發(fā)布時間：2020-05-29 02:55

【摘要】：電渣爐冶金是特殊鋼的重要生產方式,其產品往往具有很高價值。一旦過程發(fā)生明顯故障,則將會造成巨大經濟損失甚至安全事故。本文針對電渣冶金過程數據存在的非線性、時間序列相關性和批次數據不等長等特點給故障診斷帶來困難的問題,在電渣冶金過程數據特征提取中對動態(tài)核主元分析方法進行系統(tǒng)、深入的研究,基于連續(xù)隱馬爾可夫模型進行過程故障檢測和故障識別,提出一些新的過程監(jiān)控和故障診斷方法,具體包括:(1)針對電渣冶金過程數據存在非線性、批次數據不等長等特點,使用DKPCA方法對過程數據進行特征提取,將原始數據轉化成為連續(xù)過程數據,這樣連續(xù)過程數據可以直接利用CHMM進行故障診斷。(2)提出一種基于CHMM和DKPCA的電渣冶金過程故障檢測方法。首先使用DKPCA算法對電渣冶金過程數據進行特征提取的,再利用VMW技術對提取的主元特征序列進行動態(tài)數據追蹤,并計算出一個在線故障檢測的實時閾值,然后比較待測系統(tǒng)實時統(tǒng)計量與實時閾值的大小來判斷系統(tǒng)是否發(fā)生故障,從而實現(xiàn)基于CHMM和DKPCA的電渣冶金過程實時在線故障檢測。最后通過建立的電渣冶金過程仿真系統(tǒng)產生過程數據,對該方法進行仿真驗證,表明了這種方法能對電渣冶金過程中出現(xiàn)的各種故障進行準確的檢測。(3)提出一種基于CHMM和DKPCA的電渣冶金過程故障辨識方法。首先仍使用DKPCA算法對電渣冶金過程數據進行特征提取,再利用VMW技術對提取的主元特征序列進行動態(tài)數據追蹤,并訓練電渣冶金過程所有故障情況下的CHMM得到故障的模型庫,然后計算出測試數據與各個故障模型的匹配程度,從而得出待測數據所發(fā)生的故障屬于哪個類型。最后通過建立的仿真平臺來產生數據,對基于CHMM和DKPCA結合的電渣冶金過程故障診斷方法進行了仿真驗證,驗證了算法的有效性。
【圖文】：

，，，內就可以得到一個矩陣義欠），其中，矩陣的行代表變量，矩陣的列代表觀測值。逡逑而間歇過程是多批次重復生產過程，假設在正常的工況下共采集了／個批次的數據，那逡逑么就可得到／個單次采樣矩陣＜邋（Ｊｘ炙）（／＝邋１，２N，／），因此間歇過程的數據就可以用如逡逑圖１．１所示三維矩陣Ｘｆ／ｘＪｘＡ：）的形式來表示，其中／表示操作批次，，ｊ表示監(jiān)測變逡逑

更大的科研投入。逡逑目前，主要的故障診斷方法可以分為如下三類［｜９１：基于分析模型的方法、基于定性逡逑經驗知識分析的方法和基于數據驅動的方法，具體方法如圖１．３所示。逡逑－６－逡逑
【學位授予單位】：東北大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TF142

【參考文獻】

相關期刊論文 前9條

1 李正邦;;電渣冶金的發(fā)展歷程、現(xiàn)狀及趨勢[J];材料與冶金學報;2011年S1期

2 丁家偉;丁剛;強穎懷;;第二代電渣冶金工藝研究[J];材料與冶金學報;2011年S1期

3 李晗;蕭德云;;基于數據驅動的故障診斷方法綜述[J];控制與決策;2011年01期

4 孫博;康銳;謝勁松;;故障預測與健康管理系統(tǒng)研究和應用現(xiàn)狀綜述[J];系統(tǒng)工程與電子技術;2007年10期

5 李元,謝植,周東華;基于CMPCA的化工生產過程性能監(jiān)測與故障診斷[J];信息與控制;2004年02期

6 陸錫才;電渣爐調壓方法與功率變化[J];特殊鋼;2002年05期

7 陸錫才;電渣爐電源研究[J];工業(yè)加熱;2002年03期

8 李正邦;電渣冶金的回顧與展望[J];特殊鋼;1999年05期

9 陸錫才;電渣重熔電極熔化過程模型[J];東北工學院學報;1985年01期

相關博士學位論文 前3條

1 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關算法研究[D];華中科技大學;2014年

2 劉韜;基于隱馬爾可夫模型與信息融合的設備故障診斷與性能退化評估研究[D];上海交通大學;2014年

3 周韶園;基于HMM的統(tǒng)計過程監(jiān)控研究[D];浙江大學;2005年

相關碩士學位論文 前2條

1 王海燕;基于單批次時段劃分的間歇過程故障監(jiān)測方法研究[D];東北大學;2014年

2 楊仁楓;大型電渣爐供電和控制系統(tǒng)設計及熔煉控制方法研究[D];東北大學;2011年

本文編號：2686278