【技术实现步骤摘要】
本专利技术涉及智能化预测，尤其涉及一种智能砂磨机的设备运行故障预测系统及方法。
技术介绍
1、alc-3900l艾砂磨机是一种在液体中对固体物料连续进行分散和超细研磨的机器，适用于有色金属选矿厂(金、铜、铅、锌、钼、镍)和黑色金属选矿厂的二、三段再磨作业。在砂磨机的运行过程中，由于长时间的高强度工作和物料的磨损，设备可能会出现各种故障，例如轴承损坏、密封失效、电机过载等，这些故障不仅会导致设备停机维修，还可能造成生产线的中断和损失。
2、传统的砂磨机设备的运行故障检测系统通常只关注砂磨机的静态参数值，而忽略了参数的动态变化特征。然而，砂磨机在运行过程中，参数值会随着时间的推移而变化，这些动态特征对于故障检测和预警具有重要意义。此外，传统的故障检测系统通常基于少数几个预定义的运行参数进行阈值分析，从而进行故障检测，如主机运行频率、给料运行频率等。这种参数选择的限制可能无法全面反映设备的运行状态，导致对一些潜在故障的检测不够准确和及时。并且，传统系统中通常是将砂磨机的各个运行参数作为独立的指标进行故障检测，忽略了参数之间的相互关联性。实际上，砂磨机的各个参数之间存在着复杂的相互影响和依赖关系。例如，主机运行频率和给料运行频率可能存在一定的关联性，而仅考虑它们的单独数值可能无法准确判断设备的运行状态，导致对故障的判断不够准确或产生误报。
3、因此，期望一种优化的智能砂磨机的设备运行故障预测系统。
技术实现思路
1、本专利技术实施例提供一种智能砂磨机的设备运行故障预
2、本专利技术实施例还提供了一种智能砂磨机的设备运行故障预测方法，其包括：
3、获取待检测砂磨机在预定时间段内多个预定时间点的运行参数，其中，所述运行参数包括主机运行频率、给料运行频率、主机保护压力、机封开机压力、机封运行频率和机封筒体压差；
4、将所述多个预定时间点的运行参数按照时间维度和样本维度排列为运行参数时序输入矩阵；
5、对所述运行参数时序输入矩阵进行参数间时序关联特征分析以得到运行参数全局时序特征；
6、基于所述运行参数全局时序特征，确定是否产生故障预警提示。
7、本专利技术实施例还提供了一种智能砂磨机的设备运行故障预测系统，其包括：
8、参数获取模块，用于获取待检测砂磨机在预定时间段内多个预定时间点的运行参数，其中，所述运行参数包括主机运行频率、给料运行频率、主机保护压力、机封开机压力、机封运行频率和机封筒体压差；
9、矩阵排列模块，用于将所述多个预定时间点的运行参数按照时间维度和样本维度排列为运行参数时序输入矩阵；
10、关联特征分析模块，用于对所述运行参数时序输入矩阵进行参数间时序关联特征分析以得到运行参数全局时序特征；
11、故障预警提示生成模块，用于基于所述运行参数全局时序特征，确定是否产生故障预警提示。
本文档来自技高网...【技术保护点】
1.一种智能砂磨机的设备运行故障预测方法，其特征在于，包括：
2.根据权利要求1所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述运行参数时序输入矩阵进行参数间时序关联特征分析以得到运行参数全局时序特征，包括：
3.根据权利要求2所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述运行参数局部时序语义特征向量的序列进行一致性关联分析以得到运行参数一致性拓扑特征矩阵，包括：
4.根据权利要求3所述的智能砂磨机的设备运行故障预测方法，其特征在于，所述深度神经网络模型为卷积神经网络模型。
5.根据权利要求4所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述运行参数局部时序语义特征向量的序列和所述运行参数一致性拓扑特征矩阵进行基于图结构的关联编码以得到一致性拓扑运行参数全局时序特征矩阵作为所述运行参数全局时序特征，包括：将所述运行参数局部时序语义特征向量的序列和所述运行参数一致性拓扑特征矩阵通过图神经网络模型以得到所述一致性拓扑运行参数全局时序特征矩阵。
6.根据权利要求5所述的智能砂磨机的设备运行故障预测
7.根据权利要求6所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述一致性拓扑运行参数全局时序特征向量的各个特征值进行优化以得到优化一致性拓扑运行参数全局时序特征向量，包括：
8.根据权利要求7所述的智能砂磨机的设备运行故障预测方法，其特征在于，将所述优化一致性拓扑运行参数全局时序特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测砂磨机的运行状态是否异常，包括：
9.一种智能砂磨机的设备运行故障预测系统，其特征在于，包括：
10.根据权利要求9所述的智能砂磨机的设备运行故障预测系统，其特征在于，所述关联特征分析模块，包括：
...【技术特征摘要】
1.一种智能砂磨机的设备运行故障预测方法，其特征在于，包括：
2.根据权利要求1所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述运行参数时序输入矩阵进行参数间时序关联特征分析以得到运行参数全局时序特征，包括：
3.根据权利要求2所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述运行参数局部时序语义特征向量的序列进行一致性关联分析以得到运行参数一致性拓扑特征矩阵，包括：
4.根据权利要求3所述的智能砂磨机的设备运行故障预测方法，其特征在于，所述深度神经网络模型为卷积神经网络模型。
5.根据权利要求4所述的智能砂磨机的设备运行故障预测方法，其特征在于，对所述运行参数局部时序语义特征向量的序列和所述运行参数一致性拓扑特征矩阵进行基于图结构的关联编码以得到一致性拓扑运行参数全局时序特征矩阵作为所述运行参数全局时序特征，包括：将所述运行参数局部时序语义特征向量的序列和所...
【专利技术属性】
技术研发人员：黄宇林，许新跃，王乐，童伟，黄东福，蒋康帅，赵硕，
申请(专利权)人：浙江艾领创矿业科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。