本技術(shù)涉及電數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的渦街流量計監(jiān)測方法、裝置、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、工業(yè)生產(chǎn)過程中，流量計的運行狀態(tài)監(jiān)測和性能評估是保障生產(chǎn)安全和計量準(zhǔn)確性的重要環(huán)節(jié)。隨著工業(yè)自動化和智能制造的發(fā)展，流量計監(jiān)測已從傳統(tǒng)的定期檢驗發(fā)展到持續(xù)性監(jiān)測，不僅可以及時發(fā)現(xiàn)計量異常，還能預(yù)判設(shè)備故障，對提高生產(chǎn)效率和降低維護(hù)成本具有重要意義。特別是在化工、石油天然氣等領(lǐng)域，渦街流量計的監(jiān)測質(zhì)量直接關(guān)系到工藝控制和物料統(tǒng)計的準(zhǔn)確性。

2、相關(guān)技術(shù)中，渦街流量計監(jiān)測方法主要采用定期檢定和比對的方式。工作人員通過便攜式標(biāo)準(zhǔn)裝置對在用流量計進(jìn)行現(xiàn)場檢定，或通過在線串聯(lián)安裝標(biāo)準(zhǔn)流量計進(jìn)行比對測量。這些方法通過對比測量值與標(biāo)準(zhǔn)值之間的偏差來評估流量計的性能狀態(tài)。同時，通過記錄流量計的輸出信號特征，如信號幅值、信號頻率等參數(shù)，來判斷設(shè)備是否處于正常工作狀態(tài)。

3、然而，這種周期性檢測方式存在監(jiān)測滯后性問題。由于檢測間隔期間缺乏有效監(jiān)測，流量計性能衰減或故障往往在已經(jīng)影響生產(chǎn)質(zhì)量后才能被發(fā)現(xiàn)，這種被動式發(fā)現(xiàn)問題的方式會造成較大的經(jīng)濟(jì)損失。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種基于深度學(xué)習(xí)的渦街流量計監(jiān)測方法、裝置、介質(zhì)及產(chǎn)品，用于提高渦街流量計的監(jiān)測及時性，降低其維保成本。

2、第一方面，本技術(shù)提供了一種基于深度學(xué)習(xí)的渦街流量計監(jiān)測方法，應(yīng)用于監(jiān)測裝置，該方法包括：獲取渦街流量計的歷史時序數(shù)據(jù)，并對歷史時序數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化數(shù)據(jù)；基于預(yù)設(shè)隨機(jī)數(shù)種子，采用伯努利分布將標(biāo)準(zhǔn)化數(shù)據(jù)劃分為預(yù)設(shè)比例的訓(xùn)練集和驗證集；根據(jù)渦街流量計的流量特征，將訓(xùn)練集按照預(yù)設(shè)的流量閾值區(qū)間進(jìn)行分段，并基于每個流量閾值區(qū)間內(nèi)的數(shù)據(jù)分別構(gòu)建深度學(xué)習(xí)模型，得到流量模型集；利用驗證集對流量模型集中的多個深度學(xué)習(xí)模型進(jìn)行驗證，并基于驗證誤差結(jié)果對流量模型集進(jìn)行優(yōu)化；采集渦街流量計的實時數(shù)據(jù)，并根據(jù)實時數(shù)據(jù)所屬的流量閾值區(qū)間，調(diào)用流量模型集中對應(yīng)的深度學(xué)習(xí)模型進(jìn)行計算，得到流量修正值；在基于流量修正值計算得到的流量計性能低于預(yù)設(shè)性能閾值時，生成異常預(yù)警信息。

3、在上述實施例中，監(jiān)測裝置會通過獲取歷史數(shù)據(jù)并預(yù)處理、劃分?jǐn)?shù)據(jù)集、構(gòu)建流量模型集、驗證優(yōu)化模型、實時監(jiān)測和預(yù)警的完整流程，實現(xiàn)了渦街流量計的智能化實時監(jiān)測，基于深度學(xué)習(xí)模型對不同流量區(qū)間進(jìn)行建模，能夠準(zhǔn)確捕捉渦街流量計在不同工況下的性能特征，并及時發(fā)現(xiàn)異常情況，提高了監(jiān)測的準(zhǔn)確性和及時性。

4、結(jié)合第一方面的一些實施例，在一些實施例中，獲取渦街流量計的歷史時序數(shù)據(jù)，并對歷史時序數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)化數(shù)據(jù)的步驟，具體包括：收集預(yù)設(shè)時間段內(nèi)渦街流量計的原始數(shù)據(jù)，原始數(shù)據(jù)包括流量值、溫度值、壓力值和信號頻率；對原始數(shù)據(jù)進(jìn)行異常值處理，并計算局部均值，基于局部均值對識別出的異常值進(jìn)行填充，得到初始化數(shù)據(jù)；將初始化數(shù)據(jù)按照預(yù)設(shè)的時間窗口長度進(jìn)行分段，得到多個數(shù)據(jù)片段；預(yù)設(shè)時間窗口長度基于渦街流量計的固有頻率特性進(jìn)行確定；對每個數(shù)據(jù)片段進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化數(shù)據(jù)；標(biāo)準(zhǔn)化處理包括最大最小值歸一化和z-score標(biāo)準(zhǔn)化。

5、在上述實施例中，監(jiān)測裝置會通過對原始數(shù)據(jù)進(jìn)行異常值處理、局部均值填充和標(biāo)準(zhǔn)化處理，并結(jié)合渦街流量計的固有頻率特性確定時間窗口，保證了輸入數(shù)據(jù)的質(zhì)量和特征表達(dá)能力。

6、結(jié)合第一方面的一些實施例，在一些實施例中，根據(jù)渦街流量計的流量特征，將訓(xùn)練集按照預(yù)設(shè)的流量閾值區(qū)間進(jìn)行分段，并基于每個流量閾值區(qū)間內(nèi)的數(shù)據(jù)分別構(gòu)建深度學(xué)習(xí)模型，得到流量模型集的步驟，具體包括：基于流體力學(xué)理論，將渦街流量計的工作范圍劃分為層流區(qū)間、過渡區(qū)間和湍流區(qū)間；在每個區(qū)間內(nèi)，根據(jù)雷諾數(shù)和斯特勞哈爾數(shù)的對應(yīng)關(guān)系，確定多個流量閾值點；將訓(xùn)練集的數(shù)據(jù)按照確定的流量閾值點進(jìn)行分段，得到多個子數(shù)據(jù)集；對每個子數(shù)據(jù)集分別構(gòu)建包含卷積層、循環(huán)層和全連接層的深度神經(jīng)網(wǎng)絡(luò)模型，得到流量模型集；各區(qū)間的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)根據(jù)流體特性的不同，設(shè)置有不同的卷積核大小和循環(huán)單元數(shù)量。

7、在上述實施例中，監(jiān)測裝置會通過將工作范圍劃分為不同流態(tài)區(qū)間，并根據(jù)流體力學(xué)特性設(shè)計對應(yīng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)了對渦街流量計在不同流態(tài)下的精確建模。

8、結(jié)合第一方面的一些實施例，在一些實施例中，在對每個子數(shù)據(jù)集分別構(gòu)建包含卷積層、循環(huán)層和全連接層的深度神經(jīng)網(wǎng)絡(luò)模型，得到流量模型集的步驟之前，該方法還包括：提取每個流量閾值區(qū)間內(nèi)的渦街信號的特征矩陣；對特征矩陣進(jìn)行奇異值分解，得到主要特征向量；根據(jù)主要特征向量的分布特性，確定每個區(qū)間的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。

9、在上述實施例中，監(jiān)測裝置會通過提取渦街信號的特征矩陣并進(jìn)行奇異值分解，獲取主要特征向量來指導(dǎo)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，實現(xiàn)了網(wǎng)絡(luò)參數(shù)的優(yōu)化配置。

10、結(jié)合第一方面的一些實施例，在一些實施例中，在利用驗證集對流量模型集中的多個深度學(xué)習(xí)模型進(jìn)行驗證，并基于驗證誤差結(jié)果對流量模型集進(jìn)行優(yōu)化的步驟之前，該方法還包括：基于渦街流量計的物理特性構(gòu)建損失函數(shù)；損失函數(shù)包括流量預(yù)測誤差項、信號頻率一致性約束項和物理規(guī)律約束項；流量預(yù)測誤差項表征模型預(yù)測值與實際值的偏差，信號頻率一致性約束項表征預(yù)測結(jié)果與渦街信號頻率的相關(guān)性，物理規(guī)律約束項基于流體力學(xué)中的伯努利方程和連續(xù)性方程進(jìn)行構(gòu)建；采用交叉驗證方法，在不同的數(shù)據(jù)分割方案下評估流量模型集的泛化性能，得到泛化評估結(jié)果；基于泛化評估結(jié)果對流量模型集中各個深度學(xué)習(xí)模型的網(wǎng)絡(luò)結(jié)構(gòu)和超參數(shù)進(jìn)行調(diào)整優(yōu)化。

11、在上述實施例中，監(jiān)測裝置會通過構(gòu)建包含多個約束項的損失函數(shù)，并采用交叉驗證方法評估模型泛化性能，實現(xiàn)了深度學(xué)習(xí)模型的優(yōu)化。

12、結(jié)合第一方面的一些實施例，在一些實施例中，在采集渦街流量計的實時數(shù)據(jù)，并根據(jù)實時數(shù)據(jù)所屬的流量閾值區(qū)間，調(diào)用流量模型集中對應(yīng)的深度學(xué)習(xí)模型進(jìn)行計算，得到流量修正值的步驟之后，該方法還包括：構(gòu)建基于時間序列的狀態(tài)評估模型，以連續(xù)多個時間窗口內(nèi)的流量修正值、溫度值和壓力值作為輸入，確定設(shè)備狀態(tài)分值；基于歷史故障案例庫對設(shè)備狀態(tài)分值的潛在故障類型進(jìn)行概率預(yù)測，得到故障預(yù)測結(jié)果；在根據(jù)設(shè)備狀態(tài)分值確定渦街流量計存在性能劣化趨勢時，根據(jù)故障預(yù)測結(jié)果生成維護(hù)時間和維護(hù)建議。

13、在上述實施例中，監(jiān)測裝置會通過構(gòu)建狀態(tài)評估模型并結(jié)合歷史故障案例庫，實現(xiàn)了設(shè)備狀態(tài)的動態(tài)評估和故障預(yù)測。

14、結(jié)合第一方面的一些實施例，在一些實施例中，在采集渦街流量計的實時數(shù)據(jù)，并根據(jù)實時數(shù)據(jù)所屬的流量閾值區(qū)間，調(diào)用流量模型集中對應(yīng)的深度學(xué)習(xí)模型進(jìn)行計算，得到流量修正值的步驟之前，該方法還包括：獲取預(yù)設(shè)時間窗口內(nèi)的渦街信號頻率序列和流體參數(shù)序列；利用傅里葉變換計算渦街信號頻率序列的功率譜，提取得到主頻分量；基于主頻分量和流體參數(shù)序列的對應(yīng)關(guān)系，計算當(dāng)前工況下的斯特勞哈爾數(shù)；根據(jù)斯特勞哈爾數(shù)的變化趨勢，對流量閾值區(qū)間進(jìn)行動態(tài)調(diào)整。

15、在上述實施例中，監(jiān)測裝置會通過分析渦街信號頻率的功率譜特征和斯特勞哈爾數(shù)變化趨勢，實現(xiàn)了流量閾值區(qū)間的動態(tài)調(diào)整。

16、第二方面，本技術(shù)實施例提供了一種監(jiān)測裝置，該監(jiān)測裝置包括：一個或多個處理器和存儲器；該存儲器與該一個或多個處理器耦合，該存儲器用于存儲計算機(jī)程序代碼，該計算機(jī)程序代碼包括計算機(jī)指令，該一個或多個處理器調(diào)用該計算機(jī)指令以使得該監(jiān)測裝置執(zhí)行如第一方面以及第一方面中任一可能的實現(xiàn)方式描述的方法。

17、第三方面，本技術(shù)實施例提供一種包含指令的計算機(jī)程序產(chǎn)品，當(dāng)上述計算機(jī)程序產(chǎn)品在監(jiān)測裝置上運行時，使得上述監(jiān)測裝置執(zhí)行如第一方面以及第一方面中任一可能的實現(xiàn)方式描述的方法。

18、第四方面，本技術(shù)實施例提供一種計算機(jī)可讀存儲介質(zhì)，包括指令，當(dāng)上述指令在監(jiān)測裝置上運行時，使得上述監(jiān)測裝置執(zhí)行如第一方面以及第一方面中任一可能的實現(xiàn)方式描述的方法。

19、可以理解地，上述第二方面提供的監(jiān)測裝置，第三方面提供的計算機(jī)程序產(chǎn)品和第四方面提供的計算機(jī)存儲介質(zhì)均用于執(zhí)行本技術(shù)實施例所提供的方法。因此，其所能達(dá)到的有益效果可參考對應(yīng)方法中的有益效果，此處不再贅述。

20、本技術(shù)實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：

21、1、由于采用了基于深度學(xué)習(xí)的分段建模和實時監(jiān)測方法，對渦街流量計的歷史數(shù)據(jù)進(jìn)行預(yù)處理和訓(xùn)練集劃分，并根據(jù)流量特征構(gòu)建專門的深度學(xué)習(xí)模型集，所以能夠針對不同流量區(qū)間的特征進(jìn)行精確建模和實時監(jiān)測，有效解決了現(xiàn)有技術(shù)中單一模型難以適應(yīng)全工況、監(jiān)測精度不足的問題，進(jìn)而實現(xiàn)了渦街流量計性能的智能化實時監(jiān)測，提高了監(jiān)測準(zhǔn)確性和及時性，降低了維護(hù)成本。

22、2、由于采用了基于流體力學(xué)理論的分區(qū)建模策略，將工作范圍劃分為層流、過渡和湍流區(qū)間，并根據(jù)雷諾數(shù)和斯特勞哈爾數(shù)的對應(yīng)關(guān)系確定流量閾值點，針對不同區(qū)間設(shè)計專門的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，所以能夠充分考慮不同流態(tài)下的流體特性差異，有效解決了現(xiàn)有技術(shù)中模型難以準(zhǔn)確描述不同流態(tài)特征的問題，進(jìn)而實現(xiàn)了對渦街流量計在全工況范圍內(nèi)的精確建模，提高了模型的適應(yīng)性和預(yù)測準(zhǔn)確性。

23、3、由于采用了基于渦街信號頻率分析的自適應(yīng)分區(qū)方法，通過傅里葉變換提取主頻特征，并結(jié)合斯特勞哈爾數(shù)的變化趨勢動態(tài)調(diào)整流量閾值區(qū)間，所以能夠?qū)崟r適應(yīng)工況變化并優(yōu)化模型分區(qū)，有效解決了現(xiàn)有技術(shù)中固定分區(qū)難以應(yīng)對工況變化的問題，進(jìn)而實現(xiàn)了流量計監(jiān)測模型的自適應(yīng)優(yōu)化，提高了模型在動態(tài)工況下的監(jiān)測性能。