基于CHMM和DKPCA的电渣冶金过程故障诊断

发布时间：2020-05-29 02:55

【摘要】：电渣炉冶金是特殊钢的重要生产方式,其产品往往具有很高价值。一旦过程发生明显故障,则将会造成巨大经济损失甚至安全事故。本文针对电渣冶金过程数据存在的非线性、时间序列相关性和批次数据不等长等特点给故障诊断带来困难的问题,在电渣冶金过程数据特征提取中对动态核主元分析方法进行系统、深入的研究,基于连续隐马尔可夫模型进行过程故障检测和故障识别,提出一些新的过程监控和故障诊断方法,具体包括:(1)针对电渣冶金过程数据存在非线性、批次数据不等长等特点,使用DKPCA方法对过程数据进行特征提取,将原始数据转化成为连续过程数据,这样连续过程数据可以直接利用CHMM进行故障诊断。(2)提出一种基于CHMM和DKPCA的电渣冶金过程故障检测方法。首先使用DKPCA算法对电渣冶金过程数据进行特征提取的,再利用VMW技术对提取的主元特征序列进行动态数据追踪,并计算出一个在线故障检测的实时阈值,然后比较待测系统实时统计量与实时阈值的大小来判断系统是否发生故障,从而实现基于CHMM和DKPCA的电渣冶金过程实时在线故障检测。最后通过建立的电渣冶金过程仿真系统产生过程数据,对该方法进行仿真验证,表明了这种方法能对电渣冶金过程中出现的各种故障进行准确的检测。(3)提出一种基于CHMM和DKPCA的电渣冶金过程故障辨识方法。首先仍使用DKPCA算法对电渣冶金过程数据进行特征提取,再利用VMW技术对提取的主元特征序列进行动态数据追踪,并训练电渣冶金过程所有故障情况下的CHMM得到故障的模型库,然后计算出测试数据与各个故障模型的匹配程度,从而得出待测数据所发生的故障属于哪个类型。最后通过建立的仿真平台来产生数据,对基于CHMM和DKPCA结合的电渣冶金过程故障诊断方法进行了仿真验证,验证了算法的有效性。
【图文】：

，，，内就可以得到一个矩阵义欠），其中，矩阵的行代表变量，矩阵的列代表观测值。逡逑而间歇过程是多批次重复生产过程，假设在正常的工况下共采集了／个批次的数据，那逡逑么就可得到／个单次采样矩阵＜邋（Ｊｘ炙）（／＝邋１，２N，／），因此间歇过程的数据就可以用如逡逑图１．１所示三维矩阵Ｘｆ／ｘＪｘＡ：）的形式来表示，其中／表示操作批次，，ｊ表示监测变逡逑

更大的科研投入。逡逑目前，主要的故障诊断方法可以分为如下三类［｜９１：基于分析模型的方法、基于定性逡逑经验知识分析的方法和基于数据驱动的方法，具体方法如图１．３所示。逡逑－６－逡逑
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TF142

【参考文献】

相关期刊论文 前9条

1 李正邦;;电渣冶金的发展历程、现状及趋势[J];材料与冶金学报;2011年S1期

2 丁家伟;丁刚;强颖怀;;第二代电渣冶金工艺研究[J];材料与冶金学报;2011年S1期

3 李晗;萧德云;;基于数据驱动的故障诊断方法综述[J];控制与决策;2011年01期

4 孙博;康锐;谢劲松;;故障预测与健康管理系统研究和应用现状综述[J];系统工程与电子技术;2007年10期

5 李元,谢植,周东华;基于CMPCA的化工生产过程性能监测与故障诊断[J];信息与控制;2004年02期

6 陆锡才;电渣炉调压方法与功率变化[J];特殊钢;2002年05期

7 陆锡才;电渣炉电源研究[J];工业加热;2002年03期

8 李正邦;电渣冶金的回顾与展望[J];特殊钢;1999年05期

9 陆锡才;电渣重熔电极熔化过程模型[J];东北工学院学报;1985年01期

相关博士学位论文 前3条

1 夏丽莎;基于隐马尔可夫模型的故障诊断及相关算法研究[D];华中科技大学;2014年

2 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

3 周韶园;基于HMM的统计过程监控研究[D];浙江大学;2005年

相关硕士学位论文 前2条

1 王海燕;基于单批次时段划分的间歇过程故障监测方法研究[D];东北大学;2014年

2 杨仁枫;大型电渣炉供电和控制系统设计及熔炼控制方法研究[D];东北大学;2011年

本文编号：2686278