[发明专利]一种焙烧过程异常炉况监测及诊断方法

权利要求书

1.一种焙烧过程异常炉况监测及诊断方法，其特征在于，包括：

S1、采集锌冶炼焙烧过程历史数据中所有的测量变量，并从采集的历史数据中选取正常过程的样本数据作为训练数据集X∈R^n×m，n为样本个数，m为测量变量个数，所述测量变量包括传感器采集数据，包括炉膛温度A、炉膛温度B、沸腾层上温度A、烟气出口温度、进风管温度、烟气出口压力、风量、锅筒给水流量；

S2、对所述X中的每个测量变量均引进s个延时测量值，构成增广矩阵X_a∈R^{(n-s)×(s+1)m}，并将X_a中的每个变量标准化为零均值、单位标准差的数据；

S3、通过分析焙烧过程工艺机理以及实际运行数据，从所述X∈R^n×m中选取可以反应焙烧炉炉况的关键变量集合X_L∈R^L×m(L≤m)，并通过基于相关性和冗余性的变量选择方法从所述X_a中的m(s+1)个变量中找到每个关键变量的所有相关且冗余性小的变量，得到L个变量子集S_i(i＝1,2,…L)；

S4、利用PCA方法对所述L个变量子集S_i(i＝1,2,…L)分别建立故障检测模型，并计算对应模型的控制限和SPE_lim(i)，PCA方法即主成分分析方法；

S5、在线监测过程中，将在线测量值引入相应的延时测量值，并按照步骤S3中L个变量子集S_i(i＝1,2,…L)的变量的划分，进行相应的分块后，代入各自的所述故障检测模型中，利用贝叶斯推理将所有故障检测模型的检测结果融合为一个监测指标，并判断当前样本是否有故障发生，若是，则进入步骤S6，否则更换新的测试样本数据重复步骤S5；

S6、利用加权贡献图找到故障源所在。

2.根据权利要求1所述的一种焙烧过程异常炉况监测及诊断方法，其特征在于，步骤S3中所述基于相关性和冗余性的变量选择方法包括：

S3.1、通过分析焙烧过程工艺机理以及实际运行数据，确定关键变量集合X_L∈R^L×m(L≤m)、增广矩阵X_a∈R^{(n-s)×(s+1)m}以及每个关键变量的变量子集S_i(i＝1,2,…L)；

S3.2、针对每个关键变量x_i∈X_L，利用互信息计算x_i与X_a中每个变量x_j(j＝1,2,...,m(s+1))的相关性I(x_i,x_j)：

其中p(x_i,x_j)为x_i和x_j的联合概率密度函数，p(x_i)和p(x_j)分别为x_i和x_j的边缘概率密度函数；

S3.3、针对X_a中每个变量x_j，计算x_j与S_i中所有变量的冗余性，冗余性β(x_j,S_i)的计算公式：

S3.4、针对X_a中每个变量x_j，综合x_j与x_i的相关性以及x_j与S_i中所选变量的冗余性，计算x_j的评价值J(x_j,x_i)的具体计算公式如下：

S3.5、针对关键变量x_i，从得到的评价值集合{J(x_j,x_i)}(j＝1,2,…,m(s+1))中找到最大值所对应的变量，即所选变量为：y＝arg max{J(x_j,x_i)}，将该变量y加入S_i中，并从X_a中剔除；

S3.6、对变量子集S_i中的所有变量，计算其与关键变量x_i的总的评价值，计算公式：

S3.7、计算D，若满足D≤T，则继续执行步骤S3.8，否则返回步骤S3.2，其中，D为增广矩阵X_a中最优变量的评价值与变量子集S_i的评价值的比值，T为选择结束的阈值，

S3.8、返回步骤S3.1，总共循环L次，找到每个关键变量x_i的变量子集S_i(i＝1,2,…L)。