[发明专利]一种湿法冶金浓密洗涤过程的故障监测与诊断方法

权利要求书

1.一种湿法冶金浓密洗涤过程的故障监测方法，其特征在于包括以下步骤：

1)确定故障状态及影响因素，提取故障特征，采集用于选定训练集和测试集的样本数据；

2)为建模和在线监测需要，对采集的三维矩阵数据进行预处理，得到二维数据阵；

3)根据二维数据阵，为进行样本训练，得到训练集；

4)将训练集对SVM分类器进行训练，得到一个训练好的基于SVM的浓密机底流管道堵塞故障检测模型；

5)用得到的检测模型对测试集进行标签预测，辅助实际决策和控制，或与实际结果比较，调整支持向量机分类器的参数。

2.根据权利要求1所述的湿法冶金浓密洗涤过程的故障监测方法，其特征在于步骤2)中对采集数据进行预处理为：

将被训练的样本数据输入，进行数据归一化处理，

其中，x为原始数据，y为归一化后的数据，x_max为原始数据中的最大值，x_min为原始数据中的最小值。

3.根据权利要求1所述的湿法冶金浓密洗涤过程的故障监测方法，其特征在于步骤4)中将训练集对SVM分类器进行训练，得到一个训练好的基于SVM的浓密机底流管道堵塞故障检测模型为：

采用径向基函数做为核函数：

其中，x_i为特征向量，σ为核函数参数，x为输入向量；

该径向基核函数的每个基函数中心对应一个支持向量，网络结构及其网络权值由算法自动确定。

4.根据权利要求1所述的湿法冶金浓密洗涤过程的故障监测方法，其特征在于步骤5)中还包括：用得到的检测模型对测试集进行标签预测，并与实际结果比较，调整支持向量机分类器的参数。

5.一种湿法冶金浓密洗涤过程的故障诊断方法，其特征在于包括以下步骤：

采用支持向量机(SVM)方法对浓密机底流管道运行状况进行实时监测时，当检测出管道堵塞故障，采用随机森林分类方法对故障进行诊断，确定故障类型，进一步采取针对性措施；

对故障进行诊断包括以下步骤：

1)分析浓密洗涤工业过程，当浓密机底流管道发生堵塞时，确定故障类型及影响因素，即提取每一类故障特征；

2)样本数据采集，从生产现场历史数据库获取历史数据，经数据分析、生产现场实际过程分析和现场专家知识调查，确定历史故障时间段，得到训练数据和测试数据，进一步得到训练样本和测试样本；

3)样本训练，将每类故障设定一个标签，并将训练样本输入，得到一个训练好的基于随机森林分类的浓密机底流管道堵塞故障诊断模型；

4)检验测试，将需测试样本输入到诊断模型，输出诊断结果，来辅助实际决策和控制；

对故障进行诊断还包括以下步骤：将输出诊断结果与实际结果比较，调整随机森林分类器的参数。

6.根据权利要求5所述的湿法冶金浓密洗涤过程的故障诊断方法，其特征在于步骤1)中确定故障类型为三类，第一类为矿浆黏度过大，第二类为底流浓度过大，第三类为异物掉入浓密机。

7.根据权利要求5所述的湿法冶金浓密洗涤过程的故障诊断方法，其特征在于步骤2)中还包括：

对训练样本结合间歇过程数据特点进行标准化处理，将三维数据按照D展开方式，即保留操作周期而将时间和过程变量两个维数上的数据糅合在一起，构成二维矩阵X(I×JK)，其每一行包含一次操作周期内的所有数据；

标准化处理如下：

其中，为标准化后的数据；为采集数据的平均值；s_jk为数据的方差，I为操作周期，i为当前操作次数。