一种高炉异常炉况检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108595380A(43)申请公布日2018.09.28(21)申请号201810207539.2(22)申请日2018.03.14(71)申请人山东科技大学地址266590山东省青岛市黄岛区经济技术开发区前湾港路579号(72)发明人周东华尚骏陈茂银张海峰李明亮卢晓钟麦英王建东王友清(74)专利代理机构青岛智地领创专利代理有限公司37252代理人种艳丽(51)Int.Cl.G06F17/16(2006.01)G06F17/18(2006.01)C21B5/00(2006.01)权利要求书2页说明书5页附图4页(54)发明名称一种高炉异常炉况检测方法(57)摘要本发明公开了一种高炉异常炉况检测方法，属于自动检测技术领域，包含扰动区间辨识、离线训练和在线检测三部分；扰动区间辨识算法的目的在于定位由于热风炉切换造成的扰动区间，其主要利用热风压力的增量数据判断扰动起始时刻并根据长度变量确定具体的扰动区间；离线训练利用历史训练数据计算参考统计量并确定控制限；在线检测过程包含指标切换机制，其利用扰动辨识结果采用不同的检测指标,并分别与其控制限比较，当检测指标超过阈值时，认为炉况异常。与基于专家系统的高炉异常检测方法相比，该方法不需要历史异常信息，并且避免了冗杂的规则训练过程，其更易于实现且更为高效。CN108595380ACN108595380A权利要求书1/2页1.一种高炉异常炉况检测方法，其特征在于，具体包括如下步骤：步骤1：扰动区间辨识，具体步骤如下：步骤1.1：收集高炉热风压力的传感器数据，变量记为p，参数记为ν；步骤1.2：对p进行单步差分处理，得到Δp；步骤1.3：给定显著性水平α，根据历史数据中非扰动区间的Δp确定阈值δΔp，使得历史数据中1-α的数据满足|Δp|＞δΔp；步骤1.4：根据历史数据中扰动区间长度确定变量τ，使得历史数据中1-α的扰动区间长度大于τ；步骤1.5：对于第k个采样时刻，比较Δp和其阈值δΔp，若Δpk＜-δΔp，将指示变量∈k置为1；步骤1.6：对于第k个采样时刻，计算变量sk：其中，∈i代表指示变量第i时刻的值，右下角的角标代表采样时刻；步骤1.7：若sk＝ν+1且sk-1＜ν+1，则认为扰动区间从第k-ν个时刻开始，根据估计的变量τ，扰动区间的辨识结果为：[k-v,k-v+τ-1]；步骤2：离线训练，具体包括如下步骤：步骤2.1：收集高炉正常工况下的历史传感器数据，建立训练数据集其中m为传感器个数，n为样本个数；步骤2.2：利用扰动区间辨识算法将数据划分为扰动数据X{d}和非扰动数据X{n}；步骤2.3：分别将扰动数据X{d}和非扰动数据X{n}单步差分，得到差分数据矩阵Z{d}和Z{n}；步骤2.4：分别计算差分数据矩阵Z{n}的均值和标准差步骤2.5：构建长度为w的滑动时间窗口，采用单步滑动构成数据矩阵：步骤2.6：分别对每一个窗口内的测量数据进行标准化处理：其中Σ＝diag{σ1,...,σm}为样本标准差构成的对角阵；步骤2.7：计算窗口内数据的协方差矩阵：以及(k)(k)并计算Sk的特征值，记为λ1,...,λm；2CN108595380A权利要求书2/2页其中，为第k+1个标准化后的测量向量，为第k+1个标准化后的测量向量的转置，为第k-w+1个标准化后的测量向量的转置；(k)步骤2.8：计算特征值λj的均值和标准差，记为和步骤2.9：对于每一采样时刻k，计算非扰动区间的检测指标步骤2.10：结合非扰动训练数据的检测指标和显著性水平α，确定非扰动区间的控制限δ{n}；步骤2.11：针对扰动区间数据Z{d}，对每一时刻的数据向量进行标准化处理：步骤2.12：针对每一采样时刻k，计算扰动区间的检测指标步骤2.13：结合扰动训练数据的检测指标和显著性水平α，确定扰动区间的控制限δ(d)；步骤3：在线检测，具体包括如下步骤：步骤3.1：对数据进行单步差分：zk＝xk-xk-1(9)；步骤3.2：对zk进行标准化处理：步骤3.3：利用扰动区间辨识算法在线判断是否发生扰动；若发生，则跳转到步骤3.8；步骤3.4：计算第k时刻的窗口样本协方差：其中，为的转置，为第k-w个采样时刻下的标准化后的差分数据，为的转置；(k)(k)步骤3.5：计算Sk的特征值，记为λ1,...,λm；步骤3.6：根据公式(6)计算非扰动区间的检测指标步骤3.7：将非扰动区间的检测指标和控制限δ{n}比较，若则认为炉况异常；步骤3.8：根据公式(8)计算扰动区间的检测指标步骤3.9：将扰动区间的检测指标和控制限δ{d}比较，若则认为炉况异常。3CN108595380A说明书1/5页一种高炉异常炉况检测方法技术领域[0001]本发明属于自动检测