空压机进行连接,通过Ⅴ控制单元选择空压机工作时间、数量和运行模式。
(2)在空压机指定位置上安装振动传感器、电流传感器、声发射传感器以及温度传感器,便于空压机多特征信号检测;
在四个空压机上各自安装振动传感器、电流传感器、声发射传感器以及温度传感器,如图1所示,第一空压机的Ⅰ电机部分安装振动传感器1-1以及电流传感器1-2,气缸Ⅱ处安装声发射传感器1-3,冷却器Ⅲ处安装温度传感器1-4;
第二空压机的Ⅰ电机部分安装振动传感器2-1以及电流传感器2-2,气缸Ⅱ处安装声发射传感器2-3,冷却器Ⅲ处安装温度传感器2-4;
第三空压机的Ⅰ电机部分安装振动传感器3-1以及电流传感器3-2,气缸Ⅱ处安装声发射传感器3-3,冷却器Ⅲ处安装温度传感器3-4;
第四空压机的Ⅰ电机部分安装振动传感器4-1以及电流传感器4-2,气缸Ⅱ处安装声发射传感器4-3,冷却器Ⅲ处安装温度传感器4-4。
振动传感器、电流传感器、声发射传感器以及温度传感器分别用来检测振动信号、电流信号、声发射信号以及温度信号。
(3)通过多种传感器进行实时的信号检测,采集振动、电流、声发射以及温度多信号特征样本,针对四种信号的特征样本构建各自的样本数据库;
如图2所示,利用振动传感器采集的振动信号构建样本数据库1,并结合数据之间相关性求解得到相应的隶属度函数1;
利用电流传感器采集的电流信号构建样本数据库2,并结合数据之间相关性求解得到相应的隶属度函数2;
利用声发射传感器采集的声发射信号构建样本数据库3,并结合数据之间相关性求解得到相应的隶属度函数3;
利用温度传感器采集的温度信号构建样本数据库4,并结合数据之间相关性求解得到相应的隶属度函数4。
建立四个空压机对应的不同特征信号样本所构成的样本数据库,同时获取四个空压机对应样本数据库的不同隶属度函数。
(4)如图3所示,构建融合识别模型,获取空压机性能识别结果,并根据空压机性能识别结果确定空压机启停偏好次序和运行时间;
1)根据四个空压机对应的隶属度函数,分别获取四个空压机的一组振动、电流、声发射以及温度多信号特征样本数据即10,作为原始数据的输入带入所计算的隶属度函数得到关于振动信号、电流信号、声发射信号以及温度信号的隶属度值即20;
2)将获取的关于振动信号、电流信号、声发射信号以及温度信号的隶属度值作为D-S证据理论的基本概率分配函数的基本输入值即30,带入后将计算得到每个空压机的基本概率值,采用基于D-S证据理论的融合模型即40对振动、温度、压力、声发射以及电流多特征样本数据进行融合,获取各空压机性能识别结果的不确定度及信度值,根据融合结果的决策准则即50确定最终的空压机性能识别融合结果;
3)D-S证据理论识别决策准则:
3-1、空压机性能识别结果的信度值要大于任意其它故障识别结果的信度值;
3-2、空压机性能识别结果的信度值减去其它任意空压机性能识别结果的信度值要大于阈值K;
3-3、空压机性能识别结果的不确定度要小于阈值L。
4)根据空压机性能识别融合结果,确定空压机启停偏好次序,即融合最大结果值对应的空压机性能最佳,融合次大结果值对应的空压机性能其次,同理按照融合结果数值大小排序对应上空压机性能次序。
(5)利用上位机数据融合、识别与控制***模块反馈空压机识别融合结果信息到控制单元,控制空压机工作时间、台数和启停顺序,实现整个空压机组群的均匀调度。
利用控制***反馈空压机融合识别结果到Ⅴ控制单元,并设定好所获取的空压机启停偏好次序,再通过Ⅴ控制单元选择空压机工作时间、数量和运行模式,运行模式有四级可细分为一级单机运作、二级双机联动、三级三机协同以及四级四机全动。
考虑到空压机组群中每个空压机启停顺序、运行时间以及使用频率均不一致,将很大程度降低空压机组群整个***的使用寿命,故根据空压机启停偏好次序,可规律地、均衡地调节空压机组群的使用情况。
与此同时,可在一定时间间隔内再次获取四个空压机上的多种传感器采集的振动信号、电流信号、声发射信号以及温度信号,重新生成新的多特征信号样本数据及隶属度函数,利用融合识别模型进行新的融合,获取新的融合结果后更新空压机偏好启停顺序和运行时间,动态调整空压机组群的服役均衡度。
本发明空压机性能识别和偏好联控过程中多特征信号数据具体流向如图4所示:
第一空压机中振动传感器、电流传感器、声发射传感器以及温度传感器所检测的振动信号、电流信号、声发射信号以及温度信号经S11传递到数据采集与控制模块,即采集振动信号、电流信号、声发射信号以及温度信号的特征样本便于构建第一空压机的多信号特征数据样本库,再经过S21传递到上位机数据融合、识别与控制***,即处理采集到的数据,利用多传感信息融合方法将其融合后,获取第一空压机启停偏好顺序并由控制***反馈信息,经S31传递到数据采集与控制模块,最后经S41控制第一空压机的运作;
第二空压机中振动传感器、电流传感器、声发射传感器以及温度传感器所检测的振动信号、电流信号、声发射信号以及温度信号经S12传递到数据采集与控制模块,即采集振动信号、电流信号、声发射信号以及温度信号的特征样本便于构建第二空压机的多信号特征数据样本库,再经过S22传递到上位机数据融合、识别与控制***,即处理采集到的数据,利用多传感信息融合方法将其融合后,获取第二空压机启停偏好顺序并由控制***反馈信息,经S32传递到数据采集与控制模块,最后经S42控制第二空压机的运作;
第三空压机中振动传感器、电流传感器、声发射传感器以及温度传感器所检测的振动信号、电流信号、声发射信号以及温度信号经S13传递到数据采集与控制模块,即采集振动信号、电流信号、声发射信号以及温度信号的特征样本便于构建第三空压机的多信号特征数据样本库,再经过S23传递到上位机数据融合、识别与控制***,即处理采集到的数据,利用多传感信息融合方法将其融合后,获取第三空压机启停偏好顺序并由控制***反馈信息,经S33传递到数据采集与控制模块,最后经S43控制第三空压机的运作;
第四空压机中振动传感器、电流传感器、声发射传感器以及温度传感器所检测的振动信号、电流信号、声发射信号以及温度信号经S14传递到数据采集与控制模块,即采集振动信号、电流信号、声发射信号以及温度信号的特征样本便于构建第四空压机的多信号特征数据样本库,再经过S24传递到上位机数据融合、识别与控制***,即处理采集到的数据,利用多传感信息融合方法将其融合后,获取第四空压机启停偏好顺序并由控制***反馈信息,经S34传递到数据采集与控制模块,最后经S44控制第四空压机的运作。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (4)
1.一种空压机性能识别与组群偏好联控方法,其特征在于,包括以下步骤:
S1.建立空压机组群和空压机组群控制***;
所述空压机组群包括若干台空压机、母管;
所述空压机与所述母管连接;
所述空压机组群控制***包括信号检测模块,数据采集与控制模块,上位机***模块;
所述信号检测模块用于检测所述空压机组群数据信号;
所述数据采集与控制模块用于所述空压机组群的数据信号的采集与所述空压机组群的工作控制;
所述上位机***模块用于所述数据采集与控制模块采集数据的融合识别,并通过所述数据采集与控制模块控制所述空压机组群;
所述空压机包括:电机、气缸、冷却器、分离器、输出管道;
所述电机与所述气缸连接;
所述气缸与所述冷却器、分离器连接;
所述分离器具有第一端、第二端、第三端;
所述分离器第一端与所述气缸连接;
所述分离器第二端与所述气缸连接;
所述分离器第三端与所述输出管道连接;
所述空压机的输出管道与所述母管连接;
所述信号检测模块包括:振动传感器、电流传感器、声发射传感器、温度传感器;
所述数据采集与控制模块包括数据采集单元和控制单元;
所述上位机***模块包括数据融合单元、数据识别单元、数据控制单元;
所述振动传感器与所述电机连接;
所述电流传感器与所述电机连接;
所述声发射传感器与所述气缸连接;
所述温度传感器与所述冷却器连接;
所述数据采集单元与所述信号检测模块连接;
所述数据采集单元与所述数据融合单元连接;
所述数据融合单元与所述数据识别单元连接;
所述数据识别单元与所述数据控制单元连接;
所述数据控制单元与所述控制单元连接;
所述控制单元与所述空压机组群连接;
所述数据采集单元,采集所述信号检测模块检测的多特征信号样本数据,通过所述上位机***模块进行数据存储与识别,通过所述控制单元控制所述空压机组群的工作时间、工作数量和运行模式;
所述运行模式有N级,分为一级单机运作模式、二级双机联动模式、三级三机协同模式、......N级N机全动模式;
S2.采集所述空压机的特征样本构建样本数据库;
利用所述振动传感器采集的振动信号构建样本数据库1,并结合数据之间相关性求解得到相应的隶属度函数1;
利用电流传感器采集的电流信号构建样本数据库2,并结合数据之间相关性求解得到相应的隶属度函数2;
利用声发射传感器采集的声发射信号构建样本数据库3,并结合数据之间相关性求解得到相应的隶属度函数3;
利用温度传感器采集的温度信号构建样本数据库4,并结合数据之间相关性求解得到相应的隶属度函数4;
S3.构建融合识别模型,获取空压机性能识别结果,并根据所述空压机性能识别结果确定空压机启停偏好次序和运行时间;
根据所述隶属度函数1、所述隶属度函数2、所述隶属度函数3、所述隶属度函数4,获取所述空压机的一组所述振动信号、所述电流信号、所述声发射信号以及所述温度信号的多特征信号样本数据,作为原始数据的输入,将所述多信号特征样本数据带入所述隶属度函数1、所述隶属度函数2、所述隶属度函数3、所述隶属度函数4,得到所述振动信号、所述电流信号、所述声发射信号、所述温度信号的隶属度值;
将所述振动信号、所述电流信号、所述声发射信号以及所述温度信号的隶属度值作为D-S证据理论基本概率分配函数的基本输入值进行计算;
通过计算得到每个空压机的基本概率值,将所述基本概率值采用基于D-S证据理论的融合模型对所述振动信号、所述温度信号、所述声发射信号以及所述电流信号的多信号特征样本数据进行融合;
通过所述多特征样本数据融合获取各空压机性能识别结果的不确定度及信度值,根据融合结果的决策准则确定最终的空压机性能识别融合结果;
根据所述空压机性能识别融合结果,确定所述空压机启停偏好次序,即融合最大结果值对应的所述空压机性能最佳,融合次大结果值对应的所述空压机性能其次,同理按照融合结果数值大小排序对应上空压机性能次序;
S4.利用上位机数据融合、识别与控制***模块反馈所述空压机识别融合结果信息到控制单元,通过所述控制单元实现所述空压机组群的均匀调度。
2.根据权利要求1所述一种空压机性能识别与组群偏好联控方法,其特征在于:
所述空压机的特征样本包括:振动信号、电流信号、声发射信号以及温度信号;
所述振动信号为所述电机振动信号;
所述电流信号为所述电机电流信号;
所述声发射信号为所述气缸声发射信号;
所述温度信号为所述冷却器温度信号。
3.根据权利要求1所述一种空压机性能识别与组群偏好联控方法,其特征在于:
所述D-S证据理论识别决策准则包括:
1)所述空压机性能识别结果的信度值要大于任意其它故障识别结果的信度值;
2)所述空压机性能识别结果的信度值减去其它任意空压机性能识别结果的信度值要大于阈值K;
3)所述空压机性能识别结果的不确定度要小于阈值L。
4.根据权利要求1所述一种空压机性能识别与组群偏好联控方法,其特征在于:
通过再次获取所述空压机上的所述多种传感器采集的所述振动信号、所述电流信号、所述声发射信号以及所述温度信号,生成新的所述多特征信号样本数据及所述隶属度函数,利用所述融合识别模型进行新的融合,获取新的融合结果后更新空压机偏好启停顺序和运行时间,实现动态调整所述空压机组群的服役均衡度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010849924.4A CN111980898B (zh) | 2020-08-21 | 2020-08-21 | 一种空压机性能识别与组群偏好联控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010849924.4A CN111980898B (zh) | 2020-08-21 | 2020-08-21 | 一种空压机性能识别与组群偏好联控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111980898A CN111980898A (zh) | 2020-11-24 |
CN111980898B true CN111980898B (zh) | 2021-05-25 |
Family
ID=73442866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010849924.4A Active CN111980898B (zh) | 2020-08-21 | 2020-08-21 | 一种空压机性能识别与组群偏好联控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111980898B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990542B (zh) * | 2021-02-05 | 2021-11-19 | 深圳市浦联智能科技有限公司 | 一种用于空压机的寿命预测方法 |
CN113934160A (zh) * | 2021-10-25 | 2022-01-14 | 北京科瑞远腾测控技术有限公司 | 一种搅拌机智能控制方法 |
CN114458588A (zh) * | 2022-02-17 | 2022-05-10 | 重庆江增船舶重工有限公司 | 一种新能源空压机的试验控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110552871A (zh) * | 2019-08-19 | 2019-12-10 | 武汉世纪楚林科技有限公司 | 空压机群控节能方法、装置、终端设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101660529B (zh) * | 2008-08-29 | 2011-06-08 | 上海斯可络压缩机有限公司 | 螺杆压缩机联机控制方法 |
US8538355B2 (en) * | 2010-04-19 | 2013-09-17 | Rf Micro Devices, Inc. | Quadrature power amplifier architecture |
CN102175282B (zh) * | 2011-01-24 | 2012-07-25 | 长春工业大学 | 一种基于信息融合的离心式空气压缩机故障诊断方法 |
CN107288862A (zh) * | 2016-04-11 | 2017-10-24 | 东莞市富仕节能科技有限公司 | 一种空压机智能群控节能*** |
CN106989005B (zh) * | 2017-05-04 | 2021-05-18 | 苏州市计量测试院 | 一种空气压缩机性能检测***及方法 |
CN110096016A (zh) * | 2019-06-07 | 2019-08-06 | 兰州理工大学 | 一种大型冷库fcs复杂控制***及模糊控制方法 |
CN110905792B (zh) * | 2019-11-28 | 2021-01-05 | 浙江精工能源科技集团有限公司 | 一种基于能源互联网云计算的空压机控制***及方法 |
-
2020
- 2020-08-21 CN CN202010849924.4A patent/CN111980898B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110552871A (zh) * | 2019-08-19 | 2019-12-10 | 武汉世纪楚林科技有限公司 | 空压机群控节能方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111980898A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111980898B (zh) | 一种空压机性能识别与组群偏好联控***及方法 | |
CN113870260A (zh) | 一种基于高频时序数据的焊接缺陷实时检测方法及*** | |
CN102460529A (zh) | 装置异常监视方法以及*** | |
CN108662725A (zh) | 一种压缩机频率控制方法、装置及空调器 | |
CN113404464B (zh) | 一种远程加热炉集中管理方法及*** | |
CN111075704B (zh) | 一种数据机房空调变频压缩机跳频带宽检测***及智能算法 | |
CN111160652A (zh) | 一种基于知识感知的设备异常状态综合判断及运维方法 | |
US8838416B2 (en) | Air conditioning system diagnostic apparatus | |
CN116562599A (zh) | 基于深度学习的高效智能工厂调度*** | |
CN116821846A (zh) | 一种空调外机在线一体化快速检测方法、***和设备 | |
CN112115575A (zh) | 一种设备润滑油状态评价***和方法 | |
CN115186900A (zh) | 适用于多工况类别的动态高炉煤气产生量预测方法及*** | |
CN100366876C (zh) | 燃气-蒸汽联合循环发电站运行效率在线解析方法和*** | |
CN105223917B (zh) | 一种基于不同类型空气压缩设备的综合控制***与方法 | |
CN114718855A (zh) | 一种压缩空气介质智能***预测*** | |
CN115480556A (zh) | 一种暖通机电设备的智能在线故障诊断*** | |
CN111624985B (zh) | 燃气轮机控制***传感器故障诊断方法 | |
CN115879680A (zh) | 钢铁表面缺陷判定规则管理*** | |
CN211975355U (zh) | 一种数据机房空调变频压缩机跳频带宽检测*** | |
CN111832805A (zh) | 一种基于电力大数据的经济预警分析***及方法 | |
CN112503721A (zh) | 一种基于概率神经网络的分体式空调故障识别方法 | |
CZ290525B6 (cs) | Způsob diagnózy a prognózy provozního chování zařízení turbíny a zařízení k provádění tohoto způsobu | |
CN116974236B (zh) | 一种设备的智能控制方法及*** | |
CN110986267A (zh) | 用于空调器异响的检测方法及装置、空调器 | |
CN115143596B (zh) | 一种为空调研发人员提供性能调试方向的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201124 Assignee: Guilin Dingzheng Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000193 Denomination of invention: A Joint Control System and Method for Performance Identification and Group Preference of Air Compressor Granted publication date: 20210525 License type: Common License Record date: 20221125 |
|
EE01 | Entry into force of recordation of patent licensing contract |