[发明专利]基于改进监督核局部线性嵌入法的电熔镁炉过程监测方法

说明书

本发明提供一种基于改进监督核局部线性嵌入法的电熔镁炉过程监测方法，涉及故障监测与诊断技术领域。该方法使用核函数将样本数据X映射到高维特征空间Φ(X)；通过MKSLLE(Modified supervised kernel locally linear embedding)算法选取k个近邻点，并在构造重构权值矩阵时加入了正则项；对结合KPCA的全局保持特征及自身的局部保持特征组成的目标函数进行维数约减，通过近似计算得到高维数据空间到低维特征空间的映射矩阵和系数矩阵；构造Hotelling T²统计量和SPE统计量并确定其控制限。本发明能对电熔镁炉工作过程中的异常和故障进行实时在线监测，有效提高故障监测的准确性，降低误报和漏报现象的发生，避免财产损失，保障工作人员的人生安全。

技术领域

本发明涉及故障监测与诊断技术领域，尤其涉及一种基于改进监督核局部线性嵌入法的电熔镁炉过程监测方法。

背景技术

现阶段工业电熔镁炉主要用来生产电熔镁砂，生产过程为首先将固态电熔镁砂打碎成粉，然后加入到电熔镁炉中，插入电极，通电后主要依靠电极电弧热对电熔镁砂进行融化，熔炼结束后抬出电极，等到电熔镁砂冷却后搬离出电熔镁炉，并进行自然结晶。电熔镁炉设备的整体组成及工作原理如图1所示。目前我国电熔镁炉冶炼过程的自动化程度还普遍较低，容易发生故障及异常情况，其中由于电极执行器故障等原因使电极距离电熔镁炉的炉壁过近，导致炉温异常变化，使得电熔镁炉的炉体熔化，一旦发生熔炉不仅会导致大量的财产损失，更重要的是危害人身安全。所以及时地检测电熔镁炉工作过程中是否发生了异常和故障是十分必要的。

电熔镁炉分为起炉阶段，熔化阶段，收尾结晶阶段3个阶段，每个阶段都必须对电极电流和电压进行调整好，以保证电熔镁炉中炉料能够较好的熔炼以及结晶。

针对电熔镁炉熔炼过程中极易出现的不良的工况以及故障，一般选择监控电熔镁炉的温度这一指标。主要原因是温度不仅影响到杂质的产生和排放，更重要的是其影响到电熔镁砂的熔炼过程和结晶过程，所以对炉内的温度进行控制是十分合理且非常重要的。

对电熔镁炉熔炼过程进行监测的方法中，传统的非线性降维方法如局部线性嵌入算法(locally linear embedding，LLE)等一般采用K近邻法确定其邻域，即对数据集中的每一个数据点通过求解欧式距离，选取与其最近的K个点作为它的近邻。对近邻点K的选取很重要，若K值过大，算法不能很好的体现数据的局部特性且计算的复杂度高，降维的效果不好，反之，算法则不能很好保持数据点在低维空间的局部拓扑结构。

另一种传统的非线性降维方法，监督核局部线性嵌入算法(supervised kernellocally linear embedding，SKLLE)以局部保持重构的方式处理已有的训练样本数据，不能有效解决新测试样本数据的泛化问题，因为SKLLE从已有的训练样本提取的低维嵌入数据对新测试样本数据的输入不能直接给出合理的嵌入输出，即所谓的泛化能力缺失。同时针对SKLLE算法对数据点噪声十分敏感问题，在保持邻域内每个数据点的表示坐标不变的前提下引入了正则化处理。即在计算局部重建权值矩阵时加入了正则项λ||w||²的约束，以降低对噪声的敏感性。在以上基础上，对嵌入低维目标空间的嵌入坐标进行优化，使该算法能够更好地保持非线性数据的拓扑结构，更具抗噪能力。对于SKLLE方法，参数k对于该算法的性能有着很重要的影响。算法对k的选择很敏感，传统方法一般是通过求取欧式距离选取与其最近的k个点作为它的近邻。若k选取的太小，很难保证数据的整体几何性质，反之，可能会将流形空间相距较远的点选作邻域，从而扭曲了降维结果。当样本为小样本时，邻域数据的选择不当会使数据间的相关性变差，数据发生扭曲；传统的监督核局部线性嵌入算法(supervised kernel locally linear embedding，SKLLE)仅考虑了数据的局部结构信息，却忽视了数据的全局结构，高维空间中不相邻的点在低维空间中也不应该相邻。

发明内容