[发明专利]基于稀疏贡献图的高炉多工况故障分离方法及系统

权利要求书

1.一种基于稀疏贡献图的高炉多工况故障分离方法，其中，包括：

数据收集步骤，收集不同工况下的对应各个检测变量的正常数据作为训练样本集；

字典增广步骤，基于所述训练样本集得到一字典，并对所述字典进行增广处理得到增广字典；

稀疏编码步骤，利用所述增广字典，获取在线数据的稀疏编码；

故障检测步骤，基于所述稀疏编码计算所述在线数据的字典重构残差，并将其与字典重构残差的控制限进行比较，其中，若所述字典重构残差大于所述控制限，则判断发生故障并执行故障分离步骤；

故障分离步骤，计算所述各个检测变量的稀疏贡献值，根据所述稀疏贡献值绘制稀疏贡献图以进行故障分离。

2.根据权利要求1所述的方法，其中，在所述数据收集步骤中，利用以下表达式来得到所述训练样本集：

其中，i＝1,…C，是第i个工况的数据样本，N_i表示第i个工况的样本数目，N表示所有工况的样本数目总和，m表示检测变量的个数，表示实数域，T表示矩阵的转置。

3.根据权利要求1所述的方法，其中，在所述字典增广步骤中，

利用以下表达式来计算得到所述字典，

<D,U,W,A>=argmin||X-DA||F2+λ||Q-UA||F2+β||L-WA||F2]]>

s.t.∀i||αi||0≤n0]]>

其中，表示字典；表示训练样本集X的稀疏编码矩阵；表示训练样本集X的标签矩阵，如果训练样本x_i产生于第j个工况，则l_i＝[0,0,…,1,…,0,0]^T只有第j个位置上是1，其余位置为0；表示训练样本集X的判别稀疏编码，如果训练样本x_i和字典项d_j具有相同的标签时，矩阵Q的第i行和第j列元素为1，否则为0；矩阵U和W均为线性变换矩阵；λ和β为系数，用来调节权重；K表示字典D中原子的个数；|| ||_F表示Frobenius范数；|| ||₀表示零范数；n₀表示稀疏程度；C表示工况的数目；N表示所有工况的样本数目总和，m表示检测变量的个数，表示实数域。