买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津德通电气有限公司

摘要：本发明涉及煤炭处理技术领域，提供了一种基于工业互联网平台的人工智能选煤生产监测方法，包括：S1、基于工业互联网平台采集实时选煤生产数据；S2、利用所述实时选煤生产数据进行分析处理建立选煤生产关联数据库；S3、根据所述选煤生产关联数据库建立人工智能选煤生产监测评估模型；S4、利用所述人工智能选煤生产监测评估模型得到人工智能选煤生产监测结果；通过对选煤生产环境、生产工艺过程及生产工艺参数进行实时监测，及时发现生产过程中的异常情况并及时控制，同时通过监测的数据进一步优化了选煤生产工艺，使选煤厂提升了产品品质和生产效率，同时降低了生产成本和生产风险。

主权项：1.一种基于工业互联网平台的人工智能选煤生产监测方法，其特征在于，包括：S1、基于工业互联网平台采集实时选煤生产数据；S1-1、基于工业互联网平台采集原煤信息数据；S1-2、根据所述原煤信息数据得到选煤生产工艺流程数据；S1-2-1、根据所述原煤信息数据获取对应选煤生产中原煤处理工艺数据；S1-2-2、根据所述选煤生产中原煤处理工艺数据获取对应选煤生产中煤炭分选工艺数据；S1-2-3、根据所述选煤生产中煤炭分选工艺数据获取对应选煤生产中煤炭提纯工艺数据；S1-2-4、利用所述选煤生产中原煤处理工艺数据、选煤生产中煤炭分选工艺数据和选煤生产中煤炭提纯工艺数据作为选煤生产工艺流程数据；S1-3、根据所述选煤生产工艺流程数据分别获取对应选煤生产环境数据和选煤生产工艺参数数据；S1-4、利用所述原煤信息数据、选煤生产工艺流程数据、选煤生产环境数据和选煤生产工艺参数数据作为实时选煤生产数据；S2、利用所述实时选煤生产数据进行分析处理建立选煤生产关联数据库；S2-1、利用所述实时选煤生产数据进行分析获取选煤生产关联数据；S2-1-1、利用所述实时选煤生产数据建立选煤生产过程模拟模型；S2-1-1-1、利用所述实时选煤生产数据按原煤性质划分处理获取原煤信息数据的杂质特征数据；S2-1-1-2、利用所述实时选煤生产数据按选煤生产方式划分处理获取选煤生产工艺流程数据的生产分类特征数据；S2-1-1-3、利用所述实时选煤生产数据按选煤生产温度划分处理获取对应选煤生产环境数据的温度特征数据；S2-1-1-4、利用所述原煤信息数据的杂质特征数据、选煤生产工艺流程数据的生产分类特征数据和选煤生产环境数据的温度特征数据建立选煤生产过程模拟模型；S2-1-2、根据所述选煤生产过程模拟模型得到选煤生产模拟数据；S2-1-2-1、根据所述选煤生产过程模拟模型分别得到原煤性质模拟数据、选煤生产方式模拟数据和选煤生产温度模拟数据；S2-1-2-2、根据所述选煤生产方式模拟数据得到选煤生产工艺参数模拟数据和选煤生产产品质量模拟数据；S2-1-2-3、根据所述选煤生产温度模拟数据得到选煤生产环境模拟数据；S2-1-2-4、利用所述原煤性质模拟数据、选煤生产方式模拟数据、选煤生产工艺参数模拟数据、选煤生产产品质量模拟数据和选煤生产环境模拟数据作为选煤生产模拟数据；S2-1-3、根据所述选煤生产模拟数据进行分析获取选煤生产关联数据；S2-1-3-1、根据所述选煤生产模拟数据进行交叉分析分别获取原煤性质与选煤生产方式的第一映射、原煤性质与选煤生产环境的第二映射、选煤生产方式与选煤生产环境的第三映射、选煤生产方式与选煤生产工艺参数的第四映射并作为一级线性关系数据；S2-1-3-2、基于所述一级线性关系数据获取选煤生产方式、选煤生产工艺参数和选煤生产环境之间存在的二级线性关系数据；S2-1-3-3、基于所述一级线性关系数据和二级线性关系数据获取原煤性质、选煤生产方式、选煤生产工艺参数和选煤生产环境的一级非线性关系数据；S2-1-3-4、基于所述一级非线性关系数据获取原煤性质、选煤生产方式、选煤生产工艺参数、选煤生产环境与选煤生产产品质量的二级非线性关系数据；S2-1-3-5、利用所述一级线性关系数据、二级线性关系数据、一级非线性关系数据和二级非线性关系数据作为选煤生产关联数据；S2-2、根据所述选煤生产关联数据进行校验处理建立选煤生产关联数据库；S2-2-1、利用所述选煤生产关联数据获取第一选煤生产关联特征数据；S2-2-1-1、利用所述选煤生产关联数据按时间划分获取选煤生产关联数据的时间特征数据；S2-2-1-2、根据所述选煤生产关联数据的时间特征数据建立趋势走向获取选煤生产关联数据的趋势特征数据；S2-2-1-3、利用所述选煤生产关联数据的时间特征数据与选煤生产关联数据的趋势特征数据建立关联关系并作为第一选煤生产关联特征数据；S2-2-2、利用所述第一选煤生产关联特征数据进行校正处理获取选煤生产关联特征校正数据；S2-2-2-1、判断所述第一选煤生产关联特征数据与历史选煤生产数据是否存在偏差，若是，则输出第一选煤生产关联特征数据作为选煤生产历史偏差数据，直接执行S2-2-2-3，否则，则执行S2-2-2-2；S2-2-2-2、判断所述第一选煤生产关联特征数据与实时选煤生产数据是否存在偏差，若是，则输出所述第一选煤生产关联特征数据作为选煤生产实时偏差数据，并执行S2-2-2-3，否则，则输出第一选煤生产关联特征数据作为第二选煤生产关联特征数据，直接执行S2-2-4；S2-2-2-3、利用所述选煤生产历史偏差数据或选煤生产实时偏差数据作为选煤生产关联特征偏差数据；S2-2-2-4、判断所述选煤生产关联特征偏差数据与选煤生产产品品质之间是否存在关联影响，若是，则输出选煤生产关联特征偏差数据作为选煤生产关联特征校正数据，并执行S2-2-3-1，否则，则输出第一选煤生产关联特征数据作为第二选煤生产关联特征数据，直接执行S2-2-4；S2-2-3、利用所述选煤生产关联特征校正数据进行验证处理得到第二选煤生产关联特征数据；S2-2-3-1、利用所述选煤生产关联特征校正数据对所述第一选煤生产关联特征数据进行校正得到校正后的选煤生产关联特征数据；S2-2-3-2、分别判断所述校正后的选煤生产关联特征数据与历史选煤生产关联特征数据或实时选煤生产关联特征数据是否均为对应，若是，则输出所述校正后的选煤生产关联特征数据为第二选煤生产关联特征数据，并执行S2-2-4，否则，则分别获取校正后的选煤生产关联特征数据与历史选煤生产关联特征数据或实时选煤生产关联特征数据之间的偏差数据作为更新的选煤生产关联特征偏差数据，并返回执行S2-2-2-4；S2-2-4、利用所述第二选煤生产关联特征数据和实时选煤生产数据建立选煤生产关联数据库；S3、根据所述选煤生产关联数据库建立人工智能选煤生产监测评估模型；S3-1、根据所述选煤生产关联数据库基于机器学习建立初始监测模型；S3-1-1、以所述选煤生产关联数据库中的历史数据为训练集，以所述选煤生产关联数据库中的第二选煤生产关联特征数据为验证集；S3-1-2、基于神经网络算法建立初始训练模型；S3-1-3、判断所述初始训练模型的第一输出结果与所述验证集是否对应，若是，则执行S3-1-4，否则，则以初始训练模型的第一输出结果作为更新的训练集，并返回S3-1-2；S3-1-4、获取同一时序下的选煤生产时间特征数据，输入所述选煤生产时间特征数据到初始训练模型得到对应第二输出结果；S3-1-5、判断所述第二输出结果与所述验证集是否对应，若是，则执行S3-1-6，否则，则以所述第二输出结果作为更新的训练集，并返回S3-1-2；S3-1-6、获取不同温度序列下的选煤生产温度趋势特征数据，输入所述选煤生产温度趋势特征数据到初始训练模型得到第三输出结果；S3-1-7、判断所述第三输出结果与所述验证集是否对应，若是，则执行S3-1-8，否则，则以所述第三输出结果作为更新的训练集，并返回S3-1-2；S3-1-8、获取不同进料流量下的选煤生产流量特征数据，输入所述选煤生产流量特征数据到初始训练模型得到第四输出结果；S3-1-9、判断所述第四输出结果与所述验证集是否对应，若是，则输出所述初始训练模型为初始监测模型，并执行S3-2-1，否则，则以所述第四输出结果作为更新的训练集，并返回S3-1-2；S3-2、利用所述初始监测模型得到人工智能选煤生产监测评估模型；S3-2-1、利用所述初始监测模型得到实时选煤生产环境监测数据和实时选煤生产工艺参数监测数据作为实时选煤生产初始监测数据；S3-2-2、利用所述实时选煤生产初始监测数据进行标记处理得到选煤生产监测标记数据；S3-2-2-1、判断所述实时选煤生产环境监测数据与历史选煤生产环境数据是否一致，若是，则标记实时选煤生产环境监测数据为选煤生产正常监测数据，直接执行S3-2-2-3，否则，则执行S3-2-2-2；S3-2-2-2、判断所述实时选煤生产环境监测数据是否超出选煤生产产品质量对应生产环境数据阈值范围，若是，则标记所述实时选煤生产环境监测数据为选煤生产异常监测数据，并执行S3-2-2-3，否则，则标记实时选煤生产环境监测数据为选煤生产正常监测数据，并执行S3-2-2-3；S3-2-2-3、判断所述实时选煤生产工艺参数监测数据与历史选煤生产工艺参数数据是否一致，若是，则标记所述实时选煤生产工艺参数监测数据为选煤生产正常监测数据，直接执行S3-2-2-5，否则，则执行S3-2-2-4；S3-2-2-4、判断所述实时选煤生产工艺参数监测数据是否超出选煤生产产品质量对应生产工艺参数数据阈值范围，若是，则标记所述实时选煤生产工艺参数监测数据为选煤生产异常监测数据，并执行S3-2-2-5，否则，则标记所述实时选煤生产工艺参数监测数据为选煤生产正常监测数据，并执行S3-2-2-5；S3-2-2-5、输出选煤生产正常监测数据和选煤生产异常监测数据作为选煤生产监测标记数据，并执行S3-2-3；S3-2-3、利用所述选煤生产监测标记数据建立人工智能选煤生产监测评估模型；S3-2-3-1、利用所述选煤生产监测标记数据作为训练集，利用所述选煤生产监测正常数据作为验证集，基于支持向量机建立人工智能选煤生产监测初始模型；S3-2-3-2、根据所述人工智能选煤生产监测初始模型输出初始监测结果数据；S3-2-3-3、判断所述初始监测结果数据与所述验证集是否对应，若是，则执行S3-2-3-4，否则，则利用所述初始监测结果数据作为更新的训练集，并返回S3-2-3-1；S3-2-3-4、利用所述初始监测结果数据得到实时选煤生产产品质量监测结果数据；S3-2-3-5、判断所述实时选煤生产产品质量监测结果数据与历史选煤生产产品质量监测结果数据相比是否出现异常，若是，则利用所述实时选煤生产产品质量监测结果数据与历史选煤生产产品质量监测结果数据相比产生的异常数据作为更新的训练集，并返回S3-2-3-1，否则，则输出所述人工智能选煤生产监测初始模型作为人工智能选煤生产监测评估模型；S4、利用所述人工智能选煤生产监测评估模型得到人工智能选煤生产监测结果；S4-1、利用所述人工智能选煤生产监测评估模型输出选煤生产监测正常数据的输出数据；S4-2、根据选煤生产监测正常数据的输出数据基于随机梯度下降法得到选煤生产工艺参数数据的优选数据和选煤生产环境数据的优选数据作为人工智能选煤生产优化数据；S4-3、根据所述人工智能选煤生产优化数据得到人工智能选煤生产监测结果；其中，所述生产环境数据阈值范围为生产合格的选煤产品所对应的生产温度范围数据和湿度范围数据，所述生产工艺参数数据阈值范围为生产合格的选煤产品所对应的分选速度参数范围和分选压力参数范围；所述原煤信息数据包括原煤的物理性质数据和化学性质数据；所述原煤的物理性质数据包括原煤的粒度、密度、含灰量和含硫量；所述原煤的化学性质数据包括原煤挥发组分、水分、灰分、硫分数据；所述选煤生产中原煤处理工艺数据包括原煤的筛分、拣选、破碎工艺数据；所述选煤生产中煤炭分选工艺数据包括重介质分选、浮选、重选、磁选、电选工艺数据；选煤生产中煤炭提纯工艺数据包括洗煤、干燥、脱硫工艺数据；所述选煤生产环境数据包括温度、湿度、压力和二氧化碳浓度信息数据；所述选煤生产工艺参数数据包括选煤生产过程中分选速度、分选压力和分选介质浓度数据。

全文数据：

权利要求：

百度查询： 天津德通电气有限公司 一种基于工业互联网平台的人工智能选煤生产监测方法