[发明专利]一种采用单塔的制氩方法

权利要求书

1.一种采用单塔的制氩方法；其特征在于，包括以下步骤：S1，将原空气送入空气过滤器，经过过滤和空压机的加压，之后进入空冷系统冷却液化，在经过纯化系统进行纯化分解，将纯化的混合液送入制氩机构；

S2，经过步骤S1之后，混合液进入第一粗氩罐，在第一粗氩罐内进行分馏，并且经过第一粗氩罐进入第二粗氩罐，在第二粗氩罐和第一粗氩罐之间进行循环，去除杂质气体；

S3，经过步骤S2之后，粗氩液进入到精氩罐，在精氩罐内进行精馏提纯，提纯后的液氩通过液氩槽进行收集；

S4，在步骤S1-S3的过程中，故障检测系统通过数据采集模块和控制单元共同对制氩系统数据进行故障诊断分析，降低系统故障发生，提高生产效率；

步骤S4中，控制单元通过对制氩系统数据进行分析故障诊断的过程为，A1系统数据预处理，A2，互信息计算值，A3，系统数据分类训练，A4，故障分类，确定故障源；

系统数据预处理过程中，选择制氩系统中的最优变量，因为系统在同一输出时刻输出的不同变量之间存在延迟，会导致对于故障数据分析，相关性提取、故障诊断存在影响，为了减少延迟的影响，需要对系统数据行进预处理，增强数据之间的抗干扰能力，减少对故障诊断的影响，系统数据进行预处理的方法为：首选，选取系统数据，对数据进行预处理，删除显著误差数据，处理过程中对所有数据求平均值b，求取绝对偏差b2，根据绝对偏差求得显著误差c，平均值b1满足以下公式，b=1/M(b1+···+ bM)；M为系统数据的个数；绝对偏差z= bM- b；显著误差c=3（1/(M-1)(( b1-b) +···+( bM-b))²）^1/2；然后，计算数据变量之间的延迟时间；根据互信息值的大小，选择在一定范围内适合的变量，作为相关变量的初值，剔除冗余变量，选择最终的制氩机构系统数据进行分析，增强数据之间的抗干扰能力，减少对制氩系统故障诊断的影响，增加故障判断的准确性；

步骤S4中，控制单元的数据处理分析模块的检测步骤包括a，通过设置的多个激光传感器对制氩机构的管道的直径、厚度、轮廓、长度数据进行采集；b，对采集的数据进行分组存储，将数据库分为配置数据库和系统数据库，每个传感器对应一个系统数据库，配置数据库存储系统数据相对应的配置数据；c，对采集的制氩机构的管道数据进行分析处理；d，经过步骤c分析之后的数据与制氩机构的管道的原始数据进行对比，判断制氩机构的管道的受损情况；e，得出诊断结果之后，将故障的时间、故障大小、故障类型通过显示模块显示；

在对氩机构的管道的直径、厚度、轮廓、长度数据进行存储时，根据制氩机构系统的运行时间和管道原始数据进行时频域特征提取，并将采集的数据特征信号进行分层处理，对每一层利用聚类算法找出每一层的聚类中心，得出少部分故障类型集合，在对每一小部分进行分类器训练，提取比较好的训练结果；之后对新数据集进行重新分层，对于新的数据层集首先通过聚类计算出其每一簇数据的中心，然后再之前建立的数据库的每一层聚类中心求取真实距离，再把新的数据集的聚类中心的距离相加求和；距离和最小的分为一类，对最新数据实现分层；重复上述方法一直求取最底层集合进行分类，判断制氩机构的管道故障的时间、故障大小、故障类型；

系统数据分类训练采用一对一分类器完成，分类过程中，将每个系统数据看做粒子，设系统数据为群规模为E，系统数据在迭代时，迭代时刻t时，每个粒子的坐标位置为x_i（t）=（x¹_i，x²_i，…，xⁿ_i）；v_i（t）=（v¹_i，v²_i，…，vⁿ_i）；则在迭代过程中，t+1时刻粒子的位置和速度满足v_in(t+1)= x_in（t）+ v_in(t+1)；v_in(t+1)= v_in（t）+δ·r(p- x_in（t）)；p为粒子目前最佳位置，δ为调节常数，取值范围1-300；r服从[0,1]均匀分布随机数；在进行系统数据分类训练时，设定数据为粒子，随机产生粒子的位置和速度，根据上述公式对数据粒子的速度个位置进行更新，检查是否满足系统数据终止条件，直到满足条件之后，输出系统数据，最后得出制氩机构的系统故障数据，并且结合控制单元的数据处理分析模块的检测结果进行综合评测，准确得出制氩机构的系统动态故障的故障的时间、故障大小、故障类型，进一步提高制氩机构的故障诊断分类精度，及时解决故障，保证制氩系统的稳定运行。