论文部分内容阅读
钢铁作为重要的基础原材料,在我们的日常生活与生产中随处可见,其地位极其重要。有资料表明,中国目前已成为全球最大的钢铁生产国,同时也是最大的钢铁消费国。我国钢铁冶炼产业发展很快,已成为国民经济中的重要支柱产业。然而,必须注意到,我国的钢铁冶炼产业背后存在的问题不容小觑,如能耗过高;产业过于分散;更多的是生产较为低级别的钢材,在高品质钢材的生产方面能力较差;供应链管理水平较差等。为此,必须努力提高我国钢铁产业的产品品质,降低能源消耗。高炉是钢铁冶炼生产中的重要装备,能耗巨大,对后续冶炼品质有重要影响。因此,为了降低钢铁产业能耗,提高钢铁产品品质,本文从高炉安全顺行的角度研究其故障监测与诊断问题。高炉本身是一个非常复杂而又庞大的系统,其生产过程的机理模型亦非常复杂,涉及多个不同的生产模态,要实现高炉冶炼安全顺利,就必须对过程中出现的故障进行准确的检测与诊断,从而做出相应的处理,保证炉况平稳进行。考虑到实际高炉生产过程中,现场的数据采集装置会收集大量数据,且这些数据大多服从非高斯分布,故考虑在独立元分析算法(IndependentComponentAnalysis,ICA)的基础上,采用数据驱动的方法,对高炉故障展开研究。然而,ICA算法本身存在一定缺陷,也不完全适用于高炉故障,故首先对ICA算法进行改进,从独立元的数量以及重要性排序方面入手,提出了一种改进ICA算法,在一定程度上提高了故障检测的准确性。其次,针对高炉故障缓慢变化的特点,将ICA算法与多元指数加权平均(Multivariate Exponent Weighted Moving Average,ME WMA)方法结合,通过加权的方式,将历史数据的影响更好地考虑在内,改善了对于高炉故障的检测效果。最后,考虑到高炉冶炼过程中,操作从安全性的角度出发,往往会在可能出现故障之前就采取了相应措施,因此故障样本有限。故本文将针对小样本的支持向量机(Support VectorMachine,SVM)算法与改进的ICA算法结合使用,一旦采用改进的ICA算法检测到有故障发生,即采用SVM算法对故障的类型进行诊断。