CN116273425B - 一种制砂楼的控制方法及控制系统 - Google Patents

Abstract

本申请涉及一种制砂楼的控制方法及控制系统，其方法包括：获取制砂楼的历史生产信息，基于历史生产信息构建并训练出料预测模型，出料预测模型包括多个阶段出料预测模型；获取当前生产信息，基于当前生产信息和出料预测模型预测目标出料信息，目标出料信息包括多个目标阶段出料信息；基于当前生产信息获取实际出料信息，实际出料信息包括多个实际阶段出料信息，将实际出料信息与目标出料信息进行对比分析，判断是否超出预设的出料误差范围；若超出，则基于目标阶段出料信息和实际阶段出料信息确定异常的目标阶段流程。本申请具有便于对制砂楼相关设备进行管理维护，降低工作人员的工作难度的效果。

Description

一种制砂楼的控制方法及控制系统

技术领域

本申请涉及制砂楼的技术领域，尤其是涉及一种制砂楼的控制方法及控制系统。

背景技术

现有的重大工程中，几乎所有的重要结构都要求高性能混凝土，高性能混凝土的砂必须采用天然砂才能保证其性能，天然砂作为不可再生资源，已经面临枯竭，天然砂的开采对环境造成严重破坏，带来一系列环保问题和社会问题，采用优质精品砂代替天然砂制备混凝土已经成为社会发展的重要趋势。

传统的制砂生产线占地面积大，流程复杂。目前市面上出现了制砂楼生产线，相较于传统制砂生产线，楼式占地空间小，除尘环保设备可采用一套密封设备，因此节能环保。

然而，在现有的制砂楼中，由于设备全部密封，设备检修较为麻烦，工作人员仅能通过进料和出料情况，人为判断设备的运行情况，这对工作人员的技术和数据统计要求较高，不利于对制砂楼相关设备的管理和维护。

发明内容

为了便于对制砂楼相关设备进行管理维护，降低工作人员的工作难度，本申请提供一种制砂楼的控制方法及控制系统。

第一方面，本申请提供一种制砂楼的控制方法，采用如下的技术方案：

一种制砂楼的控制方法，包括：

获取制砂楼的历史生产信息，基于所述历史生产信息构建并训练出料预测模型，所述出料预测模型包括多个阶段出料预测模型；

获取当前生产信息，基于所述当前生产信息和所述出料预测模型预测目标出料信息，所述目标出料信息包括多个目标阶段出料信息；

基于所述当前生产信息获取实际出料信息，所述实际出料信息包括多个实际阶段出料信息，将所述实际出料信息与所述目标出料信息进行对比分析，判断是否超出预设的出料误差范围；

若超出，则基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程。

通过采用上述技术方案，根据历史生产信息构建出料预测模型，能够预测目标出料信息，若实际出料信息与目标出料信息的误差超出了预设的出料误差范围，即可确定制砂楼中的流程出现了异常，相较于人为判断，更加科学和可靠；同时，还可以根据出现异常的实际阶段出料信息确定异常的目标阶段流程，缩小了异常范围，极大地减轻了工作人员的工作负担，降低了工作难度，非常方便。

可选的，所述历史生产信息包括历史进料信息、历史参数信息、历史出粉信息以及历史出砂信息，所述基于所述历史生产信息构建并训练出料预测模型包括：

获取所述历史进料信息和所述历史参数信息作为模型输入数据；

获取所述历史出粉信息和所述历史出砂信息作为模型输出数据；

基于所述模型输入数据、所述模型输出数据和预设的神经网络模型构建多个初始阶段出料预测模型；

获取多组所述模型输入数据和所述模型输出数据作为模型训练数据，对所述初始阶段出料预测模型进行训练，获取多个阶段出料预测模型，基于所有所述阶段出料预测模型获取出料预测模型。

通过采用上述技术方案，构建并训练阶段出料预测模型，能够得到预测较为准确的出料预测模型，提高了预测的精确度。

可选的，所述阶段出料预测模型至少包括粗碎模型、中碎模型、细碎模型和制砂模型中的其中一种，所述阶段出料信息至少包括粗碎出料信息、中碎出料信息、细碎出料信息和制砂出料信息中的其中一种，所述阶段流程至少包括粗碎流程、中碎流程、细碎流程和制砂流程中的其中一种。

通过采用上述技术方案，提供了阶段流程选项，便于确定出现异常的阶段流程。

可选的，所述出料信息的信息类型包括出粉信息和出砂信息，所述基于所述当前生产信息和所述出料预测模型预测目标出料信息包括：

从所述当前生产信息中获取预测输入数据；

将所述预测输入数据输入到出料预测模型中，获取目标出粉信息和目标出砂信息。

通过采用上述技术方案，能够较为科学地得到目标出料信息。

可选的，所述将所述实际出料信息与所述目标出料信息进行对比分析，判断是否超出预设的出料误差范围包括：

预设出料误差范围，包括出粉误差范围和出砂误差范围；

获取所述实际出粉信息与所述目标出粉信息的出粉误差信息；

获取所述实际出砂信息与所述目标出砂信息的出砂误差信息；

判断所述出粉误差信息是否超出所述出粉误差范围；

判断所述出砂误差信息是否超出所述出砂误差范围。

通过采用上述技术方案，便于得知具体的误差数据。

可选的，所述基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程包括：

将所述目标阶段出料信息和所述实际阶段出料信息进行一一对比分析，获取异常的实际阶段出料信息；

基于异常的实际阶段出料信息确定异常的目标阶段流程。

通过采用上述技术方案，能够自动确定异常的目标阶段流程，较为方便。

可选的，所述基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程之后，还包括：

基于所述目标阶段流程生成预警信息；

将所述预警信息按照预设的提醒方式进行预警提醒。

通过采用上述技术方案，能够提醒工作人员及时处理异常的目标阶段流程。

第二方面，本申请提供一种制砂楼的控制系统，采用如下的技术方案：

一种制砂楼的控制系统，包括模型构建模块、预测模块和分析模块；

所述模型构建模块用于获取制砂楼的历史生产信息，基于所述历史生产信息构建并训练出料预测模型，所述出料预测模型包括多个阶段出料预测模型；

所述预测模块用于获取当前生产信息，基于所述当前生产信息和所述出料预测模型预测目标出料信息，所述目标出料信息包括多个目标阶段出料信息；

所述分析模块用于获取实际出料信息，所述实际出料信息包括多个实际阶段出料信息，将所述实际出料信息与所述目标出料信息进行对比分析，判断是否超出预设的出料误差范围；若超出，则基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程。

通过采用上述技术方案，根据历史生产信息构建出料预测模型，能够预测目标出料信息，若实际出料信息与目标出料信息的误差超出了预设的出料误差范围，即可确定制砂楼中的流程出现了异常，相较于人为判断，更加科学和可靠；同时，还可以根据出现异常的实际阶段出料信息确定异常的目标阶段流程，缩小了异常范围，极大地减轻了工作人员的工作负担，降低了工作难度，非常方便。

第三方面，本申请提供一种终端设备，采用如下的技术方案：

一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了上述的一种制砂楼的控制方法。

通过采用上述技术方案，将上述的一种制砂楼的控制方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便使用。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行时，采用了上述的一种制砂楼的控制方法。

通过采用上述技术方案，将上述的一种制砂楼的控制方法生成计算机程序，并存储于计算机可读存储介质中，以被处理器加载并执行，通过计算机可读存储介质，方便计算机程序的可读及存储。

附图说明

图1是本申请实施例一种制砂楼的控制方法的整体流程示意图。

图2是本申请实施例一种制砂楼的控制系统的整体模块示意图。

附图标记说明：

1、模型构建模块；2、预测模块；3、分析模块。

具体实施方式

以下结合附图对本申请作进一步详细说明。

本申请实施例公开一种制砂楼的控制方法，参照图1，包括：

S101、获取制砂楼的历史生产信息，基于历史生产信息构建并训练出料预测模型，出料预测模型包括多个阶段出料预测模型；

S102、获取当前生产信息，基于当前生产信息和出料预测模型预测目标出料信息，目标出料信息包括多个目标阶段出料信息；

S103、基于当前生产信息获取实际出料信息，实际出料信息包括多个实际阶段出料信息，将实际出料信息与目标出料信息进行对比分析，判断是否超出预设的出料误差范围；

S104、若超出，则基于目标阶段出料信息和实际阶段出料信息确定异常的目标阶段流程。

步骤S101，根据制砂楼的历史生产信息构建出料预测模型，能够根据出料预测模型对制砂楼的出料信息进行预测。在本实施例中，生产信息包括进料信息、参数信息、出粉信息和出砂信息，其中，进料信息指进料种类、进料重量和进料规格等，例如进料种类为石英岩，进料重量为10吨，进料规格指石英岩的体积大小范围，作为参考用；参数信息即为制砂楼的各项设备的输出参数，例如功率、电流等，也包括出砂质量参数，例如含水量和石粉含量；出粉信息为出粉重量；出砂信息同样为出砂重量。一般情况下，出粉信息和出砂信息能够被进料信息和参数信息影响，例如进料重量增加，则出砂重量也同样随之增加等。

可知，历史生产信息同样包括历史进料信息、历史参数信息、历史出粉信息以及历史出砂信息。在本实施例中，将历史进料信息和历史参数信息作为模型输入数据，将历史出粉信息和历史出砂信息作为模型输出数据，结合预设的神经网络模型构建多个阶段出料预测模型。

具体地，设置阶段出料预测模型的目的是为了对制砂楼中各个流程的出料情况进行预测。在本实施例中，制砂楼的阶段流程可以包括粗碎流程、中碎流程、细碎流程和制砂流程等，可知，粗碎流程是将原料进行初始粉碎，中碎流程和细碎流程是根据实际出料需求将粗碎之后的原料进一步进行破碎，制砂流程则是用于将破碎后的砂石进行加工处理，形成便于使用的机制砂。因此，制砂楼的出料一共包括两种，即出粉和出砂，因此，出料信息包括出粉信息和出砂信息。在上述流程中，粗碎出料信息、中碎出料信息和细碎出料信息可以仅为出粉信息，制砂流程中的制砂出料信息可以包括出粉信息和出砂信息。

由上述可知，阶段出料预测模型包括粗碎模型、中碎模型、细碎模型和制砂模型等，其中，粗碎模型、中碎模型、细碎模型用于根据进料信息和参数信息预测出粉信息，制砂模型则根据进料信息和参数信息预测出粉信息和出砂信息。

将历史进料信息和历史参数信息作为模型输入数据，将历史出粉信息和历史出砂信息作为模型输出数据，结合预设的神经网络模型构建初始阶段出料预测模型。神经网络模型可以采用BP神经网络、Hopfield网络、ART网络和Kohonen网络等。

在构建初始阶段出料预测模型之后，需要对初始阶段出料预测模型进行训练，以达到一定的精确度。因此，需要获取多组历史生产信息，将多组历史生产信息作为模型训练数据，对初始阶段出料预测模型进行训练，得到符合要求的阶段出料预测模型。

在本实施例的一个实施方式中，采用十折交叉验证方法确保模型计算结果的可靠性，具体方式为，将模型训练数据随机分割成10个不同的子集，每个子集成为一个折叠，然后对模型进行10次训练和评估——每次挑选一个折叠进行评估，使用另外9个折叠进行训练，产出的结果是一个包含10次评估分数的数组，通过数组即可了解模型训练的情况。对模型进行训练的目的是为了使模型能够适用于不同进料信息和参数信息的情况，且保证输出的预测结果的准确率。

将粗碎模型、中碎模型、细碎模型和制砂模型等阶段出料预测模型进行集成，即可得到出料预测模型，出料预测模型用于基于进料信息和参数信息预测得到制砂楼整体的出粉信息和出砂信息。

步骤S102，获取当前生产信息，从当前生产信息中获取当前进料信息和当前参数信息，将当前进料信息和当前参数信息作为预测输入数据，输入进出料预测模型，能够得到目标出料信息，即目标出粉信息和目标出砂信息。

进一步地，从出料预测模型中还可以获取目标阶段出料信息，具体通过阶段出料预测模型实现，目标阶段出料信息包括目标粗碎出料信息、目标中碎出料信息、目标细碎出料信息和目标制砂出料信息。

步骤S103，获取实际出料信息，实际出料信息包括实际粗碎出料信息、实际中碎出料信息、实际细碎出料信息和实际制砂出料信息，且实际出料信息的类型包括实际出粉信息和实际出砂信息。首先通过实际检测获取的实际出粉信息和实际出砂信息，并获取实际出粉信息和目标出粉信息之间的出粉误差信息，获取实际出砂信息和目标出粉信息之间的出砂误差信息，能够对制砂楼的实际制砂情况进行了解。

进一步地，在本实施例中还设置有出粉误差范围和出砂误差范围，若获取的出粉误差信息超出了出粉误差范围，或者出砂误差信息超出了出砂误差范围，则表明此次制砂过程的情况与预测的情况不符合，制砂流程中可能出现了异常，可能导致异常的原因有粗碎设备异常、中碎设备异常、细碎设备异常或者制砂设备异常，导致出粉或者出砂并未按照历史规律产出，此时需要确定具体的异常设备或者异常流程。

步骤S104，当确定实际出料信息与目标出料信息的误差信息超出误差范围时，将每个阶段流程的目标阶段出料信息与实际阶段出料信息进行一一对比分析，获取异常的实际阶段出料信息，根据异常的实际阶段出料信息即可确定出现异常的目标阶段流程，例如，粗碎流程的实际阶段出料信息中表示出粉较多，超出了粗碎的出粉误差范围，则表示粗碎阶段异常，可能由于粗碎实际功率较高等原因引起的，需要工作人员进一步确定。

当然，还存在另外一种可能，即所有设备正常，出料正常，此次为特殊数据，此时工作人员应当把该生产信息作为预测训练数据输入进出料预测模型中，以保持对出料预测模型的训练。

进一步地，在确定目标阶段流程之后，根据目标阶段流程生成预警信息，将目标阶段流程作为主体向工作人员发送预警信息，例如“粗碎阶段异常，出粉超标”等，具体提醒方式可以为语音、灯光、短信、电话等方式，以提醒工作人员及时处理。

本申请实施例一种制砂楼的控制方法的实施原理为：根据历史生产信息构建出料预测模型，能够预测目标出料信息，若实际出料信息与目标出料信息的误差超出了预设的出料误差范围，即可确定制砂楼中的流程出现了异常，相较于人为判断，更加科学和可靠；同时，还可以根据出现异常的实际阶段出料信息确定异常的目标阶段流程，缩小了异常范围，极大地减轻了工作人员的工作负担，降低了工作难度，非常方便。

本申请实施例还公开一种制砂楼的控制系统，参照图2，包括模型构建模块1、预测模块2和分析模块3，模型构建模块1用于获取制砂楼的历史生产信息，基于历史生产信息构建并训练出料预测模型，出料预测模型包括多个阶段出料预测模型；预测模块2用于获取当前生产信息，基于当前生产信息和出料预测模型预测目标出料信息，目标出料信息包括多个目标阶段出料信息；分析模块3用于获取实际出料信息，实际出料信息包括多个实际阶段出料信息，将实际出料信息与目标出料信息进行对比分析，判断是否超出预设的出料误差范围；若超出，则基于目标阶段出料信息和实际阶段出料信息确定异常的目标阶段流程。

本申请实施例一种制砂楼的控制系统的具体实施方式与上述的一种制砂楼的控制方法的具体实施方式相同，故在此不再赘述。

本申请实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，其中，处理器执行计算机程序时，采用了上述实施例中的一种制砂楼的控制方法。

其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。

其中，处理器可以采用中央处理单元（CPU），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。

其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡（SMC）、安全数字卡（SD）或者闪存卡（FC）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及终端设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本申请对此不做限制。

其中，通过本终端设备，将上述实施例中的一种制砂楼的控制方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，方便使用。

本申请实施例还公开一种计算机可读存储介质，并且，计算机可读存储介质存储有计算机程序，其中，计算机程序被处理器执行时，采用了上述实施例中的一种制砂楼的控制方法。

其中，计算机程序可以存储于计算机可读介质中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM）、随机存取存储器（RAM）、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。

其中，通过本计算机可读存储介质，将上述实施例中的一种制砂楼的控制方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便上述方法的存储及应用。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种制砂楼的控制方法，其特征在于，包括：

获取制砂楼的历史生产信息，基于所述历史生产信息构建并训练出料预测模型，所述出料预测模型包括多个阶段出料预测模型；

获取当前生产信息，基于所述当前生产信息和所述出料预测模型预测目标出料信息，所述目标出料信息包括多个目标阶段出料信息；

基于所述当前生产信息获取实际出料信息，所述实际出料信息包括多个实际阶段出料信息，将所述实际出料信息与所述目标出料信息进行对比分析，判断是否超出预设的出料误差范围；

若超出，则基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程。

2.根据权利要求1所述的一种制砂楼的控制方法，其特征在于，所述历史生产信息包括历史进料信息、历史参数信息、历史出粉信息以及历史出砂信息，所述基于所述历史生产信息构建并训练出料预测模型包括：

获取所述历史进料信息和所述历史参数信息作为模型输入数据；

获取所述历史出粉信息和所述历史出砂信息作为模型输出数据；

基于所述模型输入数据、所述模型输出数据和预设的神经网络模型构建多个初始阶段出料预测模型；

获取多组所述模型输入数据和所述模型输出数据作为模型训练数据，对所述初始阶段出料预测模型进行训练，获取多个阶段出料预测模型，基于所有所述阶段出料预测模型获取出料预测模型。

3.根据权利要求2所述的一种制砂楼的控制方法，其特征在于，所述阶段出料预测模型至少包括粗碎模型、中碎模型、细碎模型和制砂模型中的其中一种，所述阶段出料信息至少包括粗碎出料信息、中碎出料信息、细碎出料信息和制砂出料信息中的其中一种，所述阶段流程至少包括粗碎流程、中碎流程、细碎流程和制砂流程中的其中一种。

4.根据权利要求1所述的一种制砂楼的控制方法，其特征在于，所述出料信息的信息类型包括出粉信息和出砂信息，所述基于所述当前生产信息和所述出料预测模型预测目标出料信息包括：

从所述当前生产信息中获取预测输入数据；

将所述预测输入数据输入到出料预测模型中，获取目标出粉信息和目标出砂信息。

5.根据权利要求4所述的一种制砂楼的控制方法，其特征在于，所述将所述实际出料信息与所述目标出料信息进行对比分析，判断是否超出预设的出料误差范围包括：

预设出料误差范围，包括出粉误差范围和出砂误差范围；

获取所述实际出粉信息与所述目标出粉信息的出粉误差信息；

获取所述实际出砂信息与所述目标出砂信息的出砂误差信息；

判断所述出粉误差信息是否超出所述出粉误差范围；

判断所述出砂误差信息是否超出所述出砂误差范围。

6.根据权利要求3所述的一种制砂楼的控制方法，其特征在于，所述基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程包括：

将所述目标阶段出料信息和所述实际阶段出料信息进行一一对比分析，获取异常的实际阶段出料信息；

基于异常的实际阶段出料信息确定异常的目标阶段流程。

7.根据权利要求1所述的一种制砂楼的控制方法，其特征在于，所述基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程之后，还包括：

基于所述目标阶段流程生成预警信息；

将所述预警信息按照预设的提醒方式进行预警提醒。

8.一种制砂楼的控制系统，其特征在于，包括模型构建模块（1）、预测模块（2）和分析模块（3）；

所述模型构建模块（1）用于获取制砂楼的历史生产信息，基于所述历史生产信息构建并训练出料预测模型，所述出料预测模型包括多个阶段出料预测模型；

所述预测模块（2）用于获取当前生产信息，基于所述当前生产信息和所述出料预测模型预测目标出料信息，所述目标出料信息包括多个目标阶段出料信息；

所述分析模块（3）用于获取实际出料信息，所述实际出料信息包括多个实际阶段出料信息，将所述实际出料信息与所述目标出料信息进行对比分析，判断是否超出预设的出料误差范围；若超出，则基于所述目标阶段出料信息和所述实际阶段出料信息确定异常的目标阶段流程。

9.一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述处理器加载并执行计算机程序时，采用了权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器加载并执行时，采用了权利要求1-7中任一项所述的方法。