CN113514239B - 一种布风板在线检测方法、***及存储介质 - Google Patents
一种布风板在线检测方法、***及存储介质 Download PDFInfo
- Publication number
- CN113514239B CN113514239B CN202110706824.0A CN202110706824A CN113514239B CN 113514239 B CN113514239 B CN 113514239B CN 202110706824 A CN202110706824 A CN 202110706824A CN 113514239 B CN113514239 B CN 113514239B
- Authority
- CN
- China
- Prior art keywords
- distribution plate
- air distribution
- information
- state information
- detection model
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 172
- 238000001514 detection method Methods 0.000 title claims abstract description 135
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000000903 blocking effect Effects 0.000 claims abstract description 36
- 238000007599 discharging Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 38
- 239000000463 material Substances 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 20
- 239000003245 coal Substances 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000005243 fluidization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000010878 waste rock Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000010883 coal ash Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combined Means For Separation Of Solids (AREA)
Abstract
本申请提供一种布风板在线检测方法、***及存储介质,用以实时地,且快速精准地对布风板的堵塞情况进行检测。所述布风板在线检测方法,包括:至少获得流化床中的布风板及排料刮板的状态信息,所述状态信息包括运行状态信息和/或结构状态信息;对所述状态信息进行预处理得到目标特征数据;将所述目标特征数据输入至检测模型中,所述检测模型至少用于检测所述布风板的堵孔情况;获得所述检测模型反馈的关于所述布风板的堵孔信息。采用本申请所提供的方案,节省了人力及时间成本,可快速有效地对布风板进行实时检测。
Description
技术领域
本申请涉及干法重介质流化床选煤技术领域,特别涉及一种布风板在线检测方法、设备及存储介质。
背景技术
干法重介质流化床技术是一种利用气固两相流化性质,在床层内形成具有一定密度的“拟流体”气固悬浮体技术,被选物料按自身密度差异在床层中实现浮沉分层,通过刮板等排料装置收集浮/沉产物实现物料的分离过程,并在选煤领域成功实现了应用,具有明显的技术优势。
随着干法重介质流化床在选煤领域的工业推广应用,梯级布风板的布风效果和堵塞问题越来越受到关注。梯级布风板的堵塞一般包括:细粒级颗粒的渗漏与矸石的堆积。一方面,布风效果是直接影响床层密度稳定性的一个重要因素,而梯级布风板的堵塞会造成床层梯级布风的局部失稳,降低其布风能力,不利于床层密度的稳定性;另一方面,在实际连续分选过程中,布风板上矸石层的堆积不仅会对矸石排料刮板造成一定阻力,加大能耗,有时也会造成刮板的磨损及断裂;同时,一定厚度的矸石层也会严重影响梯级布风板的布风效果,其形成的二次布风会对梯级布风效果造成一定程度上的扰动。目前,均是靠人工排查的方式检查梯级布风板是否发生堵塞现象,而且当遇到梯级布风板堵塞时,也是靠人工排查堵孔位置和堵孔面积,如此需要消耗大量的人力及时间成本,极其不利于生产的进行。
发明内容
本申请提供一种布风板在线检测方法、***及存储介质,用以实时地,且快速精准地对布风板的堵塞情况进行检测。
本申请提供一种布风板在线检测方法,包括:
至少获得流化床中的布风板及排料刮板的状态信息,所述状态信息包括运行状态信息和/或结构状态信息;
对所述状态信息进行预处理得到目标特征数据;
将所述目标特征数据输入至检测模型中,所述检测模型至少用于检测所述布风板的堵孔情况;
获得所述检测模型反馈的关于所述布风板的堵孔信息。
可选地,还包括:
建立目标模型;
获得所述布风板及排料刮板的历史状态信息及与所述历史状态信息对应的所述布风板的堵孔信息;
至少基于所述历史状态信息及堵孔信息训练所述目标模型,以得到所述检测模型。
可选地,所述状态信息包括所述布风板的气密性信息、压降信息、布风板上堆积的物料厚度、所述排料刮板的电机转矩信息、所述排料刮板对所述布风板的作用力信息中的一种或多种。
可选地,所述堵孔信息包括堵孔面积及堵孔位置信息。
可选地,所述对所述状态信息进行预处理得到目标特征数据,包括:
基于特征工程对所述状态信息进行特征提取,以得到所述目标特征数据,所述目标特征数据包括所述状态信息中直接受所述布风板堵孔状态影响的信息。
可选地,还包括:
获得与历史堵孔信息对应的流化床床层所受压力的压力信号;
所述至少基于所述历史状态信息及堵孔信息训练所述目标模型,以得到所述检测模型,包括:
基于所述历史状态信息、堵孔信息及压力信号训练所述目标模型,以得到能够检测所述布风板的堵孔情况,以及堵孔区域对所述床层压力波动影响的所述检测模型。
可选地,所述对所述状态信息进行预处理得到目标特征数据之前,还包括:
基于所述状态信息确定所述布风板的气密性及不同区域的压降情况,同时确定所述排料刮板的电机功率及电机转矩;
在确定所述气密性、不同区域的压降情况、电机功率、电机转矩中的一项或多项出现异常时,基于异常数据及异常位置调整所述布风板和/或排料刮板,若调整后所述异常位置产生数据仍为异常时,则对所述状态信息进行预处理以得到所述目标特征数据。
可选地,还包括:
确定所述堵孔信息与布风板实际堵孔情况是否一致,并得到相应结果;
基于所述目标特征数据、堵孔信息以及所述相应结果训练所述检测模型。
本申请另一实施例同时提供一种布风板在线检测***,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行以实现上述任一实施例所记载的布风板在线检测方法。
本申请另一实施例还提供一种计算机可读存储介质,当存储介质中的指令由布风板在线检测***对应的处理器执行时,使得布风板检测***能够实现上述任一实施例所记载的布风板在线检测方法。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本申请的技术方案做进一步的详细描述。
附图说明
附图用来提供对本申请的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请,并不构成对本申请的限制。在附图中:
图1为本申请实施例中的布风板在线检测方法的流程图;
图2为本申请另一实施例中的布风板在线检测方法的流程图;
图3为本申请另一实施例中的布风板在线检测方法的流程图;
图4为本申请另一实施例中的布风板在线检测方法的流程图;
图5为本申请另一实施例中的布风板在线检测方法的实际应用流程图;
图6为本申请实施例中的布风板在线检测***的组件连接关系示意图。
具体实施方式
以下结合附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请。
图1为本申请一实施例中一种布风板在线检测方法的流程图,如图1所示,该方法可被实施为以下步骤S11-S14:
在步骤S11中,至少获得流化床中的布风板及排料刮板的状态信息,所述状态信息包括运行状态信息和/或结构状态信息;
在步骤S12中,对所述状态信息进行预处理得到目标特征数据;
在步骤S13中,将所述目标特征数据输入至检测模型中,所述检测模型至少用于检测所述布风板的堵孔情况;
获在步骤S14中,得所述检测模型反馈的关于所述布风板的堵孔信息。
本申请实施例所提供的方案适用于流化床***中,如干法重介质流化床***,还可以适用于为流化床提供布风板在线检测的平台,应用程序中,如用户可以基于移动设备,或中控设备等下载检测应用,进而实现布风板的在线监控,在线检测。
本申请中,在进行布风板的检测时,需要至少获得流化床中布风板及排料刮板的状态信息,该状态信息可以包括布风板的使用/运行状态信息,结构状态信息,例如包括布风板所受压力信息,结构是否出现形变,气密性,所有气孔的开孔率等,还可以包括用于在布风板移动以刮排物料的排料刮板的运行状态信息,例如包括排料刮板的电机运行状态信息,确定排料刮板是否在高效运行,是否具有受阻而影响效率的情况。上述状态信息可以通过设置不同功能的传感器获知,对于电机等器件,也可以通过与流化床的中控设备,处理平台等进行通信连接而获知其运行状态,具体方式不定。当获得了所需的状态信息后,对该状态信息进行预处理,以得到能够输入至检测模型,被检测模型计算使用的目标特征数据,该目标特征数据为与布风板的气孔堵塞情况密切相关的特征数据。而检测模型,其为至少用于检测所述布风板的堵孔情况的模型,基于该检测模型,能够快速准确地检测出布风板的堵孔情况,得到堵孔数据,基于该堵孔数据,工作人员能够及时获知布风板的状态,并采取相应清理措施,提高了布风板的检修效率,节省了时间及人力成本,并能够有效确保流化床的正常运行。
可选地,布风板可以为普通布风板,也可以为梯级布风板。本实施例中以梯级布风板为例进行说明。在执行步骤S11前,需要进行梯级布风板的组装,确保原煤入料端处布风板开孔率大于精煤排料端,以保证选煤效果及精度。接着对组装好的布风板进行气密性检查,使干法重介质流化床布风板区域处无侧边漏气,之后确定流化床各区域处布风板的压降,并根据需要调试不同区域处布风板的压降,以保证原煤入料端布风板压降小,精煤排料端布风板压降大,进而达到梯级布风效果。
进一步地,本实施例中的流化床上装设有多个具有不同功能的传感器,以至少用于感测布风板,排料刮板的结构状态和/或运行状态信息,进而使执行本实施例方法的处理设备/处理装置(如上文所述的中控设备,检测平台,移动设备等)获得所需状态信息。具体地,本实施例在进行布风板检测前还会利用传感器在线检测布风板上堆积物料的厚度,如堆积的矸石层的厚度,接着基于该物料的厚度而调节矸石排料刮板电机功率,使其正常运行。另外,本实施例还会通过在线检测矸石排料刮板驱动电机转矩,以基于该转矩控制流化床的流化气速大小,改善床层的流化质量。可选地,本实施例还会对流化床床层密度进行在线实时检测,使床层能够实时保持最佳的分选密度。该分选密度可以是指理论性分选密度,其是根据重选精煤灰分要求,在可选性曲线上确定的。
图2为本申请另一实施例中的布风板在线检测方法的流程图,如图2所示,本实施例中的方法还包括:
步骤S15:建立目标模型;
步骤S16:获得所述布风板及排料刮板的历史状态信息及与所述历史状态信息对应的所述布风板的堵孔信息;
步骤S17:至少基于所述历史状态信息及堵孔信息训练所述目标模型,以得到所述检测模型。
具体地,为了实现对布风板的在线、实时检测,就需要检测过程高效,精准,故为实现该目的,本实施例中训练出了检测模型,以基于该检测模型来实现对布风板的实时在线检测。应用时,需要先建立目标模型,该目标模型可以为用于实现预测的任一种模型,或为用于实现分类的任一种模型,包括卷积神经网络模型,二值神经网络模型,具体还可包括多元线性回归模型等等。当确定了目标模型,得到目标模型架构后,将获得的布风板及排料刮板的历史状态信息,即布风板及排料刮板的历史运行信息和/或结构状态信息,以及与历史状态信息对应的关于布风板的堵孔信息,即布风板是否发生堵塞的信息进行预处理后,输入至目标模型中,以训练该目标模型,例如通过随机森林算法使目标模型从大量的预处理数据中得到训练学习,进而得到能够基于布风板及排料刮板的状态信息而预测布风板是否发生堵塞的检测模型。
上述实施例中所述的对历史状态信息的预处理,以及步骤S12中所述的对当前获得的状态信息的预处理包括相同的处理步骤,均用于得到目标特征数据,该预处理过程具体包括:
基于特征工程对所述状态信息进行特征提取,以得到所述目标特征数据,所述目标特征数据包括所述状态信息中直接受所述布风板堵孔状态影响的信息。
特征工程,是对原始数据进行一系列工程处理,将其提炼为特征,作为输入供算法和模型使用。从本质上来讲,特征工程是一个表示和展现数据的过程。在实际工作中,特征工程旨在去除原始数据中的杂质和冗余,设计更高效的特征以刻画求解的问题与预测模型之间的关系。本实施例中基于特征工程来对获得的状态信息进行预处理,如对状态信息进行特征归一化处理,以得到状态信息中直接受布风板堵孔状态影响的信息,即目标特征数据,例如可以为排料刮板的电机功率,电机转矩,能否正常运行,布风板的压降,所受压力等等。上述的目标模型是基于获得的历史目标特征数据作为输入数据,而与历史目标特征数据对应的布风板堵孔情况作为输出数据来进行训练的,训练得到的检测模型也是基于被输入的目标特征数据来对当前布风板的堵孔情况进行预测的。
进一步地,本实施例中的状态信息包括所述布风板的气密性信息、压降信息、布风板上堆积的物料厚度、所述排料刮板的电机转矩信息、布风板上的物料对布风板的作用力信息中的一种或多种。例如,当布风板发生堵塞,导致物料无法正常排出,排料刮板受到堆积在布风板上的物料影响,而无法正常排料时,物料堆积会挤压布风板,使布风板产生异常压力,即布风板所受的作用力会超出预设范围(该压力值可辅助确定布风板堵孔位置及堵孔面积),同时受此影响,排料刮板的电机转矩,功率均产生异常,导致不在所需范围内,此时检测模型便可根据上述特征的特征值来预测当前布风板是否堵塞。
可选地,本实施例中的堵孔信息包括堵孔面积及堵孔位置信息。检测模型被输入目标特征数据后,会根据目标特征数据进行计算,预测,以得到当前布风板是否发生堵塞的信息,若发生堵塞,则同时输出堵孔面积,即具有多少孔发生堵塞,其总面积为多少,以及发生堵孔的位置,以辅助工作人员快速确定找到发生堵塞的布风板,以及其上发生堵塞的位置,并对其进行及时清理,确保流化床的正常运行。通过本实施例的上述方法,不仅能够实现布风板堵孔的实时检测,而且可以有效提升布风板堵孔的检测及检修效率,节省了人力及时间成本,相较于人工检测,精准性也更强。
进一步地,为了丰富检测模型的功能,使其不仅能够实现布风板堵塞情况的检测,还能够实现布风板堵塞时,对流化床的床层压力的波动影响的确定,图3为本申请另一实施例的布风板检测方法的流程图,如图3所示,本实施例中在训练检测模型时,还包括:
步骤S18:获得与历史堵孔信息对应的流化床床层所受压力的压力信号;
所述至少基于所述历史状态信息及堵孔信息训练所述目标模型,以得到所述检测模型,包括:
步骤S19:基于所述历史状态信息、堵孔信息及压力信号训练所述目标模型,以得到能够检测所述布风板的堵孔情况,以及堵孔区域对所述床层压力波动影响的所述检测模型。
例如,在流化床于历史时间内运行时,可以通过设置在床层上的压力传感器来检测床层所受压力,具体可通过接收压力信号,利用压力信号的时域及频域来检测床层所受压力是否合格。时域和频域是信号的基本性质,基于时域频域可清楚反应信号与互连线等第三方物体之间的相互影响。当布风板发生堵塞时,对应堵孔的位置及面积处,床层所受压力会产生波动,故当用户收集训练数据时,可同时收集历史堵孔信息对应的流化床床层所受压力的压力信号,及其相关属性信息集成在训练数据中,即训练数据包括压力信号信息,历史状态信息及堵孔信息,通过上述训练数据训练检测模型,便可使检测模型同时具有检测堵孔区域对所述床层压力波动影响的能力。
进一步地,本实施例中的方法还包括:
确定所述堵孔信息与布风板实际堵孔情况是否一致,并得到相应结果;
基于所述目标特征数据、堵孔信息以及所述相应结果训练所述检测模型。
例如,当检测模型输出的堵孔信息经工作人员实地检查后发现,检测模型检测得到的数据与实际布风板的堵孔情况一致,那么则可以将输入至检测模型的数据以及检测模型输出的数据加入至训练数据中,以对检测模型进行进一步训练,当前,倘若检测正确,也可不基于本次数据进行训练。而仅将检测错误的数据,即检测模型输出的堵孔信息与实际布风板堵孔情况不符,此时便可将本次的输入数据、输出数据以及实际堵孔数据输入至检测模型中,以进一步训练检测模型,对其进行权数修正,精进其检测精度。
可选地,图4为本申请另一实施例的布风板检测方法的流程图,为了减少检测模型的检测负荷,同时实现更为快速且具有针对性的布风板堵塞检测,本实施例中在执行检测前,即对当前获得的状态信息进行预处理得到目标特征数据之前,如图4所示,还包括:
步骤S20:基于所述状态信息确定所述布风板的气密性及不同区域的压降情况,同时确定所述排料刮板的电机功率及电机转矩;
步骤S21:在确定所述气密性、不同区域的压降情况、电机功率、电机转矩中的一项或多项出现异常时,基于异常数据及异常位置调整所述布风板和/或排料刮板,若调整后所述异常位置产生数据仍为异常时,则对所述状态信息进行预处理以得到所述目标特征数据。
例如,在对布风板投入检测前,可先基于获得的状态信息确定布风板的气密性及压降情况,同时确定所述排料刮板的电机功率及电机转矩,倘若上述任意一项或多项参数出现异常,如不满足对应的阈值范围时,则可以基于预设的调整策略,并基于当前检测得到的参数值进行调整,如电机功率低,则提高功率,气密性差,则通知工作人员检查气密性,并进行修补,倘若经检查后仍不能改善当前情况,则可执行布风板的堵孔情况检测。也即,先经过排查,调整流化床的布风板等功能器件,若调整后情况得到改善,说明不是布风板出现堵塞,而若调整后情况仍不能得到改善,则可确定是布风板的问题,需要对其进行堵孔检测。如此可降低检测模型的处理负荷,同时能够更加快速地对流化床的运行进行调整,确保流化床整体运行正常。
具体地,图5为本申请实施例中的布风板在线检测方法的实际应用流程图,如图5所示,为了更好地说明本实施例的方法,以下结合具体实施例进行更加详细的说明:
以流化床为干法重介质流化床,布风板为梯级布风板为例,首先需要进行梯级布风板的组装,并确保原煤入料端处布风板开孔率大于精煤排料端;
对组装好的梯级布风板进行气密性检查,使干法重介质流化床布风板区域处无侧边漏气;
调试不同区域处的布风板的压降,保证原煤入料端的布风板压降小,精煤排料端的布风板压降大,达到梯级布风效果;
待组装好梯级布风板后可以利用传感器在线检测布风板上堆积矸石层的厚度,调节矸石排料刮板电机功率,使其正常运行;
通过在线检测矸石排料刮板驱动电机转矩,控制流化气速大小,改善床层流化质量;
对床层密度进行在线实时检测,使床层达到最佳的分选密度;
当布风板发生堵塞现象时,采集矸石排料刮板电机转矩信息;
使用布风板中安装的应变传感器采集矸石层对梯级布风板的作用力,根据其大小获得堵塞位置及面积信息;
采集堵孔面积与堵孔位置对床层压力信号时域及频域分析影响的原始数据;
基于特征工程对上述获得的数据进行特征化,即对数据进行预处理;
采用随机森林算法使机器从大量的预处理数据中训练学习,如将电机转矩、布风板应变传感器检测数据,堵孔面积与堵孔位置数据,以及堵孔面积与堵孔位置数据对床层压力波动影响的数据作为训练数据来训练目标模型;
对初步建立的目标模型进行修正,将获得训练数据分为训练集及测试集,接着将修正后的目标模型基于训练集与测试集得到的结果进行分析,并根据决定系数R2判定目标模型的有效性,最终形成稳定可靠的检测模型,该检测模型如图5所示,可视为由电机转矩模型、床层压力波动模型、布风板应变传感器模型组合形成,电机转矩模型用于根据电机转矩特征参数确定布风板是否发生堵塞,床层压力波动模型用于根据床层压力特征参数确定床层受压影响,进而确定布风板是否发生堵塞,而布风板应变传感器模型用于获得布风板上物料堆积厚度参数,并基于该参数确定布风板是否发生堵塞,并能够辅助确定堵塞位置及面积,检测模型通过上述三个“子模型”的检测结果综合分析确定布风板是否发生堵塞,若发生堵塞,确定其堵塞位置及面积信息,即本实施例中的检测模型同时具有上述三种模型的功能,进而实现布风板的堵塞定位,当然,上述子模型仅为检测模型内部构造,前文所述的检测模型与本实施例中的检测模型为同一检测模型;
当利用检测模型进行布风板堵塞情况的在线检测时,将在线即时得到的基础数据相关信息,作为输入特征,也即将获得的状态信息处理形成目标特征数据作为模型的输入数据;
将上述输入特征输入到训练好的检测模型中;
得到检测模型反馈的布风板堵塞信息,工作人员基于该堵塞信息可快速精确定位布风板上的堵孔面积与堵孔位置;
将在线即时得到的基础数据特征化,并将该特征化后的数据以及检测模型输出的数据重新输入至检测模型中,以对其进行再训练,进而精进检测模型对布风板的堵塞定位的检测精准性。
图6为本申请一实施例中一种布风板在线检***600的硬件结构示意图,如图6所示,包括:
至少一个处理器602;以及,
与所述至少一个处理器通信连接的存储器604;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行以实现上述任一实施例所记载的布风板在线检测方法。
参照图6,该布风板在线检测***600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。
处理组件602通常控制布风板在线检测***600的整体操作,诸如获得流化床中的布风板及排料刮板的状态信息,对状态信息进行预处理得到目标特征数据等。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理组件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持布风板在线检测***600的操作。这些数据的示例包括用于在布风板在线检测***600上操作的任何应用程序或方法的指令,如文字,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件606为布风板在线检测***600的各种组件提供电源。电源组件606可以包括电源管理***,一个或多个电源,及其他与为车载控制***600生成、管理和分配电源相关联的组件。
多媒体组件608包括在布风板在线检测***600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608还可以包括一个前置摄像头和/或后置摄像头。当布风板在线检测***600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当布风板在线检测***600处于操作模式,如报警模式、记录模式、语音识别模式和语音输出模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
I/O接口612为处理组件602和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为布风板在线检测***600提供各个方面的状态评估。例如,传感器组件614可以包括声音传感器。另外,传感器组件614可以检测到布风板在线检测***600的打开/关闭状态,组件的相对定位,例如组件为布风板在线检测***600的显示器和小键盘,传感器组件614还可以检测布风板在线检测***600或布风板在线检测***600的一个组件的运行状态,如布风板的运行状态,结构状态,排料刮板的运行状态等,布风板在线检测***600方位或加速/减速和布风板在线检测***600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器,物料堆积厚度传感器或温度传感器。
通信组件616被配置为使布风板在线检测***600提供和其他设备以及云平台之间进行有线或无线方式的通信能力。布风板在线检测***600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,布风板在线检测***600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述任一实施例所记载的布风板在线检测方法。
本申请还提供一种计算机可读存储介质,当存储介质中的指令由布风板在线检测***对应的处理器执行时,使得布风板检测***能够实现上述任一实施例所记载的布风板在线检测方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种布风板在线检测方法,其特征在于,包括:
至少获得流化床中的布风板及排料刮板的状态信息,所述状态信息包括运行状态信息和/或结构状态信息;
对所述状态信息进行预处理得到目标特征数据;
将所述目标特征数据输入至检测模型中,所述检测模型至少用于检测所述布风板的堵孔情况;
获得所述检测模型反馈的关于所述布风板的堵孔信息;
所述对所述状态信息进行预处理得到目标特征数据之前,还包括:
基于所述状态信息确定所述布风板的气密性及压降情况,同时确定所述排料刮板的电机功率及电机转矩;
在确定所述气密性、不同区域的压降情况、电机功率、电机转矩中的一项或多项出现异常时,基于异常数据及异常位置调整所述布风板和/或排料刮板,若调整后所述异常位置产生数据仍为异常时,则对所述状态信息进行预处理以得到所述目标特征数据。
2.根据权利要求1所述的方法,其特征在于,还包括:
建立目标模型;
获得所述布风板及排料刮板的历史状态信息及与所述历史状态信息对应的所述布风板的堵孔信息;
至少基于所述历史状态信息及堵孔信息训练所述目标模型,以得到所述检测模型。
3.根据权利要求2所述的方法,其特征在于,所述状态信息包括所述布风板的气密性信息、压降信息、布风板上堆积的物料厚度、所述排料刮板的电机转矩信息、所述布风板上堆积的物料对所述布风板的作用力信息中的一种或多种。
4.根据权利要求3所述的方法,其特征在于,所述堵孔信息包括堵孔面积及堵孔位置信息。
5.根据权利要求4所述的方法,其特征在于,所述对所述状态信息进行预处理得到目标特征数据,包括:
基于特征工程对所述状态信息进行特征提取,以得到所述目标特征数据,所述目标特征数据包括所述状态信息中直接受所述布风板堵孔状态影响的信息。
6.根据权利要求2所述的方法,其特征在于,还包括:
获得与历史堵孔信息对应的流化床床层所受压力的压力信号;
所述至少基于所述历史状态信息及堵孔信息训练所述目标模型,以得到所述检测模型,包括:
基于所述历史状态信息、堵孔信息及压力信号训练所述目标模型,以得到能够检测所述布风板的堵孔情况,以及堵孔区域对所述床层压力波动影响的所述检测模型。
7.根据权利要求1所述的方法,其特征在于,还包括:
确定所述堵孔信息与布风板实际堵孔情况是否一致,并得到相应结果;
基于所述目标特征数据、堵孔信息以及所述相应结果训练所述检测模型。
8.一种布风板在线检测***,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行以实现如权利要求1-7任一项所述的布风板在线检测方法。
9.一种计算机可读存储介质,当存储介质中的指令由布风板在线检测***对应的处理器执行时,使得布风板检测***能够实现如权利要求1-7任一项所述的布风板在线检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706824.0A CN113514239B (zh) | 2021-06-24 | 2021-06-24 | 一种布风板在线检测方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706824.0A CN113514239B (zh) | 2021-06-24 | 2021-06-24 | 一种布风板在线检测方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113514239A CN113514239A (zh) | 2021-10-19 |
CN113514239B true CN113514239B (zh) | 2023-03-24 |
Family
ID=78066323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110706824.0A Active CN113514239B (zh) | 2021-06-24 | 2021-06-24 | 一种布风板在线检测方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514239B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107233995A (zh) * | 2017-07-12 | 2017-10-10 | 六盘水师范学院 | 一种基于床层分板的自介质气固两相流化床干法选煤机 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1005314B (zh) * | 1987-05-28 | 1989-10-04 | 中国矿业学院 | 干式流化床选煤方法及其装置 |
US5559407A (en) * | 1994-05-02 | 1996-09-24 | Carrier Corporation | Airflow control for variable speed blowers |
CN102706509A (zh) * | 2012-06-21 | 2012-10-03 | 华北电力大学(保定) | 电站循环流化床锅炉冷渣器运行状态监测装置 |
CN105214956B (zh) * | 2015-10-28 | 2017-06-30 | 中国矿业大学 | 一种浓相气固流化床干法分选***及工艺 |
CN109869984A (zh) * | 2016-08-31 | 2019-06-11 | 邹平双飞成套设备有限公司 | 一种利用电厂烟气和蒸汽余热的褐煤干燥设备 |
CN106290700B (zh) * | 2016-09-28 | 2018-05-22 | 华中科技大学 | 一种流化床内气固反应实时工况测量*** |
CN206609611U (zh) * | 2017-04-12 | 2017-11-03 | 华能国际电力股份有限公司 | 一种模拟硫酸氢铵堵塞空气预热器换热元件的检测装置 |
CN213201355U (zh) * | 2020-07-10 | 2021-05-14 | 深圳市联博自动化设备有限公司 | 一种电子元器件外观检测的运输装置 |
-
2021
- 2021-06-24 CN CN202110706824.0A patent/CN113514239B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107233995A (zh) * | 2017-07-12 | 2017-10-10 | 六盘水师范学院 | 一种基于床层分板的自介质气固两相流化床干法选煤机 |
Non-Patent Citations (1)
Title |
---|
气固流化床密度的在线测控研究;陶秀祥等;《煤炭学报》;20020625(第03期);第93-97页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113514239A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104085667B (zh) | 进料自动调节模块及其方法、装置、散料异物检测机构 | |
US20190118443A1 (en) | State determination device | |
US20200090314A1 (en) | System and method for determining a condition of an object | |
US11123743B2 (en) | Method for operating a comminution circuit and respective comminution circuit | |
CN105268536B (zh) | 一种自适应在线校正的火电厂球磨机负荷软测量方法 | |
WO2022037499A1 (zh) | 一种用于造球机的控制***及控制方法 | |
KR101879087B1 (ko) | 이송되는 원료 입도 측정 장치 | |
CN111435464A (zh) | 用于检测和识别机器行为的目标测试和机器学习*** | |
CN111950577A (zh) | 一种点检方法及装置 | |
CN115526641A (zh) | 柔板产品生产质量追溯方法、***、装置和存储介质 | |
CN113514239B (zh) | 一种布风板在线检测方法、***及存储介质 | |
CN116786219A (zh) | 一种磨煤机钢球磨损监测方法、***、设备及介质 | |
US11998927B2 (en) | Method and device for controlling a process within a system, in particular a grinding process in a grinding device | |
CN113962150A (zh) | 一种烧结混合料粒度预测方法及*** | |
CN203922011U (zh) | 进料自动调节装置及散料异物检测机构 | |
Deo et al. | Detection of material build-up during online size distribution analysis of iron ore green pellets using MobilenetV2 | |
CN114202033A (zh) | 一种煤炭分类方法、***及存储介质 | |
JP7371535B2 (ja) | 自動運転制御装置、自動運転制御システム、自動運転制御方法、および廃棄物処理施設 | |
CN115591602A (zh) | 具有图像检测和通过神经网络进行图像处理的岩石加工机 | |
JP2014181364A (ja) | 造粒装置の操業支援システム | |
CN114118756A (zh) | 一种污染物预警方法、***及存储介质 | |
US20230243131A1 (en) | Anomalous operating characteristic detection system, and associated devices and methods | |
CN105300473B (zh) | 一种少量标定的基于深度信念网络的球磨机料位测量方法 | |
CN105424249A (zh) | 一种粮仓储粮状态的检测方法及其装置 | |
CN115571587A (zh) | 一种断链位置确定方法、装置、***及存储介质 |
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 |