【技术实现步骤摘要】
本专利技术涉及煤化工，尤其涉及一种变压吸附装置监控方法、系统、设备及介质。
技术介绍
1、变压吸附装置是一种广泛应用于化工、石油、天然气等领域的重要设备，其吸附性能的稳定性和健康状况对生产过程的稳定性和安全性具有重要影响。目前国内变压吸附装置的主要失效模式表现为保温层下腐蚀和由于机械疲劳造成的疲劳裂纹两种失效模式。由于变压吸附装置位于生产工艺的上游，如果某一设备失效导致气体泄漏，遇到明火很容易发生特种设备安全事故，其后果及损失不可估量，同时会造成上游原料气体供应不足，将导致整条生产链减产或者停车，其所带来的间接经济损失也在三千万以上，直接经济损失在400-1000万不等(主要是催化剂的更换及设备维修方面)，不利于社会安全及人民生命财产安全，无形中增加了企业的直接成本。而传统变压吸附装置的监控方法往往依赖于人工巡检和定期维护，存在响应速度慢、预测精度低等问题。
2、数字孪生技术(digital twins，dt)最早在2002年由michael-grieves教授在美国密歇根大学的产品全生命周期管理(product life cycle management，plm)课程上提出。2016年，美国安世公司(ansys)与通用电气公司进行技术合作，拓展并整合双方的工程模拟与嵌入式软件开发平台，为大范围的行业数字孪生解决方案提供动力。国内数字孪生技术发展起步较晚，分析数字孪生技术产生背景及内涵，提出了数字孪生技术的概念和数字孪生技术产品的体系结构，研究了数字孪生技术在产品设计、生产、维护阶段的应用，并分析了未来数字孪生技术在
3、综上所述，亟需提供一种开展数字孪生在煤化工生产过程的应用方案，以改善上述问题。
技术实现思路
1、本专利技术的目的在于提供一种变压吸附装置监控方法、系统、设备及介质，用以改善传统缺陷检测方案过于依赖于人工巡检和定期维护，存在响应速度慢、预测精度低等问题。
2、第一方面，本专利技术实施例提供一种变压吸附装置的缺陷检测方法，包括：
3、基于变压吸附装置的三维模型、变压吸附装置的机理模型及变压吸附装置的运行参数，构建所述变压吸附装置的数字孪生模型；
4、基于正负压力循环作用下变压吸附装置局部缺陷形成机理、条件和各项指标的检测结果，结合所述数字孪生模型，构建所述变压吸附装置的缺陷预测评估系统；
5、基于所述变压吸附装置的缺陷预测评估系统，进行神经网络模型训练，得到所述变压吸附装置的缺陷预测评估模型；
6、基于所述变压吸附装置的缺陷预测评估模型，对所述变压吸附装置的运行状态进行实时评估，并在所述数字孪生模型中三维显示评估结果。
7、在一种可能的实施方案中，对所述变压吸附装置的运行状态进行实时评估，包括：
8、利用plc机器人传感与控制系统，通过通心协议实现所述缺陷预测评估系统与所述变压吸附装置进行通讯，获取所述变压吸附装置的实时运行数据和实时无损检测结果；
9、将所述变压吸附装置的实时运行数据和实时无损检测结果，输入所述缺陷预测评估模型，对所述变压吸附装置的运行状态进行实时评估。
10、在另一种可能的实施方案中，所述各项指标的检测结果的来源，包括：
11、通过壁厚测定、磁粉检测、超声检测等无损检测方法，获得所述变压吸附装置服役过程中的裂纹缺陷、应力缺陷、鼓包缺陷在三维空间的数据集；
12、基于所述数据集，确定在服役过程中的壁厚减薄、应力集中、裂纹分布、局部飞温缺陷的位置分布，建立包括各项指标的检测结果的服役设备失效分布数据库。
13、在其他可能的实施方案中，所述基于变压吸附装置的三维模型、变压吸附装置的机理模型及变压吸附装置的运行参数，构建所述变压吸附装置的数字孪生模型，包括：
14、将机理模型的计算过程和逻辑，嵌入到三维模型的相应组件或对象中，并在三维模型的运行过程中调用机理模型进行实时计算和模拟；
15、将机理模型的计算结果映射至三维模型对应位置，并与所述变压吸附装置运行时的运行状态数据相互比对，以耦合多物理场多维度数据与规律，实现变压吸附装置系统物理实体与虚拟实体实时共生，得到所述数字孪生模型。
16、在一种可能的实施方案中，基于所述变压吸附装置的缺陷预测评估系统，进行神经网络模型训练，得到所述变压吸附装置的缺陷预测评估模型，包括：
17、对所述变压吸附装置的运行参数、各项指标的检测结果进行清洗和预处理，去除噪声和异常值，对缺陷数据进行标注，得到训练数据集；
18、利用所述训练数据集对神经网络进行训练，通过反向传播算法不断调整网络权重和偏置以最小化预测误差，采用正则化防止模型过拟合，得到所述变压吸附装置的缺陷预测评估模型。
19、在一种可能的实施方案中，将所述变压吸附装置的实时运行数据和实时无损检测结果，输入所述缺陷预测评估模型，对所述变压吸附装置的运行状态进行实时评估，包括：
20、采集所述变压吸附装置的实时运行参数和实时无损检测结果；
21、计算所述实时运行参数和实时无损检测结果对应的时域特征和频域特征，以构成多个初始样本向量；
22、利用主成分分析法对所述初始样本向量进行降维得到主要特征成分，获取主要特征成分对应的目标样本向量，以构成缺陷分析样本库；
23、将所述缺陷分析样本库中的目标样本向量输入至所述缺陷预测评估模型；利用所述缺陷预测评估模型进行实时评估，得到缺陷评估结果。
24、在一种可能的实施方案中，利用主成分分析法对所述初始样本向量进行降维得到主要特征成分，获取主要特征成分对应的目标样本向量，以构成缺陷分析样本库，包括：
25、将所述初始样本向量拼接成样本特征矩阵，并对样本特征矩阵进行标准化；
26、利用主成分分析法对标准化后的样本特征矩阵进行分析得到特征值，从多个特征值中选取主要特征成分，并为其匹配对应的特征向量作为目标样本向量，并构成缺陷分析样本库。
27、第二方面，本专利技术实施例还提供一种变压吸附装置的缺陷检测装置，包括：物理层、数据层、模型层、应用层，其中：
28、物理层包括变压吸附装置、数据采集端、多数据集成传感系统、通信接口；
29、数据层，用于采集变压吸附装置的运行数据和各项指标的检测结果；
30、模型层用于基于变压吸附装置的三维模型、变压吸附装置的机理模型及变压吸附装置的运行参数，构建所述变压吸附装置的数字孪生模型；基于正负压力循环作用下变压吸附装置局部缺陷形成机理、条件和各项指标的检测结果，结合所述数字孪生模型，构建所述变压本文档来自技高网...
【技术保护点】
1.一种变压吸附装置监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述变压吸附装置的运行状态进行实时评估，包括：
3.根据权利要求1所述的方法，其特征在于，所述各项指标检测结果的来源，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于变压吸附装置的三维模型、变压吸附装置的机理模型及变压吸附装置的运行参数，构建所述变压吸附装置的数字孪生模型，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，基于所述变压吸附装置的缺陷预测评估系统，进行神经网络模型训练，得到所述变压吸附装置的缺陷预测评估模型，包括：
6.根据权利要求2所述的方法，其特征在于，将所述变压吸附装置的实时运行数据和实时无损检测结果，输入所述缺陷预测评估模型，对所述变压吸附装置的运行状态进行实时评估，包括：
7.根据权利要求6所述的方法，其特征在于，利用主成分分析法对所述初始样本向量进行降维得到主要特征成分，获取主要特征成分对应的目标样本向量，以构成缺陷分析样本库，包括：
8.一种变压吸
9.一种电子设备，其特征在于，包括：至少一个存储器，至少一个处理器，所述至少一个处理器用于执行所述至少一个存储器中存储的指令，以使得所述电子设备如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种变压吸附装置监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述变压吸附装置的运行状态进行实时评估，包括：
3.根据权利要求1所述的方法，其特征在于，所述各项指标检测结果的来源，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于变压吸附装置的三维模型、变压吸附装置的机理模型及变压吸附装置的运行参数，构建所述变压吸附装置的数字孪生模型，包括：
5.根据权利要求1至3任一项所述的方法，其特征在于，基于所述变压吸附装置的缺陷预测评估系统，进行神经网络模型训练，得到所述变压吸附装置的缺陷预测评估模型，包括：
6.根据权利要求2所述的方法，其特征在于，将所述变压吸附装置的实时运行数据和实时无损检测...
【专利技术属性】
技术研发人员：周海，赵福国，王文达，马立新，张永强，李普博，张恒民，张岩，马少伟，金佳祥，王译唯，
申请(专利权)人：宁夏特种设备检验检测院，
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。