本发明公开了一种潜水电泵监测控制系统，涉及监测控制技术领域，解决了现有方案中不能提前对潜水电泵的故障进行预警的技术问题；本发明设置了故障诊断模块，该设置模块根据故障数据分析潜水电泵的故障；故障诊断模块根据故障数据分析潜水电泵的故障状态，并为故障状态设置故障预警标签，有助于工作人员和维修人员及时了解潜水电泵的故障状态，提高检修效率；本发明设置了运行监测模块，该设置用于分析运行数据；运行监测模块结合运行变化曲线和预警模型对潜水电泵的运行状态进行预警，能够提前获取潜水电泵的故障，提高了预警能力，避免了因潜水电泵突然故障降低工作效率。
1.一种潜水电泵监测控制系统，其特征在于，包括处理器、故障诊断模块、数据采集模块、运行监测模块、执行控制模块、后台管理模块和数据存储模块；
所述数据采集模块包括故障数据采集单元和运行数据采集单元；所述故障数据采集单元用于采集潜水电泵的故障数据，并将故障数据分别发送至故障诊断模块和数据存储模块；所述运行数据采集单元用于采集潜水电泵的运行数据，并将运行数据分别发送至运行监测模块和数据存储模块；
所述运行监测模块用于分析运行数据，包括：当运行监测模块接收到运行数据之后，对运行数据进行提取；所述运行数据包括水流量、功耗和温度；
以时间为自变量，以水流量、功耗和温度为因变量，结合多项式拟合法分别建立流量变化曲线、功耗变化曲线和温度变化曲线；
分别将运行变化曲线标记为j，j＝1，2，……，6；所述运行变化曲线包括电流变化曲线、震动变化曲线、阻值变化曲线、流量变化曲线、功耗变化曲线和温度变化曲线；
获取运行变化曲线j的驻点并标记为Zij，i＝1，2，……，n；将驻点Zij带入运行变化曲线中获取函数值并标记为HZij；
将运行矩阵输入至预警模型中获取输出结果；所述输出结果为运行矩阵对应的训练标签；
通过处理器将输出结果发送至数据存储模块和后台管理模块。
2.根据权利要求1所述的一种潜水电泵监测控制系统，其特征在于，所述后台管理模块接收到输出结果之后对输出结果进行分析，当输出结果为1时，则生成安全信号；当输出结果为0时，则生成故障信号；所述后台管理模块还用于根据故障信号调度维修人员。
3.根据权利要求1所述的一种潜水电泵监测控制系统，其特征在于，所述预警模型的具体获取步骤包括：
通过数据存储模块获取潜水电泵的运行历史曲线；所述运行历史曲线为过去半年获取的运行变化曲线；
根据运行历史曲线获取运行矩阵并标记为训练矩阵，根据运行历史曲线获取之后潜水电泵的故障状态设置训练标签；所述训练标签包括1和0，当训练标签为0时，表示运行历史曲线获取之后设定时间内潜水电泵出现故障，当训练标签为1时，表示运行历史曲线获取之后设定时间内潜水电泵未出现故障；所述设定时间包括一小时、一天和十五天；
将训练矩阵和训练标签按照设定比例划分为训练集和测试集；所述设定比例包括4:1、
构建人工智能模型；所述人工智能模型包括误差前向反馈神经网络、RBF神经网络和深度卷积神经网络；
通过训练集和测试集对人工智能模型进行训练和测试；将完成训练和测试的人工智能模型标记为预警模型；
通过处理器将预警模型分别发送至运行监测模块和数据存储模块。
4.根据权利要求1所述的一种潜水电泵监测控制系统，其特征在于，所述故障诊断模块根据故障数据分析潜水电泵的故障，包括：当故障诊断模块接收到故障数据之后，对故障数据进行提取；所述故障数据包括电机电流、震动强度和绝缘阻值；
当电机电流超过电流阈值时，则判定潜水电泵的电流过大，生成电流故障标签，并将电流故障标签标记为01；当震动强度超过强度阈值时，则判定潜水电泵的震动强度过大，生成震动故障标签，并将震动故障标签标记为02；当绝缘阻值小于阻值阈值时，则判定潜水电泵的绝缘阻值过低，生成阻值故障标签，并将阻值故障标签设置为03；其中电流阈值、强度阈值和阻值阈值均通过大数据模拟获取；
以时间为自变量，分别以电机电流、震动强度和绝缘阻值为因变量，结合多项式拟合法分别建立电流变化曲线、震动变化曲线和阻值变化曲线；
通过处理器将故障预警标签、电流变化曲线、震动变化曲线和阻值变化曲线分别发送至数据存储模块和后台管理模块；所述故障预警标签包括电流故障标签、震动故障标签和阻值故障标签。
5.根据权利要求1所述的一种潜水电泵监测控制系统，其特征在于，所述处理器分别与故障诊断模块、数据采集模块、运行监测模块、执行控制模块、后台管理模块和数据存储模块通信连接；所述后台管理模块分别与数据存储模块和执行控制模块通信连接，所述数据采集模块分别与故障诊断模块和运行监测模块通信连接，所述执行控制模块与运行监测模块通信连接。
一种潜水电泵监测控制系统
技术领域
[0001] 本发明属于监测控制领域，具体是一种潜水电泵监测控制系统。
背景技术
[0002] 当前对于矿井下排水的潜水电泵仍然采用继电器控制系统，并且潜水电泵使用时的并联运行和串联运行之间转换以及启动停止等需要通过人工操作完成，这样在使用时不
仅降低了潜水电泵的工作效率，而且排水系统的经济效益以及管理水平也直接影响了抢险
救灾的时间。
[0003] 公开号为CN104088806A的发明专利公开了一种潜水电泵控制系统，包括相互连接的监控检测系统和CPU控制系统、分别与CPU控制系统相连的第一执行器、第二执行器和第
三执行器以及第一控制阀、第二控制阀、第三控制阀和潜水电泵；所述第一执行器分别与第
一控制阀和第三控制阀相连；所述第二执行器与第二控制阀相连；所述第三执行器与潜水
电泵相连。
[0004] 上述方案在使用中可以根据实际自动在潜水电泵的并联运行和串联运行之间切换以及潜水电泵的开启和关闭，保证潜水电泵能够合理的应用于矿井水灾事故中；但是，上
述方案只进行对潜水电泵的控制进行了限定，而没有潜水电泵的状态进行限定；因此，上述
方案仍需进一步改进。
发明内容
[0005] 为了解决上述方案存在的问题，本发明提供了一种潜水电泵监测控制系统。
[0006] 本发明的目的可以通过以下技术方案实现：一种潜水电泵监测控制系统，包括处理器、故障诊断模块、数据采集模块、运行监测模块、执行控制模块、后台管理模块和数据存
储模块；
[0007] 所述数据采集模块包括故障数据采集单元和运行数据采集单元；所述故障数据采集单元用于采集潜水电泵的故障数据，并将故障数据分别发送至故障诊断模块和数据存储
模块；所述运行数据采集单元用于采集潜水电泵的运行数据，并将运行数据分别发送至运
行监测模块和数据存储模块；
[0008] 所述运行监测模块用于分析运行数据，包括：
[0009] 当运行监测模块接收到运行数据之后，对运行数据进行提取；所述运行数据包括水流量、功耗和温度；
[0010] 以时间为自变量，以水流量、功耗和温度为因变量，结合多项式拟合法分别建立流量变化曲线、功耗变化曲线和温度变化曲线；
[0011] 分别将运行变化曲线标记为j，j＝1,2,……，6；所述运行变化曲线包括电流变化曲线、震动变化曲线、阻值变化曲线、流量变化曲线、功耗变化曲线和温度变化曲线；
[0012] 获取运行变化曲线j的驻点并标记为Zij，i＝1,2,……，n；将驻点Zj带入运行变化曲线中获取函数值并标记为HZij；
[0013] 生成运行矩阵，所述运行矩阵为
[0014] 获取预警模型；
[0015] 将运行矩阵输入至预警模型中获取输出结果；所述输出结果为运行矩阵对应的训练标签；
[0016] 通过处理器将输出结果发送至数据存储模块和后台管理模块。
[0017] 优选的，所述后台管理模块接收到输出结果之后对输出结果进行分析，当输出结果为1时，则生成安全信号；当输出结果为0时，则生成故障信号；所述后台管理模块还用于
根据故障信号调度维修人员。
[0018] 优选的，所述控制执行模块用于控制潜水电泵的启动、停止和输出功率。
[0019] 优选的，所述预警模型的具体获取步骤包括：
[0020] 通过数据存储模块获取潜水电泵的运行历史曲线；所述运行历史曲线为过去半年获取的运行变化曲线；
[0021] 根据运行历史曲线获取运行矩阵并标记为训练矩阵，根据运行历史曲线获取之后潜水电泵的故障状态设置训练标签；所述训练标签包括1和0，当训练标签为0时，表示运行
历史曲线获取之后设定时间内潜水电泵出现故障，当训练标签为1时，表示运行历史曲线获
取之后设定时间内潜水电泵未出现故障；所述设定时间包括一小时、一天和十五天；
[0022] 将训练矩阵和训练标签按照设定比例划分为训练集和测试集；所述设定比例包括4:1、3:2和2:1；
[0023] 构建人工智能模型；所述人工智能模型包括误差前向反馈神经网络、RBF神经网络和深度卷积神经网络；
[0024] 通过训练集和测试集对人工智能模型进行训练和测试；将完成训练和测试的人工智能模型标记为预警模型；
[0025] 通过处理器将预警模型分别发送至运行监测模块和数据存储模块。
[0026] 优选的，所述故障诊断模块根据故障数据分析潜水电泵的故障，包括：
[0027] 当故障诊断模块接收到故障数据之后，对故障数据进行提取；所述故障数据包括电机电流、震动强度和绝缘阻值；
[0028] 当电机电流超过电流阈值时，则判定潜水电泵的电流过大，生成电流故障标签，并将电流故障标签标记为01；当震动强度超过强度阈值时，则判定潜水电泵的震动强度过大，
生成震动故障标签，并将震动故障标签标记为02；当绝缘阻值小于阻值阈值时，则判定潜水
电泵的绝缘阻值过低，生成阻值故障标签，并将阻值故障标签设置为03；其中电流阈值、强
度阈值和阻值阈值均通过大数据模拟获取；
[0029] 以时间为自变量，分别以电机电流、震动强度和绝缘阻值为因变量，结合多项式拟合法分别建立电流变化曲线、震动变化曲线和阻值变化曲线；
[0030] 通过处理器将故障预警标签、电流变化曲线、震动变化曲线和阻值变化曲线分别发送至数据存储模块和后台管理模块；所述故障预警标签包括电流故障标签、震动故障标
签和阻值故障标签。
[0031] 与现有技术相比，本发明的有益效果是：
[0032] 1、本发明设置了故障诊断模块，该设置模块根据故障数据分析潜水电泵的故障；故障诊断模块根据故障数据分析潜水电泵的故障状态，并为故障状态设置故障预警标签，
有助于工作人员和维修人员及时了解潜水电泵的故障状态，提高检修效率；
[0033] 2、本发明设置了运行监测模块，该设置用于分析运行数据；运行监测模块结合运行变化曲线和预警模型对潜水电泵的运行状态进行预警，能够提前获取潜水电泵的故障，
提高了预警能力，避免了因潜水电泵突然故障降低工作效率。
附图说明
[0034] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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。
[0035] 图1为本发明的原理示意图。
具体实施方式
[0036] 下面将结合实施例对本发明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。基于本发明中的实施例，本领域普
通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的
范围。
[0037] 请参阅图1，一种潜水电泵监测控制系统，包括处理器、故障诊断模块、数据采集模块、运行监测模块、执行控制模块、后台管理模块和数据存储模块；
[0038] 数据采集模块包括故障数据采集单元和运行数据采集单元；故障数据采集单元用于采集潜水电泵的故障数据，并将故障数据分别发送至故障诊断模块和数据存储模块；运
行数据采集单元用于采集潜水电泵的运行数据，并将运行数据分别发送至运行监测模块和
数据存储模块；
[0039] 运行监测模块用于分析运行数据，包括：
[0040] 当运行监测模块接收到运行数据之后，对运行数据进行提取；运行数据包括水流量、功耗和温度；
[0041] 以时间为自变量，以水流量、功耗和温度为因变量，结合多项式拟合法分别建立流量变化曲线、功耗变化曲线和温度变化曲线；
[0042] 分别将运行变化曲线标记为j，j＝1,2,……，6；运行变化曲线包括电流变化曲线、震动变化曲线、阻值变化曲线、流量变化曲线、功耗变化曲线和温度变化曲线；
[0043] 获取运行变化曲线j的驻点并标记为Zij，i＝1,2,……，n；将驻点Zj带入运行变化曲线中获取函数值并标记为HZij；
[0044] 生成运行矩阵，运行矩阵为
[0045] 获取预警模型；
[0046] 将运行矩阵输入至预警模型中获取输出结果；输出结果为运行矩阵对应的训练标签；
[0047] 通过处理器将输出结果发送至数据存储模块和后台管理模块。
[0048] 进一步地，后台管理模块接收到输出结果之后对输出结果进行分析，当输出结果为1时，则生成安全信号；当输出结果为0时，则生成故障信号；后台管理模块还用于根据故
障信号调度维修人员。
[0049] 进一步地，控制执行模块用于控制潜水电泵的启动、停止和输出功率。
[0050] 进一步地，预警模型的具体获取步骤包括：
[0051] 通过数据存储模块获取潜水电泵的运行历史曲线；运行历史曲线为过去半年获取的运行变化曲线；
[0052] 根据运行历史曲线获取运行矩阵并标记为训练矩阵，根据运行历史曲线获取之后潜水电泵的故障状态设置训练标签；训练标签包括1和0，当训练标签为0时，表示运行历史
曲线获取之后设定时间内潜水电泵出现故障，当训练标签为1时，表示运行历史曲线获取之
后设定时间内潜水电泵未出现故障；设定时间包括一小时、一天和十五天；
[0053] 将训练矩阵和训练标签按照设定比例划分为训练集和测试集；设定比例包括4:1、3:2和2:1；
[0054] 构建人工智能模型；人工智能模型包括误差前向反馈神经网络、RBF神经网络和深度卷积神经网络；
[0055] 通过训练集和测试集对人工智能模型进行训练和测试；将完成训练和测试的人工智能模型标记为预警模型；
[0056] 通过处理器将预警模型分别发送至运行监测模块和数据存储模块。
[0057] 进一步地，故障诊断模块根据故障数据分析潜水电泵的故障，包括：
[0058] 当故障诊断模块接收到故障数据之后，对故障数据进行提取；故障数据包括电机电流、震动强度和绝缘阻值；
[0059] 当电机电流超过电流阈值时，则判定潜水电泵的电流过大，生成电流故障标签，并将电流故障标签标记为01；当震动强度超过强度阈值时，则判定潜水电泵的震动强度过大，
生成震动故障标签，并将震动故障标签标记为02；当绝缘阻值小于阻值阈值时，则判定潜水
电泵的绝缘阻值过低，生成阻值故障标签，并将阻值故障标签设置为03；其中电流阈值、强
度阈值和阻值阈值均通过大数据模拟获取；
[0060] 以时间为自变量，分别以电机电流、震动强度和绝缘阻值为因变量，结合多项式拟合法分别建立电流变化曲线、震动变化曲线和阻值变化曲线；
[0061] 通过处理器将故障预警标签、电流变化曲线、震动变化曲线和阻值变化曲线分别发送至数据存储模块和后台管理模块；故障预警标签包括电流故障标签、震动故障标签和
阻值故障标签。
[0062] 进一步地，处理器分别与故障诊断模块、数据采集模块、运行监测模块、执行控制模块、后台管理模块和数据存储模块通信连接；后台管理模块分别与数据存储模块和执行
控制模块通信连接，数据采集模块分别与故障诊断模块和运行监测模块通信连接，执行控
制模块分别与运行监测模块通信连接。
[0063] 上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际
情况设定或者大量数据模拟获得。
[0064] 本发明的工作原理：
[0065] 当故障诊断模块接收到故障数据之后，对故障数据进行提取；当电机电流超过电流阈值时，则判定潜水电泵的电流过大，生成电流故障标签，并将电流故障标签标记为01；
当震动强度超过强度阈值时，则判定潜水电泵的震动强度过大，生成震动故障标签，并将震
动故障标签标记为02；当绝缘阻值小于阻值阈值时，则判定潜水电泵的绝缘阻值过低，生成
阻值故障标签，并将阻值故障标签设置为03；其中电流阈值、强度阈值和阻值阈值均通过大
数据模拟获取；以时间为自变量，分别以电机电流、震动强度和绝缘阻值为因变量，结合多
项式拟合法分别建立电流变化曲线、震动变化曲线和阻值变化曲线；通过处理器将故障预
警标签、电流变化曲线、震动变化曲线和阻值变化曲线分别发送至数据存储模块和后台管
理模块；
[0066] 当运行监测模块接收到运行数据之后，对运行数据进行提取；以时间为自变量，以水流量、功耗和温度为因变量，结合多项式拟合法分别建立流量变化曲线、功耗变化曲线和
温度变化曲线；分别将运行变化曲线标记为j，j＝1,2,……，6；获取运行变化曲线j的驻点
并标记为Zij，i＝1,2,……，n；将驻点Zj带入运行变化曲线中获取函数值并标记为HZij；生
成运行矩阵；获取预警模型；将运行矩阵输入至预警模型中获取输出结果；所述输出结果为
运行矩阵对应的训练标签；通过处理器将输出结果发送至数据存储模块和后台管理模块。
[0067] 在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施
例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。
而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合
适的方式结合。
[0068] 以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的
结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
