[发明专利]一种面向退火加热过程的多模态识别方法、设备及存储设备

权利要求书

1.一种面向退火加热过程的多模态识别方法，其特征在于：包括以下步骤：

S101：根据冷轧带钢连续退火生产工艺确定带钢在连续退火炉内加热时的生产运行模态及关键变量；

S102：根据所述关键变量的历史运行数据，确定所述关键变量的数据分布特征，并根据所述数据分布特征，建立所述关键变量的状态检测模型；

S103：采用置信区间算法建立的状态检测模型对具有缓变特征的关键变量进行在线状态检测，以及采用非参数CUSUM算法建立的状态检测模型对具有瞬变特征的关键变量进行在线状态检测，得到所述关键变量的状态；

S104：根据所述状态及多模态识别策略，对冷轧带钢连续退火加热过程的模态进行识别。

2.如权利要求1所述的一种面向退火加热过程的多模态识别方法，其特征在于：步骤S101中，所述生产运行模态包括：稳定加热生产模态、不同规格钢卷切换模态、同规格钢卷稳态中心偏移模态和异常状态模态；所述关键变量包括：板温、带钢规格和生产运行速度。

3.如权利要求2所述的一种面向退火加热过程的多模态识别方法，其特征在于：步骤S102中，针对某关键变量，建立其状态检测模型的具体步骤，包括：

S201：获取该关键变量的历史运行数据，统计历史运行数据中两两连续稳态之间的多个过渡时间，并求均值，得到该关键变量两连续稳态之间的平均过渡时间t；

S202：判断条件t＜δ是否成立；若是，则说明该关键变量具有瞬变特征，到步骤S203；否则，说明该变量具有缓变特征，到步骤S204；其中，δ为预设值，根据现场工况和历史经验确定；

S203：采用非参数CUSUM算法建立该关键变量的状态检测模型，并到步骤S205；

S204：采用置信区间算法建立该关键变量的状态检测模型；

S205：结束。

4.如权利要求3所述的一种面向退火加热过程的多模态识别方法，其特征在于：所述采用置信区间算法建立的状态检测模型对具有缓变特征的关键变量进行在线状态检测，得到对应关键变量的状态；具体包括：

S401：针对具有缓变特征的关键变量，筛选出其正常生产状态下的第一历史运行数据序列y₁，y₂，...，y_k；

计算得到所述第一历史运行数据序列y₁，y₂，...，y_k的参考值为所述参考值为y₁，y₂，...，y_k的平均值，偏差值为

S402：利用公式(1)计算出所述第一历史运行数据序列的标准差，根据预先统计的稳定状态的数据在所有数据中的出现概率P，及标准正态分布表，得到P对应的区间边界±nσ；判定稳定状态数据分布在以所述参考值为中心的±nσ范围内；

上式中，v_i为所述第一历史运行数据序列中第i个数据y_i对应的偏差值；

S403：获取待检测的运行数据序列，并将所述待检测的运行数据序列中的数据以连续的s个数据为一组检测数据判定所述待检测的运行数据序列的状态；

针对每一组检测数据，具体判定方法为：分别计算该组s个数据y₁，y₂，...，y_s对应的偏差，得到s个偏差；将所述s个偏差求均值，得到均值v；

若|v|nσ，表明该组检测数据属于变点区，则判定该组检测数据内的关键变量的状态为波动状态；否则，为稳定状态。