CN212895016U - 一种基于LoRa无线测控技术的铝电解槽况诊断*** - Google Patents
一种基于LoRa无线测控技术的铝电解槽况诊断*** Download PDFInfo
- Publication number
- CN212895016U CN212895016U CN202021956486.3U CN202021956486U CN212895016U CN 212895016 U CN212895016 U CN 212895016U CN 202021956486 U CN202021956486 U CN 202021956486U CN 212895016 U CN212895016 U CN 212895016U
- Authority
- CN
- China
- Prior art keywords
- module
- event
- aluminum electrolysis
- electrolysis cell
- process parameters
- 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
Landscapes
- Electrolytic Production Of Metals (AREA)
Abstract
本实用新型涉及一种基于LoRa无线测控技术的铝电解槽况诊断***,涉及自动诊断领域,包括无线监测子***,槽控机子***,分析化验子***,运维服务器以及通信网络;所述无线监测子***在线监测铝电解槽壳工艺参数并发送给所述运维服务器;所述槽控机子***和所述分析化验子***提供所述其它铝电解槽物理类工艺参数以及化学类工艺参数并发送给所述运维服务器;所述运维服务器可将接收到的上述工艺参数进行数据存储、统计查询、智能分析、学习纠正、评估诊断和危险预警。本实用新型能够适应铝电解槽生产环境和有效提供铝电解槽况智能诊断并发出预警,具有防磁、适高温、低功耗、多参数无线监测、自学习纠错和智能诊断预警等特性。
Description
技术领域
本实用新型涉及自动诊断领域,尤其涉及一种基于LoRa无线测控技术的铝电解槽况诊断***。
背景技术
近些年,随着物联网、自动控制和人工智能等技术的进步,自动检测技术得到了快速发展,自动检测的技术提升往往伴随着工业自动化程度的提高和生产工艺的改进,对工业生产和安全有着重要影响和经济意义。
但是对于电解铝,由于生产工艺和环境的复杂性和特殊性,使得针对铝电解槽的工艺检测总体上自动化程度还不是很高,许多还处于人工方式,而基于工艺检测的槽况诊断也基本停留在人工识别的层面。
对于铝电解槽况诊断,大致可分为诊断***(硬件)和诊断方法(软件) 两个技术方面;首先,铝电解槽的诊断***大多采用有线通信和槽控机、化学分析加人工检测的传统方法,虽然也有个别针对单一参数设计专用检测设备的技术探讨,但这对于铝电解槽的整体自动检测水平的影响还不是很大。近年来,随着无线通信的发展,针对铝电解槽的无线监测已成为话题。但由于受强磁场、槽壳林立和多物理场融合的环境影响,无线监测对防磁、高传输能力和低功耗的要求很高,这就限制了它的的应用。因此,现有的铝电解槽况诊断***还很少具有无线监测功能,更难见到多参数的无线监测。事实上,对于诸如铝电解槽槽壳温度和阴极电流等重要测试,目前还基本处于人工巡检的传统方式。
另外,这些技术的有线布网对于铝电解槽环境既不适合也不允许;其次对于诊断方法,目前的技术大多限于对传统的数据处理方法的简单利用,比如核主元分析、特征子空间矩阵分析和最大简约法等。可实际上,由于受人工检测、重大工艺变化和槽况不同等诸多因素的影响,工艺参数及之后的诊断结果都会具有不确定性和误差,但是现有的技术大都不具备校验和纠错功能。
基于上述原因,我们提出了一种基于LoRa无线测控技术的铝电解槽况诊断***及方法,该***在延用传统槽控机、人工检测和分析化验获取工艺参数的基础上还提供基于低功耗LoRa的多参数无线监测和在采用关系数据库和快速原型法得到专家诊断的架构下还提供基于事件跟踪的自学习纠错功能,以及提供铁质外壳防磁和柔性夹具无损安装等环境匹配技术,因此能够适应铝电解槽生产环境和有效提供铝电解槽况智能诊断并发出预警,具有防磁、适高温、低功耗、多参数无线监测、自学习纠错和智能诊断预警等特性。但是目前这种技术尚未出现。
实用新型内容
本实用新型的目的是提供一种基于LoRa无线测控技术的铝电解槽况诊断***,其能够适应铝电解槽生产环境和有效提供铝电解槽况智能诊断并发出预警,具有防磁、适高温、低功耗、多参数无线监测、自学习纠错和智能诊断预警等特性。。
为实现上述目的,本实用新型提供如下技术方案:
一种基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,包括无线监测子***,槽控机子***,分析化验子***,运维服务器以及通信网络;其中,所述无线监测子***用于在线监测铝电解槽槽壳工艺参数并通过所述通信网络发送给所述运维服务器;所述槽控机子***用于提供除所述铝电解槽槽壳工艺参数之外的其它铝电解槽物理类工艺参数并通过所述通信网络发送给所述运维服务器;所述分析化验子***用于提供铝电解槽化学类工艺参数并通过所述通信网络发送给所述运维服务器;所述运维服务器可将接收到的上述工艺参数进行数据存储、统计查询、智能分析、学习纠正、评估诊断和危险预警。
优选地,所述铝电解槽槽壳工艺参数包括所述铝电解槽侧壁温度、阴极钢棒温度、铝电解槽槽壳底部温度和阴极电流分布情况中的至少一种。
优选地,所述无线监测子***包括至少一个测试组,所述测试组包括至少一个采集终端和集控主机,所述采集终端定时采集所述铝电解槽槽壳工艺参数并通过LoRa无线通信发送给所述集控主机。
进一步优选地,所述采集终端包括第一MCU模块、第一供电模块、第一LoRa 模块、传感模块;其中,所述第一MCU模块获取所述传感模块采集的所述铝电解槽槽壳工艺参数,并通过所述第一LoRa模块发送给所述集控主机,所述第一供电模块用于给所述第一MCU模块、传感模块以及所述第一LoRa模块供电。
进一步优选地,所述传感模块为温度传感器、霍尔电流传感器中的一种。
进一步优选地,所述温度传感器用于采集所述铝电解槽侧壁温度、阴极钢棒温度和/或槽壳底部温度。
进一步优选地,所述霍尔电流传感器安装于所述铝电解槽的阴极母线的根部。
进一步优选地,所述集控主机包括第二MCU模块、第二供电模块、第二LoRa 模块;其中,所述第二MCU模块通过所述第二LoRa模块接收所述采集终端发送的所述铝电解槽槽壳的工艺参数,进行处理后通过所述通信网络发送给所述运维服务器。
优选地,所述运维服务器包括异常检测模块、破损分析模块、漏槽分析模块、事件记录模块和自学习模块;其中:所述异常检测模块用于依据预设的规则库中的规则对参数库中的工艺参数进行异常检测,并将检查结果生成第一报警信息存于第一报警库;所述破损分析模块用于构建工艺参数的关联性变化趋势曲线和通过所述曲线分析槽破损状况,并将所述曲线和分析结果作为第一结果存于第一结果库;所述漏槽分析模块用于依据所述第一结果进行铝电解槽炉膛变化模拟与回演,并将所得的结果作为第二结果存于第二结果库,依据所述第二结果评估漏槽危险的级别并将评估结果作为第二报警信息存于第二报警库;所述事件记录模块用于将每一次诊断作为预测事件以数据的形式存入预测事件库、将与所述预测事件对应的实情核查作为实际事件以数据的形式存入实际事件库、将所述实际事件对所述预测事件的核实修正作为历史事件以数据的形式存入历史事件库;所述自学习模块用于依据实际事件进行铝电解槽况模拟与回演并将所得的结果作为第三结果存于第三结果库,依据所述第三结果对与所述实际事件对应的预测事件的工艺参数、第一报警信息和第二报警信息进行准确性分析并给出第一修正方案和将所述第一修正方案存入第一方案库,依据所述实际事件、预测事件和第一修正方案和历史事件库中的历史事件对规则库中的规则进行综合分析并给出第二修正方案和将所述第二修正方案存入第二方案库。
进一步优选地,所述预测事件的数据内容包括诊断号、发生时间、工艺参数、第一报警信息和第二报警信息;所述实际事件的数据内容包括诊断号、发生时间、实查工艺参数、实查异常状态和实查漏槽危险级别;所述历史事件的数据内容包括所述预测事件和实际事件的数据内容、第一修正方案和第二修正方案;所述诊断号用于对应所述预测事件、实际事件和历史事件的关联。
优选地,还包括至少1个客户端和运行于所述客户端的用户APP,`所述客户端为计算机和物理连接所述通信网络,所述用户APP用于提供用户管理和界面。
与现有技术相比,本实用新型的有益效果在于,本实用新型可无线监测多个工艺参数和智能检测参数异常、分析槽破损状况和评估漏槽危险级别并发出异常报警和分期预警,这在延用传统槽控机、人工检测和分析化验获取工艺参数的基础上还提供基于低功耗LoRa的多参数无线监测和在采用关系数据库和快速原型法得到专家诊断的架构下还提供基于事件跟踪的自学习纠错功能,以及提供铁质外壳防磁和柔性夹具无损安装等环境匹配技术。因此,本实用新型能够适应铝电解槽生产环境和有效提供铝电解槽况智能诊断并发出预警,具有防磁、适高温、低功耗、多参数无线监测、自学习纠错和智能诊断预警等特性。
附图说明
图1是本实用新型公开实施例的基于LoRa无线测控技术的铝电解槽况诊断***的示意框图。
图2是本实用新型公开一种实施例的基于LoRa无线测控技术的铝电解槽况诊断***中的采集终端的示意框图。
图3是本实用新型公开一种实施例的基于LoRa无线测控技术的铝电解槽况诊断***中的集控主机的示意框图。
图4是本实用新型公开一种实施例的基于LoRa无线测控技术的铝电解槽况诊断***中的运维软件的示意框图。
图5是本实用新型公开一种实施例的基于LoRa无线测控技术的铝电解槽况诊断方法的流程图。
图6是本实用新型公开又一实施例的基于LoRa无线测控技术的铝电解槽况诊断方法的流程图。
其中,1-无线监测子***;11-测试组;111-采集终端;1111-第一MCU模块;1112-第一供电模块;1113-第一LoRa模块;1114-传感模块;1115-第一防护外壳;1116-安装件;112-集控主机;1121-第二MCU模块;1122-第二供电模块;1123-第二LoRa模块;1124-上位通信模块;1125-第二防护外壳;2-槽控机子***;21-槽控机;3-分析化验子***;31-分析化验装置;4-运维服务器; 5-通信网络;6-运维软件;61-异常检测机;62-破损分析模块;63-漏槽分析模块;64-事件记录模块;65-自学习模块;7-客户端;8-用户APP。
具体实施方式
以下结合附图对本实用新型公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本实用新型公开,并不用于限制本实用新型公开。
在详细描述本实用新型公开的实施例之前,首先对本实用新型公开中使用的一些术语进行定义或解释。需要说明的是,这些术语的使用仅仅是为了描述和理解的方便,并不意欲构成对本实用新型公开的限制。
无线测控是指通过无线网络将现场监测数据实时传输至远程测控中心以实现对工作过程全面监控的一种测控技术。
铝电解槽况是对铝电解槽的自身状况、电解能力和运行状态的综合表述,其中包括槽破损程度、漏槽危险性和热平衡性等。
铝电解槽槽壳(即阴极钢壳)是指内衬砌体外部的钢壳和加固结构,通常也用于泛指铝电解槽的外表面结构,其中包括侧壁、壳底、壳顶和阴极钢棒等。
另外,本实用新型公开实施例中使用的术语,例如“诊断***”、“诊断方法”、“工艺参数”、“无线监测子***”、“测试组”、“槽控机子***”、“槽控机”、“分析化验子***”、“分析化验装置”、“运维服务器”、“通信网络”、“运维软件”、“客户端”、“用户APP”、“采集终端”、“集控主机”、“MCU模块”、“供电模块”、“LoRa模块”、“传感模块”、“防护外壳”、“安装件”、“上位通信模块”、“内件”、“外件”、“铁质外壳”、“夹具”、“无损安装”、“异常检测机”、“异常检测”、“破损分析模块”、“槽破损”、“漏槽分析模块”、“漏槽”、“事件记录模块”、“事件跟踪”、“自学习”、“自学习模块”、“规则”、“关联性变化趋势曲线”、“炉膛”、“回演”、“预测事件”、“实际事件”和“历史事件”等,这些术语的使用仅仅是为了描述的方便,并不构成对本实用新型公开的限制。
根据本实用新型公开的一种实施例,如图1所示,一种基于LoRa无线测控技术的铝电解槽况诊断***,包括无线监测子***1、槽控机子***2、分析化验子***3、运维服务器4、以及通信网络5;
其中,所述无线监测子***1用于在线监测铝电解槽槽壳工艺参数并通过所述通信网络5发送给所述运维服务器4;所述槽控机子***2包括铝电解槽配置的槽控机21,用于提供除所述槽壳工艺参数之外的其它所述铝电解槽物理类工艺参数并通过所述通信网络5发送给所述运维服务器4;所述分析化验子*** 3包括铝电解槽配置的分析化验装置31,用于提供所述铝电解槽化学类工艺参数并通过所述通信网络5发送给所述运维服务器4;所述运维服务器4可将接收到的上述工艺参数进行数据存储、统计查询、智能分析、学习纠正、评估诊断和危险预警。
本实施例中,所述铝电解槽槽壳工艺参数包括所述铝电解槽侧壁温度、阴极钢棒温度、所述铝电解槽槽壳底部温度和阴极电流分布情况中的至少一种。
本实施例中的物理类工艺参数包括阳极压降、阴极压降、阳极电流分布、阴极电流分布、极距、电解质水平、铝水平、伸腿长度、电解质温度、侧壁温度、阴极钢棒温度、槽壳底部温度、模拟功耗、过欠比、过量加料次数、欠量加料次数、正常加料次数、周期变化率、氟盐加料量、出铝量、氧化铝单耗、模拟加料量、槽电阻、高低频噪声、电压离散度、高低频噪声离散度、槽压控制偏差、异常时间等。
本实施例中的化学类工艺参数包括铝Si含量、原铝Fe含量、电解质氧化铝浓度、分子比等相关参数。
本实施例中的槽控机子***2和分析化验子***3均为现有技术,其中多为自动和人工并存的工作方式。优选地,所述槽控机子***2通过所述槽控机21 自动检测并输出和人工检测并登录的方式向所述运维服务器4提供工艺参数,所述分析化验子***3通过所述分析化验装置31检验并自动输出和检验并人工登录的方式向所述运维服务器4提供工艺参数。
具体地,所述无线监测子***1包括至少1个测试组11,所述测试组11包括至少1个采集终端111和集控主机112,所述采集终端111定时采集所述铝电解槽槽壳工艺参数并通过LoRa无线通信发送给所述集控主机112。
本实施例中,无线监测子***1由多个测试组11组合而成,每个测试组11 构成一个LoRa无线网并由1个集控主机112和多个采集终端111组成。其中,采集终端111为采集器和发送端,集控主机112为接收端和LoRa网关。
另外,本实施例采用模块化结构设计,使得采集数据不受通信限制,因此可支持多种工艺参数采集。
如图2所示,所述采集终端111包括第一MCU模块1111、第一供电模块1112、第一LoRa模块1113、传感模块1114;其中,所述第一MCU模块1111获取所述传感模块1114采集的所述铝电解槽槽壳工艺参数,并通过所述第一LoRa模块 1113发送给所述集控主机112,所述第一供电模块1112用于给所述第一MCU模块1111、传感模块1114以及所述第一LoRa模块1113供电。
所述传感模块1114可以是温度传感器、霍尔电流传感器的一种,所述温度传感器用于采集所述铝电解槽侧壁温度、阴极钢棒温度和/或槽壳底部温度;所述霍尔电流传感器安装于阴极母线的根部,用于采集所述阴极的电流分布情况;所述的传感模块1114还可以是红外温度传感器、热电偶温度传感器和铂电阻温度传感器的任意一种,所述红外温度传感器非接触式安装于距离被测点一定距离的所述铝电解槽侧壁位置上;所述热电偶温度传感器和铂电阻温度传感器接触式安装于被测点。
另外,本实施例中的采集终端111还包括第一防护外壳1115,所述第一MCU 模块1111、第一供电模块1112、第一LoRa模块1113、传感模块1114集成安装于所述第一防护外壳1115内,本实施例中的第一防护外壳1115采用铁质外壳,具有防磁和防尘的作用。
本实施例中的采集终端111用于在线监测铝电解槽槽壳工艺参数的现场终端设备,它提供低功耗LoRa通信、电池供电和实时数据采集等功能,另外还具备防磁和无损安装等环境匹配技术。
如图3所示,所述集控主机112包括第二MCU模块1121、第二供电模块1122、第二LoRa模块1123、上位通信模块1124;其中,所述第二MCU模块1121通过所述第二LoRa模块1123接收所述采集终端111发送的所述铝电解槽槽壳的工艺参数,进行处理后经过上位通信模块1124且通过所述通信网络5发送给所述运维服务器4。
本实施的集控主机112还包括第二防护外壳1125,所述第二MCU模块1121、第二供电模块1122、第二LoRa模块1123、上位通信模块1124集成安装于所述第二防护外壳1125内。所述第二供电模块1122用于给所述第二MCU模块1121、上位通信模块1124以及所述第二LoRa模块1123供电。
通过采用以上技术方案,能够将根据本实用新型公开实施例的诊断***用于对铝电解槽工艺参数的有效检测,并为铝电解槽况的智能诊断提供原始数据。
通信网络5主要基于已有的企业局域网,也可采用RS485总线或DTU或其它方式。优选地,所述通信网络5的通信方式包括以太网、WiFi、RS485总线和 DTU中的任意一种。
如图4所示,所述运维服务器4上安装有运维软件6,所述运维软件6提供基于工艺参数的数据存储、统计查询、智能分析、学习纠正、评估诊断和危险预警等***功能。
具体地,所述运维软件6包括异常检测模块61、破损分析模块62、漏槽分析模块63、事件记录模块64和自学习模块65,其中:
所述异常检测模块61用于依据预设的规则库中的规则对参数库中的工艺参数进行异常检测并将检查结果生成第一报警信息存于第一报警库;
所述破损分析模块62用于构建工艺参数的关联性变化趋势曲线并通过所述曲线分析槽破损状况将所述曲线和分析结果作为第一结果存于第一结果库;
所述漏槽分析模块63用于依据所述第一结果进行铝电解槽炉膛变化模拟与回演,并将所得的结果作为第二结果存于第二结果库,依据所述第二结果评估漏槽危险的级别并将评估结果作为第二报警信息存于第二报警库;
所述事件记录模块64用于将每一次诊断作为预测事件以数据的形式存入预测事件库、将与所述预测事件对应的实情核查作为实际事件以数据的形式存入实际事件库、将所述实际事件对所述预测事件的核实修正作为历史事件以数据的形式存入历史事件库;
所述自学习模块65用于依据实际事件进行铝电解槽况模拟与回演并将所得的结果作为第三结果存于第三结果库,依据所述第三结果对与所述实际事件对应的预测事件的工艺参数、第一报警信息和第二报警信息进行准确性分析并给出第一修正方案且将所述第一修正方案存入第一方案库,依据所述实际事件、预测事件和第一修正方案和历史事件库中的历史事件对规则库中的规则进行综合分析并给出第二修正方案且将所述第二修正方案存入第二方案库。
其中,异常检测模块61、破损分析模块62和漏槽分析模块63分别提供工艺参数异常检测、槽破损分析和漏槽危险评估三个方面的铝电解槽况诊断;事件记录模块64和自学习模块65用以实现基于事件跟踪的自学习功能,该自学习功能可智能分析工艺参数、预警信息的准确性和提出修正方案,同时还能对检验工艺参数的规则作出准确性评估并提出修正方案。
通过采用上述技术方案,能够将本实用新型公开的实施例通过运维软件6 对铝电解槽况进行智能诊断。
需要说明的是,运维软件6针对每一次诊断构建一组关联的事件记录,其中包括预测事件、实际事件和历史事件,这使得软件可以方便地跟踪和追溯每次诊断的前因后果,并提供自学习和纠正功能。
优选地,所述预测事件的数据内容包括诊断号、发生时间、工艺参数、第一报警信息和第二报警信息,所述实际事件的数据内容包括诊断号、发生时间、实查工艺参数、实查异常状态和实查漏槽危险级别,所述历史事件的数据内容包括所述预测事件和实际事件的数据内容、第一修正方案和第二修正方案,所述诊断号用于对应所述预测事件、实际事件和历史事件的关联。
本实施例中,所述运维软件6的架构采用基于关系数据库的快速原型法,属于现有技术,本实施例不做详细描述。
本实施例还包括至少1个客户端7和运行于所述客户端7的用户APP8,所述客户端7为计算机,物理连接所述通信网络5,所述用户APP 8用于向所述运维软件6提供所述用户管理和界面,用户可通过该用户APP8登录所述运维软件 6,并输入人工检测的物理类和/或化学类工艺参数。
根据本实用新型公开的又一实施例,提供一种基于LoRa无线测控技术的铝电解槽况诊断方法,如图5所示,该方法应用于上面描述的基于LoRa无线测控技术的铝电解槽况诊断***,该方法可以包括以下步骤:
步骤S501,由所述无线监测子***1、槽控机子***2和分析化验子***3 完成铝电解槽工艺参数测试并将所测工艺参数通过所述通信网络5传送至所述运维服务器4的由所述运维软件6创建的参数库;
步骤S502,由所述异常检测模块61依据预设的规则库中的规则对所述参数库中的工艺参数进行异常检测并将检查结果生成第一报警信息存于第一报警库;
步骤S503,由所述破损分析模块62构建工艺参数的关联性变化趋势曲线,通过所述曲线分析槽破损状况将所述曲线和分析结果作为第一结果存于第一结果库;
步骤S504,由所述漏槽分析模块63依据所述第一结果进行铝电解槽炉膛变化模拟与回演并将所得的结果作为第二结果存于第二结果库,依据所述第二结果评估漏槽危险的级别并将评估结果作为第二报警信息存于第二报警库;
步骤S505,由所述事件记录模块64生成新的预测事件并以数据的形式存入预测事件库。
通过采用上述技术方案,能够通过异常检测模块61检测得到工艺参数的异常并发出报警,通过破损分析模块62分析得到槽破损状况,以及通过漏槽分析模块63评估得到漏槽危险级别并发出预警。
在一种可能的实施方式中,如图6所示,根据该实施例的方法还可以包括以下步骤:
步骤S601,由所述事件记录模块64依据最近的一次实情核查生成实际事件并以数据的形式存入实际事件库;
步骤S602,由所述自学习模块65依据所述实际事件进行铝电解槽况模拟与回演并将所得的结果作为第三结果存于第三结果库;
步骤S603,由所述自学习模块65依据所述第三结果对与所述实际事件对应的预测事件的工艺参数、第一报警信息和第二报警信息进行准确性分析并给出第一修正方案和将所述第一修正方案存入第一方案库;
步骤S604,由所述自学习模块65依据所述实际事件、预测事件和第一修正方案和历史事件库中的历史事件对规则库中的规则进行综合分析并给出第二修正方案和将所述第二修正方案存入第二方案库;
步骤S605,由所述事件记录模块64生成与所述实际事件对应的历史事件并以数据的形式存入历史事件库。
通过步骤S601至S605,能够依赖事件记录模块64对关联事件的记录与跟踪,并结合统计和模拟等分析方法,通过自学习模块65实现***对工艺参数、预警信息和规则的准确性分析与评估并提出相应的修正方案。
需要说明的是,上述自学习功能能够有效克服因受人工作业、工艺变故和槽况不同等因素的影响导致的工艺参数和诊断结果的不确定性和误差,为整个槽况诊断提供自适应和纠错功能,这也是所述诊断***的又一主要技术创新。
通过采用以上技术方案,能够将根据本实用新型公开实施例的诊断***用作一种铝电解槽况诊断***,并可无线监测多个工艺参数和智能检测参数异常、分析槽破损状况和评估漏槽危险级别并发出异常报警和分期预警,这是因为该***在延用传统槽控机、人工检测和分析化验获取工艺参数的基础上还提供基于低功耗LoRa的多参数无线监测和在采用关系数据库和快速原型法得到专家诊断的架构下还提供基于事件跟踪的自学习纠错功能,以及提供铁质外壳防磁、非接触式红外测温和柔性夹具无损安装等环境匹配技术。因此,根据本实用新型公开实施例的诊断***及方法能够适应铝电解槽生产环境和有效提供铝电解槽况智能诊断并发出预警,具有防磁、适高温、低功耗、多参数无线监测、自学习纠错和智能诊断预警等特性。
另外,需要说明的是,以上技术方案涉及的方法描述,对于本领域技术人员不难理解。
另外,还需要说明的是,本实用新型公开涉及的范围并不包含软件算法,以上所有的有关软件实施的解释仅仅是为了说明和理解本实用新型公开,并不用于限制本实用新型公开。
以上结合附图详细描述了本实用新型公开的优选实施方式,但是,本实用新型公开并不限于上述实施方式中的具体细节,在本实用新型公开的技术构思范围内,可以对本实用新型公开的技术方案进行多种简单变型,这些简单变型均属于本实用新型公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本实用新型公开对各种可能的组合方式不再另行说明。
此外,本实用新型公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本实用新型公开的思想,其同样应当视为本实用新型公开所公开的内容。
Claims (11)
1.一种基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,包括无线监测子***(1),槽控机子***(2),分析化验子***(3),运维服务器(4)以及通信网络(5);
其中,所述无线监测子***(1)用于在线监测铝电解槽槽壳工艺参数并通过所述通信网络(5)发送给所述运维服务器(4);
所述槽控机子***(2)用于提供除所述铝电解槽槽壳工艺参数之外的其它铝电解槽物理类工艺参数并通过所述通信网络(5)发送给所述运维服务器(4);
所述分析化验子***(3)用于提供铝电解槽化学类工艺参数并通过所述通信网络(5)发送给所述运维服务器(4);
所述运维服务器(4)可将接收到的上述工艺参数进行数据存储、统计查询、智能分析、学习纠正、评估诊断和危险预警。
2.根据权利要求1所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述铝电解槽槽壳工艺参数包括所述铝电解槽侧壁温度、阴极钢棒温度、所述铝电解槽槽壳底部温度和阴极电流分布情况中的至少一种。
3.根据权利要求1所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述无线监测子***(1)包括至少一个测试组(11),所述测试组(11)包括至少一个采集终端(111)和集控主机(112),所述采集终端(111)定时采集所述铝电解槽槽壳工艺参数并通过LoRa无线通信发送给所述集控主机(112)。
4.根据权利要求3所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述采集终端(111)包括第一MCU模块(1111)、第一供电模块(1112)、第一LoRa模块(1113)、传感模块(1114);
其中,所述第一MCU模块(1111)获取所述传感模块(1114)采集的所述铝电解槽槽壳工艺参数,并通过所述第一LoRa模块(1113)发送给所述集控主机(112),所述第一供电模块(1112)用于给所述第一MCU模块(1111)、传感模块(1114)以及所述第一LoRa模块(1113)供电。
5.根据权利要求4所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述传感模块(1114)为温度传感器、霍尔电流传感器中的一种。
6.根据权利要求5所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述温度传感器用于采集所述铝电解槽侧壁温度、阴极钢棒温度和/或槽壳底部温度。
7.根据权利要求5所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述霍尔电流传感器安装于所述铝电解槽的阴极母线的根部。
8.根据权利要求3所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述集控主机(112)包括第二MCU模块(1121)、第二供电模块(1122)、第二LoRa模块(1123);
其中,所述第二MCU模块(1121)通过所述第二LoRa模块(1123)接收所述采集终端(111)发送的所述铝电解槽槽壳的工艺参数,进行处理后通过所述通信网络(5)发送给所述运维服务器(4)。
9.根据权利要求1所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述运维服务器(4)包括异常检测模块(61)、破损分析模块(62)、漏槽分析模块(63)、事件记录模块(64)和自学习模块(65);
其中:所述异常检测模块(61)用于依据预设的规则库中的规则对参数库中的工艺参数进行异常检测,并将检查结果生成第一报警信息存于第一报警库;
所述破损分析模块(62)用于构建工艺参数的关联性变化趋势曲线和通过所述曲线分析槽破损状况,并将所述曲线和分析结果作为第一结果存于第一结果库;
所述漏槽分析模块(63)用于依据所述第一结果进行铝电解槽炉膛变化模拟与回演并将所得的结果作为第二结果存于第二结果库,依据所述第二结果评估漏槽危险的级别并将评估结果作为第二报警信息存于第二报警库;
所述事件记录模块(64)用于将每一次诊断作为预测事件以数据的形式存入预测事件库、将与所述预测事件对应的实情核查作为实际事件以数据的形式存入实际事件库、将所述实际事件对所述预测事件的核实修正作为历史事件以数据的形式存入历史事件库;
所述自学习模块(65)用于依据实际事件进行铝电解槽况模拟与回演并将所得的结果作为第三结果存于第三结果库,依据所述第三结果对与所述实际事件对应的预测事件的工艺参数、第一报警信息和第二报警信息进行准确性分析并给出第一修正方案和将所述第一修正方案存入第一方案库,依据所述实际事件、预测事件和第一修正方案和历史事件库中的历史事件对规则库中的规则进行综合分析并给出第二修正方案且将所述第二修正方案存入第二方案库。
10.根据权利要求9所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,所述预测事件的数据内容包括诊断号、发生时间、工艺参数、第一报警信息和第二报警信息;所述实际事件的数据内容包括诊断号、发生时间、实查工艺参数、实查异常状态和实查漏槽危险级别;所述历史事件的数据内容包括所述预测事件和实际事件的数据内容、第一修正方案和第二修正方案;所述诊断号用于对应所述预测事件、实际事件和历史事件的关联。
11.根据权利要求1所述的基于LoRa无线测控技术的铝电解槽况诊断***,其特征在于,还包括至少1个客户端(7)和运行于所述客户端(7)的用户APP(8),所述客户端(7)为计算机和物理连接所述通信网络(5),所述用户APP(8)用于提供用户管理和界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021956486.3U CN212895016U (zh) | 2020-09-09 | 2020-09-09 | 一种基于LoRa无线测控技术的铝电解槽况诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021956486.3U CN212895016U (zh) | 2020-09-09 | 2020-09-09 | 一种基于LoRa无线测控技术的铝电解槽况诊断*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212895016U true CN212895016U (zh) | 2021-04-06 |
Family
ID=75256154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202021956486.3U Active CN212895016U (zh) | 2020-09-09 | 2020-09-09 | 一种基于LoRa无线测控技术的铝电解槽况诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212895016U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421413A (zh) * | 2021-06-21 | 2021-09-21 | 西安西翰电力科技有限公司 | 一种电解槽漏炉智能预警监测方法及*** |
CN114913675A (zh) * | 2022-05-13 | 2022-08-16 | 邹平县宏正新材料科技有限公司 | 一种铝电解生产实时监控*** |
CN115323440A (zh) * | 2022-09-30 | 2022-11-11 | 湖南力得尔智能科技股份有限公司 | 基于ai神经网络深度自学习的铝电解全息化闭环控制*** |
-
2020
- 2020-09-09 CN CN202021956486.3U patent/CN212895016U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421413A (zh) * | 2021-06-21 | 2021-09-21 | 西安西翰电力科技有限公司 | 一种电解槽漏炉智能预警监测方法及*** |
CN114913675A (zh) * | 2022-05-13 | 2022-08-16 | 邹平县宏正新材料科技有限公司 | 一种铝电解生产实时监控*** |
CN115323440A (zh) * | 2022-09-30 | 2022-11-11 | 湖南力得尔智能科技股份有限公司 | 基于ai神经网络深度自学习的铝电解全息化闭环控制*** |
CN115323440B (zh) * | 2022-09-30 | 2023-04-07 | 湖南力得尔智能科技股份有限公司 | 基于ai神经网络深度自学习的铝电解全息化闭环控制*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断*** | |
CN114640173B (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN117060594B (zh) | 一种基于物联网的配电运行监测*** | |
CN112698261A (zh) | 一种智能电能表故障预警方法及装置 | |
CN109298379B (zh) | 一种基于数据监测的智能电表现场误差异常的识别方法 | |
CN109724646A (zh) | 一种配电网开关柜电缆接头监控方法、服务器及*** | |
CN116455085B (zh) | 一种电池储能电站智能监控*** | |
CN111308355A (zh) | 基于深度学习的变电站蓄电池状态检测分析方法 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及*** | |
CN113708493A (zh) | 基于云边协同的配电终端运维方法、装置和计算机设备 | |
CN113177646B (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及*** | |
CN116345700B (zh) | 一种用于储能电站的能耗监测方法及监测*** | |
CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与*** | |
CN117082105A (zh) | 一种绿色智慧医院设施监控***及方法 | |
CN117764422B (zh) | 智慧节能运维管理云平台 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 | |
CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
CN112580858A (zh) | 设备参数预测分析方法及*** | |
CN114232032A (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断***及方法 | |
CN214122337U (zh) | 能源介质计量偏差预警*** | |
CN115936663A (zh) | 一种电力***的维护方法及装置 | |
TW201730831A (zh) | 偵錯系統、偵錯方法以及電力管理系統 | |
CN117272844B (zh) | 配电盘工作寿命的预测方法及*** | |
CN117375147B (zh) | 一种储能电站的安全监测预警与运行管理方法及*** | |
CN117370115B (zh) | 一种idc机房运营监测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |