亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于多流形半監(jiān)督局部?全局的電熔鎂爐故障監(jiān)測方法與流程

文檔序號:12654431閱讀:385來源:國知局
基于多流形半監(jiān)督局部?全局的電熔鎂爐故障監(jiān)測方法與流程

本發(fā)明屬于故障檢測與診斷技術(shù)領(lǐng)域,具體涉及一種基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法。



背景技術(shù):

電熔鎂爐屬于埋弧電弧爐設(shè)備,如圖1所示,主要包括電熔鎂爐本體,主電路設(shè)備和控制設(shè)備三部分。其中,電熔鎂爐的本體主要由爐體、電極夾持器、電極升降機(jī)構(gòu)等組成。爐體由爐殼和爐底鋼板組成,爐殼一般為圓形,稍有錐形,為便于熔砣脫殼,在爐殼壁上焊有吊環(huán)。電極夾持器能夠夾持電極,便于電纜傳輸電流。在熔煉過程中,隨著爐料的熔化,爐池液位會不斷上漲,操作工人要隨時升降電極達(dá)到調(diào)整電弧長度的目的。電極升降機(jī)構(gòu)可使電極沿導(dǎo)軌上下垂直移動,減少電極晃動的情況,保持爐內(nèi)熱功率分配平衡,從而降低漏爐事故的發(fā)生。變壓器和斷網(wǎng)屬于主電路設(shè)備,而在爐子邊設(shè)有控制室,控制電極升降。爐下設(shè)有移動小車,作用是將熔化完成的熔塊移到固定工位,冷卻出爐。

電熔鎂爐的主要產(chǎn)品是電熔鎂砂,而電熔鎂砂的熔煉過程是一個十分復(fù)雜的過程,受很多因素的影響。在電熔鎂砂的生產(chǎn)過程中,會經(jīng)歷熔融、排析、提純、結(jié)晶等主要階段,包含了多種物理和化學(xué)變化。由于冶煉過程中爐料的不斷熔化,熔池中會同時存在固態(tài)、氣態(tài)、熔融態(tài)等多種形態(tài),同時氧化鎂粉在熔化時會產(chǎn)生大量氣體,容易造成噴爐現(xiàn)象,電熔鎂砂的冶煉過程如圖2所示。

由于目前我國多數(shù)電熔鎂爐冶煉過程自動化程度還比較低,往往在生產(chǎn)過程中會出現(xiàn)故障和異常情況頻繁發(fā)生的情況。其中,由于電極執(zhí)行器在移動電極過程中出現(xiàn)故障或者左右晃動不穩(wěn)等原因?qū)е码姌O距離電熔鎂爐的爐壁過近,可以導(dǎo)致電熔鎂爐的爐體熔化,即發(fā)生漏爐事故,

另外,由于加熱過程中爐料下面產(chǎn)生的大量氣體萬一得不到迅速的釋放,會導(dǎo)致爐體內(nèi)爐料噴發(fā),輕則嚴(yán)重影響產(chǎn)品產(chǎn)量和質(zhì)量,給企業(yè)帶來經(jīng)濟(jì)損失,重則威脅人們的生命安全。這就需要及時地檢測電熔鎂爐冶煉過程中出現(xiàn)的異常和故障。



技術(shù)實現(xiàn)要素:

針對現(xiàn)有技術(shù)的不足,本發(fā)明提出一種基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法。

本發(fā)明的技術(shù)方案是:

一種基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法,包括以下步驟:

步驟1:獲取電熔鎂爐熔煉過程的l組標(biāo)記樣本類別的數(shù)據(jù)和u組未標(biāo)記樣本類別的數(shù)據(jù),組成原始數(shù)據(jù)集X=(XL,XU)∈Rm×n,其中,XL=[x1,x2,...,xl],XU=[xl+1,xl+2,...,xl+u],l+u=n,為標(biāo)記數(shù)據(jù),為未標(biāo)記數(shù)據(jù),m為數(shù)據(jù)維數(shù);

步驟2:根據(jù)電熔鎂爐熔煉過程的原始數(shù)據(jù)集建立基于多流形半監(jiān)督局部及全局保持的過程監(jiān)測模型;

步驟2.1:通過非線性映射函數(shù)Φ將原始數(shù)據(jù)集X映射到一個高維的核Hilbert空間H中,得到高維空間數(shù)據(jù)集Φ(X);

步驟2.2:采用半監(jiān)督核局部保持投影算法求解高維空間數(shù)據(jù)集Φ(X)中各樣本點Φ(xi)的k個近鄰域點,得到該樣本點Φ(xi)的近鄰域集合Nk(Φ(xi)),i∈1,2,...,n;

步驟2.2.1:采用半監(jiān)督核局部保持投影算法求解高維空間數(shù)據(jù)集Φ(X)中各樣本點Φ(xi)與鄰域樣本點Φ(xj)之間的距離;

步驟2.2.2:在高維空間數(shù)據(jù)集Φ(X)中各樣本點Φ(xi)與鄰域樣本點Φ(xj)之間的距離中選取距離最小的k個鄰域點,組成該樣本點Φ(xi)的近鄰域集合Nk(Φ(xi))。

步驟2.3:采用局部重構(gòu)方法重構(gòu)高維空間高維空間數(shù)據(jù)集Φ(X)的權(quán)值矩陣P;

步驟2.3.1:令原始數(shù)據(jù)集X中標(biāo)記數(shù)據(jù)的第c類樣本數(shù)據(jù)流為其中,c為標(biāo)簽樣本的類別,1≤c≤M,nc為第c類樣本數(shù)據(jù)流的個數(shù),

步驟2.3.2:根據(jù)樣本點Φ(xi)及其近鄰域集合Nk(Φ(xi))局部重構(gòu)標(biāo)記數(shù)據(jù)的權(quán)值矩陣和未標(biāo)記數(shù)據(jù)的權(quán)值矩陣,得到各類樣本數(shù)據(jù)流中數(shù)據(jù)點與鄰域數(shù)據(jù)點的權(quán)值矩陣Pij;

步驟2.3.3:采用最小二乘法求解各類樣本數(shù)據(jù)流中數(shù)據(jù)點與鄰域數(shù)據(jù)點的權(quán)值矩陣Pij,得到標(biāo)記數(shù)據(jù)的權(quán)值矩陣Uir和未標(biāo)記數(shù)據(jù)的權(quán)值矩陣

步驟2.4:根據(jù)核方法求解高維空間數(shù)據(jù)集投影到各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A;

步驟2.4.1:建立高維空間中各類樣本數(shù)據(jù)流形上的半監(jiān)督核局部目標(biāo)函數(shù);

步驟2.4.2:建立高維空間中各類樣本數(shù)據(jù)流形上的半監(jiān)督全局目標(biāo)函數(shù);

步驟2.4.3:結(jié)合半監(jiān)督核局部目標(biāo)函數(shù)和半監(jiān)督全局目標(biāo)函數(shù),根據(jù)核方法求解投影到各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A,W為第c類樣本數(shù)據(jù)流形上的映射矩陣。

步驟2.5:根據(jù)高維空間數(shù)據(jù)集在各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A,建立高維空間數(shù)據(jù)的低維嵌入坐標(biāo)y={y1,y2,...,yc,...,yM},即得到基于多流形半監(jiān)督局部及全局保持的過程監(jiān)測模型;

步驟3:實時采集電熔鎂爐熔煉過程的測試數(shù)據(jù)x0,采用基于多流形半監(jiān)督局部及全局保持的過程監(jiān)測模型對測試數(shù)據(jù)x0進(jìn)行故障類型診斷;

步驟3.1:實時采集電熔鎂爐熔煉過程的測試數(shù)據(jù)x0;

步驟3.2:通過非線性映射函數(shù)Φ將測試數(shù)據(jù)x0映射到一個高維的核Hilbert空間H中,得到測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0);

步驟3.3:構(gòu)造測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在各類樣本數(shù)據(jù)流形上的低維嵌入坐標(biāo)yc0;

步驟3.4:求解測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在嵌入空間中在各個樣本數(shù)據(jù)流形上的重構(gòu)誤差值errorc(Φ(x0));

步驟3.5:將測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在嵌入空間中在各個樣本數(shù)據(jù)流形上的重構(gòu)誤差值errorc(Φ(x0))最小值所屬的數(shù)據(jù)流形c的樣本類型作為該測試數(shù)據(jù)的故障類型。

本發(fā)明的有益效果:

本發(fā)明提出一種基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法,傳統(tǒng)的數(shù)據(jù)分類算法大都假設(shè)數(shù)據(jù)位于單一流形上,數(shù)據(jù)集包含多類且類別結(jié)構(gòu)不同時,單一流形假設(shè)很難保證分類的性能,基于此,本發(fā)明假設(shè)每類數(shù)據(jù)分別位于一個單獨的流形上,針對上述問題,我們提出了一種基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法,半監(jiān)督局部保持投影(MM-SSLPP)算法原理是使得同類樣本內(nèi)距離縮小,異類樣本間距離增大,同時利用未標(biāo)記樣本來指導(dǎo)分類學(xué)習(xí)過程,尋找各類數(shù)據(jù)的低維本征流形;

傳統(tǒng)方法僅考慮到數(shù)據(jù)的局部結(jié)構(gòu)信息,卻忽略了數(shù)據(jù)的整體結(jié)構(gòu),可能會導(dǎo)致所得得投影子空間不能很好的刻畫樣本的全局關(guān)聯(lián)性,本發(fā)明方法結(jié)合PCA方法的全局保持思想,形成了一種多流形改進(jìn)的半監(jiān)督局部及全局保持的故障診斷方法,該方法同時兼顧了數(shù)據(jù)的局部及全局結(jié)構(gòu),同時為防止出現(xiàn)局部過學(xué)習(xí),考慮了同類數(shù)據(jù)間的局部多樣性信息,最終構(gòu)造出多流形半監(jiān)督故障診斷的最優(yōu)目標(biāo)函數(shù),并以田納西過程為例進(jìn)行了仿真實驗以及分析,驗證本章所提算法良好的監(jiān)測效果。

附圖說明

圖1為電熔鎂爐結(jié)構(gòu)示意圖;

其中,1為變壓器,2為短網(wǎng),3為電極夾持器,4為電極,5為爐殼,6為車體,7為電弧,8為爐料,9為控制器;

圖2為電熔鎂砂的冶煉過程流程圖;

圖3為本發(fā)明具體實施方式中基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法的流程圖;

圖4為本發(fā)明具體實施方式中半監(jiān)督核主元分析方法、半監(jiān)督核局部保持投影方法和本發(fā)明方法數(shù)據(jù)特征圖;

其中,(a)為半監(jiān)督核主元分析方法數(shù)據(jù)的第一和第二主元向量的投影圖;

(b)為半監(jiān)督核局部保持投影方法數(shù)據(jù)的前兩個特征的投影圖;

(c)為本發(fā)明方法第一、第二投影方向圖;

圖5為本發(fā)明具體實施方式中不同高維度下不同方法和不同標(biāo)記樣本數(shù)的精度示意圖;

其中,(a)為不同高維度下半監(jiān)督核主元分析方法、半監(jiān)督核局部保持投影方法和本發(fā)明方法的精度示意圖;

1-為不同高維度下本發(fā)明方法的精度示意圖;

2-為不同高維度下半監(jiān)督核局部保持投影方法的精度示意圖;

3-為不同高維度下半監(jiān)督核主元分析方法的精度示意圖;

(b)為不同高維度下本發(fā)明方法不同標(biāo)記樣本數(shù)的精度示意圖;

4-為本發(fā)明方法25%標(biāo)簽樣本的精度示意圖;

5-為本發(fā)明方法20%標(biāo)簽樣本的精度示意圖;

6-為本發(fā)明方法15%標(biāo)簽樣本的精度示意圖;

圖6為本發(fā)明具體實施方式中半監(jiān)督核主元分析方法、半監(jiān)督核局部保持投影方法和本發(fā)明方法監(jiān)測效果圖;

其中,(a)為半監(jiān)督核主元分析方法監(jiān)測效果圖;

(b)為半監(jiān)督核局部保持投影方法監(jiān)測效果圖;

(c)為本發(fā)明方法監(jiān)測效果圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明具體實施方式加以詳細(xì)說明。

一種基于多流形半監(jiān)督局部-全局的電熔鎂爐故障監(jiān)測方法,如圖3所示,包括以下步驟:

步驟1:獲取電熔鎂爐熔煉過程的l組標(biāo)記樣本類別的數(shù)據(jù)和u組未標(biāo)記樣本類別的數(shù)據(jù),組成原始數(shù)據(jù)集X=(XL,XU)∈Rm×n,其中,XL=[x1,x2,...,xl],XU=[xl+1,xl+2,...,xl+u],l+u=n,為標(biāo)記數(shù)據(jù),為未標(biāo)記數(shù)據(jù),m為數(shù)據(jù)維數(shù)。

本實施方式中,原始數(shù)據(jù)為輸入電壓值、三相電流值、爐溫值、電極相對位置、氣體流量、壓力、重量等13個過程變量,生產(chǎn)過程中,當(dāng)電流設(shè)定值不變,原料顆粒長度變化比較大時,會造成電極移動時,原料之間產(chǎn)生的縫隙大小不合適,爐內(nèi)氣壓會由于氣體的排放失去平衡。引起爐內(nèi)電極、熔池液面劇烈波動,從而導(dǎo)致電弧電阻劇烈變化,出現(xiàn)熔液隨氣體一起噴出爐外的現(xiàn)象。上述排氣異常工況作為故障1;

原料熔點降低時熔池液面快速上升,導(dǎo)致電弧電阻降低,電流值升高較快,此時若電流設(shè)定值不變,則電流跟隨誤差較大或者很大,當(dāng)熔池液面長時間持續(xù)快速上升時,會導(dǎo)致熔池內(nèi)的雜質(zhì)無法徹底析出,造成產(chǎn)品品質(zhì)下降,單噸能耗升高,上述過加熱工況作為故障2;

用故障0代表正常工況的情形,由于在該工業(yè)過程中獲得具有知識信息的數(shù)據(jù)是極其困難的,故我們分別選取每類50個樣本以及3000組未知運行狀態(tài)的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)進(jìn)行離線建模。

即原始數(shù)據(jù)集X中標(biāo)記數(shù)據(jù)的第c類樣本數(shù)據(jù)流為其中,c為標(biāo)簽樣本的類別,本實施例中,對處于正常、故障1及故障2運行狀態(tài)下得到的采樣數(shù)據(jù)用于建模分析,即1≤c≤3,nc為第c類樣本數(shù)據(jù)流的個數(shù),

步驟2:根據(jù)電熔鎂爐熔煉過程的原始數(shù)據(jù)集建立基于多流形半監(jiān)督局部及全局保持的過程監(jiān)測模型。

步驟2.1:通過非線性映射函數(shù)Φ將原始數(shù)據(jù)集X映射到一個高維的核Hilbert空間H中,得到高維空間數(shù)據(jù)集Φ(X)。

步驟2.2:采用半監(jiān)督核局部保持投影算法求解高維空間數(shù)據(jù)集Φ(X)中各樣本點Φ(xi)的k個近鄰域點,得到該樣本點Φ(xi)的近鄰域集合Nk(Φ(xi)),i∈1,2,...,n。

步驟2.2.1:采用半監(jiān)督核局部保持投影算法求解高維空間數(shù)據(jù)集Φ(X)中各樣本點Φ(xi)與鄰域樣本點Φ(xj)之間的距離。

本實施方式中,各樣本點Φ(xi)與鄰域樣本點Φ(xj)之間的距離d(Φ(xi),Φ(xj))公式如式(1)所示:

d(Φ(xi),Φ(xj))=||Φ(xi)-Φ(xj)|| (1)

步驟2.2.2:在高維空間數(shù)據(jù)集Φ(X)中各樣本點Φ(xi)與鄰域樣本點Φ(xj)之間的距離中選取距離最小的k個鄰域點,組成該樣本點Φ(xi)的近鄰域集合Nk(Φ(xi))。

步驟2.3:采用局部重構(gòu)方法重構(gòu)高維空間高維空間數(shù)據(jù)集Φ(X)的權(quán)值矩陣P。

步驟2.3.1:令原始數(shù)據(jù)集X中標(biāo)記數(shù)據(jù)的第c類樣本數(shù)據(jù)流為其中,c為標(biāo)簽樣本的類別,1≤c≤M,nc為第c類樣本數(shù)據(jù)流的個數(shù),

步驟2.3.2:根據(jù)樣本點Φ(xi)及其近鄰域集合Nk(Φ(xi))局部重構(gòu)標(biāo)記數(shù)據(jù)的權(quán)值矩陣和未標(biāo)記數(shù)據(jù)的權(quán)值矩陣,得到各類樣本數(shù)據(jù)流中數(shù)據(jù)點與鄰域數(shù)據(jù)點的權(quán)值矩陣Pij。

本實施方式中,各類樣本數(shù)據(jù)流xi與周圍數(shù)據(jù)點間的權(quán)值矩陣Pij如式(2)所示:

其中,Uir為重構(gòu)未標(biāo)記數(shù)據(jù)xi的權(quán)值矩陣,σ為控制權(quán)值矩陣的變化速度,e為自然對數(shù)的底數(shù),為未標(biāo)記數(shù)據(jù)xi的k1個未標(biāo)記近鄰域,為重構(gòu)標(biāo)記數(shù)據(jù)的權(quán)值矩陣,為標(biāo)記數(shù)據(jù)的k2個未標(biāo)記近鄰域,j=r,o,xr為與xi的k1近鄰域中的第r個點,r=1,2,...k1,為與同類的k2近鄰域中的第o個點,o=1,2,...,k2。

步驟2.3.3:采用最小二乘法求解各類樣本數(shù)據(jù)流中數(shù)據(jù)點與鄰域數(shù)據(jù)點的權(quán)值矩陣Pij,得到標(biāo)記數(shù)據(jù)的權(quán)值矩陣Uir和未標(biāo)記數(shù)據(jù)的權(quán)值矩陣

本實施方式中,采用最小二乘法求解各類樣本數(shù)據(jù)流中數(shù)據(jù)點與鄰域數(shù)據(jù)點的權(quán)值矩陣Pij的公式如式(3)和式(4)所示:

步驟2.4:根據(jù)核方法求解高維空間數(shù)據(jù)集投影到各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A。

步驟2.4.1:建立高維空間中各類樣本數(shù)據(jù)流形上的半監(jiān)督核局部目標(biāo)函數(shù)。

本實施方式中,高維空間中各類樣本數(shù)據(jù)流形上的半監(jiān)督核局部目標(biāo)函數(shù)JL(W)如式(5)所示:

其中,為第c類樣本數(shù)據(jù)流形上的標(biāo)記數(shù)據(jù)半監(jiān)督核局部目標(biāo)函數(shù)如式(6)所示,為未標(biāo)記數(shù)據(jù)半監(jiān)督核局部目標(biāo)函數(shù)如式(7)所示:

其中,矩陣D為對角陣,其對角線元素為其中,Pii取uir和Sio,對角陣Lr為圖拉普拉斯矩陣,拉普拉斯矩陣

步驟2.4.2:建立高維空間中各類樣本數(shù)據(jù)流形上的半監(jiān)督全局目標(biāo)函數(shù)。

本實施方式中,高維空間中各類樣本數(shù)據(jù)流形上的半監(jiān)督全局目標(biāo)函數(shù)JG(W)如式(8)所示:

其中,為第c類樣本數(shù)據(jù)流的半監(jiān)督全局目標(biāo)函數(shù)如式(9)所示,為未標(biāo)記數(shù)據(jù)的半監(jiān)督全局目標(biāo)函數(shù)如式(10)所示:

步驟2.4.3:結(jié)合半監(jiān)督核局部目標(biāo)函數(shù)和半監(jiān)督全局目標(biāo)函數(shù),根據(jù)核方法求解投影到各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A,W為第c類樣本數(shù)據(jù)流形上的映射矩陣。

本實施方式中,第c類樣本數(shù)據(jù)流形上的映射矩陣W如式(11)和(12)所示:

W=arg max(αJL(W)+βJG(W)) (11)

其中,α為局部控制參數(shù),β為全局控制參數(shù),α+β=1。

當(dāng)α=0時,即為多流形半監(jiān)督核局部保持投影算法(多流形SSKLPP);

當(dāng)β=0時,即為多流形半監(jiān)督核主元分析算法(多流形SSKPCA)。

通過拉格朗日乘子法對各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}。

求偏導(dǎo)如式(13)所示,可得系數(shù)矩陣A=[a1,a2,...,ad]。

其中,d為數(shù)據(jù)降維后的維度。

步驟2.5:根據(jù)高維空間數(shù)據(jù)集在各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A,建立高維空間數(shù)據(jù)的低維嵌入坐標(biāo)y={y1,y2,...,yc,...,yM},即得到基于多流形半監(jiān)督局部及全局保持的過程監(jiān)測模型。

本實施方式中,根據(jù)高維空間數(shù)據(jù)集在各類樣本數(shù)據(jù)流形上的映射矩陣WΦ={W,W,...,W,...,W}及系數(shù)矩陣A,建立高維空間數(shù)據(jù)的低維嵌入坐標(biāo)y={y1,y2,...,yc,...,yM}的公式如式(14)所示:

步驟3:實時采集電熔鎂爐熔煉過程的測試數(shù)據(jù)x0,采用基于多流形半監(jiān)督局部及全局保持的過程監(jiān)測模型對測試數(shù)據(jù)x0進(jìn)行故障類型診斷。

步驟3.1:實時采集電熔鎂爐熔煉過程的測試數(shù)據(jù)x0

步驟3.2:通過非線性映射函數(shù)Φ將測試數(shù)據(jù)x0映射到一個高維的核Hilbert空間H中,得到測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)。

步驟3.3:構(gòu)造測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在各類樣本數(shù)據(jù)流形上的低維嵌入坐標(biāo)yc0。

本實施方式中,測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在各類樣本數(shù)據(jù)流形上的低維嵌入坐標(biāo)yc0如式(15)所示:

步驟3.4:求解測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在嵌入空間中在各個樣本數(shù)據(jù)流形上的重構(gòu)誤差值errorc(Φ(x0))。

本實施方式中,測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在嵌入空間中在各個樣本數(shù)據(jù)流形上的重構(gòu)誤差值errorc(Φ(x0))如式(16)所示:

errorc(Φ(x0))=||yc0-yc||2 (16)

步驟3.5:將測試數(shù)據(jù)高維空間數(shù)據(jù)Φ(x0)在嵌入空間中在各個樣本數(shù)據(jù)流形上的重構(gòu)誤差值errorc(Φ(x0))最小值所屬的數(shù)據(jù)流形c的樣本類型作為該測試數(shù)據(jù)的故障類型。

本實施方式中,確定測試數(shù)據(jù)故障類型的公式如式(17)所示:

M(Φ(x0))=arg min errorc(Φ(x0)) (17)

本實施方式中,每類取大約960組的測試樣本,分別采用半監(jiān)督核主元分析方法(SSKPCA)、半監(jiān)督核局部保持投影方法(SSKLPP)以及發(fā)明提出的多流形半監(jiān)督局部及全局保持的電熔鎂爐故障監(jiān)測方法(SSK(LPP-PCA))提取各類數(shù)據(jù)的特征,并在低維空間作圖,分析同類數(shù)據(jù)和類間數(shù)據(jù)的本質(zhì)聯(lián)系。

其中,半監(jiān)督核主元分析方法(SSKPCA)從數(shù)據(jù)的整體幾何結(jié)構(gòu)考慮,用來提取數(shù)據(jù)方差最大和次大的主元向量,然后將數(shù)據(jù)投影到前兩個主元向量方向上,得到數(shù)據(jù)的第一和第二主元向量的投影圖,如圖4(a)所示。

半監(jiān)督核局部保持投影方法(SSKLPP)用來保持?jǐn)?shù)據(jù)間的局部幾何信息,原始數(shù)據(jù)空間中鄰域樣本間信息通過重構(gòu)權(quán)值矩陣保持不變,映射到低維嵌入空間中對應(yīng)的數(shù)據(jù)點間的局部結(jié)構(gòu)信息仍然不變,提取樣本的第一和第二特征,得到數(shù)據(jù)的前兩個特征的投影圖,如圖4(b)所示。

多流形半監(jiān)督局部及全局保持的電熔鎂爐故障監(jiān)測方法(SSK(LPP-PCA))不僅從數(shù)據(jù)的全局結(jié)構(gòu)出發(fā),同時也考慮到數(shù)據(jù)間的局部特性結(jié)構(gòu),提取數(shù)據(jù)的前兩個特征,得到第一、第二投影方向圖,如圖4(c)所示。

圖4中,下三角、圓形、上三角分別代表正常數(shù)據(jù)、故障1數(shù)據(jù)、故障2數(shù)據(jù)。

本實施方式中,由于在實際工業(yè)過程中獲得具有專家經(jīng)驗知識信息的數(shù)據(jù)是極其困難的,為了驗證不同的知識信息標(biāo)記樣本對過程監(jiān)測算法精確度的影響。選擇知識信息標(biāo)記樣本分別為總樣本數(shù)的15%、20%、25%,且訓(xùn)練樣本集的總體數(shù)相同以及每類選取的樣本數(shù)相同,通過對比不同比例的標(biāo)記樣本數(shù)來分析對算法降維精確度的影響。圖5(a)中的三條曲線說明了不同比例的標(biāo)記樣本信息對過程監(jiān)測算法降維精確度的影響,由圖5(b)可以看出每類標(biāo)記樣本數(shù)最少時,精確度最差。說明標(biāo)記樣本數(shù)量越多,算法的精確度越好,當(dāng)標(biāo)記數(shù)目達(dá)到一定值時,算法的精確度幾乎不再變化。同時當(dāng)標(biāo)記樣本數(shù)固定時,三條曲線的精確度值均隨著原始數(shù)據(jù)特征降到低維空間維度的增加,選取特征個數(shù)的增多,損失的數(shù)據(jù)信息越少,系統(tǒng)的精確度越高,降維的性能越好。由上述可知,標(biāo)記樣本數(shù)越多監(jiān)測效果越好,但2.5%或3.5%的標(biāo)記樣本對該仿真實驗來說已經(jīng)足夠,幾乎能夠完整地表示原始數(shù)據(jù)全部的信息量。

本實施方式中,故障診斷問題實際上就是多分類問題,工業(yè)過程中故障頻繁發(fā)生,對故障的監(jiān)測與診斷是十分有必要的。我們采用上述田納西過程的訓(xùn)練數(shù)據(jù)進(jìn)行建模并實時在線監(jiān)測樣本所處的運行狀態(tài)。測試數(shù)據(jù)集則采集了兩組各450個采樣數(shù)據(jù),測試集1表示前200個采樣點處于故障1狀態(tài),大約在第201個點左右故障1恢復(fù)正常。測試集2表示前200個點處于故障2狀態(tài),大約在第201個點左右系統(tǒng)恢復(fù)正常運行狀態(tài),即故障2消除。

圖6中,其中橫坐標(biāo)代表當(dāng)前時刻的測試樣本點,將該測試數(shù)據(jù)分別投影到各個類別的本征子空間上得到對應(yīng)地低維坐標(biāo),通過歐式距離分別選取該坐標(biāo)點周圍與其最近的k個鄰域點,根據(jù)近鄰重構(gòu)誤差值最小來確定該點所屬的具體類別,縱坐標(biāo)表示重構(gòu)誤差值大小,最低行對應(yīng)該點與周圍k個近鄰點的距離和最小,表示當(dāng)前時刻測試數(shù)據(jù)所對應(yīng)的狀態(tài)特性,即批處理運行的當(dāng)前狀態(tài)。在圖6中,測試集1為一組450個采樣數(shù)據(jù),包括生產(chǎn)過程中的正常和故障1數(shù)據(jù),圖6(a)(b)(c)分別說明了SSKPCA算法、SSKLPP算法以及本發(fā)明算法對故障監(jiān)測的影響。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1