[发明专利]一种核灵活流形嵌入电熔镁炉故障监测方法

说明书

本发明涉及一种核灵活流形嵌入电熔镁炉故障监测方法，步骤为：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。本发明方法利用少量的标记数据和大量未标记数据来实现对于过程监测模型的建立，模型更加准确，能很好的实现数据降维及保留原始数据信息，提高故障诊断模型的准确率和抗干扰能力，实现了对未知故障的监测。

技术领域

本发明涉及一种电熔镁炉故障监测与诊断技术，具体地说是一种核灵活流形嵌入电熔镁炉故障监测方法。

背景技术

在我国，氧化镁的生产过程自动化程度差，生产过程复杂，生产过程中具有非线性、非高斯、强耦合等特性，容易发生故障，从而造成巨大的经济损失，急需一种有效的过程监测方法对生产状况进行预测，减少故障发生率，降低经济损失。近几年来，随着计算机和自动化的发展，生产过程中的数据能够得以保存，且生产的安全性也越来越受到重视。利用大量历史数据的一类基于数据驱动的过程监控方法得到了广泛的关注，并且成为了过程监控领域中的一个研究热点。

在生产过程中，经验丰富的工人能够保证生产安全进行且获得高质量的产品，然而，这样的生产效果，一般的工人却很难实现，由此如何利用老工人的经验知识来实现工业生产监控，成为了重要的研究方向。近年来，大量高维的数据已能够通过可靠的数据采集系统所获得，然而在利用数据实现故障检测时，数据多且维数大成为了影响过程监测效果的重要因素，因此在利用数据进行过程监控时，约简数据维数成为了一个很重要的问题，其直接影响着实际过程监控的效果。在过去几年里，很多过程监控算法被提出，而这些算法都没有充分利用老工人的经验知识来实现实际工业的过程监控。

发明内容

针对现有技术中氧化镁的生产过程监控算法没有充分利用老工人的经验知识等不足，本发明要解决的问题是提供一种结合了老工人的经验知识、利用少量的标记数据和大量未标记数据来实现对于过程监测模型建立的核灵活流形嵌入电熔镁炉故障监测方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种核灵活流形嵌入电熔镁炉故障监测方法，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。

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。

根据核独立元方法的基本原理建立KICA模型步骤如下：