[發明專利]一種基于改進案例推理的豎爐爐況故障預報方法

有效

• 申請號: 201310067826.5
• 申請日: 2013-03-04
• 公開（公告）號: CN103246801A
• 公開（公告）日: 2013-08-14
• 發明（設計）人: 嚴愛軍;郭振;邵宏贍
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.一種基于改進案例推理的豎爐爐況故障預報方法，其特征在于：在模型基礎上，增加屬性權重的分配模型，并運用群決策理論改進案例校正模型；包括以下步驟：

步驟1、變量初始化；將當前變量進行歸一化處理，使其數值處在0～1之間；

步驟2、對案例進行表示，建立案例庫；

設每條源案例用C_k(k=1,2,…,p)表示，可表示為如下的二元組形式：

C_k:〈X_k;Y_k〉,k=1,2,…,p?????????????????????????(1)

其中，p是案例總數；X_k和Y_k分別是源案例的問題描述和源案例的解答，分別表示為：

X_k=(x_1,k,x_2,k,…,x_13,k)?????????????????????????(2)

Y_k=(y_1,k,y_2,k,…,y_5,k)??????????????????????????(3)

其中，故障預報結果y_1,k-y_5,k的取值均位于區間[0,1]中，表示相對應的故障發生概率；

步驟3、計算注水算法的相關系數；

案例屬性權重分配的描述式子為：

R=Σi=113log2(1+αi2ωi)---(4)]]>

式中，R為權重分配的合理性指標；α_i表示第i個屬性的重要程度，即歷史案例庫中第i個屬性與輸出的相關程度，可通過計算其相關系數來確定，如下式子：

αi=Σj=1p(xi,j-x‾i)(yj-y‾)Σj=1p(xi,j-x‾i)2Σj=1p(yj-y‾)2,i=1,2,···,13---(5)]]>

其中，表示第i個屬性值的平均值，表示案例庫中所有輸出結果的平均值；案例屬性權重ω_i(i=1,2,…,13)的約束條件為：

Σi=113ωi=1ωi≥0---(6)]]>

為了合理分配屬性的權重，構造拉格朗日函數；將式(4)和式(6)結合起來，得到如下的拉格朗日函數：

L(ω,λ)=Σi=113log2(1+αi2ωi)+λ(1-Σi=113ωi)---(7)]]>

其中，λ是拉格朗日算子；L(ω,λ)表示，在滿足∑ω_i=1的約束條件下，求得的權重是合理的；

步驟4、計算案例屬性的權重；

對式（7）中ω_i求偏導后得到：

∂L∂ωi=1ln2αi2(1+αi2ωi)-λ=0,i=1,2,···,13---(8)]]>

可解得各特征屬性所分配到的權重，考慮到式(6)中ω_i≥0的約束條件，權重計算公式為：

ωi=[ϵ-1αi2]+---(9)]]>

其中，[Z]+表示0和Z的最大值；ε為門限值，根據式(6)中∑ω_i=1的約束條件，用下式確定其大小：

ϵ=1+Σi=1131αi13---(10)]]>

式(9)表明，權重的分配受屬性的重要程度影響，屬性對應的大，分配到的權重大。由此，得到了滿足式(4)和式(6)的權重分配合理化的算法；

步驟5、計算目標案例與源案例的相似度；

下式為計算目標案例X與每一條源案例X_k的相似度:

S(X,Xk)=Σi=113ωi(1-|xi-xi,k|Max(xi,xi,k)),k=1,2,···,p---(11)]]>

其中，ω_i(i=1,2,…,13)是第i個屬性的權重，表示各屬性在故障預報過程中對結果的作用力；

步驟6、根據相似度閾值確定匹配案例的個數；不完全匹配時轉步驟8；完全匹配時轉步驟7；

步驟7、判斷重用效果，若結果正確，轉步驟9；否則轉步驟8；

步驟8、對預報的結果進行群決策校正，并轉步驟7；

在案例檢索環節，按式(11)計算出p個相似度后，設定一個相似度的閾值sim_v∈(0,1]，假設p個相似度中大于sim_v的案例個數為m，重新標記這些案例的相似度分別為S₁～S_m，相應的歷史故障預報結果共m組，分別為Y₁～Y_m，可表示為：

Yj=(y1,j,y2,j,...,y5,j)s.t.Sj≥simv,j=1,2,···,m---(12)]]>

借鑒群決策思想，將上述的m組歷史預報結果視為m個決策專家，記測試案例集中的預報結果為Y'=(y'₁,y'₂,…,y'₅)，m組歷史預報結果與測試預報結果之間的總誤差是：

E=Σj=1mΣi=15|yi,j-yi′|---(13)]]>

由此計算每一組歷史預報結果的可信度λ_j(j=1,2,…,m)，定義可信度為：

λj=Σi=15|yi,j-yi′|E---(14)]]>

λ_j越小，表示第j組運算結果趨近于測試預報結果的誤差越小，可信度就高；從群決策角度來說，表示該決策專家的權威性越大；利用群基數效用函數的構造思想，通過每一組歷史預報結果的可信度λ_j及m組預報結果對目標案例的預報進行群決策校正：

yj=1mΣj=1myi,jλj,i=1,2,···,5---(15)]]>

步驟9、存儲相應案例，并輸出操作指導，若爐況預報未結束，轉步驟2。

2.根據權利要求1所述的一種基于改進案例推理的豎爐爐況故障預報方法，其特征在于：所述的Y_k=(y_1,k,y_2,k,…,y_5,k)中的y₁表示上火、y₂表示冒火、y₃表示放炮、y₄表示煉爐、y₅表示過還原。