本發(fā)明公開(kāi)了一種基于相對(duì)整體趨勢(shì)擴(kuò)散故障樣本生成的高爐故障診斷方法，屬于工業(yè)過(guò)程監(jiān)測(cè)領(lǐng)域。本發(fā)明首先根據(jù)高爐參數(shù)的分析以及通過(guò)對(duì)不同故障訓(xùn)練數(shù)據(jù)的統(tǒng)計(jì)分析，選擇不同故障各自的主特征以及輔特征；然后通過(guò)整體趨勢(shì)擴(kuò)散算法整體擴(kuò)散技術(shù)推估故障小樣本主特征的相對(duì)屬性可接受范圍；最后通過(guò)轉(zhuǎn)化生成規(guī)則將高爐運(yùn)行數(shù)據(jù)轉(zhuǎn)化成故障數(shù)據(jù)，用于多分類器的訓(xùn)練來(lái)獲得故障分類器。本發(fā)明根據(jù)對(duì)各種先驗(yàn)故障的具體分析將正常數(shù)據(jù)轉(zhuǎn)化生成合理的高爐故障數(shù)據(jù)，從而有效的解決了因?yàn)闃颖玖肯∩偌案郀t運(yùn)行工況多變引起的高爐小樣本故障分類難題，并實(shí)現(xiàn)了較高的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明屬于高爐故障診斷技術(shù)領(lǐng)域，具體涉及一種基于相對(duì)整體趨勢(shì)擴(kuò)散故障樣本生成的高爐故障診斷方法。

背景技術(shù)

鋼鐵工業(yè)是國(guó)民經(jīng)濟(jì)的重要基礎(chǔ)產(chǎn)業(yè)，是國(guó)家生存和發(fā)展的物質(zhì)保障。作為鋼鐵制造流程的前端關(guān)鍵工序，煉鐵生產(chǎn)線是能耗最大、排放最多的環(huán)節(jié)，約占鋼鐵工業(yè)總能耗的70％。煉鐵生產(chǎn)線的生產(chǎn)質(zhì)量和效率決定著整個(gè)鋼鐵制造流程的鋼材質(zhì)量和生產(chǎn)效率。高爐煉鐵生產(chǎn)線操作安全性要求高，一旦出現(xiàn)事故，不僅會(huì)造成資源和設(shè)備的重大損失，而且甚至?xí)斐芍卮笕藛T傷亡。所以研究高爐爐況的智能故障診斷技術(shù)，及時(shí)并準(zhǔn)確的對(duì)故障進(jìn)行診斷有著重大的意義。

目前，鋼鐵工業(yè)常見(jiàn)的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法主要分為兩類，一類是基于多元統(tǒng)計(jì)分析的方法，其中應(yīng)用比較廣泛的是PCA算法及其變種算法；另一類是人工智能方法，主要是基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)。然而大部分的故障診斷算法只能做到定性判斷，即判別是否故障，無(wú)法準(zhǔn)確的判別故障的種類以及故障發(fā)生的位置，進(jìn)一步的細(xì)分和定位往往需要高爐操作人員人工判斷。

在高爐故障的診斷任務(wù)中，往往需要各種異常爐況下的訓(xùn)練樣本，而高爐的生產(chǎn)運(yùn)行缺少對(duì)此類數(shù)據(jù)的記錄，使得異常爐況的樣本數(shù)量極度不平衡，而且高爐生產(chǎn)過(guò)程運(yùn)行工況動(dòng)態(tài)多變，原燃料品質(zhì)不確定，歷史稀少且過(guò)時(shí)的故障數(shù)據(jù)無(wú)法動(dòng)態(tài)的描述某一種具體的故障類型。由于上述的問(wèn)題，導(dǎo)致診斷算法的準(zhǔn)確性會(huì)隨著高爐工況的變化而顯著降低。

由于故障樣本的難以獲得，目前應(yīng)用比較廣泛的是對(duì)訓(xùn)練樣本數(shù)依賴較小的是基于支持向量機(jī)及其變種算法，但是算法上的改進(jìn)無(wú)法在根本上解決故障樣本稀少和高爐工況變化的難題。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于相對(duì)整體趨勢(shì)擴(kuò)散故障樣本生成的高爐故障診斷方法，根據(jù)對(duì)先驗(yàn)故障的具體分析可以將大量正常數(shù)據(jù)轉(zhuǎn)化生成合理的高爐故障數(shù)據(jù)，從而解決因?yàn)闃颖玖肯∩僖鸺案郀t運(yùn)行工況多變的高爐故障診斷難題。

一種基于相對(duì)整體趨勢(shì)擴(kuò)散故障樣本生成的高爐故障診斷方法，包括以下步驟：

步驟一：采集高爐生產(chǎn)狀況歷史信息和設(shè)備運(yùn)行狀態(tài)的歷史故障信息和類型，對(duì)于不同類型具體的高爐故障，根據(jù)高爐操作日志，確定發(fā)生故障的精確時(shí)刻，截取多種不同故障發(fā)生前3個(gè)小時(shí)的正常數(shù)據(jù)以及故障發(fā)生直至結(jié)束的故障數(shù)據(jù)，作為多組不同故障訓(xùn)練數(shù)據(jù)。

步驟二：根據(jù)熱風(fēng)壓力的一階差分的變化，識(shí)別各組故障歷史數(shù)據(jù)中熱風(fēng)爐切換的時(shí)段，并去除每組歷史數(shù)據(jù)中熱風(fēng)爐切換時(shí)段的樣本。

具體步驟如下：

步驟2.1.針對(duì)每個(gè)數(shù)據(jù)樣本X_i，計(jì)算該樣本和前一個(gè)樣本中熱風(fēng)壓力HP的一階差分os。

步驟2.2.判斷當(dāng)前的樣本是否處于熱風(fēng)爐切換的開(kāi)始階段，需要同時(shí)滿足以下兩個(gè)條件：a.HP_i＜HP_th。b.os＜o(jì)s_th1。

步驟2.3.判斷當(dāng)前的樣本是否熱風(fēng)爐切換的持續(xù)階段，需要滿足以下三個(gè)條件：a.HP_i＜HP_th；b.os＞os_th2；c，前一個(gè)樣本被判斷為熱風(fēng)爐切換開(kāi)始或者熱風(fēng)爐切換的持續(xù)階段。