[发明专利]一种基于动态贝叶斯网络的高炉故障监测与自愈控制系统有效
申请号: | 202110527543.9 | 申请日: | 2021-05-14 |
公开(公告)号: | CN113234874B | 公开(公告)日: | 2022-01-11 |
发明(设计)人: | 黄晓珂;杨春节 | 申请(专利权)人: | 浙江大学 |
主分类号: | C21B5/00 | 分类号: | C21B5/00;C21B7/24;G06N7/00 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 林松海 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 动态 贝叶斯 网络 高炉 故障 监测 自愈 控制系统 | ||
1.一种基于动态贝叶斯网络的高炉故障监测与自愈控制系统,其特征在于,包括分布式工业现场数据采集模块、集中式存储模块、集中式故障监测诊断与自愈控制模块、分布式终端控制模块;
所述的分布式工业现场数据采集模块用于采集监控高炉生产状况的过程变量与控制变量的实时数据,设有多种传感器,传感器将采集的信息传输至数据库中存储以待调用;
位于高炉上部的传感器包括:采集矿石与焦炭重量的质量传感器、采集料线信息的料尺、采集料线信息的雷达、采集顶压信息的压力传感器、采集顶温信息的十字测温传感器,位于高炉下部及送风管道的传感器包括:采集炉腹压力信息的压力传感器、采集热风压力信息的压力传感器、采集冷风流量信息的流量传感器、采集富氧流量信息的流量传感器;
所述的集中式存储模块由数据库组成,包括集中式历史数据存储和集中式知识存储;集中式历史数据存储包括:存储从生产现场由传感器采集的数据信息和部分通过公式计算得到的系数信息;集中式知识存储包括:存放离散化阈值、异常炉况指标阈值、离线训练完成的动态贝叶斯网络的参数与结构;
所述的集中式故障监测诊断与自愈控制模块基于动态贝叶斯网络构建,包括三层,分别为征兆层、故障层与控制层,其中控制层由多个与时间相关的阶段构成,集中式故障监测诊断与自愈控制模块主体由中央计算机构成,用于从数据库中读取历史故障数据,进行离散化后结合专家知识对动态贝叶斯网络进行离线训练建模,计算异常炉况指标阈值并存储;从数据库中读取实时生产数据并显示给操作人员,同时对数据进行离散化后调用动态贝叶斯网络对数据进行分析,判断是否出现异常炉况,如出现异常炉况,则进行故障诊断推理,并根据诊断结果动态推理输出自愈控制策略与控制变量的调整值,经过操作人员确认后作用于控制回路,从而消除故障;
所述的分布式终端控制模块包括多个执行器:用于接收从中央计算机发来的控制信号,并根据控制信号调整执行器,位于高炉上部的执行器包括:控制下料料批重量的称量漏斗、控制布料角度与圈数的布料溜槽,位于高炉下部及送风系统的执行器包括:控制冷风流量的流量阀门、控制热风温度的热风炉、控制富氧流量的流量阀门、控制喷煤量的流量阀门。
2.根据权利要求1所述的系统,其特征在于,所述的集中式故障监测诊断与自愈控制模块中所述的数据离散化将征兆层节点的数据从连续形式转换为离散形式,从数据库中调用正常工况的历史数据,进行高斯分布拟合,计算出每个监测变量对应的高斯分布的均值与方差,根据每个监测变量拟合出的高斯分布,得到征兆层节点的离散化表。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110527543.9/1.html,转载请声明来源钻瓜专利网。