[发明专利]用于检测油液酸碱度的方法、计算设备和计算机存储介质

说明书

本公开涉及一种用于检测油液酸碱度的方法、计算设备和计算机存储介质。该方法包括：获取预定时间间隔内的关于设备的油液的历史酸碱度测量数据；获取关联测量时间的多个历史油液参数测量数据；基于历史油液参数测量数据，生成第一特征数据；提取第一特征数据的特征，以便生成第二特征数据；基于第一特征数据、第二特征数据和历史酸碱度测量数据，生成用于训练酸碱度预测模型的多个样本；以及基于所获取的多个传感器的当前油液参数测量数据，经由经训练的酸碱度预测模型，确定关于设备的油液酸碱度的状态数据。本公开能够在线实时并准确地检测油液酸碱度，及时发现因油液酸碱度异常而带来的设备和生产风险。

技术领域

本公开总体上涉及数据处理，并且具体地，涉及用于检测油液酸碱度的方法、计算设备和计算机存储介质。

背景技术

在半导体工业场景下，设备（例如压缩机）在运行期间，通常会因为填料磨损、或者因润滑油进入填料而导致填料失效等原因，使得物料（例如而不限于是氯硅烷）经由填料而泄漏进入油箱。油品为矿物油，物料（例如而不限于是氯硅烷）极易与油品中的不饱和分子链发生剧烈的化学反应，相关化学产物（例如硅酸盐结晶、Cl化物）对曲轴箱及内部部件（例如轴瓦）会造成严重的腐蚀（例如由Cl化物所导致的腐蚀）和磨损（例如由结晶固体所导致的磨损），进而导致一系列的设备故障或者损失。简而言之，设备的油液酸碱度异常会给设备和生产安全带来风险，因此，准确和及时的油液酸碱度检测和报警非常重要。

传统的检测油液酸碱度的方案例如包括：不定期抽取油样进行PH测试。该方式属于滞后的离线检测方法，极易造成已经因物料泄漏进入油箱而产生设备故障或者损失后才检测出油液酸碱度异常。目前市面上没有能够直接测试油液酸碱度的在线传感器。

综上，传统检测油液酸碱度的方案无法实时在线检测油液酸碱度，进而不利于及时发现因油液酸碱度异常给设备和生产安全所带来的风险。

发明内容

本公开提供一种用于检测油液酸碱度的方法、计算设备和计算机存储介质，能够在线实时并准确地检测油液酸碱度，及时发现因油液酸碱度异常而带来的设备和生产风险。

根据本公开的第一方面，提供了一种用于测油液酸碱度的方法。该方法包括：获取预定时间间隔内的关于设备的油液的历史酸碱度测量数据；获取在历史酸碱度测量数据的关联测量时间、由设备的多个传感器所检测的多个历史油液参数测量数据，多个历史油液参数测量数据不包括关于油液酸碱度的测量数据；基于历史油液参数测量数据，生成第一特征数据；提取第一特征数据的特征，以便生成第二特征数据；基于第一特征数据、第二特征数据和历史酸碱度测量数据，生成用于训练酸碱度预测模型的多个样本，酸碱度预测模型至少基于逻辑回归模型所构建；以及基于所获取的多个传感器的当前油液参数测量数据，经由经训练的酸碱度预测模型，确定关于设备的油液酸碱度的状态数据。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：至少一个处理单元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令，指令当由至少一个处理单元执行时，使得计算设备执行本公开的第一方面的方法。

根据本公开的第三方面，还提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序被机器执行时执行本公开的第一方面的方法。

在一些实施例中，经由经训练的酸碱度预测模型确定关于设备的油液酸碱度的状态数据包括：基于第一酸碱度预测模型确定关于设备的油液酸碱度的第一状态数据，第一酸碱度预测模型是基于逻辑回归模型所构建的；基于第二酸碱度预测模型确定关于设备的油液酸碱度的第二状态数据，第二酸碱度预测模型是基于高斯混合模型所构建的；以及基于第一状态数据和第二状态数据，确定关于设备的油液酸碱度的状态数据。

在一些实施例中，用预测油液酸碱度的方法包括：确定酸碱度预测模型的多个参数中每一个参数是否大于预定参数阈值，多个参数分别与酸碱度预测模型的多个输入相关联：以及响应于确定酸碱度预测模型的参数大于预定参数阈值，获取与参数相关联的输入所对应的传感器的当前油液参数测量数据。