基于主元分析的高炉异常炉况检测

针对传统的故障检测方法在高炉异常炉况检测中效果不理想问题,提出了一种基于主元分析的高炉异常炉况检测算法.通过对于高炉冷风流量数据的分析,去除训练集中的热风炉换炉造成的扰动,建立高炉炉况准确的主元模型,进而监控高炉运行状况并检测异常炉况.利用柳州钢铁公司炼铁厂3号高炉的生产数据对算法进行了验证.基于现场历史数据的离线测试表明:算法实现了对于异常炉况的预先检测,预警时间提前于事故报告时间.     

基于自回归分布滞后模型的高炉铁水硅含量的预报

高炉冶炼过程中,铁水硅含量是评定高炉炉况稳定性和生铁质量的重要指标,其预测和控制对高炉的稳定顺行有重要意义.基于包钢6号高炉的生产数据,建立差分时间序列的自回归分布滞后模型对高炉铁水硅含量进行预测.结果表明:在炉况波动较小的情况下,该模型的预测命中率能达到87.5%,对实际的生产操作过程有一定的指导意义.     

动态可调主元分析的多元自相关质量控制方法

为解决在复杂产品制造过程中由多元质量数据自相关引起的大量虚发报警问题,以提高产品制造过程中监测的准确性,提出了一种动态可调的主元分析(DRPCA)方法.通过对主元分析方法引入折息因子,构建了多个参数可调的动态主元分析(PCA)算法.利用实验数据计算各变量的特征值和贡献率,来确定主元个数,降低多元自相关过程的计算复杂度,消除数据间的自相关.根据计算的各变量的每个主元负荷值来确定主导变量,结合多变量控制图和主导变量控制图,对多元自相关制造过程进行了实时监测.研究结果表明:DRPCA方法不仅能够消除数据间的自相关,减少制造过程中的虚发报警,而且可以准确地检测出制造过程中的异常变量.     

高炉布料过程仿真与决策系统

针对高炉布料过程中人工决策无法得到稳定、满意的径向矿焦比值及炉况发生变化时不能及时做出准确的布料调整,提出了基于操作优化的高炉布料仿真和决策系统.以高炉多层布料料面对应的径向矿焦比值与满意值的偏差最小为目标函数,建立高炉布料操作优化模型,用差分进化算法对该模型求解.本系统在某高炉实际运行后提高了炉况的稳定性,满足了工业现场科学稳定地控制径向矿焦比等技术指标的要求,同时在炉况变化时及时给出了布料调整方案.在工业实际运行中验证了该系统的有效性.     

工艺产品加工质量监测优化

质量监测可以有效地提高产品质量和生产效率。在复杂产品的生产过程当中,多个质量特性之间相互作用,共同对产品的生产质量产生影响。由于质量特性的数量较多、有些特性的关系是耦合的,因此准确诊断出异常变量是研究的难点。为了高效、准确地诊断出异常变量,提高产品的质量和生产效率,提出了基于改进网格优化的principal component analysis(PCA)-support vector machines(SVM)多元控制图均值偏移诊断模型。在模型训练之前,使用主元分析(PCA)算法对数据进行预处理,降低数据维数和提取数据特征信息;再用改进网格算法对支持向量机(SVM)的参数进行优化,最终得到优化的SVM模型。仿真结果表明,采用的方法与传统方法相比,训练时间更短,且拥有更高的分类准确率。     

高炉炉况预测模型的研究现状及展望

高炉炉况对高炉冶炼过程具有至关重要的影响,炉况的好坏直接影响生铁成本.高炉炉况预测模型分为基于知识和基于数据两大类,基于知识的预测模型难以应用于在线系统,但加深了人们对高炉冶炼过程的理解;基于数据的预测模型大多可在线应用,但缺少对高炉知识的应用.高炉炉况预测模型的发展方向是建立基于知识与基数据相结合的高炉炉况预测模型.     

高炉炉况评价系统的设计与实现

利用高炉指数化模型和评分方法来评价主炉炉况的好坏，提出了依据统计的观点，以提高炉况评价的符合率为目标的爬山搜索方法，其符合率为９６．３５％，构造了炉况评价系统中的参数自学习子系统，运行结果，其符合率为９３．７５％。     

高炉异常炉况判断专家系统的设计与实现

探讨了高炉异常炉况判断专家系统的结构,讨论了从传感器数据中抽取高炉况特征的方法,时态黑板结构与时间知识表示,对于炉况特征的模糊量化和专家知识中的参数设定,系统采用机器学习方法自动调整,对于高炉异常炉况的操作方法,系统采用规划－动作－反应方法向用出动国作建议,并对所动作动作建议实现实时的重构解释。     

关于工艺产品加工质量监测优化研究

质量监测可以有效的提高产品质量和生产效率。在复杂产品的生产过程当中,多个质量特性之间相互作用,共同对产品的生产质量产生影响,由于质量特性的数量较多、有些特性的关系是耦合的,因此准确诊断出异常变量是研究的难点。为了高效、准确的诊断出异常变量,提高产品的质量和生产效率,提出了基于改进网格优化的PCA-SVM多元控制图均值偏移诊断模型。在模型训练之前,使用主元分析(PCA)算法对数据进行预处理,降低数据维数和提取数据特征信息,再用改进网格算法对支持向量机(SVM)的参数进行优化,最终得到优化的SVM模型。仿真结果表明,采用的方法与传统方法相比,训练时间更短,且拥有更高的分类准确率。     

基于主成分分析法的电潜泵故障诊断

电潜泵（Electric Submersible Pump,ESP）举升技术在非自喷高产井和高含水井中应用广泛,ESP在生产过程易发生故障,进而导致作业中断,造成严重经济损失。如何有效利用传感器、数据采集系统,SCADA系统实时采集的ESP系统生产数据,对ESP的工作状态进行提前预估至关重要。采用主成分分析法（PCA）对泵实时生产数据进行研究分析,根据电潜泵生产数据之间线性组合进行特征提取,降低生产数据的维度,创造新的主元空间,用很少的主元重新评估ESP生产系统,得出ESP井故障原因并预估ESP剩余使用寿命。主成分分析采用霍特林平方统计算法和平方误差分析算法建立诊断模型,该模型可以预估ESP剩余作业时间并确定泵出现故障的主因。以渤海油田为例,对ESP井实时数据进行主成分建模,预测泵故障的主因及故障时间,对比ESP实际生产作业时间,验证PCA进行故障诊断的可行性。证明PCA作为模式识别的一种方法可以有效监测ESP健康状况,预测ESP故障的主因。     

基于核主元分析与支持向量机的监控诊断方法及其应用

为了及时反映密闭鼓风炉冶炼过程状态,实现对密闭鼓风炉炉况的监控与诊断,提出核主元分析和多支持向量机分类的相结合的过程监控与故障诊断方法.其原理是:首先,用核主元分析方法提取过程数据特征,建立核主元分析的监控模型;然后,将代表过程特征的核主元送入多支持向量机分类器中,利用"一对其余"算法对故障进行诊断与分类.实验结果表明,所提出的方法与传统的主元分析方法相比,整个样本集的可分性变大,分类正确率提高,能更准确地诊断炉子的各种故障,可有效地用于密闭鼓风炉冶炼过程的故障诊断.     

基于主成分分析的高炉操作炉型评价

针对目前高炉操作炉型管理模型中存在用于评价炉型的指标多且重叠性大的问题,提出一种基于主成分分析的改进方法.该方法能够从传统评价炉型的指标(焦比、煤比、综合焦比、利用系数及铁水硅含量)中生成3个核指标,新的核指标空间相互独立,且能够代表原有的指标,从而解决了指标多且重叠性大的问题.在国丰1号1 780 m3高炉,开发应用了该改进的高炉操作炉型模型,确定了该高炉的主要操作炉型类别并对其进行了评价.     

基于燃料比最优的高炉喷煤设定值多目标优化

为了降低高炉炼铁的能耗,节约成本,将高炉炼铁过程信息、专家经验与智能模型相结合,提出基于燃料比最优的高炉喷煤设定值多目标优化方案。以燃料比最优为优化目标,炉温预测指标为约束条件,喷煤量为决策变量,采用基于K-均值聚类的径向基神经网络建立多目标优化模型,并通过基于NSGA-Ⅱ算法的多目标优化方法,获取尽可能使多个目标同时达到最优的Pareto最优解。结果表明,该优化方案可以在保证炉温良好的前提下,决策出使燃料比达到最优的喷煤设定值,大大降低能耗,节约成本。不仅为高炉实际生产提供操作指导,也为高炉冶炼的优化运行奠定了基础。     

基于主成分分析的高炉喷吹煤优化配煤模型

针对中国钢铁企业高炉喷煤的简单混煤现状,且传统的实验室优化配煤研究工作存在量大而繁琐、评价煤粉的性能指标众多等问题,提出了一种新的高炉喷吹煤粉优化配煤模型,即利用实验室测定高炉喷吹煤粉的主要性能指标,然后通过主成分分析对煤粉性能指标进行降维处理,得到的主成分指标P1、P2和P3结合煤粉工业分析和元素分析指标建立高炉喷煤优化配煤模型。该模型通过实验室配煤检验及高炉实际生产验证,效果显示良好。     

基于主成分分析和改进K-means算法的极轨气象卫星数据处理软件分型研究

提出了一种基于主成分分析方法和改进K-means算法的气象软件分型方法,该方法利用软件运行时资源消耗情况来刻画软件运行特征和对软件分类.首先引入主成分分析方法对软件运行特征进行降维;然后采用改进K-means算法对气象数据处理软件进行分型;最后结合主成分分析结果解释各类软件运行特征的意义.提出了一套指标体系刻画软件,使用该指标体系可以判断极轨气象卫星数据处理的各类软件运行是否正常,通过实验证明,该方法的分类结果与实际情况相符.同时,该指标体系可作为优化软硬件资源分配和提高软件运行效率的依据.     

基于互信息的主成分分析结合支持向量回归的滚动轴承剩余寿命预测研究

滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。为了智能开展设备维护工作,提高设备的运转效率,提出一种基于互信息（mutual information,MI）的主成分分析（principal component analysis,PCA）（MI-PCA）结合支持向量回归（support vector regression,SVR）的滚动轴承剩余寿命预测方法。首先利用小波包降噪算法剔除原始振动信号中的异常数据点和噪声,并基于降噪数据提取其时域、频域和时频域特征;然后结合特征与剩余寿命的互信息值进行特征筛选,再通过PCA降维算法获得可表征轴承退化状态的敏感特征,用于SVR的输入;最后构建并训练SVR剩余寿命预测模型,并将其应用于滚动轴承全寿命试验数据。试验结果表明与基于MI和基于PCA的SVR回归预测模型（MI-SVR模型、PCA-SVR模型）相比,基于MI-PCA的SVR模型具有更高的预测精度（预测精度可达97%）,能够实现滚动轴承剩余寿命的精准预测,为开展及时有效的设备维护工作提供了决策依据。     

基于海林格距离加权关键主元的流程工业故障检测研究

在采用主成分分析（principal component analysis,PCA）算法进行故障检测时,主元的选取及处理直接影响其故障检测的表现。对此,提出一种基于全变量表达（full variable expression,FVE）和海林格距离（Hellinger distance,HD）的故障检测方法。首先,利用FVE得到所有关键主元,即保留所有变量信息;然后考虑到与故障相关主元的重要性,定义基于海林格距离的变化率,用来衡量正常工况下主元与异常工况下主元的差异;对与故障发生更相关的主元进行加权,以突出与故障相关主元对于后续故障检测的影响;最后,考虑到降维后数据通常服从非高斯分布,利用改进的局部离群因子（local outlier factor,LOF）构建统计量,其相应控制限通过核密度估计（kernel density estimation,KDE）确定。数值实例及带钢热连轧实际生产数据验证了所提方法的有效性与优越性。     

基于梯度提升决策树的焦炭质量预测模型研究

焦炭是高炉炼铁的重要原料,其质量是影响铁水质量和高炉顺行的重要因素,针对焦炭质量存在检验难、滞后性、预测误差大等问题,提出一种基于梯度提升决策树算法的焦炭预测模型;结合专家经验与相关性分析方法,深入研究配合煤质量对焦炭质量的影响;最后利用配合煤质量指标对焦炭质量指标灰分、硫分、耐磨强度、抗碎强度进行建模预测;根据某焦化厂历史生产数据对模型进行评估,实验结果表明:基于梯度提升决策树的焦炭质量预测模型相较于线性回归模型、随机森林模型,决策树模型误差小、准确率高,可以为焦化厂配煤炼焦提供一定的理论依据。