CN114207585A - 确定包括在浓缩机中上层与下层之间的界面的界面高度的方法 - Google Patents

确定包括在浓缩机中上层与下层之间的界面的界面高度的方法 Download PDF

Info

Publication number
CN114207585A
CN114207585A CN202080050353.6A CN202080050353A CN114207585A CN 114207585 A CN114207585 A CN 114207585A CN 202080050353 A CN202080050353 A CN 202080050353A CN 114207585 A CN114207585 A CN 114207585A
Authority
CN
China
Prior art keywords
interface
measured
height
interface height
calculated
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.)
Pending
Application number
CN202080050353.6A
Other languages
English (en)
Inventor
珍妮诗·吉瓦拉
迪米特里·韦西埃
马蒂亚斯·布兰兹那格尔
迪尔恩·奈多
泰勒·麦克蒂奇
尼古拉斯·加德斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Enderless And House Group Services Inc
Original Assignee
Enderless And House Group Services Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Enderless And House Group Services Inc filed Critical Enderless And House Group Services Inc
Publication of CN114207585A publication Critical patent/CN114207585A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/80—Arrangements for signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fluid Mechanics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Thermal Sciences (AREA)
  • Electromagnetism (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Cosmetics (AREA)

Abstract

本发明描述了一种确定包括在浓缩机(9)的容器(7)中的上层(3)与下层(5)之间的界面(1)的界面高度(h)的方法，其中所述浓缩机(9)被设计为执行浓缩过程，其中在供应到所述容器(7)的介质中悬浮的粒子与包括在介质中的液体分离，并且其中所述上层(3)包括在包括所述粒子的下层(5)上漂浮的液体，该方法改善了界面高度确定的可用性。该方法包括以下方法步骤：在所述浓缩机(9)的主导条件允许进行测量的时间段期间，用安装在所述浓缩机(9)上的界面物位测量设备(L)测量所述界面高度(h)，用安装在所述浓缩机(9)上的测量设备的组测量与浓缩机(9)执行的浓缩过程相关的过程变量(v1,…,vn)，以及基于提供给计算单元(35)的测量的过程变量(v1,…,vn)利用所述计算单元(35)至少一次计算并提供计算的界面高度(hc)，其中所述计算单元(35)被设计为基于在所述时间段的至少一个时间段期间测量的并且由所述界面物位测量设备(L)和所述测量设备提供的测量的界面高度(hm)和测量的过程变量(v1,…,vn)来学习所述计算的界面高度(hc)的计算。

Description

确定包括在浓缩机中上层与下层之间的界面的界面高度的 方法
技术领域
本发明涉及一种确定包括在浓缩机容器中的上层与下层之间的界面的界面高度的方法，其中所述浓缩机被设计为执行浓缩过程，其中在供应给所述容器的介质中悬浮的粒子与包括在介质中的液体分离，并且其中所述上层包括在包括所述粒子的下层上漂浮的液体，所述方法包括以下方法步骤：
当所述浓缩机的主导条件允许进行测量的时间段期间用安装在所述浓缩机上的界面物位测量设备测量所述界面高度。
背景技术
浓缩机被应用于各种工业中，以从介质中包括的液体中分离悬浮在介质例如浆料中的粒子。例如，它们被应用于矿物提炼过程。
被设计用于执行浓缩过程的现有技术的浓缩机通常包括容器和向容器供应介质的供应管。在容器内部，重力使包括在介质中的固体粒子逐渐下沉到容器底部。因此，介质分成包括液体的上层和包括相应较高浓度粒子的下层。这种分离允许液体通过上溢出口从容器中抽出，该上溢出口位于容器壁在内部暴露于上层的高度。此外，它允许在容器底部包括高浓度粒子的沉淀物通过位于容器底部或附近的下溢出口排放。在这种情形下，浓缩机通常配备有旋转耙，该耙包括刮刀，将沉淀物推向位于容器底部中心的锥形排放出口。
在现有技术中已知，粒子的沉降和压实率取决于粒子的粒度，并且可以通过向介质中加入化学凝结剂和/或絮凝剂来提高。
浓缩过程的执行通常基于上层与下层之间的界面的界面高度的测量来监测、调节和/或控制。基于这些测量，界面高度优选通过调节和/或控制介质向容器的供应、液体的抽出和/或沉淀物的排放来调节和/或控制。作为选项，可以通过基于测量的界面高度调节和/或控制凝结剂和/或絮凝剂的供应来进一步提高过程的效率。
界面高度可以例如由能够执行这些测量的界面物位测量设备来测量。例如，可以应用Endress+Hauser集团销售的物位测量设备。一个示例是飞行时间测量设备，其测量信号行进到界面所需的飞行时间以及由界面反射的信号返回到设备所需的飞行时间。测量的飞行时间取决于信号传播速度和行进距离，因此允许基于测量设备相对于容器的位置来确定界面高度。无论应用何种类型的界面物位测量设备，界面高度测量只能在浓缩机的主导的测量条件允许进行这些测量期间进行。作为示例，界面高度的飞行时间测量需要界面的最小反射率以及所接收信号的足够高的信号振幅。此外，由沿着信号传播路径定位的反射器引起的往返于界面的反射可能会降低由界面处的反射导致的接收信号的信号分量的振幅。因此，确定界面高度所需的此信号分量是否可以在所接收的信号中被识别取决于浓缩机处主导的测量条件。
这些问题可以通过使用特殊类型的信号以及信号处理方法例如提高信噪比的方法、界面高度跟踪方法以及识别由界面处反射引起的接收信号的信号分量的先进方法在一定程度上得到解决。尽管如此，仍然存在以下风险：当前界面高度的测量有时可能是不可能的，特别是由于浓缩机处主导的恶劣的和/或变化的条件和/或它们对界面条件的影响。由于界面高度构成用于监测、调节和/或控制浓缩过程的关键参数，因此当前界面高度确定的不可用性可能会降低浓缩过程的品质和/或效率。
发明内容
因此，本发明的目的是改善界面高度确定的可用性。
该目的是通过一种确定包括在浓缩机容器中的上层与下层之间的界面的界面高度的方法，特别是计算机实施的方法来实现的，其中所述浓缩机被设计为执行浓缩过程，其中在供应给所述容器的介质中悬浮的粒子与包括在介质中的液体分离，并且其中所述上层包括在包括所述粒子的下层上漂浮的液体，所述方法包括以下方法步骤：
在所述浓缩机处的主导条件允许进行测量的时间段期间用安装在所述浓缩机上的界面物位测量设备测量所述界面高度，
利用安装在所述浓缩机上的测量设备的组测量与浓缩机执行的浓缩过程相关的过程变量，以及
基于提供给计算单元的测量的过程变量，至少一次计算界面高度并向所述计算单元提供所计算的界面高度，
其中所述计算单元被设计为基于在所述时间段的至少一个期间测量的并且由所述界面物位测量设备和所述测量设备提供的测量的界面高度和测量的过程变量来学习所述计算的界面高度的计算。
该方法的一个优点是，一旦学习了计算，(多个)计算的界面高度可以在任何时候被确定，而不管界面高度是否可以由界面物位测量设备测量到。因此，基于本发明，可以在浓缩机的主导条件不允许测量界面高度的时间段期间确定界面高度。
该方法的第一改进包括根据本发明的方法，其中：
所述至少一个计算的界面高度的计算的学习由所述计算单元执行，所述计算单元基于训练数据执行学习过程，训练数据被确定为或基于由所述界面物位测量设备和所述测量设备的组在所述时间段的至少一个期间测量和提供的测量的界面高度和测量的过程变量，并且
只有在其中测量的界面高度可靠的一个或多个时间间隔期间测量的测量的界面高度和测量的过程变量被用作训练数据或用于确定所述训练数据。
根据第二改进，所述测量的界面高度的可靠性或不可靠性由以下至少一项操作来确定：
a)监测所述测量的界面高度，
b)基于所述测量的界面高度确定根据时间的界面高度的变化率并基于所述变化率，将在其中变化率超过预定阈值或超过由浓缩过程执行期间预期的界面高度的最大速度给出的阈值的时间间隔期间确定的测量的界面高度确定为不可靠的，
c)将超过预定高度范围或超过浓缩过程的正常执行期间预期的界面高度范围给出的高度范围的测量的界面高度确定为不可靠的，
d)监测由所述界面物位测量设备获得的测量信号的信噪比，并将基于信噪比小于预定阈值的测量信号确定的测量的界面高度识别为不可靠的，
e)对所述测量的界面高度应用滤波器，基于所述测量的界面高度和所述滤波的界面高度确定叠加在所述滤波的界面高度上的噪声，并将在所述噪声超过预定阈值时测量的测量的界面高度识别为不可靠的，
f)执行所述界面高度的参考测量，并将偏离对应的参考测量超过预定阈值的测量的界面高度识别为不可靠的，
g)确定用于基于所述测量的过程变量的至少一个来估计所述界面高度的至少一个物理模型和用于基于所述测量的过程变量的至少一个来估计所述界面高度的统计模型的至少一个，并且基于基于所述模型的至少一个确定的估计的界面高度，执行下列中的至少一项：
g1)将偏离对应的估计的界面高度超过预定阈值或超过基于估计固有的不确定性确定的阈值的测量的界面高度识别为不可靠的，
g2)识别包括在为学习所述计算的界面高度的计算而确定的训练数据中的不可靠测量的界面高度，并从所述训练数据中消除所述识别的测量的不可靠界面高度，以及
g3)提供通知，告知基于所述估计的界面高度识别的不可靠测量的界面高度，以及
h)执行能够确定测量的界面高度的可靠性或不可靠性的至少一种其他方法。
根据第三改进，根据本发明的方法还包括以下方法步骤的至少一个：
a)通过附加地执行异常值检测或作为机器学习过程的一部分实施的异常值检测，确定用于学习所述计算的界面高度的计算的训练数据，基于该异常值检测，识别包括在所述训练数据中的异常值，并从用于学习所述计算的训练数据中消除所述识别的异常值，以及
b)基于所述测量的过程变量的至少一个或基于所述测量的界面高度和所述测量的过程变量的至少一个或全部，数值地确定所述过程变量的至少一个的值，其中：所述数值地确定的值包括以下至少一个：通过内插确定的至少一个数值地确定的值、通过模拟确定的至少一个数值地确定的值和通过蒙特卡罗模拟确定的至少一个数值地确定的值，并且执行下列中的至少一项：
应用针对包括在以下时间段或时间间隔的至少一个中的时间确定的数值地确定的值，在所述时间段或时间间隔期间，用于确定学习所述计算的界面高度的计算的训练数据的测量的界面高度和所述测量的过程变量作为附加的训练数据被测量，以及
除所述测量的过程变量之外，应用针对在所述计算的界面高度的计算的学习已经完成之后出现的时间确定的数值确定值，以计算所述计算的界面高度。
根据第四改进，根据本发明的方法包括以下方法步骤：
根据所述测量的界面高度和所述测量的过程变量中的至少一个或全部中的至少一个来确定至少一个次要变量或与所述界面高度直接或间接相关的至少一个次要变量，并执行以下操作中的至少一项：
a)使用针对包括在以下时间段或时间间隔的时间确定的次要变量，在所述时间段或时间间隔期间，用于确定学习所述计算的界面高度的计算的训练数据的测量的界面高度和所述测量的过程变量作为附加训练数据被测量，并且
b)除所述测量的过程变量之外，应用针对在所述计算的界面高度的计算的学习已经完成之后出现的时间确定的次要变量，以计算所述计算的界面高度。
根据第五改进，根据本发明的方法包括以下方法步骤：对所述过程变量的至少一个，执行以下方法步骤的至少一个：
至少一次计算并提供所述过程变量的计算值，以及
当由所述测量设备测量的测量的过程变量与对应的计算值之间的偏差超过预定阈值或超过基于所述计算固有的不确定性确定的阈值时，检测并指示关于测量所述过程变量的测量设备的问题，
其中所述过程变量的计算值包括以下至少一个：
a)基于物理模型或统计模型确定的至少一个计算值，物理模型或统计模型用于基于由所述测量设备测量的其他过程变量中的一些或全部或基于测量的界面高度和由所述测量设备测量的其他过程变量中的一些或全部来估计相应的过程变量，以及
b)由所述计算单元计算的至少一个计算值，其中：
b1)所述计算单元被设计为基于所述测量的过程变量或基于所述测量的过程变量和所述测量的界面高度来学习所述过程变量的计算值的计算，以及
b2)基于由所述测量设备测量和提供的其它过程变量中的一些或全部，或者基于测量的界面高度以及基于由所述测量设备测量和提供的其它过程变量中的一些或全部，计算相应过程变量的计算值中的每一个。
本发明还包括第六改进，其中所述测量的界面高度、所述测量的过程变量中的至少一个以及所述训练数据中的一些或全部中的至少一个通过下列中的至少一个提供给所述计算单元：
a)所述界面物位测量设备和包括在所述组中的测量设备的至少一个；
b)上级单元，其连接到下列的至少一个或全部，和/或与之通信：所述界面物位测量设备和包括在所述组中的测量设备中的至少一个，以及
c)边缘设备，其连接到下列的至少一个或全部，和/或与之通信：所述界面物位测量设备和包括在所述组中的测量设备中的至少一个。
根据第七种改进，所述过程变量和所述界面高度是相关的。
第八改进包括根据本发明的方法，其中测量和提供所述过程变量的测量设备的组包括下列的至少一个：
安装在供应管中或供应管上的流量计，供应管将所述介质供应到所述容器，所述流量计测量供应到所述容器的介质的流量，
安装在上溢出口管中或上溢出口管上的流量计，其测量通过所述上溢出口管从所述容器中抽出的液体的流量，以及
安装在下溢出口管中或下溢出口管上的流量计，该下溢出口管连接到位于容器底部或底部附近的下溢出口，所述流量计测量通过所述下溢出口管从所述容器排放的沉淀物的流量，
安装在供应管线中或供应管线上的流量计，供应管线供应产品到所述容器，产品是包括凝结剂和絮凝剂中至少一种的产品，所述流量计测量通过所述供应管线供应到所述容器的产品的流量，
密度测量设备，其测量位于容器底部或底部附近的沉淀物密度，
密度测量设备，其安装在所述下溢出口管中或下溢出口管上，并测量通过所述下溢出口管从所述容器排放的沉淀物的密度，
压力测量设备，其测量在所述容器内部的预定高度处或在所述容器的底部处或附近主导的流体静压力，
扭矩测量设备，其测量由电机施加的扭矩，以使安装在所述浓缩机上的耙围绕纵向旋转轴旋转，其中所述耙是用于将所述沉淀物推向位于所述容器底部的下溢出口的耙，
高度测量设备，其测量所述耙相对于预定参考高度的***高度，
浊度测量设备，其安装在所述上溢出口管中或上溢出口管上，用于测量通过所述上溢出口管从所述容器中抽出的液体的浊度，以及
至少一个其它测量设备，其测量至少一个其它过程变量。
根据第九改进，该方法还包括以下方法步骤：在由所述界面物位测量设备测量的测量的界面高度不可用或不可靠的至少一个时间间隔期间：
基于所述测量的过程变量对计算的界面高度进行计算，以及
执行以下步骤中的至少一个：提供所述计算的界面高度，以及执行基于所述计算的界面高度，监测、调节和控制在所述浓缩机上执行的浓缩过程中的至少一个。
根据第十改进，根据本发明的方法包括以下方法步骤：在由所述界面物位测量设备允许和执行所述界面高度的测量的时间段期间的至少一个或全部期间：
确定所述计算的界面高度，以及
执行以下操作中的至少一个：提供所述计算的界面高度，以及执行基于所述测量的界面高度、所述计算的界面高度以及所述测量的和所述计算的界面高度的平均值中的至少一个来监测、调节和控制在所述浓缩机上执行的浓缩过程中的至少一个。
根据第十一改进，根据本发明的方法包括以下方法步骤：在所述界面物位测量设备允许并执行所述界面高度的测量的时间段期间的至少一个或全部期间，确定所述计算的界面高度并执行以下至少一项：
基于所述测量的和所述计算的界面高度监测所述界面物位测量设备和所述计算单元，
当所述测量的界面高度之一与相应的计算的界面高度之间的偏差超过预定阈值时，检测到故障，以及
当检测到故障时，提供通知，告知该故障。
根据第十二改进，根据本发明的方法包括至少一次以下方法步骤：
提供所述计算的界面高度之一作为界面高度测量的参考高度，
基于所述参考高度为所述界面物位测量设备确定包括所述参考高度的受限测量范围，以及
在这个受限的测量范围内，用所述界面物位测量设备进行所述界面高度的测量，
其中所述受限高度范围被确定为所述界面物位测量设备的全测量范围的一部分，或者被确定为包括偏离所述参考高度小于预定百分比、小于所述全测量范围宽度的10％或小于5％的界面高度的范围。
其中所述界面物位测量设备：
是飞行时间测量设备，其基于信号行进到所述界面以及其反射返回所需的飞行时间来确定所述测量的界面高度，以及
包括信号处理和评估单元，该信号处理和评估单元确定回波函数，该回波函数表示作为飞行时间的函数的回波信号的信号振幅，识别由所述界面处的反射引起的回波函数的最大值，并基于该最大值出现的飞行时间确定测量的界面高度，以及
其中在所述受限测量范围内执行的界面高度的测量由以下至少一项执行：
排除出现在所述受限测量范围之外的回波函数中包括的所有振幅峰值，
将对应于所述界面处的反射的最大值确定为在所述受限测量范围内包括在所述回波函数中的第一振幅峰值或具有最高峰值振幅的振幅峰值的最大值，以及
执行识别由所述受限测量范围内的界面处的反射引起的回波函数的最大值的方法。
本发明还包括计算机程序，用于根据根据本发明的方法确定包括在浓缩机容器中的上层与下层之间的界面的界面高度，特别是用于根据根据本发明的方法确定至少一个计算的界面高度，该计算机程序包括指令，当该程序由计算机执行时，该指令使得计算机执行根据本发明的方法。
本发明还包括计算机程序的改进，其中所述指令包括以下指令，当程序由计算机执行时，指令使得所述计算机基于所述测量的界面高度和所述测量的过程变量来执行所述计算的学习，并且基于所述学习的计算和所述测量的过程变量来执行所述至少一个计算的界面高度的计算。
本发明还包括计算机程序产品，其包括根据本发明的计算机程序和至少一个计算机可读介质，其中至少所述计算机程序被存储在所述计算机可读介质上。
附图说明
使用附图更详细地解释本发明和进一步的优点。
图1示出了：用于确定界面高度的***，
图2示出了：在理想测量条件期间由飞行时间界面物位测量设备确定的回波函数；以及
图3示出了：由飞行时间界面物位测量设备确定的回波函数。
具体实施方式
本发明提供了一种确定包括在浓缩机9的容器7中的上层3与下层5之间的界面1的界面高度h的方法。图1示出了用于执行该方法的***的示例。浓缩机9被设计为执行浓缩过程，其中在供应给浓缩机9的介质中悬浮的粒子与包括在介质中的液体分离。在所示的示例中，浓缩机9包括向容器7供应介质的供应管11。介质的供应可以例如通过***供应管11中的阀V1来调节和/或控制。在容器7内部，重力导致包括在介质中的固体粒子逐渐下沉到容器7的底部。结果，介质分离成在包括粒子的下层5上漂浮的包括液体的上层3。通常，包括在下层中的粒子浓度朝着容器7的底部增加，并导致下层在底部或底部附近包括具有最高粒子浓度的沉淀物。
浓缩机9包括上溢出口13和下溢出口15。上溢出口13位于容器7的容器壁的高度处，上溢出口13在浓缩过程执行期间在内部暴露于上层3，因此允许液体从容器7中被抽出。液体的抽出可以例如通过***上溢出口管17中的阀V2来调节和/或控制，上溢出口管17连接到上溢出口13。下溢出口15位于容器7的底部或底部附近，从而允许沉淀在容器7底部的沉淀物被排放。沉淀物的排放可以例如通过***到下溢出口管19中的阀V3来调节和/或控制，下溢出口管19连接到下溢出口15。作为选项，可以通过***下溢出口管19的泵21来增加沉淀物可以被排放的排放速率。
作为可选特征，浓缩机9优选配备有旋转耙23，例如包括刮刀的耙23，其将沉淀物推向下溢出口15。在这种情况下，下溢出口15优选为锥形，并位于容器7底部的中心。
作为另一可选特征，浓缩机9可以包括用于向容器7供应产品的供应装置，产品为包括凝结剂和/或絮凝剂的产品。如图1所示，供应装置可以例如包括含有产品的贮存器25和从贮存器25延伸到容器7的供应管线27。由供应装置提供的产品供应可以例如由***供应管线27中的阀V4加以调节和/或控制。
浓缩机9配备有界面物位测量设备L，该界面物位测量设备L被设计为测量上层3与下层5之间的界面1的界面高度h。在这种情形下，可以应用本领域已知的界面物位测量设备。作为示例，界面物位测量设备L可以是例如飞行时间测量设备，其基于信号行进到界面1以及其反射返回所需的飞行时间来确定界面高度h。
图1示出了超声飞行时间测量设备的示例，该设备包括换能器29，该换能器29向界面1发送超声信号，例如脉冲，并接收回波信号，回波信号包括反射回换能器29的发送信号的反射。就像本领域已知的飞行时间测量设备一样，界面物位测量设备L优选地包括信号处理和评估单元，该信号处理和评估单元确定回波函数A(tof)，该回波函数A(tof)表示作为飞行时间tof的函数的回波信号的信号振幅A，识别由界面1处的反射引起的回波函数A(tof)的最大值EL，并基于出现该最大值EL的飞行时间tEL确定界面高度h。
图2示出了回波函数A(tof)的非常简化的示例，该回波函数A(tof)包括在飞行时间tEL的清晰的最大值EL。该飞行时间tEL对应于换能器29与界面1之间的距离，并且因此可以基于信号传播速度和换能器29相对于容器7的位置被转换成测量的界面高度hm。显然，可以替代地应用基于其他测量原理操作的其他类型的飞行时间物位测量设备或界面物位测量设备，例如包括测量由探针和容器壁形成的电容器的电容的电容探针的设备，或者辐射物位测量设备。
此外，测量设备的组被安装在浓缩机9上。这些测量设备中的每一个测量与浓缩机9上执行的浓缩过程相关的一个或多个过程变量v1,…,vn。因此，测量设备的组组合地测量并提供测量的过程变量v1,…,vn的集合，包括由这些设备中的每一个测量的个别过程变量v1,…,vn。除了界面物位测量设备L之外，该测量设备的组优选包括安装在浓缩机9上的至少两个或所有测量设备，例如用于监测、调节和/或控制浓缩过程。这具有以下优点，可以在无额外成本的情况下获得对应的测量过程变量v1,…,vn。
如图1所示的示例所示，该测量设备的组可以例如包括以下至少一个：
-流量计F1，其安装在供应管11中或供应管11上，测量供应到容器7的介质的流量，
-流量计F2，其安装在上溢出口管17中或上溢出口管17上，测量通过上溢出口管17从容器7中抽出的液体的流量，以及
-流量计F3，其安装在下溢出口管19中或下溢出口管19上，测量通过下溢出口管19从容器7排放的沉淀物的流量，
无论如何，通常需要这些设备来执行浓缩过程。
作为附加或替代选项，该测量设备的组可以例如包括以下至少一个：
-流量计F4，其安装在供应管线27中或供应管线27上，测量通过供应管线27供应到容器7的产品的流量，
-密度测量设备D1，其测量容器7底部或底部附近的沉淀物密度，
-密度测量设备D2，其安装在下溢出口管19中或下溢出口管19上，测量通过下溢出口管19从容器7排放的沉淀物的密度，
-压力测量设备P，其用于测量容器7内部预定高度或容器7底部或底部附近主导的流体静压力，
-扭矩测量设备T，其测量由电机31施加的扭矩，以使耙23围绕纵向旋转轴线旋转，以及
-高度测量设备H，其测量耙23相对于预定参考高度的***高度，
-浊度测量设备O，其安装在上溢出口管17中或上溢出口管17上，测量通过上溢出口管17从容器7中抽出的液体的浊度，以及
-至少一个其他测量设备，其测量至少一个其他过程变量。
作为选项，界面物位测量设备L和/或该组中的测量设备中的至少一个或全部可以被连接到上级单元33和/或与上级单元33通信。在这种情形下，可以采用本领域已知的硬连线或无线连接和/或通信协议，例如LAN、W-LAN、Fieldbus、Profibus、Hart、蓝牙、近场通信等。作为示例，上级单元33可以例如包括控制***，该控制***执行以下至少一项：由浓缩机9执行的浓缩过程的管理过程控制、过程可视化和过程监测。
在确定界面高度h的方法的执行期间，测量设备的组测量并提供测量的过程变量v1,…,vn。此外，在浓缩机9的主导条件允许进行这些测量的时间段期间，界面物位测量设备L测量并提供测量的界面高度hm。这些时间段显然受限于测量的界面高度hm可用期间的时间间隔，因为它们可以并且已经由界面物位测量设备L测量和提供。
根据相应测量设备的应用和/或类型，界面高度h和/或过程变量v1,…,vn的测量可以例如由相应设备连续地、周期性地或间歇地执行。因此，界面高度h和过程变量v1,…,vn中的至少两个或全部的测量可以同时进行或在不同的测量时间t进行。
v1,..,vn和对应的测量时间t被提供给计算单元35。计算单元35被设计为学习计算的界面高度hc的计算，其中每个计算的界面高度hc是基于被提供给计算单元35的测量的过程变量v1,..,vn计算的。基于被测量并提供给计算单元35的测量的界面高度hm和测量的过程变量v1,..,vn来执行学习，测量的界面高度hm和测量的过程变量v1,..,vn在允许测量界面高度h的时间段的至少一个时间段期间被测量。学习过程优选地由计算单元35基于训练数据来执行，基于在这些时间段的至少一个时间段期间执行的对应的测量获得的测量的界面高度hm和测量的过程变量v1,..,vn确定训练数据。
优选地，只有在其中测量的界面高度hm不仅可用而且可靠的一个或多个时间间隔期间测量的测量的界面高度hm和测量的过程变量v1,..,vn被用作训练数据或用来确定训练数据。这些时间间隔优选地通过执行能够确定测量的界面高度hm的可靠性或不可靠性的至少一种方法来识别。
测量的界面高度hm的可靠性或不可靠性可以例如通过监测测量的界面高度hm来确定。作为示例，界面高度h的变化率优选地基于测量的界面高度hm根据时间来确定。基于该变化率，在变化率超过预定阈值例如由浓缩过程的正常执行期间预期的界面高度h的最大速度给出的阈值的时间间隔期间测量的测量的界面高度hm被确定为不可靠的。作为附加或替代选项，超过预定的高度范围例如在浓缩过程的正常执行期间预期的界面高度h范围给出的范围的测量的界面高度hm优选地也被确定为不可靠的。
作为附加或替代选项，可以监测由界面物位测量设备L获得的测量信号的信噪比。在这种情况下，基于信噪比小于预定阈值的测量信号确定的测量的界面高度hm被识别为不可靠的。
作为附加或替代选项，将滤波器应用于测量的界面高度hm，并且基于测量的界面高度hm和滤波的界面高度来确定叠加在滤波的界面高度hm上的噪声。在这种情况下，当噪声超过预定阈值时测量的测量的界面高度hm被识别为不可靠的。
作为附加或替代选项，可以进行界面高度的参考测量。在这种情况下，偏离对应的参考的测量的界面高度hm测量可以例如通过安装在浓缩机上的附加界面物位测量设备来执行。作为选项，一旦确定了足够的训练数据，就可以移除这个附加的界面物位测量设备。
作为补充或替代，可以应用能够确定测量的界面高度hm的可靠性或不可靠性的至少一种其他方法。
测量的界面高度hm和/或测量的过程变量v1,..,vn的至少一个可以由界面物位测量设备L和/或相应的测量设备直接提供给计算单元35。作为替代的当前优选的选项，由上级单元33和/或由边缘设备37向计算单元35提供下列的至少一个：测量的界面高度hm、测量的过程变量v1,..,vn的至少一个和基于测量的界面高度hm和测量的过程变量v1,..,vn的至少一个或全部中的至少一个确定的训练数据的至少一些或全部，如由箭头A1和A2和/或B1和B2分别所示，上级单元33和/或边缘设备37被连接到下列的至少一个或全部，和/或与之通信：界面物位测量设备L和测量过程变量v1,..,vn的组的测量设备中的至少一个或全部的测量设备。
作为示例，训练数据可以例如以时间序列的形式提供给计算单元35，例如以个别设备的测量结果的时间序列，和/或以一个或多个时间序列的形式，每个时间序列包括由设备中至少两个设备同时导出的测量结果。
计算单元35可以例如被体现为包括硬件的单元，例如位于浓缩机9附近或远程位置的计算机或计算***。作为替代选项，可以应用云计算。云计算命名一种方案，其中IT基础设施，如硬件、计算能力、存储器、网络容量和/或软件，是经由网络提供的，例如经由互联网提供。在这种情况下，计算单元35被体现在云中，并且经由互联网，例如经由通信网络，例如像TCP/IP，被连接到上级单元33、边缘设备37和/或下列的至少一个或全部：界面物位测量设备L和该组中包括的测量设备的至少一个。学习计算的界面高度hc的计算的方法步骤基于本发明提供的认识，即过程变量v1,..,vn和界面高度h是相关的，因此表现出代表浓缩机9的状态的确定性行为，允许该学习过程的执行。
作为示例，供应到容器7的介质流量导致界面高度h对应于由浓缩机9实现的分离率、从容器7抽出的液体流量和从容器7排放的沉淀物流量而变化。此外，在压力测量设备P上方延伸的上层3的厚度和下层5的厚度之和以及它们在平行于重力方向的方向上的平均密度。因此，流体静压力与浓缩机9实现的分离率、从容器7中抽出的液体流量和从容器7中排放的沉淀物流量间接相关，因此也与界面高度h相关。此外，耙23的***高度和/或以一定速度旋转耙23所需的扭矩的变化取决于下层5和/或沉淀物的厚度和密度，下层5和/或沉淀物的厚度和密度指示浓缩机实现的分离率并且因此也与界面高度h相关，液体的浊度指示浓缩过程实现的分离程度，这至少间接与界面高度h相关。
计算单元35优选地配备有执行学习过程的人工智能。学习过程例如可以是监督式学习过程，其中基于训练数据学习界面高度h的行为，该训练数据包括由测量的界面高度hm给出的输出值和由测量的过程变量v1,..,vn给出的相应输入值。在这种情况下，学习过程优选地提供表示输入值与输出值之间的相互依赖性的学习模型。监督式学习过程的示例是所谓的具有长短期记忆(LSTM)的递归神经网络(RNN)，它特别适合于时间序列。然而，本发明既不限于监督式学习，也不限于神经网络。除了监督式学习和/或神经网络之外，或者与监督式学习和/或神经网络相组合，可以使用机器学习的其他技术和/或方法，例如对确定性模型进行确定的方法、应用鲁棒协方差的方法和/或应用蒙特卡罗模拟的方法。
作为选项，训练数据的确定可以另外包括执行异常值检测的方法步骤。异常值检测可以例如作为机器学习过程的一部分来实施。基于该异常值检测，包括在训练数据中的异常值被识别，并随后从用于学习计算的训练数据中被消除。
不管所应用的学习过程的类型如何，用于基于测量的过程变量v1,..,vn计算该计算的界面高度hc的模型优选地基于训练数据被确定并被存储在计算单元35中。
作为示例，计算单元35可以例如包括确定计算的界面高度hc的软传感器和/或自适应或自学习数学模型或者构成其一部分。原则上，软传感器是用于确定界面高度h的虚拟传感器，其不直接测量界面高度h，而是基于输入(在当前情况下是提供给它的测量的过程变量v1,..,vn)来计算该计算的界面高度hc。与人工智能相组合，这具有这样的优点，即包括在训练数据中的测量的过程变量v1,..,vn和/或用来计算该计算的界面高度vc的测量的过程变量v1,..,vn的行为之间的相互关系，特别是动态相互关系，可以计算在内。
基于由计算单元35学习的学习计算，特别是学习模型，计算单元35在已经执行学习过程之后基于供应给计算单元35的测量的过程变量v1,..,vn计算并提供界面高度h的至少一个计算值hc。
根据本发明的方法优选地作为计算机实施的方法来执行。在这种情况下，上述方法步骤，特别是由计算单元35执行的方法步骤，通过用于确定界面高度的计算机程序，特别是用于根据上述方法确定至少一个计算的界面高度hc的计算机程序来执行。因此，本发明也以包括指令的计算机程序的形式实现，当该程序由计算机执行时，使得计算机执行如上所描述的根据本发明的方法。特别地，这些指令包括当程序由计算机执行时使得计算机基于测量的界面高度hm和测量的过程变量v1,..,vn执行计算的学习并且基于学习的计算和测量的过程变量v1,..,vn来执行至少一个计算的界面高度hc的计算的指令。此外，本发明还包括计算机程序产品，其包括上述计算机程序和至少一个计算机可读介质，其中至少计算机程序被存储在计算机可读介质上。
该方法、计算机程序和计算机程序产品均包括上述优点。
如上所提到的，基于训练数据来执行上述方法，特别是学习过程，训练数据是基于由界面物位测量设备L测量和提供测量的界面高度hm的一个或多个时间段期间测量的测量的界面高度hm和测量的过程变量v1,..,vn来确定的。这个训练数据优选地限于仅包括基于其中测量的界面高度hm不仅可用而且可靠的一个或多个时间间隔期间测量的测量的界面高度hm和测量的过程变量v1,..,vn确定的数据。
训练数据优选地包括在相应时间段或时间间隔和对应的测量时间t期间测量的测量的界面高度hm和对应的测量的过程变量v1,..,vn。
作为选项，由测量设备测量的过程变量v1,..,vn的至少一个的数值地确定的值v1k,..,vnk可以被确定，例如由计算单元35确定和/或由上级单元33和/或边缘设备37确定并提供给计算单元35。这些数值地确定的值v1k,..,vnk优选地包括基于测量的过程变量v1,..,vn的至少一个执行的或者基于测量的界面高度hm和测量的过程变量v1,..,vn的至少一个或全部执行的、通过内插或通过模拟，例如通过蒙特卡罗模拟数值地确定的相应过程变量v1,..,vn的内插和/或模拟值v1k,..,vnk。优选地针对其中测量用于确定训练数据的测量的界面高度hm和测量的过程变量的时间段或时间间隔中包括的时间来确定这些数值地确定的值v1k,..,vnk。在这种情况下，它们被用作附加的训练数据来学习此外被用于测量的过程变量v1,..,vn的计算的界面高度hc的计算。作为选项，它们还可以针对学习过程已经完成之后出现的时间来确定并且此外被用于测量的过程变量v1,..,vn以计算该计算的界面高度hc。
作为另一选项，至少一个次要变量vs可以根据测量的界面高度hm和测量的过程变量v1,..,vn的至少一个或全部的至少一个来确定。次要变量vs优选地包括与界面高度h直接或间接相关的至少一个次要变量vs。例如，次要变量vs可以包括由供应到容器7的产品的流量除以供应到容器7的介质的流量所给出的比率的函数，和/或基于进入容器7的介质质量流量与离开容器7的液体和沉淀物的质量流量的和之间的差值所确定的质量平衡或者质量平衡的函数。在这种情况下，针对包括在其中测量用于确定训练数据的测量的界面高度hm和测量的过程变量v1,..,vn的时间段或时间间隔中的时间确定的次要变量vs优选地被用作此外被用于测量的过程变量v1,..,vn的附加训练数据，以学习计算的界面高度hc的计算。作为选项，它们也可以针对学习过程已经完成之后出现的时间来确定，并且此外被用于测量的过程变量v1,..,vn以计算该计算的界面高度hc。在两种情况下，它们也可以被处理为例如附加过程变量，附加过程变量以与测量的过程变量v1,..,vn相同的方式被应用。
作为另一选项，可以确定至少一个物理模型和/或统计模型，物理模型和/或统计模型用来基于测量的过程变量v1,..,vn的至少一个来估计的界面高度h。这些模型优选地基于训练数据的受限部分中包括的数据来确定。物理模型优选地包括基于界面高度h对(多个)相应过程变量的已知物理依赖性，例如界面高度h对所供应介质、所抽出液体的质量平衡的依赖性而确定的至少一个模型。通过确定测量的界面高度hm与测量的过程变量v1,..,vn的至少一个之间的相关性来确定。统计模型优选地基于数据的统计分析来确定。基于这些模型中的至少一个模型确定的估计的界面高度优选地被用于监测测量的界面高度hm。作为补充或替代，偏离基于相应模型确定的对应的估计的界面高度超过预定阈值，例如基于估计固有的不确定性确定的阈值的测量的界面高度hm，优选地被识别为不可靠的。基于此，包括在训练数据中的不可靠测量的界面高度hm优选地被识别，并随后从用于学习该计算的训练数据中被消除。作为另一选项，不可靠测量的界面高度hm，特别是在执行学习过程之后测量的不可靠测量的界面高度hm，优选地基于对应的估计的界面高度来识别，并且优选地提供告知所识别的(多个)不可靠测量的界面高度hm的对应的通知。
由上述方法计算和提供的计算的界面高度hc可以以各种不同的方式被应用。作为一个选项，计算的界面高度hc优选地在其中测量的界面高度hm不可用或不可靠的至少一个时间间隔期间被计算和提供。这些计算的界面高度hc优选地被用于监测、调节和/或控制在浓缩机9上执行的浓缩过程。在这种情形下，计算的界面高度hc优选地被提供给上级单元33，上级单元33基于这些计算的界面高度hc执行浓缩过程的监测、调节和/或控制。
作为附加或替代选项，计算的界面高度hc优选地也在允许测量界面高度h的时间段的至少一个或全部期间被计算和提供。在这些时间段期间，测量的界面高度hm假设由界面物位测量设备L测量。这允许在这些时间段期间基于测量的界面高度hm和/或计算的界面高度hc来执行浓缩过程的监测、调节和/或控制。在这种情况下，测量的界面高度hm和/或计算的界面高度hc优选地被提供给上级单元33，上级单元33基于测量的界面高度hm和/或计算的界面高度hc执行浓缩过程的监测、调节和/或控制。作为示例，监测、调节和/或控制可以例如基于测量的界面高度hm和计算的界面高度hc的平均值来执行。
浓缩过程的调节和/或控制优选包括基于测量的界面高度hm和/或计算的界面高度hc调节和/或控制界面高度h。该方法步骤可以例如手动地或以半自动化或全自动化的方式执行，例如通过容器7、通过上溢出口13从容器7抽出的液体的流量、通过下溢出口15从容器7排放的沉淀物的流量，和/或通过基于测量的界面高度hm和/或计算的界面高度hc调节和/或控制产品的供应。这些流量中的每一个以及供应中的每一个例如可以通过在供应管11、上溢出口管17、下溢出口管19和供应管线27中预见的阀V1、V2、V3、V4来相应地调整。
作为附加选项，同时获得的测量的界面高度hm和计算的界面高度hc优选地被用于监测界面物位测量设备L和计算单元35。该方法步骤优选地由上级单元33和/或计算单元35执行。此外，当测量的界面高度hm与对应的计算的界面高度hc之间的偏差超过预定阈值时，优选地检测到故障。当检测到故障时，优选地提供告知该故障的通知。
作为另一选项，计算的界面高度hc的至少一个优选地用作由界面物位测量设备L执行的界面高度测量的参考高度href。在这种情况下，基于相应的参考高度href确定包括相应参考高度href的界面物位测量设备L的受限测量范围LR，并且界面物位测量设备L在该受限测量范围LR内执行界面高度h的测量。在这种情形下，计算的界面高度hc或对应的受限测量范围LR可以例如经由上级单元33、边缘设备37或直接地提供给界面物位测量设备L。界面物位测量设备L然后将确定并应用受限测量范围LR，或者在界面高度h的下一次测量期间应用提供给它的受限测量范围LR。尽管界面物位测量设备L的从界面1的最小高度hmin到最大高度hmax的全测量范围FR需要足够大以覆盖在浓缩过程的正常执行期间可能出现的所有界面高度h，但是受限测量范围LR优选地被确定为明显更窄。因此，受限测量范围LR仅包括全测量范围FR的一小部分。作为示例，受限测量范围LR可以例如被确定为包括偏离参考高度href小于预定百分比X，例如小于全测量范围FR宽度的10％，优选小于5％的百分比X(例如，通过LR:＝href+/-X％(hmax-hmin))的所有界面高度h的范围。
将测量范围限制到基于参考高度href确定的受限测量范围LR有助于改善界面物位测量设备L的测量能力、测量准确度以及测量可靠性。例如，在不利的测量条件下，由如上所描述的飞行时间确定的回波函数A(tof)部分重叠和/或不重叠的振幅峰值Ei。出于说明的目的，图3示出了这种回波函数A(tof)的非常简化的示例，其包括相对少量的振幅峰值E1,…,E5。回波函数A(tof)中包括的振幅峰值E1,…,E5是由沿信号传输路径分布的各个反射器上的反射引起的。由于多次反射，当应用全测量范围FR时，可能很难甚至不可能确定对应于界面1处反射的回波函数A(tof)的最大值EL。全测量范围FR在图3中由双箭头表示，该双箭头从对应于包括在全测量范围FR中的最大高度hmax的最小飞行时间tmin延伸到对应于包括在全测量范围FR中的最小高度hmin的最大飞行时间tmax。通过将范围限制到受限测量范围LR，这种情况得到了显著改善，因为可以排除在受限测量范围LR之外出现的所有振幅峰值E1、E2、E5。作为选项，对应于界面1处的反射的最大值EL然后可以例如被确定为在受限测量范围LR内具有最高峰值振幅的第一振幅峰值E3或振幅峰值E3的最大值。因此，在图3所示的示例中，振幅峰值E3的最大值将被识别为由界面1处的反射引起的最大值EL。作为补充或替代，适于识别对应于界面1处反射的最大值EL的其他方法可以在受限的测量范围LR内加以应用。将该范围进一步限制到受限测量范围LR也允许信噪比以及振幅分辨率得到改善。
即使由测量设备的组执行的过程变量v1,…,vn的测量与测量的界面高度hm相比可以预期是极其可靠的，但是这可能会改变，例如由于测量设备之一的意外故障。因此，作为附加选项，根据本发明的方法可以通过至少一次计算并提供过程变量vi的至少一个的计算值vci来进一步改善。基于这些计算值vci，当测量的过程变量vi与对应的计算值vci之间的偏差超过预定阈值，例如基于计算固有的不确定性确定的阈值时，例如通过发出对应的通知，检测并指示关于测量相应的过程变量vi的测量设备的问题。
作为示例，计算值vci可以例如基于物理模型和/或统计模型来确定，该物理模型和/或统计模型用于基于其他测量的过程变量v1,…,vn中一些或全部或者基于测量的界面高度hm和其他测量的过程变量v1,…,vn中的一些或全部来估计相应的过程变量vi。关于用于例如基于训练数据中的一些或全部估计的界面高度h的模块，这些模型优选地以与上述相同的方式加以确定。
作为附加或替代选项，计算单元35被设计为学习相应过程变量vi的计算值vci的计算，其中每个计算值vci是基于其他测量的过程变量v1,…,vn中的一些或全部或者基于提供给计算单元35的测量的界面高度hm和其他测量的过程变量v1,…,vn中的一些或全部来计算的。类似于关于计算的界面高度hc的计算的学习过程，该学习过程基于所有测量的过程变量v1,..,vn或者基于所提供的所有测量的过程变量v1,..,vn和测量的界面高度hm加以执行。该学习过程可以以与上述关于计算的界面高度hc的计算的学习相同的方式来执行。同样，可以使用相同的训练数据中的一些或全部。
1 界面
3 上层
5 下层
7 容器
9 浓缩机
11 供应管
13 上溢出口
15 下溢出口
17 上溢出口管
19 下溢出口管
21 泵
23 耙
25 贮存器
27 供应管线
29 换能器
31 电机
33 上级单元
35 计算单元
37 边缘设备

Claims (17)

1.一种确定包括在浓缩机(9)的容器(7)中的上层(3)与下层(5)之间的界面(1)的界面高度(h)的方法，特别是计算机实施的方法，其中所述浓缩机(9)被设计为执行浓缩过程，其中在供应给所述容器(7)的介质中悬浮的粒子与包括在所述介质中的液体分离，并且其中所述上层(3)包括在包括所述粒子的下层(5)上漂浮的液体，所述方法包括以下方法步骤：
在所述浓缩机(9)的主导条件允许进行测量的时间段期间用安装在所述浓缩机(9)上的界面物位测量设备(L)测量所述界面高度(h)，
利用安装在所述浓缩机(9)上的测量设备的组测量与所述浓缩机(9)执行的浓缩过程相关的过程变量(v1,…,vn)，以及
利用计算单元(35)基于提供给所述计算单元(35)的测量的过程变量(v1,…,vn)至少一次计算并提供计算的界面高度(hc)，
其中，所述计算单元(35)被设计为基于由所述界面物位测量设备(L)和所述测量设备在所述时间段的至少一个时间段期间所测量并且提供的测量的界面高度(hm)和测量的过程变量(v1,…,vn)来学习所述计算的界面高度(hc)的计算。
2.根据权利要求1所述的方法，其中：
所述计算的界面高度(hc)的至少一个计算的学习由所述计算单元(35)执行，所述计算单元(35)基于训练数据来执行学习过程，所述训练数据被确定为或基于由所述界面物位测量设备(L)和所述测量设备的组在所述时间段中的至少一个时间段期间所测量并且提供的测量的界面高度(hm)和测量的过程变量(v1,..,vn)；以及
只有在所述测量的界面高度(hm)是可靠的一个或多个时间间隔期间测量的测量的界面高度(hm)和测量的过程变量(v1,..,vn)被用作训练数据或被用来确定所述训练数据。
3.根据权利要求1至2所述的方法，其中：所述测量的界面高度(hm)的可靠性或不可靠性由以下至少一项确定：
a)监测所述测量的界面高度(hm)，
b)基于所述测量的界面高度(hm)来确定所述界面高度(h)根据时间的变化率，并基于所述变化率，确定在所述变化率超过预定阈值或超过由执行所述浓缩过程期间预期的界面高度(h)的最大速度给出的阈值的时间间隔期间确定的测量的界面高度(hm)是不可靠的，
c)确定超过预定的高度范围或超过由所述浓缩过程的正常执行期间预期的界面高度范围给出的高度范围的测量的界面高度(hm)是不可靠的，
d)监测由所述界面物位测量设备(L)获得的测量信号的信噪比，并将基于信噪比小于预定阈值的测量信号确定的测量的界面高度(hm)识别为不可靠的，
e)对所述测量的界面高度(hm)应用滤波器，基于所述测量的界面高度(hm)和所述滤波的界面高度，确定叠加在所述滤波的界面高度(hm)上的噪声，并将在所述噪声超过预定阈值时测量的测量的界面高度(hm)识别为不可靠的，
f)执行所述界面高度(h)的参考测量，并将偏离对应的参考测量超过预定阈值的测量的界面高度(hm)识别为不可靠的，
g)确定基于所述测量的过程变量(v1,..,vn)的至少一个估计所述界面高度(h)的至少一个物理模型和基于所述测量的过程变量(v1,..,vn)的至少一个估计所述界面高度(h)的统计模型的至少一个，并且基于基于所述模型的至少一个确定的估计的界面高度，执行下列中的至少一项：
g1)将偏离对应的估计的界面高度超过预定阈值或超过基于所述估计固有的不确定性确定的阈值的测量的界面高度(hm)识别为不可靠的，
g2)识别包括在为学习所述计算的界面高度(hc)的计算而确定的训练数据中的不可靠测量的界面高度(hm)，并从所述训练数据中消除所述识别的不可靠测量的界面高度(hm)，以及
g3)提供通知，告知关于基于所述估计的界面高度识别的不可靠测量的界面高度(hm)，以及
h)执行能够确定所述测量的界面高度(hm)的可靠性或不可靠性的至少一种其他方法。
4.根据权利要求1至3的方法，包括以下方法步骤的至少一个：
a)通过附加地执行异常值检测或作为机器学习过程的一部分实施的异常值检测，确定用于学习所述计算的界面高度的计算的训练数据，基于此异常值检测，识别包括在所述训练数据中的异常值，并从用于学习所述计算的训练数据中消除所述识别的异常值，以及
b)基于所述测量的过程变量(v1,..,vn)的至少一个或基于所述测量的界面高度(hm)和所述测量的过程变量(v1,..,vn)的至少一个或全部，数值地确定所述过程变量(v1,..,vn)的至少一个的值(v1k,..,vnk)，通过内插确定的数值地确定的值(v1k,..,vnk)，通过模拟确定的至少一个数值地确定的值(v1k,..,vnk)，通过蒙特卡罗模拟确定的至少一个数值地确定的值(v1k,..,vnk)，并且执行下列中的至少一项：
应用针对包括在所述时间段或时间间隔的至少一个中的时间确定的数值地确定的值(v1k,..,vnk)，在所述时间段或时间间隔期间，被用于确定学习所述计算的界面高度(hc)的计算的训练数据的测量的界面高度(hm)和测量的过程变量(v1,..,vn)作为附加训练数据被测量，以及
除了所述测量的过程变量(v1,..,vn)之外，应用针对在所述计算的界面高度(hc)的计算的学习已经完成之后出现的时间确定的数值地确定的值(v1k,..,vnk)，以计算所述计算的界面高度(hc)。
5.根据权利要求1至4所述的方法，包括以下方法步骤：
根据所述测量的界面高度(hm)和所述测量的过程变量(v1,..,vn)的至少一个或全部中的至少一个来确定至少一个次要变量(vs)或与所述界面高度(h)直接或间接相关的至少一个次要变量(vs)：并且执行下列中的至少一项：
a)使用针对包括在所述时间间隔段或时间间隔的至少一个中的时间确定的次要变量(vs)，在所述时间间隔段或时间间隔期间，被用于确定学习所述计算的界面高度(hc)的计算的训练数据的测量的界面高度(hm)和测量的过程变量(v1,..,vn)作为附加的训练数据被测量，以及
b)除了所述测量的过程变量(v1,..,vn)之外，应用针对在所述计算的界面高度(hc)的计算的学习之后出现的时间确定的次要变量(vs)，以计算所述计算的界面高度(hc)。
6.根据权利要求1至5所述的方法，包括以下方法步骤：对于所述过程变量(v1,..,vn)中的至少一个的方法步骤，执行以下方法步骤的至少一个：
至少一次计算并提供所述过程变量(vi)的计算值(vci)，以及
当在由所述测量设备测量的测量的过程变量(vi)与对应的计算值(vci)之间的偏差超过预定阈值或超过基于所述计算固有的不确定性所确定的阈值时，检测并指示与测量所述过程变量(vi)的测量设备有关的问题；
其中所述过程变量(vi)的计算值(vci)包括下列的至少一个：
a)基于物理模型或统计模型确定的至少一个计算值(vci)，所述物理模型或统计模型用于基于由所述测量设备测量的其它过程变量(v1,…,vn)中的一些或全部或基于所述测量的界面高度(hm)和由所述测量设备测量的其它过程变量(v1,…,vn)中的一些或全部来估计所述相应的过程变量(vi)，以及
b)由所述计算单元(35)计算的至少一个计算值(vci)，其中：
b1)所述计算单元(35)被设计为基于所述测量的过程变量(v1,..,vn)或基于所述测量的过程变量(v1,..,vn)和所述测量的界面高度(hm)来学习所述过程变量(vi)的计算值(vci)的计算；以及
b2)所述相应过程变量(vi)的计算值(vci)中的每一个基于由所述测量设备测量并提供的其他过程变量(v1,…,vn)中的一些或全部或基于所述测量的界面高度(hm)和由所述测量设备测量并提供的其他过程变量(v1,…,vn)中的一些或全部被加以计算。
7.根据权利要求1至6所述的方法，其中，通过以下的至少一个将所述测量的界面高度(hm)、所述测量的过程变量(v1,..,vn)的至少一个和所述训练数据中的某些或全部中的至少一个提供给所述计算单元(35)：
a)所述界面物位测量设备(L)和包括在所述组中的测量设备的至少一个；
b)上级单元(33)，其连接到下列中的至少一个或全部和/或与之通信：所述界面物位测量设备(L)和包括在所述组中的测量设备的至少一个，以及
c)边缘设备(37)，其连接到下列的至少一个或全部和/或与之通信：所述界面物位测量设备(L)和包括在所述组中的测量设备中的至少一个。
8.根据权利要求1至7所述的方法，其中，所述过程变量(v1,..,vn)和所述界面高度(h)是相关的。
9.根据权利要求1至8所述的方法，其中，测量和提供所述过程变量(v1,…,vn)的测量设备的组包括下列的至少一个：
流量计(F1)，其安装在供应管(11)中或供应管(11)上，所述供应管(11)将所述介质供应到所述容器(7)，所述流量计(F1)测量供应到所述容器(7)的介质的流量，
流量计(F2)，其安装在上溢出口管(17)中或上溢出口管(17)上，并测量通过所述上溢出口管(17)从所述容器(7)中抽出的液体的流量，以及
流量计(F3)，其安装在下溢出口管(19)中或下溢出口管(19)上，所述下溢出口管连接到位于所述容器(7)底部处或底部附近的下溢出口(15)，所述流量计(F3)测量通过所述下溢出口管(19)从所述容器(7)排放的沉淀物的流量，
流量计(F4)，其安装在供应管线(27)中或供应管线(27)上，所述供应管线(27)将产品供应到所述容器(7)，所述产品是包括凝结剂和絮凝剂的至少一个的产品，所述流量计(F4)测量通过所述供应管线(27)供应到所述容器(7)的产品的流量，
密度测量设备(D1)，其测量位于所述容器(7)底部处或底部附近的沉淀物的密度，
密度测量设备(D2)，其安装在所述下溢出口管(19)中或所述下溢出口管(19)上，并测量通过所述下溢出口管(19)从所述容器(7)排放的沉淀物的密度，
压力测量设备(P)，其测量在所述容器(7)内部的预定高度处或在所述容器(7)的底部处或附近主导的流体静压力，
扭矩测量设备(T)，其测量由电机(31)施加的扭矩，所述扭矩使安装在所述浓缩机(9)上的耙(23)围绕纵向旋转轴线旋转，其中所述耙(23)是用于将所述沉淀物推向位于所述容器(7)底部的下溢出口(15)的耙，
高度测量设备(H)，其测量所述耙(23)相对于预定参考高度的***高度，
浊度测量设备(O)，其安装在所述上溢出口管(17)中或所述上溢出口管(17)上，用于测量通过所述上溢出口管(17)从所述容器(7)中抽出的液体的浊度，以及
至少一个其它测量设备，其测量至少一个其它过程变量。
10.根据权利要求1至9所述的方法，还包括以下方法步骤：在由所述界面物位测量设备(L)测量的测量的界面高度(hm)不可用或不可靠的至少一个时间间隔期间：
基于所述测量的过程变量(v1,…,vn)对计算的界面高度(hc)进行计算，以及
执行下列中的至少一项：提供所述计算的界面高度(hc)和执行基于所述计算的界面高度(hc)来监测、调节和控制在所述浓缩机(9)上执行的浓缩过程的至少一个。
11.根据权利要求1至10所述的方法，还包括以下方法步骤：在其中由所述界面物位测量设备(L)允许并执行所述界面高度(h)的测量的时间段中的至少一个或全部期间：
确定所述计算的界面高度(hc)，以及
执行以下操作中的至少一个：提供所述计算的界面高度(hc)和执行基于所述测量的界面高度(hc)、所述计算的界面高度(hc)、和所述测量的和所述计算的界面高度(hm,hc)的平均值中的至少一个来监测、调节和控制在所述浓缩机(9)上执行的浓缩过程中的至少一个。
12.根据权利要求1至11所述的方法，还包括以下方法步骤：在其中由所述界面物位测量设备(L)允许并执行所述界面高度(h)的测量的时间段的至少一个或全部期间，确定所述计算的界面高度(hc)并执行以下至少一个操作：
基于所述测量的和所述计算的界面高度(hc,hm)来监测所述界面物位测量设备(L)和所述计算单元(35)，
当所述测量的界面高度(hm)之一与所述对应的计算的界面高度(hc)之间的偏差超过预定阈值时，检测到故障，以及
当检测到故障时，提供通知，告知此故障。
13.根据权利要求1至12所述的方法，进一步包括至少一次的方法步骤：
提供所述计算的界面高度(hc)之一作为界面高度测量的参考高度(href)，
基于所述参考高度(href)为所述界面物位测量设备(L)确定包括所述参考高度(href)的受限测量范围(LR)，以及
用所述界面物位测量设备(L)在此受限测量范围(LR)内测量所述界面高度(H)，
其中，所述受限高度范围(LR)被确定为所述界面物位测量设备(L)的全测量范围(FR)的一部分，或者被确定为包括偏离所述参考高度(href)小于预定百分比(X)，小于所述全测量范围(FR)的宽度的10％或小于5％的界面高度(h)的范围。
14.根据权利要求13所述的方法，
其中，所述界面物位测量设备(L)：
是飞行时间测量设备，其基于信号行进到所述界面(1)以及信号反射返回所需的飞行时间来确定所述测量的界面高度(hm)，以及
包括信号处理和评估单元，所述信号处理和评估单元确定回波函数(A(tof))，所述回波函数表示作为飞行时间(tof)的函数的回波信号的信号振幅，识别由所述界面(1)处的反射引起的回波函数(A(tof))的最大值(EL)，并基于所述最大值(EL)出现的飞行时间(tEL)确定所述测量的界面高度(hm)，以及
其中在所述受限测量范围(LR)内执行的界面高度(h)的测量由以下至少一项操作来执行：
排除在所述受限测量范围(LR)之外出现的包括在所述回波函数中的所有振幅峰值(E1、E2、E4、E5)，
将对应于所述界面(1)处的反射的最大值(EL)确定为所述受限测量范围(LR)内的第一振幅峰值(E3)或具有包括在所述回波函数(A(tof))中的最高峰值振幅的振幅峰值(E3)的最大值，以及
执行识别由所述受限测量范围(LR)内的界面(1)处的反射引起的回波函数(A(tof))的最大值(EL)的方法。
15.一种计算机程序，用于根据依据根据权利要求1至14所述的方法的方法确定包括在浓缩机(9)的容器(7)中的上层(3)与下层(5)之间的界面(1)的界面高度(h)，所述计算机程序包括指令，当所述程序由计算机执行时，所述指令使得计算机实现根据权利要求1至14中的至少一项的方法。
16.根据权利要求15所述的计算机程序，其中所述指令包括下面的指令：当所述程序由计算机执行时，所述指令使得所述计算机基于所述测量的界面高度(hm)和所述测量的过程变量(v1,..,vn)执行所述计算的学习并且基于所述学习的计算和所述测量的过程变量(v1,..,vn)来执行所述至少一个计算的界面高度(hc)的计算。
17.一种计算机程序产品，包括根据权利要求15至16所述的计算机程序和至少一个计算机可读介质，其中至少所述计算机程序被存储在所述计算机可读介质上。
CN202080050353.6A 2019-07-08 2020-06-18 确定包括在浓缩机中上层与下层之间的界面的界面高度的方法 Pending CN114207585A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102019118413.4 2019-07-08
DE102019118413.4A DE102019118413A1 (de) 2019-07-08 2019-07-08 Verfahren zum bestimmen einer grenzflächenhöhe einer grenzfläche zwischen einer oberen und einer unteren schicht, die in einem eindicker enthalten ist
PCT/EP2020/066934 WO2021004748A1 (en) 2019-07-08 2020-06-18 Method of determining an interface height of an interface between an upper and a lower layer comprised in a thickener

Publications (1)

Publication Number Publication Date
CN114207585A true CN114207585A (zh) 2022-03-18

Family

ID=71108623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080050353.6A Pending CN114207585A (zh) 2019-07-08 2020-06-18 确定包括在浓缩机中上层与下层之间的界面的界面高度的方法

Country Status (9)

Country Link
US (1) US20220253646A1 (zh)
EP (1) EP3997425B1 (zh)
CN (1) CN114207585A (zh)
AU (1) AU2020309708B2 (zh)
CL (1) CL2022000028A1 (zh)
DE (1) DE102019118413A1 (zh)
FI (1) FI3997425T3 (zh)
WO (1) WO2021004748A1 (zh)
ZA (1) ZA202110234B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021130639A1 (de) 2021-11-23 2023-05-25 Endress+Hauser Conducta Gmbh+Co. Kg Verfahren zum Bestimmen anwendungsspezifischer Gesamtplausibilitäten von Messwerten mindestens einer von einem Messsystem in einer spezifischen Anwendung gemessenen Messgröße
DE102023104414B3 (de) 2023-02-23 2024-06-13 Alfred-Wegener-Institut, Helmholtz-Zentrum für Polar- und Meeresforschung, Stiftung des öffentlichen Rechts Anordnung zur Sammlung von Partikeln aus dem Ablaufwasser eines Haltungstanks einer Aquakulturanlage
CN117309079B (zh) * 2023-11-28 2024-03-12 中国空气动力研究与发展中心计算空气动力研究所 基于时差法的超声飞渡时间测量方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013238427A (ja) * 2012-05-11 2013-11-28 Hitachi Ltd グリースの劣化診断装置、およびグリースのメンテナンス方法
CN103940710A (zh) * 2014-03-19 2014-07-23 中国神华能源股份有限公司 一种煤泥沉降速度测定方法
CN104176800A (zh) * 2014-08-27 2014-12-03 中国矿业大学(北京) 煤泥浓缩机絮凝沉降效果检测及絮凝剂添加控制方法
CN109357725A (zh) * 2018-12-05 2019-02-19 飞翼股份有限公司 一种泥层高度自动测量装置及测量方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL209390A0 (en) * 2010-11-17 2011-01-31 High Check Control Ltd Sensor system
EP2527802B1 (de) * 2011-05-27 2019-12-18 VEGA Grieshaber KG Vorrichtung und Verfahren zur Ermittlung von Medien- und Behältereigenschaften
CN102749121B (zh) * 2012-07-17 2014-10-22 北京矿冶研究总院 一种浓密机泥水分界面高度的在线检测方法
US10745263B2 (en) * 2015-05-28 2020-08-18 Sonicu, Llc Container fill level indication system using a machine learning algorithm
GB2560153B8 (en) * 2017-01-30 2021-01-13 Intellisense Io Ltd Mineral recovery control
CN108490154A (zh) * 2018-03-05 2018-09-04 沈阳工程学院 基于主成分分析与在线极限学习机的混合选别***的精矿品位软测量方法及***

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013238427A (ja) * 2012-05-11 2013-11-28 Hitachi Ltd グリースの劣化診断装置、およびグリースのメンテナンス方法
CN103940710A (zh) * 2014-03-19 2014-07-23 中国神华能源股份有限公司 一种煤泥沉降速度测定方法
CN104176800A (zh) * 2014-08-27 2014-12-03 中国矿业大学(北京) 煤泥浓缩机絮凝沉降效果检测及絮凝剂添加控制方法
CN109357725A (zh) * 2018-12-05 2019-02-19 飞翼股份有限公司 一种泥层高度自动测量装置及测量方法

Also Published As

Publication number Publication date
WO2021004748A1 (en) 2021-01-14
AU2020309708B2 (en) 2023-03-09
DE102019118413A1 (de) 2021-01-14
ZA202110234B (en) 2023-02-22
EP3997425B1 (en) 2023-07-26
AU2020309708A1 (en) 2022-01-20
FI3997425T3 (fi) 2023-10-18
EP3997425A1 (en) 2022-05-18
CL2022000028A1 (es) 2022-10-28
WO2021004748A9 (en) 2022-02-17
US20220253646A1 (en) 2022-08-11

Similar Documents

Publication Publication Date Title
CN114207585A (zh) 确定包括在浓缩机中上层与下层之间的界面的界面高度的方法
JP7043983B2 (ja) 汚水処理施設の水質判定装置及び水質判定方法
AU2003250981B2 (en) Method and device for determining an expectancy range for a level echo and a spurious echo
US10500528B2 (en) Clogging estimation method and filter monitoring system
EP3259415B1 (en) Pump station monitoring system and method
DE102009055262A1 (de) Verfahren zur Ermittlung und Überwachung des Füllstands eines Mediums in einem Behälter nach einem Laufzeitmessverfahren
CN102853836B (zh) 一种基于航迹质量的反馈加权融合方法
EP2148218A1 (en) Method and system for processing echo signals
US20220136877A1 (en) Flowmeter, Method for Operating a Flowmeter, System and Method for Operating a System
CN113143127B (zh) 清洁机器人控制方法、装置、清洁机器人及存储介质
RU2576423C1 (ru) Система подачи жидких химических реагентов и способ учета реагентов в такой системе
EP3916697A1 (en) Method and device for predicting the trajectory of a traffic participant, and sensor system
CN110954594A (zh) 一种用于检测污泥板结的水下机器人及检测方法
CN104200269A (zh) 一种基于在线学习最小嵌入维网络的实时故障诊断方法
JP5330604B2 (ja) 材料転送の制御方法
CN111365618B (zh) 管道监控方法、装置、存储介质及电子设备
US6203280B1 (en) Pump totalizer system
US11747187B2 (en) Method for generating a masking curve for a fill state measuring device
CN113640176B (zh) 石灰乳比重测量方法、装置、***及计算机可读存储介质
CN111077087A (zh) 用选择确定过程变量的模型的分类器确定过程变量的方法
CN1314996A (zh) 粒子计数器的估计方法和实施所说的方法的装置/
JP5183699B2 (ja) 濃度計
US20230273060A1 (en) Method for distributed determination of a fill level or limit level
KR101812882B1 (ko) 디지털 신호를 이용한 실시간 수위 계측방법 및 그 계측장치
CN118192684A (zh) 水洗塔液位的自动控制装置和自动控制方法

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