【技術實現步驟摘要】
本專利技術涉及絞磨安全裝置，具體為一種智能化絞磨壓繩安全裝置的控制系統及方法。
技術介紹
1、在當今的工程建設和工業生產領域，絞磨作為一種重要的起重和牽引設備，被廣泛應用于電力、通信、建筑等行業，絞磨的安全運行對于工程的順利進行和人員的生命財產安全至關重要，其中，絞磨壓繩安全裝置是確保絞磨在作業過程中繩索穩定、不滑脫的關鍵部件，隨著科技的不斷進步，對絞磨壓繩安全裝置的性能要求也越來越高，智能化、高效化、安全可靠的絞磨壓繩安全裝置成為了行業發展的迫切需求。
2、目前，在絞磨壓繩安全裝置的控制方面現有的壓繩安全裝置大多采用固定的壓繩力度設置和簡單的機械調節方式，無法根據繩索的實際狀態和絞磨的工作參數進行實時調整，這就導致在實際使用過程中，容易出現壓繩過松而引發繩索滑脫的危險，或者壓繩過緊而損壞繩索，降低繩索的使用壽命，且傳統的壓繩安全裝置通常只采用單一的壓力傳感器進行壓繩力度的監測，這種方式無法全面準確地感知壓繩力度的分布情況，難以實現精確的壓繩控制，而且單一壓力傳感器容易受到外界環境因素的干擾，反應速度較慢，無法及時調整壓繩力度，導致測量結果不準確，給絞磨作業帶來了潛在的安全隱患。
3、綜上所述，現有的絞磨壓繩安全裝置在自適應壓繩力度調節方面存在明顯的缺陷，無法滿足現代工程建設和工業生產對絞磨安全運行的高要求，因此，開發一種智能化絞磨壓繩安全裝置的控制系統及方法，尤其是具備自適應壓繩力度調節功能的創新技術，具有重要的現實意義和廣闊的應用前景。
技術實現思路
1
2、本專利技術為解決上述技術問題，提供如下技術方案：一方面，一種智能化絞磨壓繩安全裝置的控制系統，該系統包括中央處理器模塊、深度學習模塊、壓力傳感器陣列模塊、驅動電機控制模塊；
3、所述中央處理器模塊，接收并處理來自各模塊的數據信息，根據不同輸入信息做出準確判斷和控制指令，同時具備自我監測和故障診斷功能，可實時監測自身工作狀態，在異常情況下采取相應措施；
4、所述深度學習模塊由數據預處理單元、模型結構與訓練單元、模型更新單元和預測輸出調整單元組成，采用深度學習算法，對絞磨作業過程中的繩索狀態和絞磨工作參數進行實時分析與預測，所述繩索狀態包括繩索材質、直徑、磨損程度，所述絞磨工作參數包括轉速、拉力，通過對數據進行訓練和優化，能夠準確預測不同情況下所需壓繩力度，并將結果傳輸給中央處理器模塊并提供調整指令，其中：
5、對于繩索材質的分析：針對繩索材質，根據其特性和歷史數據，結合公式pmat＝αmatfpara預測所需壓繩力度，其中pmat為針對特定材質繩索的壓繩力度預測值，αmat為繩索材質影響系數，fpara為絞磨工作參數綜合影響因子，計算公式為fpara＝βrr+βtt，其中βr為轉速影響因子，βt為拉力影響因子，r為轉速參數，t為拉力參數；
6、對于不同直徑的繩索：根據直徑大小以及絞磨的轉速和拉力參數，通過公式精確計算出壓繩力度范圍下限值，通過精確計算出壓繩力度范圍上限值，其中pdmin為不同直徑繩索的壓繩力度范圍下限值，pdmax為不同直徑繩索的壓繩力度范圍上限值，γdmin為繩索直徑影響系數下限值，γdmax為繩索直徑影響系數上限值，為絞磨轉速影響參數，與轉速呈特定函數關系，為絞磨拉力影響參數；
7、對于繩索的磨損程度：通過對傳感器數據的綜合分析，判斷繩索的磨損情況，并采用公式pwear＝p0×(1+∈wear)調整壓繩力度，其中pwear為考慮繩索磨損程度后的壓繩力度調整值，p0為未考慮磨損時的壓繩力度值，∈wear為磨損程度影響因子；
8、所述壓力傳感器陣列模塊，由多個高精度壓力傳感器組成，傳感器分布覆蓋壓繩裝置不同位置，全方位感知壓繩力度分布情況，每個傳感器獨立測量所在位置壓力值并實時傳輸給中央處理器模塊，中央處理器模塊對數據進行綜合分析和故障檢測；
9、所述驅動電機控制模塊，精確控制驅動電機的轉速和扭矩，從而調整壓繩裝置的壓力，與中央處理器和深度學習模塊配合，根據中央處理器指令和深度學習模塊預測結果實時調整驅動電機工作狀態。
10、進一步地，所述中央處理器模塊還包括數據存儲單元和通信單元，數據存儲單元用于存儲來自各個模塊的數據以及系統運行過程中的中間數據和歷史數據，以進行數據分析和故障診斷，通信單元通過驅動電機控制模塊與外部設備進行通信，進行遠程控制。
11、更進一步地，所述深度學習模塊中數據預處理單元對采集到的繩索狀態信息，即繩索材質、直徑、磨損程度，以及絞磨轉速、拉力的工作參數進行預處理，對于繩索材質，將其進行熱編碼，轉化為數值向量表示，即對于特定材質m，其編碼向量其中第m個位置為1，其余位置為0，對于繩索直徑d，進行歸一化處理，得到其中dmin為最小繩索直徑，dmax為最大繩索直徑，對于繩索磨損程度w，采用數值等級表示，即分為k個等級，從0到k-1，對于絞磨轉速r和拉力t，也進行歸一化處理，得到
12、更進一步地，所述深度學習模塊中模型結構與訓練單元采用多層神經網絡結構，包括輸入層、多個隱藏層和輸出層，輸入層接收預處理單元后的繩索狀態和絞磨工作參數數據，即隱藏層采用非線性激活函數f(x)＝tanh(x)，輸出層輸出預測的壓繩力度ppred，其中：
13、在訓練過程中，采用損失函數來衡量預測值與真實值之間的差異，損失函數定義為其中n為樣本數量，ppred,i為第i個樣本的預測壓繩力度，ptrue,i為第i個樣本的真實壓繩力度，λ為正則化參數，m為模型權重總數，wj為第j個權重；
14、并通過梯度下降法來優化模型參數，對于權重wj的更新公式為其中η為學習率。
15、更進一步地，所述深度學習模塊中模型更新單元和預測輸出調整單元實時對輸出的預測壓繩力度進行調整，即引入磨損調整因子∈wear，調整后的預測壓繩力度為padjusted＝ppred×(1+∈wear)，同時，結合絞磨工作參數的變化，引入轉速調整因子和拉力調整因子調整后的預測壓繩力度為其中和分別為轉速和拉力調整因子，根據轉速和拉力對壓繩力度的影響因子βr和βt確定。
16、更進一步地，所述壓力傳感器陣列模塊中的傳感器分布遵循特定的幾何布局，傳感器分布在壓繩裝置的關鍵位置，形成一個三維的壓力感知網絡，所述傳感器的關鍵位置通過優化算法確定，使壓力分布的測量更加準確和全面，優化目標函數為其中n為不同的繩索狀態和絞磨工作參數組合數量，m為傳感器數量，pmeasured,i,j為在第i種組合下第j個傳感器本文檔來自技高網...
【技術保護點】
1.一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，該系統包括中央處理器模塊、深度學習模塊、壓力傳感器陣列模塊、驅動電機控制模塊；
2.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述中央處理器模塊還包括數據存儲單元和通信單元，數據存儲單元用于存儲來自各個模塊的數據以及系統運行過程中的中間數據和歷史數據，以進行數據分析和故障診斷，通信單元通過驅動電機控制模塊與外部設備進行通信，進行遠程控制。
3.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述深度學習模塊中數據預處理單元對采集到的繩索狀態信息，即繩索材質、直徑、磨損程度，以及絞磨轉速、拉力的工作參數進行預處理，對于繩索材質，將其進行熱編碼，轉化為數值向量表示，即對于特定材質m，其編碼向量其中第m個位置為1，其余位置為0，對于繩索直徑D，進行歸一化處理，得到其中Dmin為最小繩索直徑，Dmax為最大繩索直徑，對于繩索磨損程度W，采用數值等級表示，即分為k個等級，從0到k-1，對于絞磨轉速R和拉力T，也進行歸一化處理，得到
4.根據權利要求1所
5.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述深度學習模塊中模型更新單元和預測輸出調整單元實時對輸出的預測壓繩力度進行調整，即引入磨損調整因子∈wear，調整后的預測壓繩力度為Padjusted＝Ppred×(1+∈wear)，同時，結合絞磨工作參數的變化，引入轉速調整因子和拉力調整因子調整后的預測壓繩力度為其中和分別為轉速和拉力調整因子，根據轉速和拉力對壓繩力度的影響因子βr和βt確定。
6.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述壓力傳感器陣列模塊中的傳感器分布遵循特定的幾何布局，傳感器分布在壓繩裝置的關鍵位置，形成一個三維的壓力感知網絡，所述傳感器的關鍵位置通過優化算法確定，使壓力分布的測量更加準確和全面，優化目標函數為其中N為不同的繩索狀態和絞磨工作參數組合數量，M為傳感器數量，Pmeasured,i,j為在第i種組合下第j個傳感器的測量壓力值，Ptrue,i,j為在第i種組合下第j個傳感器的實際壓力值。
7.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述驅動電機控制模塊具備多種遠程控制和監控保護功能，其中監控保護功能包括過流保護、過熱保護、過載保護，操作人員可通過遠程終端設備實時監控驅動電機工作狀態和壓繩力度變化情況，并進行遠程控制和調整。
8.根據權利要求7所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述驅動電機控制模塊中的遠程控制功能通過網絡通信實現，遠程終端發送的控制指令包括目標壓繩力度Ptarget，中央處理器模塊根據當前實際壓繩力度Pcurrent和目標壓繩力度計算調整量ΔPremote＝Ptarget-Pcurrent，并將調整指令發送給驅動電機控制模塊，驅動電機控制模塊根據調整量調整電機轉速和扭矩，調整公式為：Nnew＝Ncurrent+θ×ΔPremote，Tnew＝Tcurrent+μ×ΔPremote，其中Nnew和Tnew分別為調整后的電機轉速和扭矩，Ncurrent和Tcurrent為當前電機轉速和扭矩，θ和μ為調整系數。
9.根據權利要求1-8任一項所述的一種智能化絞磨壓繩安全裝置的控制方法，其特征在于，該方法的具體步驟為：
...【技術特征摘要】
1.一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，該系統包括中央處理器模塊、深度學習模塊、壓力傳感器陣列模塊、驅動電機控制模塊；
2.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述中央處理器模塊還包括數據存儲單元和通信單元，數據存儲單元用于存儲來自各個模塊的數據以及系統運行過程中的中間數據和歷史數據，以進行數據分析和故障診斷，通信單元通過驅動電機控制模塊與外部設備進行通信，進行遠程控制。
3.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述深度學習模塊中數據預處理單元對采集到的繩索狀態信息，即繩索材質、直徑、磨損程度，以及絞磨轉速、拉力的工作參數進行預處理，對于繩索材質，將其進行熱編碼，轉化為數值向量表示，即對于特定材質m，其編碼向量其中第m個位置為1，其余位置為0，對于繩索直徑d，進行歸一化處理，得到其中dmin為最小繩索直徑，dmax為最大繩索直徑，對于繩索磨損程度w，采用數值等級表示，即分為k個等級，從0到k-1，對于絞磨轉速r和拉力t，也進行歸一化處理，得到
4.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述深度學習模塊中模型結構與訓練單元采用多層神經網絡結構，包括輸入層、多個隱藏層和輸出層，輸入層接收預處理單元后的繩索狀態和絞磨工作參數數據，即隱藏層采用非線性激活函數f(x)＝tanh(x)，輸出層輸出預測的壓繩力度ppred，其中：
5.根據權利要求1所述的一種智能化絞磨壓繩安全裝置的控制系統，其特征在于，所述深度學習模塊中模型更新單元和預測輸出調整單元實時對輸出的預測壓繩力度進行調整，即引入磨損調整因子∈wear，調整后的預測壓繩力度為padjusted＝ppred×(1+∈wear)，同時，結合絞磨工作參數的變化，引入轉速調整因子和拉力調整因子調整...
【專利技術屬性】
技術研發人員：劉帥，向世聰，趙晨灝，韓冬，牛碩，周碩，
申請(專利權)人：國網江蘇省電力有限公司宿遷供電分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。