技術(shù)特征：

1.一種核靈活流形嵌入電熔鎂爐故障監(jiān)測方法，其特征在于包括以下步驟：

采集各類故障數(shù)據(jù)和正常數(shù)據(jù)；

進行離線建模，根據(jù)采集到的數(shù)據(jù)獲取KICA監(jiān)控模型，訓(xùn)練KFME故障診斷模型；

在線監(jiān)測，利用KICA監(jiān)控模型進行實時在線監(jiān)測，采集過程數(shù)據(jù)；

如果監(jiān)測到故障，則通過KFME監(jiān)控模型進行故障識別；

如果識別出故障，則一次故障監(jiān)測過程結(jié)束；

如果沒有識別出故障，則分析未診斷出的故障數(shù)據(jù)并進行標(biāo)記，轉(zhuǎn)至訓(xùn)練KFME故障診斷模型步驟。

2.按權(quán)利要求1所述的核靈活流形嵌入電熔鎂爐故障監(jiān)測方法，其特征在于根據(jù)采集到的數(shù)據(jù)獲取KICA監(jiān)控模型，訓(xùn)練KFME故障診斷模型包括以下步驟：

1)對收集到的故障狀態(tài)下的故障數(shù)據(jù)和正常狀態(tài)下的正常數(shù)據(jù)進行中心化和標(biāo)準(zhǔn)化處理，得到原始數(shù)據(jù)；

2)將上述原始數(shù)據(jù)映射到特征空間，將特征空間原始數(shù)據(jù)中的正常數(shù)據(jù)做為樣本數(shù)據(jù)；

3)利用樣本數(shù)據(jù)通過核獨立元方法的基本原理建立KICA模型；

4)映射到特征空間的樣本數(shù)據(jù)經(jīng)過KICA模型處理后的數(shù)據(jù)作為KFME方法的建模數(shù)據(jù)；

5)基于知識分析的核靈活流形嵌入算法的基本原理進行建模，得到KFME模型。

3.按權(quán)利要求1所述的核靈活流形嵌入電熔鎂爐故障監(jiān)測方法，其特征在于：根據(jù)核獨立元方法的基本原理建立KICA模型步驟如下：

31)對映射到特征空間的樣本數(shù)據(jù)中正常數(shù)據(jù)進行中心化和標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的核矩陣

32)在標(biāo)準(zhǔn)化后的核矩陣中計算特征值和特征向量，提取d個最大的特征值以及對應(yīng)的特征向量，其提取的特征值的數(shù)目根據(jù)下述標(biāo)準(zhǔn)確定：

$\frac{{\mathrm{\λ}}_i}{\mathrm{sum}\left({\mathrm{\λ}}_i\right)}\≥0.0001$

其中λ_i為特征值，i為特征值編號；

33)對于特征空間的正常數(shù)據(jù)，計算白化矩陣并將映射的數(shù)據(jù)進行白化，得到被白化的數(shù)據(jù)；

34)根據(jù)負(fù)熵公式J(y)＝[E{G(y)}-E{G(v)}]²將被白化的數(shù)據(jù)進行處理,從而確定出過渡矩陣C_n，進一步確定非線性成分。

4.按權(quán)利要求1所述的核靈活流形嵌入電熔鎂爐故障監(jiān)測方法，其特征在于：根據(jù)基于知識分析的核靈活流形嵌入算法的基本原理進行建模步驟如下：

51)根據(jù)特征向量y和訓(xùn)練數(shù)據(jù)X_w∈R^f×n，獲得特征矩陣Y∈R^n×c；

52)根據(jù)特征矩陣Y∈R^n×c構(gòu)造近鄰圖并計算圖拉普拉斯矩陣L＝D-S，其中，D為特征矩陣Y∈R^n×c的對角矩陣，S為特征矩陣Y∈R^n×c的對稱矩陣，對角矩陣D的對角元素D_ii為特征矩陣S中每列元素之和；

53)使用非線性映射函數(shù)Φ(·)將訓(xùn)練數(shù)據(jù)投影到高維特征空間；

54)根據(jù)高維特征空間中數(shù)據(jù)的特征，選擇核函數(shù)；

55)計算上述核函數(shù)的值；

56)根據(jù)訓(xùn)練數(shù)據(jù)計算故障預(yù)測矩陣F_w，獲得投影矩陣W和偏差項b；

57)根據(jù)在線數(shù)據(jù)，計算故障檢測矩陣F_t，得到在線監(jiān)控矩陣F_t。

5.按權(quán)利要求4所述的核靈活流形嵌入電熔鎂爐故障監(jiān)測方法，其特征在于：對稱矩陣S中元素S_ii'采用如下方式計算：如果x_i是x_i'的m個近鄰點，則S_ii'＝exp(-||x_i-x_i'||²/t)，否則S_ii'＝0，其中，t為經(jīng)驗值，x_i'為歷史數(shù)據(jù)，i'＝1，2，…，n。

6.按權(quán)利要求1所述的核靈活流形嵌入電熔鎂爐故障監(jiān)測方法，其特征在于：所述特征空間為4維及4維以上的高維特征空間。