基于全相关动态核偏最小二乘法的故障诊断方法

传统KPLS在构造输入变量与输出变量时未考虑样本间的动态特性,使故障样本信息易被其他样本掩盖;同时,KPLS未考虑所有变量对故障样本的影响,使变量间隐藏信息不能被完全表达。针对以上问题,提出一种基于全相关动态KPLS（all correlated dynamic KPLS,ADKPLS）的非线性工业过程故障诊断方法。该方法首先对原始数据进行动态特征分析研究,使组成的数据矩阵能很好地反映变量间的动态关系。然后分析证明了KPLS中输出变量的变化会影响到输入残差空间,设计一个输出变量辅助矩阵,表征输入变量与输出变量的全相关性。最后,采用基于输入变量与输出变量之间的全相关信息构建贡献图以识别故障源变量。与KPLS相比,在输入和输出变量之间建立了更直接的关系。在抽油机生产过程上的仿真结果表明,所提方法具有良好的故障检测与识别性能。     

基于鲁棒加权模糊聚类的污水处理过程监测方法

针对非线性强、先验故障知识少、异常工况识别难的污水处理过程监测问题, 提出一种基于鲁棒加权模糊c均值(Robust weighted fuzzy c-means, RoW-FCM)聚类与核偏最小二乘(Kernel partial least squares, KPLS)的过程监测方法. 首先, 针对污水处理过程的高维非线性耦合特性, 采用核偏最小二乘对高维输入变量进行降维; 其次, 针对传统基于最近邻分配的模糊c均值算法对离群点敏感以及存在聚类不平衡簇的问题, 提出充分考虑样本间相互关系的基于鲁棒加权模糊c均值聚类算法. 通过引入可能性划分矩阵作为权值参数实现不同样本数据的区分加权, 提高了离群点数据聚类的鲁棒性, 同时引入聚类大小控制参数解决不平衡簇的问题. 进一步将基于鲁棒加权模糊c均值算法对核偏最小二乘降维后的得分矩阵进行聚类, 利用聚类得到的隶属度矩阵实现异常工况的检测; 最后, 建立隶属度矩阵与过程变量的回归模型, 并利用得到的变量贡献矩阵描述变量对各个簇的解释程度, 实现异常工况的识别. 数值仿真以及污水处理过程数据实验表明该方法具有更好的鲁棒性能, 在异常工况检测和识别上具有较好的效果.     

高炉布料设定值优化控制

高炉炼铁是钢铁生产中的重要能耗因素.为了实现生产的节能降耗,布料策略显得极为重要.本文针对某钢铁厂高炉的无料钟布料系统,基于现场采集的数据,建立了以铁水质量和经济效益为变量的指标效益评价函数,给出了最优设定料面的推理机制.针对不同运行环境,建立不同的料面优化设定值,构成多模型集合.当工况环境发生大的变化时,采用切换机制,对比多模型集合,选择最优料面设定值,并在此基础上对布料进行自适应控制,计算布料矩阵,提高布料过程的快速性和准确性.最后对整个高炉动态优化控制系统做了总体分析,基于现场数据,对高炉布料模型进行了仿真和验证.     

基于多传感器的高炉炼铁操作参数优化

高炉(BF)炼铁是一个复杂的多变量系统,其上遍布各种传感器,而现行的操作制度是基于炉长经验的操作参数设置模式,它忽略了过程工况指标与各操作参数之间的影响关系,使得资源消耗常常处于“盲目”的状态.为了实现资源的合理配置,保证高炉的稳定顺行,需要对操作参数进行优化.在利用相似模式匹配实现高炉炼铁过程多操作参数优化的过程中,针对优良操作模式库庞大而引起的模式匹配速度慢且精度不高的问题,提出了基于马氏距离的多级匹配方法应用到高炉炼铁过程中,从大量工业运行数据中挖掘出适合当前工况条件的最优操作模式,从而实现高炉炼铁节能降耗、提高效率及增加效益的目的.     

基于多传感器的高炉炼铁操作参数优化

高炉﹙BF﹚炼铁是一个复杂的多变量系统,其上遍布各种传感器,而现行的操作制度是基于炉长经验的操作参数设置模式,它忽略了过程工况指标与各操作参数之间的影响关系,使得资源消耗常常处于"盲目"的状态。为了实现资源的合理配置,保证高炉的稳定顺行,需要对操作参数进行优化。在利用相似模式匹配实现高炉炼铁过程多操作参数优化的过程中,针对优良操作模式库庞大而引起的模式匹配速度慢且精度不高的问题,提出了基于马氏距离的多级匹配方法应用到高炉炼铁过程中,从大量工业运行数据中挖掘出适合当前工况条件的最优操作模式,从而实现高炉炼铁节能降耗、提高效率及增加效益的目的。     

油气管网故障监测与诊断系统的配置工具模型算法研究

本文介绍了一种油气管网故障监测与诊断系统的算法配置工具,该工具针对油气管网故障监测与诊断系统的算法提供了配置模型,用户可以通过该配置工具对油气管网故障监测与诊断系统的核心算法进行研究,基于已有的生产数据以及管网模型,利用SCADA实时与历史数据,研究异常波动特征与规律,自动捕捉异常变化,判断正常工况与异常工况,分析识别影响因素,辅助运行人员快速识别与决策,以提高管网控制水平,降低运行风险,提高事件应对能力。     

基于T-S模糊模型的高炉喷煤规则挖掘

高炉炼铁是一个动态的、多变量和非线性的复杂过程控制系统。由于焦炭短缺,价格昂贵,喷吹煤粉代替部分焦炭就成了高炉冶炼继续生存并与其他炼铁方法竞争的重要技术。因为缺乏对高炉的认识,炉长只能根据长期生产实践进行决策和操作。有时忽略了过程工艺指标与各工艺参数之间的影响关系,使得能源和资源消耗处于一种"盲目"的状态。为此,需要通过寻求高炉冶炼喷煤规则实现降低焦比减少资源消耗。以高炉生产历史数据为样本,结合高炉工艺机理分析,运用数据驱动建模技术建立起高炉喷煤T-S模糊模型,从成功的历史记录中寻找出具有准确性和科学性的高炉冶炼喷煤操作模式,建立起操作模式与生产经济指标和能耗之间的关系,达到指导实际生产操作、实现节能降耗的目的。     

基于k近邻变量贡献与重构理论的工业过程故障诊断

针对工业过程中发生故障时异常变量的精确识别以及如何准确建立"故障–征兆"表的问题,本文提出了一种基于k近邻(k–NN)变量贡献分析和数据重构的异常变量精确识别方法.首先,将k–NN算法中各个采样时刻的统计距离指标细化,分解为每个变量的贡献并对其进行详细分析,分别从单变量和多变量异常角度进行方法的可行性验证,确定过程故障时异常变量具有较大的贡献值;其次,建立正常数据中每个变量的贡献模型用于对故障样本中的异常变量进行"一次"识别;随后提出基于k–NN理论的数据重构算法,并从重构原理方面进行分析,验证该方法具有一定的有效性.对于故障样本,根据变量贡献分析方法求取每个变量对距离指标的贡献,"一次"识别出故障发生时所对应的异常变量或征兆;进而通过数据重构理论对故障样本中异常变量值进行重构、检测和"二次"识别,直至辨识出过程中发生异常的所有变量,并得到故障与变量之间的关系,即"故障–征兆"表.     

基于广义主成分分析的重构故障子空间建模方法

在线故障诊断是工业过程中十分重要的问题.相比传统贡献图而言,基于重构的故障诊断受到特别关注.传统的主元分析方法没有考虑故障数据中同时包含正常工况信息和故障信息,因而提取出故障子空间对故障的描述准确性不足.为提高故障子空间的准确性,提出一种基于广义主成分分析的重构故障子空间建模方法.首先,同时考虑正常工况数据和故障数据,分析数据关联,提取出两个数据的广义主成分,利用投影关系建立故障子空间模型;然后,构建主成分分析故障监测模型,通过监测重构数据筛选广义主成分和故障方向数量,得到正常运行和故障子空间最优组合.该方法充分利用正常工况和故障工况的数据,所提取的故障子空间能够更加充分地反映故障信息,对后续提高故障诊断的准确性具有重要的作用.最后,通过Matlab数值仿真和TE工业过程验证所提出方法的有效性.     

高炉炼铁和非高炉炼铁能耗比较浅析

在21世纪的钢铁界,非高炉炼铁是一项较为先进的前沿技术,是炼铁界技术革新的发展方向,但现实情况下,技术尚有许多需要改善的空间,仍有一些关键技术需要突破。本篇主要着重在高炉炼铁上的优势、非高炉炼铁同高炉炼铁在耗能上进行比较以及非高炉炼铁的技术在未来发展的空间进行叙述。     

Improvement of identification of blast furnace ironmaking process by outlier detection and missing value imputation

The control of blast furnace ironmaking process requires model of process dynamics accurate enough to facilitate the control strategies. However, data sets collected from blast furnace contain considerable number of missing values and outliers. These values can significantly affect subsequent statistical analysis and thus the identification of the whole process, so it becomes much important to deal with these values. This paper considers a data processing procedure including missing value imputation and outlier detection, and examines the impact of processing to the identification of blast furnace ironmaking process. Missing values are imputed based on the decision tree algorithm and outliers are identified and discarded through a set of multivariate outlier detection methods. The data sets before and after processing are then used for identification. Two classic identification methods, N4SID (numerical algorithms for state space subspace system identification) and PEM (prediction error method) are considered and a comparative study is presented.     

基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标, 其建模与控制对于整个高炉炼铁过程的运行优化意义重大. 针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题, 基于直接数据驱动控制思想, 提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法. 首先, 基于紧格式动态线性化(Compact form dynamic linearization, CFDL)无模型自适应控制(Model free adaptive control, MFAC)技术确定铁水质量的多变量数据驱动控制器结构; 然后, 针对CFDL-MFAC众多可调参数对控制器性能影响大, 同时对众多参数整体优化非常耗时且效果不理想的问题, 基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)技术, 提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法; 最后, 将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制, 并与基于递推子空间辨识的数据驱动预测控制进行比较研究, 验证所提控制方法的有效性和先进性.     

攀钢高炉高产、优质、低消耗工艺操作参数系统优化

本文在前文已经提出的高炉工艺操作参数系统优化模型的基础上,应用先进的计算机技术和系统工程学,将攀钢1~#、2~#、3~#高炉1983～1984年的5万多条生产数据进行统计分析和系统优化;选择了当前原燃料条件,装料制度下高产、优质、低消耗,渣铁畅流、高炉顺行的工艺操作参数,成为以后样本空间模型的基础,为攀钢高炉调优操作、提高利用系数起到了积极作用,并为今后高炉生产自动化研究打下了软件基础。     

基于数据驱动的高炉料面优化决策模型研究

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行.     

基于互信息的多块k近邻故障监测及诊断

由于传统的k近邻故障监测不考虑过程的局部信息,只建立一个全局模型,因此提出一种基于互信息的多块k近邻故障监测方法。首先,考虑建模数据的非线性和非高斯等特性,基于变量间的互信息进行子块构建;然后,利用k近邻方法对每个子块进行建模与监测,子块中的k近邻模型反映了更多的过程局部特征;最后,将所有子块的监测结果通过贝叶斯推断方法进行融合,并采用基于马氏距离的故障诊断方法辨识故障源。通过对田纳西-伊斯曼过程和高炉炼铁过程中的应用仿真,监测结果表明所提方法的可行性和有效性。     

基于线性规划的智能炼铁配料系统

以钢铁企业炼铁生产参数为研究资料,实现高炉炼铁配料优化、炼铁数据和三维模型的多元化展示.本文主要研究在Qt平台下设计研发了跨平台的智能炼铁配料系统,采用线性规划的方法建立炼铁配料的数学模型,利用单纯形法求解达到成本最优,以及利用FFmpeg库实现高炉数模动画的播放和OpenGL实现高炉三维模型的动态展示.本文首先介绍了系统利用到的一些相关技术,其次对系统的数据提取、更新、优化算法的设计进行了分析,最后对配料优化、数据的二维展示、三维模型的动态展示的实现和测试进行了介绍.     

高炉炼铁过程多元铁水质量非线性子空间建模及应用

高炉炼铁是一个物理化学反应复杂、多相多场耦合的大滞后、非线性动态系统,其关键工艺指标——铁水质量参数的检测、建模和控制一直是冶金工程和自动控制领域的难题.本文提出一种面向控制的数据驱动高炉炼铁多元铁水质量非线性子空间建模方法.首先,为了提高建模效率和降低计算复杂度,采用数据驱动典型相关性分析与相关性分析相结合的方法提取与铁水质量相关性最强的关键可控变量作为建模的输入变量;同时,为了更好地反映高炉非线性动态特性,将相关输入输出变量的时序和时滞关系在建模过程进行考虑;最后,采用基于最小二乘支持向量机（Least square support vector machine,LS-SVM）的非线性Hammerstein系统子空间辨识方法建立数据驱动的多元铁水质量非线性状态空间模型.同时,将核函数表示的模型非线性特性用多项式函数拟合,在仅损失很小模型精度的前提下大大降低模型的计算复杂度.基于实际数据的工业试验验证了所提建模方法的准确性、有效性和先进性.     

基于DAGSVM的高炉故障诊断研究

针对高炉故障诊断智能化程度低，对操作人员技术水平要求高等不足，提出了基于支持向量机的多类分类故障诊断方法．根据统计学原理，使用核函数将样本映射到高维空间进行训练．综合各种核函数的测试准确率，得到解决该问题的最佳核函数．通过比较不同的多类分类算法，提出了基于DAGSVM的诊断模型．实验结果表明该算法具有较高的识别准确率．     

基于最优工况迁移的高炉铁水硅含量预测方法

高炉铁水硅含量是铁水品质与炉况的重要表征,冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战.提出一种基于最优工况迁移的高炉铁水硅含量预测方法.首先,针对过程变量频繁波动问题,提出基于邦费罗尼指数的自适应密度峰值聚类算法,实现对高炉冶炼过程变量的工况划分,并建立不同工况硅含量预测子模型.其次,针对冶...     

Conceptual design and simulation analysis of thermal behaviors of TGR blast furnace and oxygen blast furnace

Extensive use of carbon based fuel is the main inducement for global warming and more extreme weather.Reducing carbon dioxide emission and enhancing energy use is a common subject in steel industry.In the integrated steel plant,decreasing carbon dioxide emission must consider energy balance in the whole iron and steel works,and secondary energy must be actively utilized.As promising blast-furnaces,top gas recovery blast furnace(TGR-BF) and oxygen blast furnace have been investigated.In this paper,conceptual...