【技術實現步驟摘要】
本專利技術屬于生產車間節能控制，更具體的，涉及一種基于負載特征與ai優化的離心空壓站房控制方法與裝置。
技術介紹
1、在鋼鐵冶金廠的大型生產車間中，冶煉、連鑄、軋鋼等工藝均需要穩定、潔凈的高壓空氣以驅動各類氣動設備、控制閥門與儀表的執行機構。離心空壓站房節能系統可用于為全廠提供集中化的壓縮空氣源。
2、目前，現有的離心空壓站房節能系統在鋼鐵冶金廠區環境中粉塵濃度較高（典型粉塵濃度范圍可達0.5~1?mg/m3）、高溫、含金屬細屑的空氣可能加速過濾器堵塞，在一定程度上降低了進氣預處理模塊效率，進而增加了維護頻率。另外，在冶金行業中，生產工況變化速度快（如軋鋼時突然需要大量氣動動作），變頻驅動模塊可能難以及時適應頻繁瞬態的流量變化，進而導致了一定程度的能耗損失和延遲響應。
技術實現思路
1、為解決現有技術中存在的不足，本專利技術的目的在于解決上述缺陷，進而提出一種基于負載特征與ai優化的離心空壓站房控制方法與裝置。
2、本專利技術采用如下的技術方案。
3、本專利技術第一方面公開了一種基于負載特征與ai優化的離心空壓站房控制方法，所述方法包括：
4、通過多通道傳感器獲取鋼鐵冶金廠內的環境參數，并基于陷波、濾波以及分段時間窗口截取技術對所述環境參數的噪聲進行預處理，得到預處理后的信號矩陣；
5、利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成
6、根據過濾器阻力與粉塵濃度之間的關系計算過濾器疲勞指數，并基于變頻器負載特征計算負載調速響應指數，以綜合計算系統疲勞指數；
7、將所述特征矩陣作為卷積神經網絡的輸入，以對所述特征矩陣進行特征融合，輸出融合特征向量；
8、通過所述融合特征向量對長短期記憶網絡進行訓練，并調用訓練后的長短期記憶網絡根據歷史環境參數對系統疲勞趨勢進行時間序列預測，以生成用于離心空壓站房節能優化控制的控制策略；
9、其中，所述環境參數包括鋼鐵冶金廠內環境中的粉塵濃度、溫度、濕度、空氣流量、過濾器阻力以及變頻器負載響應。
10、進一步的，所述通過多通道傳感器獲取鋼鐵冶金廠內的環境參數，并基于陷波、濾波以及分段時間窗口截取技術對所述環境參數的噪聲進行預處理，得到預處理后的信號矩陣，包括：
11、通過粒子濃度傳感器實時監測鋼鐵冶金廠內環境中的粉塵濃度，并通過溫度傳感器和濕度傳感器實時監測所述鋼鐵冶金廠內環境中的溫度和濕度，以及通過流量計、壓力傳感器以及變頻器內置傳感器實時監測所述空氣流量、過濾器阻力和變頻器負載響應；
12、將所述多通道傳感器輸出的模擬信號轉換為數字信號，并采用fir濾波器對所述數字信號進行濾波，以濾除所述數字信號中的噪聲信號；
13、將連續的濾波后的數字信號按照固定時間間隔分割為多個時間窗口，得到所述信號矩陣；
14、其中，所述多通道傳感器包括所述粒子濃度傳感器、溫度傳感器、濕度傳感器、流量計、壓力傳感器以及變頻器內置傳感器。
15、進一步的，所述利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成特征矩陣，包括：
16、基于預處理后的信號矩陣中過濾器阻力平均值和粉塵濃度平均值建立過濾器阻力與粉塵濃度之間的擬合模型，并通過擬合模型提取所述過濾器阻力特征，所述擬合模型的表達式為：
17、
18、式中，為第m個時間窗口的過濾器阻力平均值，為第m個時間窗口的粉塵濃度平均值，為擬合模型的斜率，用于表示粉塵濃度變化對過濾器阻力的影響程度，為擬合模型的截距，用于表示在無粉塵濃度時的過濾器阻力，所述截距和斜率為通過最小二乘法對多個時間窗口的環境數據進行擬合得到的；
19、基于所述過濾器阻力特征計算每個時間窗口的過濾效率下降趨勢，并基于所述過濾效率下降趨勢輸出過濾器阻力特征向量，所述過濾器阻力特征向量中的每個元素對應一個時間窗口的過濾效率下降趨勢。
20、進一步的，所述利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成特征矩陣，還包括：
21、將所述預處理后的信號矩陣中的變頻器負載特征向量劃分為多個重疊的子窗口，每個子窗口包含多個連續的時間窗口數據，并對每個子窗口進行快速傅里葉變換，得到頻域表示；
22、計算所述頻域表示中每個頻譜的功率譜密度，并通過ovr-csp算法從所有子窗口的psd中提取與負載響應關聯的空間模式，生成動態負載特征矩陣，以輸出變頻器負載頻譜特征向量；
23、其中，所述特征矩陣由所述過濾器阻力特征向量和變頻器負載頻譜特征向量共同構成。
24、進一步的，所述根據過濾器阻力與粉塵濃度之間的關系計算過濾器疲勞指數，并基于變頻器負載特征計算負載調速響應指數，以綜合計算系統疲勞指數，包括：
25、基于所述擬合模型計算所述過濾器疲勞指數，并基于所述過濾器疲勞指數獲取過濾器疲勞指數向量，所述過濾器疲勞指數向量由多個過濾器疲勞指數構成，且所述過濾器疲勞指數的數量為時間窗口的總數，所述過濾器疲勞指數的計算表達式為：
26、
27、式中，為第m個時間窗口的過濾器疲勞指數，為第m個時間窗口的過濾器阻力平均值，為第m個時間窗口的粉塵濃度平均值，為擬合模型的斜率，為擬合模型的截距；
28、通過所述ovr-csp算法對每個時間窗口提取變頻器負載頻譜特征，并根據預設的權重系數計算各變頻器負載頻譜特征的加權和，得到所述負載調速響應指數，所述系統疲勞指數為所述過濾器疲勞指數與負載調速響應指數的乘積，所述負載調速響應指數的計算表達式為：
29、
30、式中，為第m個時間窗口的負載調速響應指數，為提取的變頻器負載頻譜特征數量，為第個變頻器負載頻譜特征的權重系數，為第m個時間窗口中第個變頻器負載頻譜特征的幅值。
31、進一步的，所述將所述特征矩陣作為卷積神經網絡的輸入，以對所述特征矩陣進行特征融合，輸出融合特征向量，包括：
32、將所述系統疲勞指數構成的系統疲勞指數向量轉換為負荷卷積操作的二矩陣形式，并調用所述卷積神經網絡的卷積層結合relu激活函數對二矩陣形式的所述系統疲勞指數向量進行卷積操作，得到任一濾波器在任一位置的卷積輸出；
33、調用池化層結合所述relu激活函數對所述系統疲勞指數向量進行均值池化，得到任一濾波器在池化窗口任一處的池化輸出，所述池化輸出為所述融合特征向量的中間表示，并將池化后的特征圖進行展平和連接，得到所述融合特征向量；
34、其中，所述融合特征向量包含過濾器阻力和負載調速相應的綜合信息。
35、進一步的，所述通過所述融合特征向量對長短本文檔來自技高網...
【技術保護點】
1.一種基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述通過多通道傳感器獲取鋼鐵冶金廠內的環境參數，并基于陷波、濾波以及分段時間窗口截取技術對所述環境參數的噪聲進行預處理，得到預處理后的信號矩陣，包括：
3.根據權利要求2所述的基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成特征矩陣，包括：
4.根據權利要求3所述的基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成特征矩陣，還包括：
5.根據權利要求4所述的基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述根據過濾器阻力與粉塵濃度之間的關系計算過濾器疲勞指數，并基
6.根據權利要求5所述的基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述將所述特征矩陣作為卷積神經網絡的輸入，以對所述特征矩陣進行特征融合，輸出融合特征向量，包括：
7.根據權利要求6所述的基于負載特征與AI優化的離心空壓站房控制方法，其特征在于，所述通過所述融合特征向量對長短期記憶網絡進行訓練，并調用訓練后的長短期記憶網絡根據歷史環境參數對系統疲勞趨勢進行時間序列預測，以生成用于離心空壓站房節能優化控制的控制策略，包括：
8.一種離心空壓站房節能優化控制裝置，其特征在于，所述裝置包括：
9.一種終端，包括處理器及存儲介質；其特征在于：
10.計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1-7任一項所述方法的步驟。
...【技術特征摘要】
1.一種基于負載特征與ai優化的離心空壓站房控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于負載特征與ai優化的離心空壓站房控制方法，其特征在于，所述通過多通道傳感器獲取鋼鐵冶金廠內的環境參數，并基于陷波、濾波以及分段時間窗口截取技術對所述環境參數的噪聲進行預處理，得到預處理后的信號矩陣，包括：
3.根據權利要求2所述的基于負載特征與ai優化的離心空壓站房控制方法，其特征在于，所述利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成特征矩陣，包括：
4.根據權利要求3所述的基于負載特征與ai優化的離心空壓站房控制方法，其特征在于，所述利用所述環境參數中的粉塵濃度和過濾阻力變化的擬合模型提取過濾器阻力特征，并調用共空間模式算法提取與變頻器負載響應對應的負載頻譜特征，以生成特征矩陣，還包括：
5.根據權利要求4所述的基于負載特征與ai優化的離心...
【專利技術屬性】
技術研發人員：李輝，翟林勇，路曉陽，
申請(專利權)人：南京深度智控科技有限公司，
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。