[发明专利]一种核灵活流形嵌入电熔镁炉故障监测方法

权利要求书

1.一种核灵活流形嵌入电熔镁炉故障监测方法，其特征在于包括以下步骤：

采集各类故障数据和正常数据；

进行离线建模，根据采集到的数据获取KICA监控模型，训练KFME故障诊断模型；

在线监测，利用KICA监控模型进行实时在线监测，采集过程数据；

如果监测到故障，则通过KFME监控模型进行故障识别；

如果识别出故障，则一次故障监测过程结束；

如果没有识别出故障，则分析未诊断出的故障数据并进行标记，转至训练KFME故障诊断模型步骤。

2.按权利要求1所述的核灵活流形嵌入电熔镁炉故障监测方法，其特征在于根据采集到的数据获取KICA监控模型，训练KFME故障诊断模型包括以下步骤：

1)对收集到的故障状态下的故障数据和正常状态下的正常数据进行中心化和标准化处理，得到原始数据；

2)将上述原始数据映射到特征空间，将特征空间原始数据中的正常数据做为样本数据；

3)利用样本数据通过核独立元方法的基本原理建立KICA模型；

4)映射到特征空间的样本数据经过KICA模型处理后的数据作为KFME方法的建模数据；

5)基于知识分析的核灵活流形嵌入算法的基本原理进行建模，得到KFME模型。

3.按权利要求2所述的核灵活流形嵌入电熔镁炉故障监测方法，其特征在于：根据核独立元方法的基本原理建立KICA模型步骤如下：

31)对映射到特征空间的样本数据中正常数据进行中心化和标准化处理，得到标准化后的核矩阵

32)在标准化后的核矩阵中计算特征值和特征向量，提取d个最大的特征值以及对应的特征向量，其提取的特征值的数目根据下述标准确定：

其中λ_i为特征值，i为特征值编号；

33)对于特征空间的正常数据，计算白化矩阵并将映射的数据进行白化，得到被白化的数据；

34)根据负熵公式J(y)＝[E{G(y)}-E{G(v)}]²将被白化的数据进行处理,从而确定出过渡矩阵C_n，进一步确定非线性成分。

4.按权利要求2所述的核灵活流形嵌入电熔镁炉故障监测方法，其特征在于：根据基于知识分析的核灵活流形嵌入算法的基本原理进行建模步骤如下：

51)根据特征向量y和训练数据X_w∈R^f×n，获得特征矩阵Y∈R^n×c；

52)根据特征矩阵Y∈R^n×c构造近邻图并计算图拉普拉斯矩阵L＝D-S，其中，D为特征矩阵Y∈R^n×c的对角矩阵，S为特征矩阵Y∈R^n×c的对称矩阵，对角矩阵D的对角元素D_ii为特征矩阵S中每列元素之和；

53)使用非线性映射函数Φ(·)将训练数据投影到高维特征空间；

54)根据高维特征空间中数据的特征，选择核函数；

55)计算上述核函数的值；

56)根据训练数据计算故障预测矩阵F_w，获得投影矩阵W和偏差项b；

57)根据在线数据，计算故障检测矩阵F_t，得到在线监控矩阵。

5.按权利要求4所述的核灵活流形嵌入电熔镁炉故障监测方法，其特征在于：对称矩阵S中元素S_ii'采用如下方式计算：如果x_i是x_i'的m个近邻点，则S_ii'＝exp(-||x_i-x_i'||²/t)，否则S_ii'＝0，其中，t为经验值，x_i'为历史数据，i'＝1，2，…，n。

6.按权利要求2所述的核灵活流形嵌入电熔镁炉故障监测方法，其特征在于：所述特征空间为4维及4维以上的高维特征空间。