[发明专利]基于邻域投影保持的异构数据协同建模工业故障检测方法

说明书

本发明提出一种基于邻域投影保持的异构数据协同建模工业故障检测方法，属于故障监测与诊断技术领域，具体步骤包括：采集N组电流和图像数据；求取每个图像数据的结构权重系数；建立电流邻域数据接图矩阵；剔除大于电流邻域权重阈值的数据，并归一化；构建目标函数，利用流形降维的方法求得投影向量最优解；对灰度化后的电解镁过程中产生的图像数据进行降维；利用SVM分类方法对降维后的图像数据进行故障检测。本发明主要解决异构数据建模的问题，结合了图像信息与电流信息同时进行故障检测，针对利用此方法进行的过程监测结果表明，该方法不仅能大大降低误报警，还提高了故障检测的准确性。

技术领域

本发明属于故障监测与诊断技术领域，具体涉及一种基于邻域投影保持的异构数据协同建模工业故障检测方法。

背景技术

大结晶电熔镁是用纯天然轻烧镁粉经超高温电熔烧制而成的。由于理化性能稳定等特点，大晶体电熔镁成为一种优良的高温电气绝缘材料，主要应用于冶金、化工、电器、航天和国防等工业领域。超高温冶金产品是中国工业发展的重大需求。与低温工业流程相比，超高温冶炼流程更加复杂，且生产条件差、安全防护措施少，气、液、固的同时存在使得喷炉、爆炸等灾难性事故极易发生。

随着现代工业的迅速发展，现代企业中生产设备日趋大型化、连续化、高速化和自动化，设备的结构与组成十分复杂，生产规模非常庞大，各部门之间的联系也特别密切。实际的电解镁生产过程是非常复杂的非线性过程。针对非线性的过程，一般采用核方法把低维数据映射到高维特征空间使其线性可分，或者采用一些流形学习方法对其进行降维。

由于电解镁过程的特殊性，在该过程中能监测到的传统物理变量十分有限，如果仅利用电流变量进行建模会造成信息提取不充分从而导致模型对电解镁过程故障诊断效果不佳。因此除传统的电流变量外还需要额外对电解镁过程中产生的图像数据进行监测。但是已有的研究成果局限于把物理变量数据和多媒体异构数据分开建模分别诊断，其做法忽视了大数据之间必然的联系，失去了大数据固有的优势。而且传统的机器学习方法处理图像时的拉直处理容易丢失图像的结构信息。

发明内容

为解决上述问题，本发明提出一种基于邻域投影保持的异构数据协同建模工业故障检测方法，实现存在异构数据的情况下，达到降低误报警率的目的。

一种基于邻域投影保持的异构数据协同建模工业故障检测方法，包括以下步骤：

步骤1：采集数据，在电解镁的工业过程中利用摄像头采集电解炉炉面图像数据并将其灰度化得到矩阵X∈m×n，且在同一时刻采集镁炉的三个电极的电流数据I＝[i₁,i₂,i₃]，一共采集了N组电流和图像数据；

步骤2：基于高维数据降维，邻域线性关系变化最小的原理，获得图片数据的高维邻域结构信息，求取每个图像数据的结构权重系数W⁽ⁱ⁾，依据原始问题：

求解得：

求得邻域权重系数W⁽ⁱ⁾，其中，G_(i)中第m,n个元素G_(i)m,n＝Vec(X_i-X_m)^TVec(X_i-X_n)，k人为选择的邻域个数，W(ⁱ⁾为权重矩阵W第i行向量,w_ij为结构邻域权重，即权重矩阵W第i行第j列元素，符号Vec(X)表示把矩阵X每一列提取出来重新组合为一个列向量，1_k为元素全部为1的向量。这样W⁽ⁱ⁾中元素不为0所对应的数据为数据X_i的邻域点，记为K(X_i)。