[發(fā)明專利]一種煉鐵過程故障監(jiān)測的方法、裝置以及設備

在審

• 申請?zhí)枺?/td>: 202210164129.0
• 申請日: 2022-02-22
• 公開（公告）號: CN115291582A
• 公開（公告）日: 2022-11-04
• 發(fā)明（設計）人: 謝林柏;熊亞軍;彭力
• 申請（專利權）人: 江南大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 蘇州市中南偉業(yè)知識產(chǎn)權代理事務所(普通合伙) 32257
• 代理人: 馮瑞

本發(fā)明公開了一種煉鐵過程故障監(jiān)測的方法、裝置、設備以及計算機可讀存儲介質包括：將正常煉鐵工況下的數(shù)據(jù)集進行標準化處理，計算數(shù)據(jù)集中每兩個變量之間的JS散度值，并構建JS散度值矩陣并設置劃分值，將數(shù)據(jù)集劃分為多個變量塊并提取每個變量塊的特征信息集，將每個特征信息與每個變量塊輸入PCA模型中，得到全局正常工況下的監(jiān)控統(tǒng)計量控制限，確定檢測閾值，構建煉鐵過程故障監(jiān)測模型。將待監(jiān)測數(shù)據(jù)集進行標準化處理后輸入所述煉鐵過程故障監(jiān)測模型中進行監(jiān)測判斷是否發(fā)生故障。本發(fā)明分層提取特征，豐富了監(jiān)測信息的多樣性，然后利用多樣性的信息進行監(jiān)測，提高了故障監(jiān)測的準確性。

技術領域

本發(fā)明涉及工業(yè)過程故障監(jiān)測領域，特別是涉及一種煉鐵過程故障監(jiān)測的方法、裝置、設備以及計算機可讀存儲介質。

背景技術

高爐是用于生產(chǎn)鐵水的立式爐，是煉鋼生產(chǎn)過程中的重要部分。為了保證鐵水的順利穩(wěn)定的生產(chǎn)，需要監(jiān)控整個高爐中各個過程變量的狀態(tài)，從而保持高爐的穩(wěn)定運行。傳統(tǒng)的高爐煉鐵過程故障監(jiān)測中，首先需要獲得煉鐵過程中正常工況下的歷史數(shù)據(jù)，然后建立一個全局的統(tǒng)計分析模型，再對實時采集的樣本進行在線監(jiān)測，判斷其是否處于正常狀態(tài)。但一方面由于高爐煉鐵過程涉及到的變量之間關系冗雜，另一方面由于實時工況的多變性使得傳統(tǒng)的模型無法適應當下需求。近年來提出的基于多塊建模策略的高爐煉鐵故障監(jiān)測方法是解決上述問題的有效途徑之一。

子塊劃分方法是多塊建模策略的核心內容，構建子塊能夠將具有相同變化特征的變量放在一起以突出局部特征，從而可以提高故障監(jiān)測的準確率。子塊劃分方法的優(yōu)劣一定程度上決定著最終故障監(jiān)測性能的好壞。目前的基于多塊建模的高爐煉鐵故障監(jiān)測中存在的問題是大量方法在進行變量分塊時只考慮了變量間的線性關系，并沒有考慮變量間的非線性關系，這使得子塊劃分的合理性難以保證，從而也就會影響最終監(jiān)測結果的準確性。另外，目前的分塊建模策略大多數(shù)只依賴于數(shù)據(jù)的觀測值信息進行建模，并沒有挖掘隱藏在觀測值信息中的潛在特征信息，所以在監(jiān)測緩慢、微小變化或者持續(xù)振蕩變化的故障時效果不佳。

綜上所述可以看出，如何提取潛在特征提高故障監(jiān)測準確率是目前有待解決的問題。

發(fā)明內容

本發(fā)明的目的是提供一種煉鐵過程故障監(jiān)測的方法、裝置、設備以及計算機可讀存儲介質，解決了現(xiàn)有技術中沒有考慮潛在特征信息導致監(jiān)測故障效果不佳。

為解決上述技術問題，本發(fā)明提供一種煉鐵過程故障監(jiān)測的方法包括：將正常煉鐵工況下的數(shù)據(jù)集進行標準化處理，計算標準處理后的數(shù)據(jù)集中每兩個變量之間的JS散度值，并構建JS散度值矩陣；

根據(jù)所述JS散度值矩陣設置劃分值，根據(jù)所述劃分值將所述標準化處理后的數(shù)據(jù)集劃分為多個變量塊，將每個變量塊輸入PCA模型中，計算得到所述每個變量塊的監(jiān)控統(tǒng)計量控制限；

提取所述每個變量塊的特征信息集，將每個特征信息輸入PCA 模型中，計算得到所述每個特性信息的監(jiān)控統(tǒng)計量控制限；

將所述每個變量塊的監(jiān)控統(tǒng)計量控制限與所述每個特性信息的監(jiān)控統(tǒng)計量控制限進行融合，得到全局正常工況下的監(jiān)控統(tǒng)計量控制限，確定檢測閾值；

利用所述檢測閾值對標準化處理后的待監(jiān)測數(shù)據(jù)集進行監(jiān)測，判斷所述待監(jiān)測數(shù)據(jù)集是否發(fā)生故障。

優(yōu)選地，所述計算標準化處理后的數(shù)據(jù)集中每兩個變量之間的JS 散度值，并構建JS散度值矩陣包括：

計算標準化處理后的數(shù)據(jù)集X＝[x₁,x₂,…,x_m]∈R^n×m中變量x_i和x_j(i＝1,2,…,m；j＝1,2,…,m,i≠j)之間的JS散度值JS_ij，構建所述 JS散度值矩陣D_JS∈R^m×m；

其中，n為樣本數(shù)量，m為變量個數(shù)。