一种高炉故障诊断系统及方法.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CN105843212A(43)申请公布日2016.08.10(21)申请号201610187770.0(22)申请日2016.03.29(71)申请人东北大学地址110819辽宁省沈阳市和平区文化路3号巷11号(72)发明人王安娜艾青(74)专利代理机构沈阳东大知识产权代理有限公司21109代理人胡晓男(51)Int.Cl.G05B23/02(2006.01)权利要求书1页说明书7页附图1页(54)发明名称一种高炉故障诊断系统及方法(57)摘要本发明提供一种高炉故障诊断系统及方法，该系统包括：历史数据采集模块、实际数据采集模块、特征权重矩阵构造模块、模型建立模块、高炉故障诊断模块。该方法包括：采集高炉生产状况实际属性数据、历史属性数据及其对应的高炉运行故障状态类型；根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；建立用于高炉故障诊断的特征加权孪生超球支持向量机模型；将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。本发明将高炉故障各特征重要性量化，并将各特征重要性融入学习机的构建过程中，以提高故障诊断的精度。CN105843212ACN105843212A权利要求书1/1页1.一种高炉故障诊断系统，其特征在于，包括：历史数据采集模块：采集高炉生产状况历史属性数据及其对应的高炉运行故障状态类型；实际数据采集模块：采集高炉生产状况实际属性数据；特征权重矩阵构造模块：根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；模型建立模块：利用特征权重矩阵，对任意两个高炉运行故障状态类型及其对应高炉生产状况历史属性数据训练，建立特征加权孪生超球支持向量机模型，该模型的输入为高炉生产状况历史属性数据，输出为该两个高炉运行故障状态类型之一，该模型中的一对特征加权超球分别表示该两个高炉运行故障状态类型，待分类高炉生产状况历史属性数据离特征加权超球越近，发生对应高炉运行故障状态的概率越高；高炉故障诊断模块：将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。2.根据权利要求1所述的高炉故障诊断系统，其特征在于，还包括归一化处理模块，对历史数据采集模块采集的高炉生产状况历史属性数据及其对应的高炉运行故障状态类型、实际数据采集模块采集的高炉生产状况实际属性数据进行归一化处理。3.根据权利要求1所述的高炉故障诊断系统，其特征在于，所述属性，包括：风量、风压、顶压、压差、透气性、顶温、十字测温、料速、Si含量、物理热；所述故障状态类型，包括：向凉、向热、悬料、崩料。4.根据权利要求1所述的高炉故障诊断系统，其特征在于，所述属性的特征权重为故障状态类型的信息熵与该属性发生故障状态的信息熵之差。5.利用权利要求1所述的系统进行高炉故障诊断的方法，其特征在于，包括：采集高炉生产状况实际属性数据、历史属性数据及其对应的高炉运行故障状态类型；根据各属性对于故障诊断的重要程度确定各属性的特征权重，构造特征权重矩阵；建立用于高炉故障诊断的特征加权孪生超球支持向量机模型：利用特征权重矩阵，对任意两个高炉运行故障状态类型及其对应高炉生产状况历史属性数据训练，建立特征加权孪生超球支持向量机模型，该模型的输入为高炉生产状况历史属性数据，输出为该两个高炉运行故障状态类型之一，该模型中的一对特征加权超球分别表示该两个高炉运行故障状态类型，待分类高炉生产状况历史属性数据离特征加权超球越近，发生对应高炉运行故障状态的概率越高；高炉故障诊断：将高炉生产状况实际属性数据带入建立的各特征加权孪生超球支持向量机模型中，获得高炉生产状况实际属性数据所属高炉运行故障状态类型，完成高炉故障诊断。6.根据权利要求5所述的方法，其特征在于，所述获得高炉生产状况实际属性数据所属高炉运行故障状态类型是：将高炉生产状况实际属性数据代入各特征加权孪生超球支持向量机模型中，统计各特征加权孪生超球支持向量机模型输出的高炉运行故障状态类型，出现次数最多的高炉运行故障状态类型即为高炉生产状况实际属性数据所属高炉运行故障状态类型。2CN105843212A说明书1/7页一种高炉故障诊断系统及方法技术领域[0001]本发明属于高炉故障诊断技术领域，具体涉及一种高炉故障诊断系统及方法。背景技术[0002]高炉故障故障诊断对于减少事故和经济损失具有重要的意义。高炉冶炼是把生铁矿石还原成铁，是一个连续且工艺复杂的生产过程；为防止异常情况出现，需要生产过程中的大量参数进行监测，例如，热风风温、热风风量、热风风压、炉顶压力、全压差、