本發明涉及故障檢測,尤其是涉及一種化工故障的檢測方法、系統、智能終端及存儲介質。
背景技術:
1、故障檢測是指使用各種檢查和測試方法來發現系統和設備是否存在故障的過程。故障檢測通常涉及對系統的實時監控,以及對收集到的數據進行分析,以識別潛在的問題或異常行為,從而確保系統正常運行和提高可靠性。
2、化工過程是一種復雜的動態系統,其運行過程中可能會發生各種故障,如設備故障、參數變化、操作失誤等。這些故障不僅會影響產品的質量和效率,還可能導致安全事故和環境污染。目前一般通過各自設備上的參數檢測裝置對各種故障進行檢測,并在出現故障時進行預警。
3、針對上述中的相關技術,采用各自設備上的參數檢測裝置對化工過程中發生的各種故障進行檢測并預警時,當需要對化工過程中添加或者刪減步驟時,需要重新對各自設備上的參數檢測裝置進行調整,從而不方便及時進行故障預警。
技術實現思路
1、為了在化工過程發生改變時依舊能夠及時進行故障預警,本發明提供一種化工故障的檢測方法、系統、智能終端及存儲介質。
2、第一方面,本發明提供一種化工故障的檢測方法,采用如下的技術方案:
3、一種化工故障的檢測方法,包括:
4、獲取化工過程中的歷史運行數據以及實時運行數據;
5、基于歷史運行數據進行預處理并輸入至神經網絡中訓練以得到故障檢測模型;
6、將實時運行數據輸入至故障檢測模型以得到實時預測結果值;
7、判斷實時預測結果值是否位于預設的預測誤差區間內;
8、若為是,則繼續對實時運行數據進行獲取;
9、若為否,則根據實時預測結果值與預測誤差區間分析確定故障預警信息,并輸出故障預警信息至負責人所持終端。
10、可選的,基于歷史運行數據進行預處理并輸入至神經網絡中訓練以得到故障檢測模型包括:
11、基于歷史運行數據調取運行參數信息及運行結果信息;
12、根據運行參數信息進行歸一化處理以形成運行樣本信息;
13、將運行樣本信息輸入至神經網絡中訓練以得到故障檢測初始模型;
14、基于故障檢測初始模型調取預測故障類型信息;
15、判斷預測故障類型信息是否已經存在;
16、若為是,則直接將故障檢測初始模型作為故障檢測模型;
17、若為否,則將預測故障類型信息及運行樣本信息重新輸入至神經網絡中訓練以得到其他故障檢測模型,并將其他故障檢測模型與故障檢測初始模型進行結合并作為故障檢測模型。
18、可選的,故障預警信息的確定方法包括:
19、計算實時預測結果值與預測誤差區間之間的差值并作為預測結果偏差值;
20、基于預測結果偏差值調取結果偏差種類信息;
21、根據結果偏差種類信息分析確定偏差種類原因信息;
22、根據結果偏差種類信息與預設的偏差種類基準影響值的對應關系,以確定與結果偏差種類信息相對應的偏差種類基準影響值;
23、計算預測結果偏差值與偏差種類基準影響值之間的乘積值并作為結果偏差影響值;
24、根據偏差種類原因信息與結果偏差影響值分析確定偏差種類預警信息,并將偏差種類預警信息作為故障預警信息。
25、可選的,偏差種類原因信息的確定方法包括:
26、根據結果偏差種類信息與預設的單一種類原因信息的對應關系,以確定與結果偏差種類信息相對應的單一種類原因信息;
27、判斷結果偏差種類信息是否僅為一個;
28、若為是,則將單一種類原因信息作為偏差種類原因信息;
29、若為否,則根據結果偏差種類信息與預設的影響種類信息的對應關系,以確定與結果偏差種類信息相對應的影響種類信息;
30、根據結果偏差種類信息與影響種類信息之間的一致情況,以確定影響種類原因信息,并將影響種類原因信息作為偏差種類原因信息。
31、可選的,影響種類原因信息的確定方法包括:
32、判斷結果偏差種類信息與影響種類信息之間是否存在一致;
33、若為是,則將結果偏差種類信息與影響種類信息一致的作為一致種類信息,并將除一致種類信息外的單一種類原因信息作為剩余種類原因信息;
34、根據一致種類信息與預設的一致種類共同原因信息的對應關系,以確定與一致種類信息相對應的一致種類共同原因信息;
35、將剩余種類原因信息與一致種類共同原因信息進行結合以形成互相影響原因信息,且將互相影響原因信息作為影響種類原因信息;
36、若為否,則將所有的單一種類原因信息進行結合以形成綜合種類原因信息,并將綜合種類原因信息作為影響種類原因信息。
37、可選的,偏差種類預警信息的確定方法包括:
38、根據偏差種類原因信息與預設的原因預警信息的對應關系,以確定與偏差種類原因信息相對應的原因預警信息;
39、判斷結果偏差影響值是否位于預設的偏差影響基準區間內;
40、若為是,則將原因預警信息作為偏差種類預警信息;
41、若為否,則計算結果偏差影響值與偏差影響基準區間之間的差值并作為影響偏差值;
42、根據影響偏差值分析確定影響偏差預警信息;
43、基于原因預警信息與影響偏差預警信息進行結合以形成綜合預警信息,并將綜合預警信息作為偏差種類預警信息。
44、可選的,影響偏差預警信息的確定方法包括:
45、基于結果偏差種類信息調取偏差種類設備信息;
46、根據偏差種類設備信息與預設的影響設備信息的對應關系,以確定與偏差種類設備信息相對應的影響設備信息;
47、基于影響設備信息調取影響偏差基準區間;
48、獲取當前環境檢測值;
49、根據當前環境檢測值與預設的環境影響值的對應關系,以確定與當前環境檢測值相對應的環境影響值;
50、基于環境影響值以對影響偏差基準區間進行調整以形成影響偏差調整區間;
51、根據影響偏差值與影響偏差調整區間之間的落入情況,以確定設備提前預警信息,并將設備提前預警信息作為影響偏差預警信息。
52、第二方面,本發明提供一種化工故障的檢測系統,采用如下的技術方案:
53、一種化工故障的檢測系統,包括:
54、獲取模塊,用于獲取歷史運行數據、實時運行數據及當前環境檢測值;
55、存儲器,用于存儲如第一方面中任一項的化工故障的檢測方法的程序;
56、處理器,加載執行存儲器中的程序且實現如第一方面中任一項的化工故障的檢測方法。
57、第三方面,本發明提供一種智能終端,采用如下的技術方案:
58、一種智能終端,包括存儲器和處理器,存儲器上存儲有能夠被處理器加載并執行如第一方面中任一項的化工故障的檢測方法的計算機程序。
59、第四方面,本發明提供一種計算機存儲介質,能夠存儲相應的程序,具有便于實現在化工過程發生改變時依舊能夠及時進行故障預警的特點,采用如下的技術方案:
60、一種計算機可讀存儲介質,存儲有能夠被處理器加載并執行如第一方面中任一項的化工故障的檢測方法的計算機程序。
61、綜上所述,本發明包括以下至少一種有益技術效果:
62、1.通過歷史運行數據輸入至神經網絡中訓練以得到故障檢測模型,并對實時運行數據進行處理實時預測結果值,再對實時預測結果值是否位于預設的預測誤差區間內進行判斷,當位于時,繼續對實時運行數據進行獲取,當不位于時,通過實時預測結果值與預測誤差區間分析確定故障預警信息并輸出至負責人所持終端,從而在化工過程發生改變時不需要重新對改變的預警閾值等進行設置,只需要化工過程中的參數進行獲取后采用神經網絡進行分析后進行預警,進而達到在化工過程發生改變時依舊能夠及時進行故障預警的效果;
63、2.通過歷史運行數據對運行參數信息及運行結果信息進行調取,并對運行參數信息進行歸一化處理以形成運行樣本信息后輸入至神經網絡中訓練以得到故障檢測初始模型,通過故障檢測初始模型調取預測故障類型信息,并判斷預測故障類型信息是否已經存在,當已進行存在時,直接將故障檢測初始模型作為故障檢測模型,當不存在時,將預測故障類型信息及運行樣本信息重新輸入至神經網絡中訓練以得到其他故障檢測模型,并將其他故障檢測模型與故障檢測初始模型進行結合并作為故障檢測模型,從而在化工過程發生改變時只需要重新訓練不存在的預測故障類型,從而減少訓練成本;
64、3.通過對實時預測結果值與預測誤差區間之間的差值進行計算并作為預測結果偏差值并調取結果偏差種類信息,再分析確定偏差種類原因信息,通過結果偏差種類信息查詢確定偏差種類基準影響值,并對預測結果偏差值與偏差種類基準影響值之間的乘積值進行計算并作為結果偏差影響值,通過偏差種類原因信息與結果偏差影響值分析確定偏差種類預警信息并作為故障預警信息,從而提高獲取的故障預警信息的準確性。