本發(fā)明推薦，特別涉及一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法。

背景技術(shù)：

1、推薦系統(tǒng)主要用于根據(jù)用戶的信息需求、興趣等，將用戶感興趣的信息、產(chǎn)品等推薦給用戶。但是在推薦的過程中，存在少數(shù)熱門項(xiàng)目被大量推薦，而大部分項(xiàng)目只有很少的交互和曝光機(jī)會(huì)。這導(dǎo)致了一個(gè)問題，即大量的項(xiàng)目很少或根本不會(huì)被推薦給用戶，而用戶也錯(cuò)失了可能與他們興趣相符的項(xiàng)目，進(jìn)而導(dǎo)致所推薦的信息較為單一，缺少了長(zhǎng)尾推薦所帶來的偶然性和多樣性。并且活躍用戶由于信息獲取較多，推薦可以更為精準(zhǔn)，而不活躍用戶缺乏有效信息，因此推薦結(jié)果不精準(zhǔn)，無(wú)法滿足用戶需求。因此，緩解長(zhǎng)尾問題，以滿足用戶興趣，平衡個(gè)性化推薦和整體推薦質(zhì)量至關(guān)重要。

2、長(zhǎng)尾問題既涉及到用戶，也涉及到項(xiàng)目。在用戶方面，少數(shù)熱門用戶的偏好和行為數(shù)據(jù)數(shù)量很大，而大多數(shù)用戶的數(shù)據(jù)相對(duì)較少。在項(xiàng)目方面，少數(shù)熱門項(xiàng)目的曝光機(jī)會(huì)更高，而大多數(shù)項(xiàng)目的曝光機(jī)會(huì)較少。

3、當(dāng)前的一些基于多目標(biāo)優(yōu)化或聚類的長(zhǎng)尾推薦方法只關(guān)注長(zhǎng)尾項(xiàng)目的推薦，但沒有考慮用戶同樣存在長(zhǎng)尾問題，忽略了用戶與項(xiàng)目之間的交互信息量存在巨大的差異。使用相同的方法對(duì)不同的用戶進(jìn)行推薦，不但難以充分挖掘信息，對(duì)用戶的偏好信息也會(huì)有所損失，最終影響推薦效果。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述狀況，本發(fā)明的主要目的是為了提出一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，以解決上述技術(shù)問題。

2、本發(fā)明提供了一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，所述方法包括如下步驟：

3、步驟1、利用高速攝像機(jī)拍攝攪拌槽槳葉，獲取槳葉在不同斷裂情況下的不同時(shí)刻的流場(chǎng)圖片，使用圖像處理算法對(duì)不同時(shí)刻的流場(chǎng)圖片進(jìn)行處理，并得到流場(chǎng)跡線圖片，將流場(chǎng)跡線圖片作為深度學(xué)習(xí)模型的輸入數(shù)據(jù)集；

4、步驟2、利用scdm軟件對(duì)正常槳葉進(jìn)行幾何三維建模得到三維模型，并對(duì)三維模型進(jìn)行網(wǎng)格劃分，基于網(wǎng)格化后的三維模型中提取的數(shù)據(jù)，利用cfd數(shù)值模擬方法模擬槳葉在正常情況和各類斷裂情況下的工況，以分別得到正常情況和各類斷裂情況下的流場(chǎng)跡線圖片信息；

5、步驟3、根據(jù)正常情況和各類斷裂情況下的流場(chǎng)跡線圖片信息構(gòu)建深度學(xué)習(xí)模型；

6、步驟4、將利用高速攝像機(jī)拍攝到的上方液面跡線流形，導(dǎo)入到所述深度學(xué)習(xí)模型中進(jìn)行計(jì)算得出診斷數(shù)據(jù)以進(jìn)行故障診斷。

7、本發(fā)明還提出一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷系統(tǒng)，所述系統(tǒng)包括：

8、數(shù)據(jù)提取模塊，用于：

9、利用高速攝像機(jī)拍攝攪拌槽槳葉，獲取槳葉在不同斷裂情況下的不同時(shí)刻的流場(chǎng)圖片，使用圖像處理算法對(duì)不同時(shí)刻的流場(chǎng)圖片進(jìn)行處理，并得到流場(chǎng)跡線圖片，將流場(chǎng)跡線圖片作為深度學(xué)習(xí)模型的輸入數(shù)據(jù)集；

10、模擬流場(chǎng)跡線信息模塊，用于：

11、利用scdm軟件對(duì)正常槳葉進(jìn)行幾何三維建模得到三維模型，并對(duì)三維模型進(jìn)行網(wǎng)格劃分，基于網(wǎng)格化后的三維模型中提取的數(shù)據(jù)，利用cfd數(shù)值模擬方法模擬槳葉在正常情況和各類斷裂情況下的工況，以分別得到正常情況和各類斷裂情況下的流場(chǎng)跡線圖片信息；

12、深度學(xué)習(xí)模型構(gòu)建模塊，用于：

13、根據(jù)正常情況和各類斷裂情況下的流場(chǎng)跡線圖片信息構(gòu)建深度學(xué)習(xí)模型；

14、預(yù)測(cè)模塊，用于：

15、將利用高速攝像機(jī)拍攝到的上方液面跡線流形，導(dǎo)入到所述深度學(xué)習(xí)模型中進(jìn)行計(jì)算得出診斷數(shù)據(jù)以進(jìn)行故障診斷。

16、與現(xiàn)有技術(shù)相比，本發(fā)明有益效果如下：

17、1、本發(fā)明可為攪拌槽槳葉是否正常運(yùn)轉(zhuǎn)提供參考，通過對(duì)攪拌過程流場(chǎng)的跡線在不耽誤生產(chǎn)效率的情況下間接分析判斷攪拌槽槳葉是否故障。

18、2、本發(fā)明可以解決在槳葉攪拌過程中，因物料渾濁導(dǎo)致視覺受阻無(wú)法直接判斷槳葉故障的問題，提高后續(xù)預(yù)測(cè)的精準(zhǔn)性。

技術(shù)特征：

1.一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，所述方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，在所述步驟1中，利用高速攝像機(jī)拍攝攪拌槽槳葉，獲取槳葉在不同斷裂情況下的不同時(shí)刻的流場(chǎng)圖片，使用圖像處理算法對(duì)流場(chǎng)跡線圖片進(jìn)行增強(qiáng)和提取以得到提取后的流場(chǎng)跡線圖片，并將流場(chǎng)跡線圖片作為深度學(xué)習(xí)模型的輸入數(shù)據(jù)集，具體步驟如下：

3.根據(jù)權(quán)利要求2所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，在所述步驟2中，利用scdm軟件對(duì)正常槳葉進(jìn)行幾何三維建模得到三維模型，并對(duì)三維模型進(jìn)行網(wǎng)格劃分，基于網(wǎng)格化后的三維模型中提取的數(shù)據(jù)，利用cfd數(shù)值模擬方法模擬槳葉在正常情況和各類斷裂情況下的工況，以分別得到正常情況和各類斷裂情況下的流場(chǎng)跡線圖片信息，具體步驟如下：

4.根據(jù)權(quán)利要求3所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，在基于網(wǎng)格劃分后的三維模型中提取的數(shù)據(jù)，構(gòu)建控制方程，并基于控制方程構(gòu)建多相流歐拉模型的步驟中，控制方程包含連續(xù)性方程和動(dòng)量方程，其中連續(xù)性方程表達(dá)式如下：

5.根據(jù)權(quán)利要求4所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，在基于網(wǎng)格劃分后的三維模型中提取的數(shù)據(jù)，構(gòu)建控制方程，并基于控制方程構(gòu)建多相流歐拉模型的步驟中，控制方程包含連續(xù)性方程和動(dòng)量方程，其中的動(dòng)量方程表達(dá)式如下：

6.根據(jù)權(quán)利要求5所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，在基于網(wǎng)格劃分后的三維模型中提取的數(shù)據(jù)，構(gòu)建控制方程，并基于控制方程構(gòu)建多相流歐拉模型的步驟中，控制方程包含連續(xù)性方程和動(dòng)量方程，動(dòng)量方程中粘性應(yīng)力張量的表達(dá)式為：

7.根據(jù)權(quán)利要求6所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，其特征在于，在基于設(shè)置的參數(shù)計(jì)算顆粒與流體的相互作用力的步驟中，顆粒與流體的相互作用力的計(jì)算關(guān)系式為：

8.一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷系統(tǒng)，其特征在于，所述系統(tǒng)應(yīng)用如上述權(quán)利要求1至7任意一項(xiàng)所述的一種基于cfd和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，所述系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明提出一種基于CFD和深度學(xué)習(xí)的攪拌槽槳葉故障診斷方法，該方法包括：拍攝攪拌槽槳葉拍攝槳葉在不同斷裂情況下的不同時(shí)刻的流場(chǎng)圖片并使用圖像處理算法對(duì)圖片進(jìn)行處理并得到流場(chǎng)跡線圖片；利用SCDM軟件對(duì)正常槳葉進(jìn)行建模并對(duì)模型進(jìn)行網(wǎng)格劃分，基于網(wǎng)格化后的模型，利用CFD數(shù)值模擬方法模擬槳葉在正常和不同的斷裂情況，得到不同情況下的流場(chǎng)跡線圖片信息；基于不同情況下的流場(chǎng)跡線圖片信息和所有模擬結(jié)果構(gòu)建深度學(xué)習(xí)模型；將拍攝的上方液面跡線流形，導(dǎo)入到深度學(xué)習(xí)模型中進(jìn)行計(jì)算得出數(shù)據(jù)并進(jìn)行故障情況診斷。本發(fā)明用于間接檢測(cè)攪拌槽槳葉故障，為實(shí)際工業(yè)過程中判斷攪拌槽槳葉是否正常運(yùn)轉(zhuǎn)提供一定的參考和指導(dǎo)作用。

技術(shù)研發(fā)人員：鄂殿玉,吳宜柳,崔佳鑫,肖逸飛,史廣思
受保護(hù)的技術(shù)使用者：江西理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30