[发明专利]一种基于KPLS鲁棒重构误差的高炉铁水质量监测方法

摘要

本发明提供一种基于KPLS鲁棒重构误差的高炉铁水质量监测方法，包括：采集相同时刻的高炉运行参数和铁水质量变量；选取训练集并将其标准化；将训练集中的输入数据映射到高维特征空间，得到Gram矩阵K并中心化处理；获取新的包含非正常工况的高炉运行参数及铁水质量变量样本作为测试集并标准化处理；将测试集中的输入数据矩阵映射到高维特征空间得到Gram矩阵并中心化处理；构建偏最小二乘模型描述高维特征空间和输出数据矩阵；采用T²统计量和Q统计量来检验高炉炼铁过程是否异常；求解原始过程变量数据的重构值，辨识造成高炉异常工况的过程变量。本发明可以在高炉铁水质量监测中对故障进行准确辨识，提高对铁水质量的监测性能，从而保证高炉铁水质量。

主权项

1.一种基于KPLS鲁棒重构误差的高炉铁水质量监测方法，其特征在于，包括：步骤1、采集高炉炼铁历史数据中相同时刻的高炉运行参数和铁水质量变量，并将高炉运行参数作为输入数据矩阵X，将铁水质量变量作为输出数据矩阵Y：步骤2、从采集的历史数据中选取高炉炼铁正常过程的样本数据作为训练集，将其标准化成零均值、单位标准差的数据；步骤3、将训练集中的输入数据映射到高维特征空间，利用高斯核函数得到训练集的Gram矩阵K，并将其中心化处理；步骤4、获取高炉炼铁过程新的包含非正常工况的高炉运行参数及铁水质量变量样本作为测试集并标准化处理；步骤5、将测试集中的输入数据矩阵X映射到高维特征空间，利用高斯核函数得到测试集的Gram矩阵K^new，并将其中心化处理；步骤6、采用非线性最小二乘迭代算法在高维特征空间构建偏最小二乘模型即KPLS模型，描述高维特征空间和输出数据矩阵Y；步骤7、采用T2统计量和Q统计量来检验高炉炼铁过程是否发生异常：如果T²统计量和Q统计量均在相应控制限以下，则当前高炉炼铁过程是正常的，此时结束；如果只有T²统计量超出了控制限，则当前高炉炼铁过程中发生了和输出数据矩阵Y相关的故障，执行步骤8；如果只有Q统计量超出了控制限，则当前高炉炼铁过程中发生了和输出数据矩阵Y无关的故障，执行步骤8；步骤8、在原始输入空间重构输入数据矩阵中的过程变量数据，过程变量的重构值为估计的高炉炼铁过程正常时刻的值，以最小化重构值在高维特征空间的映射值与原始输入数据空间过程变量在高维空间的非线性映射值投影之间的误差为目标，迭代求解得到原始过程变量数据的重构值；步骤9、根据原始过程变量数据的重构值，以原始过程变量的重构误差作为故障辨识指标，辨识出造成高炉异常工况的过程变量。