[发明专利]基于相似性度量共享子空间多视角电熔镁炉故障监测方法

摘要

本发明提出一种基于相似性度量共享子空间多视角电熔镁炉故障监测方法，包括：采集数据并提取特征；构造系数矩阵，求得邻域权重系数矩阵；建立目标函数；修改已经建立的目标函数，求解得投影矩阵；基于投影矩阵和多个视角的近似表达X*，求得X*的SPE和N2值，以及基于各个视角累加SPE1N；得到控制线SPE99、N299、SPE1N99；采集测试视频，得到测试视频公共特征矩阵；计算Xtest*的SPEtest和N2test值以及基于各个视角的SPE1Ntest；若SPEtesti、N2testi、SPE1Ntesti的值高出控制线，则可判断发生故障；本发明主要解决多视角视频数据联合建模的问题，利用多个视角视频数据的一致性和互补性，可以避免由于单视角没有捕捉到异常工况点而产生的漏报，避免没有及时对异常工况进行及时处理，从而导致生命财产损失，能够提高故障监测效率和准确性。

主权项

1.基于相似性度量共享子空间多视角电熔镁炉故障监测方法，其特征在于，包括以下步骤：步骤1：采集数据并提取特征，得到特征矩阵：利用摄像头在电熔镁的冶炼过程中采集炉面训练视频，将训练视频转变成每一帧作为训练图像，并将训练图像灰度化处理，使每张图像变成一个灰度矩阵，基于灰度化后的矩阵提取图像的特征，包括：灰度均值、平滑度、基于图像的灰度共生矩阵提取图像的能量、熵，得到特征矩阵X^V∈m×n，其中，V表示第V个视角，n为样本数，m为每个样本的特征数；步骤2：基于特征矩阵X，利用高斯核函数，构造系数矩阵，求得邻域权重系数矩阵W：基于高斯核函数，构造系数矩阵：其中，W_ij为邻域权重系数矩阵，X_i、X_j为特征矩阵X中第i、j个样本的特征，k为人为选择的邻域个数，X_j∈K(X_i)_orX_i∈K(X_j)为X_i属于X_j的K近邻或者X_j属于X_i的K近邻，σ为人为选定的参数，且0<σ<1，为X_i和X_j的距离，为高斯核函数；步骤3：建立目标函数：对于不同的视角，采用共享子空间的方法，提出如下目标函数：其中，U为投影矩阵，为非负矩阵；分别为同一时刻的样本在V和S视角的低维表达，n为样本数，λ为需要调整的参数，且λ>0；表示F为矩阵的F范数；步骤4：对每个视角引入流形，修改已经建立的目标函数，求解得投影矩阵U：对每个视角引入流形，提出的目标函数如下式，其中λ₁、λ₂为人为需要调整的参数，用来平衡相关约束的权重：提取所有视角的公共部分，提出我们总的目标函数，如下式所示：总的目标函数中，需要求取的未知变量为投影矩阵U和多个视角的近似表达X^*，先将目标函数进行相应的化简，可得：其中，L＝D‑W，D＝diag(D₁,D₂,……,D_n)；为求取X^*和U，将总的目标函数首先对X^*求导，可得：X^*＝X¹+X²+……+X^N总的目标函数对U求导时，引入拉格朗日乘子ψ_ij≥0，Ψ＝[ψ_ij]，以保证在更新迭代的过程中投影矩阵U的每个元素为非负，总的目标函数更新为如下式：总的目标函数对U求导，可得：引入拉格朗日乘子条件Ψ_ijU_ij＝0，得投影矩阵U的更新迭代公式如下：步骤5：基于投影矩阵U和多个视角的近似表达X^*，求得X^*的SPE和N²值，以及基于各个视角累加SPE_1N，其计算公式如下式所示，其中X^*_i为X^*的第i个样本：SPE_i＝||X^*_i‑UU^TX^*_i||N²_i＝(U^TX^*_i)^TU^TX^*_i步骤6：基于X^*的SPE和N²值以及基于各个视角累加SPE_1N，利用核密度估计，采用99％的置信度，得到控制线SPE99、N²99、SPE1N99；步骤7：采集电熔镁工业过程测试视频，得到测试视频公共特征矩阵：视角个数为V，将测试视频转变为每一帧测试图像，将测试图像进行灰度化处理，得到测试图像灰度化矩阵，基于测试图像灰度化矩阵提取得到特征矩阵集X_test¹、X_test²、X_test³、……、X_test^V，其中X_test^V代表测试视频第V个视角的特征，根据步骤4公式，得到测试视频公共特征矩阵X_test^*：X_test^*＝X_test¹+X_test²+X_test³+……+X_test^V步骤8：基于测试视频公共特征矩阵X_test^*，根据步骤5中公式，计算X_test^*的SPE_test和N²_test值以及基于各个视角的SPE_1Ntest：SPE_testi＝||X_test^*_i‑UU^TX_test^*_i||N²_testi＝(U^TX_test^*_i)^TU^TX_test^*_i其中，SPE_testi、X_test^*_i、N²_testi、SPE_1Ntesti、X_test^V_i分别为测试视频公共特征X_test^*第i个样本的SPE值、测试视频公共特征X_test^*第i个样本、测试视频公共特征X_test^*第i个样本的N²值、测试视频各个视角第i个样本的SPE值和测试视频第V个视角的特征集的第i个样本；步骤9：绘制出测试视频的SPE_test、N²_test以及SPE_1Ntest曲线，并在此基础上，分别画出步骤6计算的SPE99、N²99、SPE_1N99控制线，若SPE_testi、N²_testi、SPE_1Ntesti的值高出控制线，则可判断该数据点对应的工业过程发生故障，并通过绘制的曲线读取故障点发生的起始位置，若SPE_testi、N²_testi、SPE_1Ntesti的值不高于控制线，则测试视频为正常工业过程数据。