一种基于工业大数据的氧化炉状态预测分析系统

摘要

本发明公开一种基于工业大数据的氧化炉状态预测分析系统，包括数据库模块，用于存储氧化炉的诊断信息，并存储有维修氧化炉各个部件的相应单位；监控预测模块，其与氧化炉相偶接，监控预测模块监控与检测氧化炉的状态以产生感测信号；诊断模块，其与监控预测模块以及数据库模块电性连接，用于接收感测信号并对感测信号进行诊断；生命周期预测模块，接收诊断模块的诊断信息，其根据该诊断信息预测氧化炉的生命周期，并将诊断信息存入数据库模块中；以及维修排障模块；该基于工业大数据的氧化炉状态预测分析系统可以对工作中的氧化炉的运行情况、状态进行分析，以确保工作人员及时进行维修或保养。

说明书

技术领域

本发明涉及一种基于工业大数据的氧化炉状态预测分析系统。

背景技术

氧化炉主要用于各工矿企业、科研单位化验室、实验室加温、热处理，是各类化验室中不可缺少的仪器设备，主要供合金钢制品、各种金属机件正火、淬火、退火等热处理之用，或金刚石等切割刀片进行高温烧结用途。高温炉只是一个统称，其实在不断的发展过程中，又有了很多的细分。

工作时氧化炉内部一般处于高温状态，因此如果没有适当的管理与监控，一旦发生故障，可能造成生命或财产的危险，因此，有必要研发出一种氧化炉的状态分析系统。

发明内容

本发明要解决的技术问题是提供一种可以对工作中的氧化炉的运行情况、状态进行分析，以确保工作人员及时进行维修或保养的基于工业大数据的氧化炉状态预测分析系统。

为解决上述问题，本发明采用如下技术方案：一种基于工业大数据的氧化炉状态预测分析系统，包括数据库模块，用于存储氧化炉的诊断信息，并存储有维修氧化炉各个部件的相应单位；监控预测模块，其与氧化炉相偶接，监控预测模块监控与检测氧化炉的状态以产生感测信号；诊断模块，其与监控预测模块以及数据库模块电性连接，用于接收感测信号并对感测信号进行诊断；生命周期预测模块，接收诊断模块的诊断信息，其根据该诊断信息预测氧化炉的生命周期，并将诊断信息存入数据库模块中；以及维修排障模块，其根据预测生命周期的结果判断是否要对氧化炉进行维修，如果要进行维修，则在数据库模块的数据内寻找合适的维修单位对该设备进行维修。

作为优选，所述监控预测模块包含有预测器，基于氧化炉数据通过使用不同的分析方法来做出关于质量的预测；选择单元，用于选择使用预测器的个数；总体预测器，基于由多个预测器获得的多个预测结果来计算关于质量的综合预测结果；以及预测准确度计算单元，基于由所述多个预测器各自做出的预测结果和关于质量的检验结果来计算由所述多个预测器各自做出的预测的准确度。

作为优选，所述氧化炉数据包括吹扫时的风压数据、排出的气体成分检测数据、50-100℃的加热速度数据和运行噪音数据中的一种或多种。

作为优选，所述维修排障模块还与数据库模块储存的维修单位内的服务器相连接，以及时通知维修单位。

作为优选，所述氧化炉数据为运行噪音数据。

作为优选，所述预测器的分析方法包括以下步骤：

1）采集机械系统运行时产生的噪音信号，该噪音信号为时序周期性信号，确定声学时序周期性信号中存在的最小周期；

2）对步骤1）中的噪音信号进行预处理，对预处理后的信号利用估计的回归模型及1）中的最小周期进行异常度分析。

作为优选，所述维修排障模块记录每一次的判断结果于该数据库中以形成历史信息。

本发明的有益效果为：通过检测氧化炉的状态，从而对氧化炉的状态进行排查，可以有效的预防和发现氧化炉的问题，从而有效的保障工作人员的安全，同时，可以有效在问题被放大之前得到解决，帮助企业挽回不必要的损失。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于工业大数据的氧化炉状态预测分析系统的连接框图。

图2为本发明一种基于工业大数据的氧化炉状态预测分析系统的预测器的分析流程图。

图中：

1、监控预测模块；2、监控预测模块；3、诊断模块；4、生命周期预测模块；5、维修排障模块；6、预测器；7、选择单元；8、总体预测器；9、预测准确度计算单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

在实施例中，需要理解的是，术语“中间”、“上”、“下”、“顶部”、“右侧”、“左端”、“上方”、“背面”、“中部”、等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

另外，在本具体实施方式中如未特别说明部件之间的连接或固定方式，其连接或固定方式均可为通过现有技术中常用的螺栓固定，或钉销固定，或销轴连接，或粘合固定，或铆接固定等常规方式，因此，在实施例中不在详述。

实施例1

如图1所示，一种基于工业大数据的氧化炉状态预测分析系统，包括数据库模块1，用于存储氧化炉的诊断信息，并存储有维修氧化炉各个部件的相应单位；监控预测模块2，其与氧化炉相偶接，监控预测模块1监控与检测氧化炉的状态以产生感测信号；诊断模块3，其与监控预测模块2以及数据库模块1电性连接，用于接收感测信号并对感测信号进行诊断；生命周期预测模块4，接收诊断模块3的诊断信息，其根据该诊断信息预测氧化炉的生命周期，并将诊断信息存入数据库模块中；以及维修排障模块5，其根据预测生命周期的结果判断是否要对氧化炉进行维修，如果要进行维修，则在数据库模块1的数据内寻找合适的维修单位对该设备进行维修。

在本实施例中，所述监控预测模块1包含有预测器6，基于氧化炉数据通过使用不同的分析方法来做出关于质量的预测；选择单元7，用于选择使用预测器6的个数；总体预测器8，基于由多个预测器6获得的多个预测结果来计算关于质量的综合预测结果；以及预测准确度计算单元9，基于由所述多个预测器6各自做出的预测结果和关于质量的检验结果来计算由所述多个预测器6各自做出的预测的准确度。

在本实施例中，所述氧化炉数据包括吹扫时的风压数据、排出的气体成分检测数据和50-100℃的加热速度数据。

在本实施例中，所述维修排障模块还与数据库模块储存的维修单位内的服务器相连接，以及时通知维修单位。

在本实施例中，所述维修排障模块记录每一次的判断结果于该数据库中以形成历史信息。

实施例2

如图1所示，一种基于工业大数据的氧化炉状态预测分析系统，包括数据库模块1，用于存储氧化炉的诊断信息，并存储有维修氧化炉各个部件的相应单位；监控预测模块2，其与氧化炉相偶接，监控预测模块1监控与检测氧化炉的状态以产生感测信号；诊断模块3，其与监控预测模块2以及数据库模块1电性连接，用于接收感测信号并对感测信号进行诊断；生命周期预测模块4，接收诊断模块3的诊断信息，其根据该诊断信息预测氧化炉的生命周期，并将诊断信息存入数据库模块中；以及维修排障模块5，其根据预测生命周期的结果判断是否要对氧化炉进行维修，如果要进行维修，则在数据库模块1的数据内寻找合适的维修单位对该设备进行维修。

在本实施例中，所述监控预测模块1包含有预测器6，基于氧化炉数据通过使用不同的分析方法来做出关于质量的预测；选择单元7，用于选择使用预测器6的个数；总体预测器8，基于由多个预测器6获得的多个预测结果来计算关于质量的综合预测结果；以及预测准确度计算单元9，基于由所述多个预测器6各自做出的预测结果和关于质量的检验结果来计算由所述多个预测器6各自做出的预测的准确度。

在本实施例中，所述氧化炉数据包括排出的气体成分检测数据、50-100℃的加热速度数据和运行噪音数据。

在本实施例中，所述维修排障模块还与数据库模块储存的维修单位内的服务器相连接，以及时通知维修单位。

在本实施例中，所述维修排障模块记录每一次的判断结果于该数据库中以形成历史信息。

实施例3

如图1-2所示，一种基于工业大数据的氧化炉状态预测分析系统，包括数据库模块1，用于存储氧化炉的诊断信息，并存储有维修氧化炉各个部件的相应单位；监控预测模块2，其与氧化炉相偶接，监控预测模块1监控与检测氧化炉的状态以产生感测信号；诊断模块3，其与监控预测模块2以及数据库模块1电性连接，用于接收感测信号并对感测信号进行诊断；生命周期预测模块4，接收诊断模块3的诊断信息，其根据该诊断信息预测氧化炉的生命周期，并将诊断信息存入数据库模块中；以及维修排障模块5，其根据预测生命周期的结果判断是否要对氧化炉进行维修，如果要进行维修，则在数据库模块1的数据内寻找合适的维修单位对该设备进行维修。

在本实施例中，所述监控预测模块1包含有预测器6，基于氧化炉数据通过使用不同的分析方法来做出关于质量的预测；选择单元7，用于选择使用预测器6的个数；总体预测器8，基于由多个预测器6获得的多个预测结果来计算关于质量的综合预测结果；以及预测准确度计算单元9，基于由所述多个预测器6各自做出的预测结果和关于质量的检验结果来计算由所述多个预测器6各自做出的预测的准确度。

在本实施例中，所述维修排障模块还与数据库模块储存的维修单位内的服务器相连接，以及时通知维修单位。

在本实施例中，所述氧化炉数据为运行噪音数据。

在本实施例中，所述预测器6的分析方法包括以下步骤：

1）采集机械系统运行时产生的噪音信号，该噪音信号为时序周期性信号，确定声学时序周期性信号中存在的最小周期；

2）对步骤1）中的噪音信号进行预处理，对预处理后的信号利用估计的回归模型及1）中的最小周期进行异常度分析。

实施例4

如图1-2所示，一种基于工业大数据的氧化炉状态预测分析系统，包括数据库模块1，用于存储氧化炉的诊断信息，并存储有维修氧化炉各个部件的相应单位；监控预测模块2，其与氧化炉相偶接，监控预测模块1监控与检测氧化炉的状态以产生感测信号；诊断模块3，其与监控预测模块2以及数据库模块1电性连接，用于接收感测信号并对感测信号进行诊断；生命周期预测模块4，接收诊断模块3的诊断信息，其根据该诊断信息预测氧化炉的生命周期，并将诊断信息存入数据库模块中；以及维修排障模块5，其根据预测生命周期的结果判断是否要对氧化炉进行维修，如果要进行维修，则在数据库模块1的数据内寻找合适的维修单位对该设备进行维修。

在本实施例中，所述监控预测模块1包含有预测器6，基于氧化炉数据通过使用不同的分析方法来做出关于质量的预测；选择单元7，用于选择使用预测器6的个数；总体预测器8，基于由多个预测器6获得的多个预测结果来计算关于质量的综合预测结果；以及预测准确度计算单元9，基于由所述多个预测器6各自做出的预测结果和关于质量的检验结果来计算由所述多个预测器6各自做出的预测的准确度。

在本实施例中，所述维修排障模块还与数据库模块储存的维修单位内的服务器相连接，以及时通知维修单位。

在本实施例中，所述氧化炉数据为运行噪音数据。

在本实施例中，所述预测器6的分析方法包括以下步骤：

1）采集机械系统运行时产生的噪音信号，该噪音信号为时序周期性信号，确定声学时序周期性信号中存在的最小周期；

2）对步骤1）中的噪音信号进行预处理，对预处理后的信号利用估计的回归模型及1）中的最小周期进行异常度分析。

在本实施例中，所述维修排障模块记录每一次的判断结果于该数据库中以形成历史信息。

本发明的有益效果为：通过检测氧化炉的状态，从而对氧化炉的状态进行排查，可以有效的预防和发现氧化炉的问题，从而有效的保障工作人员的安全，同时，可以有效在问题被放大之前得到解决，帮助企业挽回不必要的损失。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。