[發明專利]一種基于Local-DBKSSA的高爐煉鐵過程監測方法

在審

• 申請號: 202210400654.8
• 申請日: 2022-04-17
• 公開（公告）號: CN114879612A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 楊春節;樓嗣威;許永泓;楊越麟;吳平
• 申請（專利權）人: 浙江大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林松海

本發明公開了一種基于Local?DBKSSA的高爐煉鐵過程監測方法，以提高高爐煉鐵過程的監控性能，包括離線建模和在線監測兩部分；離線建模包括正則化原始數據，構造時間拓展矩陣，特征提取，SP_SNP_S分解，統計量與閾值計算；在線監測包括正則化測試樣本，時間拓展樣本，特征重構，SP_S部分構造，局部統計量，過程狀態判斷。本發明接受了基于時移和多核投影構造了動態寬非線性特征，以從更多角度探索過程特征。隨后，將上述特征集成到穩態子空間分析（SSA）中，以根據時變數據準確估計穩態投影。并且，為了減少過程中大幅度波動的影響和提高故障檢測能力，本發明進一步提出了基于局部策略的統計量。

技術領域

本發明涉及高爐煉鐵過程監測領域，具體是指基于Local-DBKSSA(局部動態寬核穩態子空間分析)的高爐煉鐵過程監測方法。

背景技術

高爐煉鐵工藝(BFIP)是現代鋼鐵制造的核心前端生產環節。保證BFIP的穩定性也是企業運營的前提保障。當異常發生時，會出現原材料消耗增加、冶煉質量不達標、設備故障增多等嚴重情況，造成資源重大損失，甚至造成嚴重的生產事故和人員傷亡。為此，實現更準確、更全面的過程監控是保證BFIP安全高效的重要手段，也是業界和學者最值得關注的問題之一。目前，阻礙BFIP故障診斷發展的原因在于其是一個復雜的分布式系統，具有難以探索的非線性時變動力學，加上高爐內部的未知物理化學反應，研究人員難以準確并用機構模型完整描述其工作原理。然而，隨著計算機和信息通信技術的發展，基于數據的煉鐵過程監控方法進入了研究人員的視野，并逐漸引起了大家的興趣。

然而，由于BFIP極其復雜的特性，尤其是非平穩特性，其過程監控成為了一項極具挑戰性的任務，只有少數學者愿意嘗試。在現有的論文中，自適應模型、協整分析(CA)模型和穩態子空間分解模型被視作可行的解決方案。然而，在實際的BFIP中，非平穩變量的積分階數往往不同，這導致基于CA的方法失去了建模基礎，因此精度下降。根據這一認識，使用基于弱平穩性的穩態子空間分析(SSA)方法將平穩投影與觀測數據分離，提供了現實的解決方案。隨后，指數解析穩態子空間分析(EASSA)進一步提出將廣義特征值求解問題轉化為指數形式，以準確獲取平穩源，并結合自適應算法以更好地適應實際過程中的緩慢變化。為了探索過程動態，動態穩態子空間分析(DSSA-ADMM)結合時滯移位技術和乘數交替方向法，以獲得最優的靜止投影。然而，由時間延遲移位技術引起的噪聲積累可能會掩埋有用的信息。

同時，據我們對現有技術的認識，當上述方法應用于BFIP時，由于缺乏對多視角復雜動態和非線性的考慮，它們都失去了理想的性能。

發明內容

為此，本發明針對上述問題，在BFIP特性分析的基礎上，提出了一種基于Local-DBKSSA的高爐煉鐵過程監測方法。對于Local-DBKSSA模型，動態廣義非線性特征從多核角度充分探索過程非線性，構建時滯變量后的動態，隨后分解底層穩態投影，挖掘恒定過程變量關系。為了提供更流暢和靈敏的監測結果，一種基于局部策略的監測統計量被構建。

一種基于局部動態寬核穩態子空間分析(Local-DBKSSA)的建模方法，包括離線建模和在線監測兩部分；

離線建模包括正則化原始數據，構造時間拓展矩陣，特征提取，SP_SNP_S分解，統計量與閾值計算；

在線監測包括正則化測試樣本，時間拓展樣本，特征重構，SP_S部分構造，局部統計量，過程狀態判斷；