[發明專利]一種連鑄機結晶器熱狀態的監測方法及裝置

在審

• 申請號: 201910933908.0
• 申請日: 2019-09-29
• 公開（公告）號: CN110705785A
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 曾智;何文遠;劉原;王寶動;羅衍昭;李海波;楊春寶;趙長亮
• 申請（專利權）人: 首鋼集團有限公司;首鋼京唐鋼鐵聯合有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G07C3/00;B22D11/16
• 代理公司: 11302 北京華沛德權律師事務所
• 代理人: 馬苗苗

1.一種連鑄機結晶器熱狀態的監測方法，其特征在于，所述方法包括：

獲取連鑄生產過程中的多組歷史樣本數據，每組歷史樣本數據包括：結晶器進水溫度、拉速、鋼水澆鑄溫度、結晶器液面波動值中的至少兩種，以及結晶器冷卻水流量和結晶器進出口水溫升；

按照預設的處理策略對所述歷史樣本數據進行標準化處理，得到標準化矩陣；

根據所述標準化矩陣確定所述歷史樣本數據的主元模型；

基于所述歷史樣本數據，確定所述主元模型在任一時刻的第一平方預測誤差統計值的控制限值；

當對所述結晶器的熱狀態進行在線監測時，基于各組在線數據，確定所述主元模型在任一時刻的第二平方預測誤差統計值；

判斷各個時刻的所述第二平方預測誤差統計值是否大于所述控制限值，若大于，獲取當前時刻的第二平方預測誤差統計值對應的當前組在線數據，并確定所述主元模型中的各主元對所述第二平方預測誤差統計值的第一貢獻值，根據所述第一貢獻值確定產生異常狀況的當前主元；

分別確定出所述當前組在線數據中每個在線樣本數據對所述當前主元的第二貢獻值，根據所述第二貢獻值確定造成生產異常的當前樣本數據，所述當前樣本數據為對最大第二貢獻值對應的在線樣本數據。

2.如權利要求1所述的方法，其特征在于，所述根據所述標準化矩陣確定所述歷史樣本數據的主元模型，包括：

根據所述標準化矩陣確定所述歷史樣本數據的協方差矩陣；

確定所述協方差矩陣的特征向量及對應的特征值，所述特征值對應所述主元模型中的全部主元；

確定每個特征值的累計貢獻率；

基于預設的累計貢獻率目標值對根據所述特征值進行篩選，確定篩選后的所述特征值，所述篩選后的所述特征值對應所述主元模型中保留的主元；

根據各所述特征向量及對應的時刻確定所述歷史樣本數據的主元模型。

3.如權利要求1所述的方法，其特征在于，所述基于所述歷史樣本數據，確定所述主元模型在任一時刻的第一平方預測誤差統計值的控制限值，包括：

根據公式確定第一中間變量θ₁、第二中間變量θ₂和第三中間變量θ₃的值；所述i為任一時刻，所述j為任一過程變量，所述為所述協方差矩陣的特征值，所述n為全部主元的個數，所述k為所述主元模型中保留的主元個數；

根據公式確定第四中間變量h₀；

根據公式確定所述主元模型的第一平方預測誤差統計值的控制限值Q_a；其中，所述C_a為正態分布在顯著性水平為a時的臨界值，所述a為0.95。

4.如權利要求1所述的方法，其特征在于，所述分別確定出所述當前組在線數據中每個樣本數據對所述當前主元的第二貢獻值，包括：

根據公式確定述當前組在線數據的每個樣本數據分別對所述當前主元的第二貢獻值Q_ij；其中，所述i為所述當前組在線數據對應的時刻，所述X_ij為第j個樣本數據在i時刻的實際值，所述為第j個樣本數據在i時刻的預測值。

5.如權利要求1所述的方法，其特征在于，所述按照預設的處理策略對所述歷史樣本數據進行標準化處理，得到標準化矩陣之前，包括：

按照預設的平方預測誤差SPE統計量對所述歷史樣本數據中異常數據進行剔除。