[发明专利]一种基于D-S证据理论的退火加热过程的多模态识别方法

权利要求书

1.一种基于D-S证据理论的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：基于D-S证据理论，采用所述状态检测模型对所述关键变量进行状态检测；

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；

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；

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tδ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；

步骤S103中，基于D-S证据理论，采用所述状态检测模型对所述关键变量进行状态检测；包括：基于D-S证据理论，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；

其中，基于D-S证据理论，采用置信区间算法建立的状态检测模型对某个具有缓变特征的关键变量的状态检测；具体如下：

S301：获取该关键变量s对应的待检测的运行数据序列；选取n个不同尺度的置信区间选取m个不同尺度的窗口长度F^s和L^s均通过预先进行实验测试得到；

将所述运行数据序列在不同置信区间不同窗口长度对应的状态检测模型下的状态检测结果视为一条证据，计算得到不同窗口长度在不同置信区间下所观测的基本可信度分配值i＝act,sta,Φ；k＝1,2,…,n；j＝1,2,…,m；s＝T,v,c；i＝act,sta,Φ，分别表示波动状态、稳定状态和识别不明状态；k＝1,2,…,n，表示n个不同尺度的置信区间；j＝1,2,…,m表示m个不同尺度的窗口长度；s表示具有缓变特征的关键变量；和分别表示状态检测结果为波动状态、状态检测结果为稳定状态和状态检测结果为识别不明状态；

S302：计算在第k个置信区间内，对所有窗口长度在该置信区间的条件下所观测的可信度分配值进行D-S证据准则融合计算，得到第k个置信区间条件下对检测结果的融合后验可信度分配值如公式(1)所示：

上式中，k的初始值为1；表示关键变量s在第j个窗口长度第k个置信区间下对识别目标的可信度分配值；φ表示不可能事件，其发生概率为0；其中，识别目标即为检测结果定义目标识别框架

S303：判断条件k＝n是否成立；若是，则到步骤S304；否则，将k更新为k+1，并返回步骤S302；

S304：得到n个不同尺度的置信区间分别融合后的可信度分配值将n个置信区间下融合后的可信度分配值再次进行融合计算，最终得到多个窗口长度在多个置信区间下对识别目标的融合可信度M(P)，如公式(2)所示：

上式中，

S305：根据决策规则，判定关键变量s的最终状态。