CN120197066A 基于多源数据融合的环保设备远程智能故障诊断系统

(10)申请公布号CN120197066A(71)申请人南京赛控机电设备有限公司地址211500江苏省南京市江北新区葛塘街道葛关路815号(72)发明人梁秀明熊晋(74)专利代理机构南京智成云创知识产权代理(54)发明名称基于多源数据融合的环保设备远程智能故障诊断系统本发明公开了基于多源数据融合的环保设备远程智能故障诊断系统，涉及环保设备故障诊断技术领域，包括：在塑料热解反应器关键位置安装传感器网络，将采集到的信号存入历史反应数据库中；将历史反应数据库中所有数据进行信号分解，得到环境扰动分量和催化剂记忆分量，输入至构建的分量预测模型，得到催化剂记忆影响系数和环境扰动影响系数；根据催化剂记忆残差和环境扰动残差结合温度偏差得到反应器风险指标；通过清洗判断策略判断是否运行催化剂差异数据模块；计算清洗后的催化剂-温度影响系数，输送至分量预测模型。本发明解决了因工2信号采集模块，用于在塑料热解反应器关键位置安装传感器信号分解模块，用于将历史反应数据库中所有数据进行信号和催化剂记忆分量，输入至构建的分量预测模型，得到催化剂记忆影响系数和环境扰安全威胁预测模块，根据催化剂记忆残差和环境扰动残差结合温度偏差得到反应器风催化剂差异数据模块，用于计算清洗后的催化剂-温度影响系数，输送至分量预测模2.根据权利要求1所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特表示脱附速率常数；则其特征时间常数表示为频率表示为3.根据权利要求2所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特征在于：所述信号分离单元还包括对原始信号X应用完全集合经验模态分解，得到N个本的平均频率f₁,若f,大于k,则提取对应组分分量归为环境扰动分量D₁,若f,小于或等于k,则提取对应组分分量归为催化记忆分量M。4.根据权利要求3所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特忆分量按时间戳对齐，构成并行时序序列；对于每个时刻t,以窗口长度w截取截取前向输随后构建环境扰动通道和催化记忆通道，所述环境扰动通道通过时序卷积网络的第一35.根据权利要求4所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特计算并行时序序列的催化记忆项的滑动均值μu(t)和自相关系数AC₁(m,),将μu(t)、AC₁(m,)与原始催化记忆分量进行特征维度拼接，形成三通道催化记忆输入张射到标量预测，得到t+1时刻催化记忆分量预测值M₄+,进而得到M,,计算M,与M的差值输出催化记忆残差作为催化记忆影响系数。6.根据权利要求5所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特征在于：所述自适应阈值生成单元包括提取吸附一脱附临界频率k,对环境扰动影响系数记忆项对应的能量之和的比值得到催化记忆能量比pt);将吸附一脱附临界频率k和催化记忆能量比p(t)通过tanh激活函数得到模糊控制输入量k和p(t),得到环境干扰阈值,其中为模糊推理输出的综合放缩系数，表示在滑动窗口[t-w,t]内的环境扰动影响系数，表示在滑7.根据权利要求1所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特度偏差计算单元通过实测温度与数字孪生预测温度之差得到温度偏差8.根据权利要求7所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特当反应器风险指标TI₁大于或等于清洗风险阈值Tcl小于告警风险阈值Tal时，报警等49.根据权利要求1所述的基于多源数据融合的环保设备远程智能故障诊断系统，其特差△Tedirty,清洗完成并恢复运行后，记录新偏差△Teclean,得到偏差恢复量△Terec=△Tediry-△Teclean,将△Terec与对应时间窗口内的催化记忆分量M,配对，形[t-w,t]内的催化记忆分量M₁-w,得到催化剂-温度影响系数cte,在进行特征维度拼接10.根据权利要求1所述的基于多源数据融合的环保设备征在于：所述塑料热解反应器关键位置包括在反应器筒体内部及外壁沿高度方向5基于多源数据融合的环保设备远程智能故障诊断系统技术领域[0001]本发明涉及环保设备故障诊断技术领域，具体为基于多源数据融合的环保设备远程智能故障诊断系统。背景技术[0002]随着新能源产业的迅猛发展，废旧电池回收成为循环经济和环境保护的关键环节；其中，废旧锂离子电池的塑料隔膜和包装材料通过塑料热解反应器进行热解技术回收，不仅能去除有害黏结剂和电解液残留，还能将塑料转化为燃料油和可燃气体，实现资源化利用；因此针对塑料热解反应器进行高精度的故障监测，对提高热解装置的运行可靠性和智能化水平，推动废旧塑料资源化产业的可持续发展具有重要意义；例如，现有的公开号为CN110208451B的中国专利公开了双极微型固定床反应器结合光电离质谱在线检测系统及方法，包括包括双极微型固定床反应器、离线冷却装置和在线检测装置，所述双极微型固定床反应器分别连接离线冷却装置和在线检测装置，双极微型固定床反应器通过传输线连接离线冷却装置；双极微型固定床反应器对固态燃料样品进行催化热解；本发明的热解反应与催化反应互不干扰，反应器与加热单元能够快速分离降温，能够准确分析两种不同类型的、初级状态下的焦炭；两个反应器间用高温阀隔断，可实现固态燃料间歇式连续进样及催化剂失活实时监测，装置及反应器体积小，反应物停留时然而，对于传统塑料热解反应器来说，高温、无氧环境和裂解产物在催化剂表面的吸附一脱附行为，设备内吸附的酸性产物使催化剂表面酸碱平衡向酸侧移动，裂解所需的活化能随之改变，导致同一温度下速率常数漂移，导致反应器内部出现“历史依赖”效应和瞬态扰动，会引起误报，给设备运行监测和故障诊断带来重大挑战。[0003]为此，本发明提供基于多源数据融合的环保设备远程智能故障诊断系统。发明内容[0004]本发明的目的在于提供基于多源数据融合的环保设备远程智能故障诊断系统，以解决上述背景技术中提出的现有的问题。[0005]为实现上述目的，本发明提供如下技术方案：基于多源数据融合的环保设备远程信号采集模块，用于在塑料热解反应器关键位置安装传感器网络，将采集到的信号存入历史反应数据库中；信号分解模块，用于将历史反应数据库中所有数据进行信号分解，得到环境扰动分量和催化剂记忆分量，输入至构建的分量预测模型，得到催化剂记忆影响系数和环境扰动影响系数；安全威胁预测模块，根据催化剂记忆残差和环境扰动残差结合温度偏差得到反应器风险指标；通过清洗判断策略判断是否运行催化剂差异数据模块；6所述信号分离单元搭载吸附一脱附临界频率计算策略，首先确定吸附-脱附时间常数，在催化裂解反应中，产物分子A在催化剂表面S上的吸附-脱附表示为[0007]本发明进一步改进在于，所述信号分离单元还包括对原始信号X₁应用完全集合频率w;(t),得到每个模态的平均频率f,,若f,大于k,则提取对应组分分量归为环境扰动分量D₁,若f,小于或等于k,则提取对应组分分量归为催化记忆分量M₁。与输入数据D相同维度的序列D,,实现环境扰动分量的重构，将1D和D₁的均方根误差计算并行时序序列的催化记忆项的滑动均值μu(t)和自相关系数AC₁(m,μu(t)、AC₁(m,)与原始催化记忆分量进行特征维度拼接，形成三通道催化记忆输入张射到标量预测，得到t+1时刻催化记忆分量预测值M+↓,进而得到M,,计算M,与M的7计算环境扰动项和催化记忆项对应的能量之和的比值得到催化记忆能量比pt);将吸附一脱附临界频率k和催化记忆能量比pt)通过tanh激活函数得到模糊控制输入量k和p(t),得到环境干扰阈值1TD=[μ(e1-w)+σe2w×F(k,p(t)和催化记忆阈值 ,其中Fk,p(t)为模糊推理输出的综合放缩备风险获取单元；所述温度偏差计算单元通过实测温度Te"eas与数字孪生预测温度当反应器风险指标TI₁大于或等于清洗风险阈值Tc1小于告警风险阈值Tal时，报偏差恢复量△Terec=△Tediry-△Tecleam,将△Terec与对应时间窗口内的催化记忆分量与滑动窗口[t-w,t]内的催化记忆分量M₁-w,得到催化剂-温度影响系数cte,在进行特8外壁沿高度方向等距布设热电偶阵列测量局部温度；在催化剂床层上方或采样孔处安装原位光谱探头检测催化剂表面覆盖度。本发明首先通过吸附一脱附临界频率与每个信号分量的平均瞬时频率比对，实现通过信号分解模块经过对“正常”环境扰动的训练，能够精准重构常见模式，仅对真正异常，包括突发扰动或设备故障产生显著残差，从而降低重构型误报率；在自适应阈值生成中引入高/低频能量比，可根据能量分布动态调整敏感度，使系统对慢变记忆噪声稳健，对瞬态扰动则保持高度警觉；基于残差窗口统计特征动态生成阈值，能够实时追踪工况变化并自动调整阈值带宽，大幅降低因工艺漂移导致的虚假告警；将吸附驱动因子、能量比与温度偏差等多源信息度与稳定性的最优平衡。附图说明[0016]图1为本发明基于多源数据融合的环保设备远程智能故障诊断系统框架图；图2为本发明安全威胁预测模块流程图。具体实施方式[0017]下面通过附图以及具体实施例对本发明技术方案做详细地说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。[0018]术语“和/或”,仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例[0019]实施例1图1展示了本实施例公开的基于多源数据融合的环保设备远程智能故障诊断系统信号采集模块，用于在塑料热解反应器关键位置安装传感器网络，将采集到的信号存入历史反应数据库中；信号分解模块，用于将历史反应数据库中所有数据进行信号分解，得到环境扰动分量和催化剂记忆分量，输入至构建的分量预测模型，得到催化剂记忆影响系数和环境扰动影响系数；安全威胁预测模块，根据催化剂记忆残差和环境扰动残差结合温度偏差得到反应器风险指标；通过清洗判断策略判断是否运行催化剂差异数据模块；催化剂差异数据模块，用于计算清洗后的催化剂-温度影响系数，输出至分量预测模型。[0020]所述塑料热解反应器关键位置包括在进料口质量流量计测量进料速率；塑料颗粒/粉末进料管道上游，入口与储料仓之间，反应器各关键位置热电偶、质量流量计以1Hz频9单元；所述信号分离单元搭载吸附一脱附临界频率计算策略，首先确定吸附-脱附时间常数，在催化裂解反应中，产物分子A在催化剂表面S上的吸附-脱附表示为员设定，将该二级吸附-脱附过程视作一个一阶系统，则其特征时间常数表示为,其中，CA表示反应器气相中吸附物(裂解产物)瞬时浓度，单位为吸附速率ads指单位时间内单位表面自由位点上被气相分子A吸附的量Pas=k₁C₄[S],其中，k单位为m³mol¹.s-1,[S]是单位面积或单位体积内自由活性位点浓度，单位mol·m³;脱附速率Fas=k_[A-S],k_1单位为s-¹,[A-S]表示和力；吸/脱附速率常数满足Arrhenius关系，k₁(T)=A₁exp(-Ea.1/RT),k_(T)=A₁exp(-Ea,-1/RT),其中A₁和A,表示预指数因子，Ea,和Ea-1表示活化后续反应速率影响更显著,导致“历史依赖”增强，可将吸附一脱附的特征频率[0023]所述信号分离单元还包括对原始信号X₁应用完全集合经验模态分解，得到N个本征模态函数组分,对每个c,(t)进行Hilbert变换，得到瞬时频率w,(t),得到每个模态的平均频率.,若f,大于k,则提取对应组分分量归为环境扰动分量D₁,若f,小于或等于k,则提取对应组分分量归为催化记忆分量M₁;Hilbert-Huang转换[0024]所述分量预测模型构建单元包括将信号分解单元输出的环境扰动分量和催化剂记忆分量按时间戳对齐，构成并行时序序列；对于每个时刻t,以窗口长度w截取(例如100维度和通道数依次恢复，并在最末层生成与输入数据D₁相同维度的序列D₁,实现环境扰系数。行标准化处理，使其在更新隐藏状态时同时参考原始信性的表达能力，将最后接一层全连接映射到标量预测，得到t+1时刻催化记忆分量预测值11M+,进而得到M,,计算M,与M,的差值输出催化记忆残差作为催化记忆影响系数，反[0026]通过连续计算μut),即可获得一条比M₁平滑得多的曲线，用于刻画系统的慢变趋势和稳态漂移；同时将μu(t)作为模型输入，可以为网络提供一个“本地基线”,帮助其区分真正的结构性变化(趋势漂移)与随机抖动(残差),从而降低对短期波动的过度敏感高的正自相关(接近1)意味着m.在相邻时刻变化缓慢，具有较强的滞后记忆；而接近0则表示更随机的动态；在滑动窗口内计算AC₁(m,)(例如window=50),可量化该窗口辅助特征在网络前馈和反向传播中均参与权重更新，使得模型更关注与趋势相关的低频信息，而非被短期抖动主导；滑动均值对高频异动进行滤波，自相关值反映信号持久[0027]所述自适应阈值生成单元包括提取吸附一脱附临界频率k,当吸附累积显著(k大)系数e?和催化记忆影响系数进行小波包变换，得到各子带能量，并计算环境扰动项和催化记忆项对应的能量之和的比值得到催化记忆能量比大说明瞬态扰动突出，应适度降低阈值以提升灵敏度；pt)小时可提高阈值以稳健抵御慢变噪声；将吸附一脱附临界频率k和催化记忆能量比通过tanh激活函数得到模糊控制输入量k和p(t) 为模糊推理输出的综合放缩系数，表示在滑动窗口[t-w,t]内的环境扰动影响系数，表示在滑动窗口[t-w,t]内的催化记忆影响系数，模糊规则库表示为若k高且p(t)低，则阈值增大，若k低且p(t)高，则阈值减小，推理与去模糊采用Mamdani推理，通过重心法去模糊；从表示窗口内[0028]实施例2根据实施例1的相同发明构思，本实施例提出实施例1中安全威胁预测模块具体实现方式，图2展现了本实施例安全威胁预测模块流程图，具体包括温度偏差计算单元和设备所述温度偏差计算单元通过实测温度与数字孪生预测温度当反应器风险指标TI₁大于或等于清洗风险阈值Tc1小于告警风险阈值Tal时，报气吹清洗，f。表示初始流速；同时运行催化剂差[0030]本实施例还提出实施例1中催化剂差异数据模块具体实现方式，包括在清洗触发时刻，记录清洗前数字孪生全场温度偏差△Tediry,清洗完成并恢复运行后，记录新偏差型训练△Terec与滑动窗口[t-w,t]内的催化记忆分量M1-w,得到函数f,计算催化剂-温残差判别更可靠，降低了系统整体假报警率；本发明能根据△Terec分布自动优化清洗周