基于魯棒主元分析方法的大型高爐故障檢測研究.pdf

1、高爐煉鐵是國家經(jīng)濟體系的支柱產(chǎn)業(yè)，一旦發(fā)生異常工況，造成的經(jīng)濟損失和安全危害是非常嚴重的。因此，為了保證高爐設(shè)備的安全可靠地運行，異常工況檢測是十分必要的。目前在大型高爐系統(tǒng)中，主要有三種故障檢測的方法，基于模型的方法，基于知識的方法以及基于數(shù)據(jù)驅(qū)動的方法。近些年來，隨著集散控制系統(tǒng)的廣泛發(fā)展，海量的過程數(shù)據(jù)被系統(tǒng)采集?；跀?shù)據(jù)驅(qū)動的方法和其他兩種方法相比，不需要準確的過程機理模型以及專家知識的長時間積累，因此被廣泛地應(yīng)用在大型高爐系統(tǒng)

2、的故障檢測中。
　　大型高爐生產(chǎn)過程運行在高溫、高壓以及高粉塵的情況下，是一個時刻發(fā)生各種物理化學(xué)反應(yīng)的復(fù)雜流程，同時大型高爐是一個半自動化的生產(chǎn)設(shè)備，需要現(xiàn)場操作人員人為地調(diào)整生產(chǎn)參數(shù)。因此，在設(shè)備采集到的訓(xùn)練數(shù)據(jù)矩陣中，可能會包含大量的過程噪聲、離群點以及小故障，而使用傳統(tǒng)的數(shù)據(jù)驅(qū)動方法進行故障檢測可能會導(dǎo)致較差的檢測效果。
　　在本文中，作者分別針對高爐過程中出現(xiàn)的過程噪聲、離群點以及小故障三種情況進行研究，并分別在數(shù)

3、值仿真、TE過程、大型高爐冶煉過程上做了相應(yīng)的仿真驗證。全文的主要內(nèi)容如下:
　　(1)針對大型高爐系統(tǒng)采集到的數(shù)據(jù)包含過程噪聲的問題，利用了主成分追蹤方法進行故障檢測，并提出了相應(yīng)的基于相關(guān)系數(shù)的統(tǒng)計量。該方法是一個在線故障檢測的方法，分別將訓(xùn)練矩陣和由訓(xùn)練矩陣與測試矩陣組成的新測試矩陣利于主成分追蹤方法進行分解，得到后續(xù)用來故障檢測的低秩矩陣和稀疏矩陣。其中訓(xùn)練矩陣分解得到的低秩矩陣包含的是過程的重要信息，稀疏矩陣包含的是過程

4、可能存在的噪聲。之后在低秩矩陣中利用Hotelling's T2統(tǒng)計量，在稀疏矩陣中利用提出的基于相關(guān)系數(shù)的統(tǒng)計量，判斷設(shè)備當(dāng)前的工況。和傳統(tǒng)的故障檢測方法相比，主成分追蹤方法可以有效地消除過程噪聲的影響，同時對數(shù)據(jù)的特征不加以限制，數(shù)據(jù)類型可以滿足非線性、非高斯性等特征。
　　(2)針對大型高爐系統(tǒng)采集到的數(shù)據(jù)存在離群點的問題，提出改進的主成分追蹤方法進行故障檢測，并且建立了相應(yīng)的統(tǒng)計量。該方法首先求解一個凸優(yōu)化函數(shù)，得到一個低

5、秩系數(shù)矩陣和一個稀疏矩陣。其中低秩系數(shù)矩陣包含過程變量之間的重要關(guān)系，是在移除離群點的條件下得到的變量關(guān)系，消除了離群點的影響，具有魯棒性;稀疏矩陣包含過程中可能存在的離群點等。之后，利用低秩系數(shù)矩陣以及變量之間的相關(guān)關(guān)系，構(gòu)建故障檢測統(tǒng)計量。該方法是在移除離群點等異常值的情況下得到的過程變量關(guān)系，不僅消除了異常值的影響，還得到了變量之間的本質(zhì)關(guān)系，提高了故障檢測的效果。
　　(3)針對大型高爐系統(tǒng)采集到的數(shù)據(jù)存在小故障的問題，提

6、出魯棒的主成分追蹤方法進行故障檢測，并對該方法的收斂性進行了證明。小故障的出現(xiàn)可能是因為高爐爐溫的微小變化、部分進料不能正常下降等原因，是發(fā)生在一段時間內(nèi)一個或多個變量上的異常工況，與離群點的特征有所不同，因此需要新的方法進行故障檢測。本文提出的魯棒主成分追蹤方法是通過求解一個凸優(yōu)化函數(shù)，將小故障同時從訓(xùn)練數(shù)據(jù)矩陣的行和列分離出來，得到一個不包含小故障的訓(xùn)練矩陣。之后，和主元分析方法相同，利用Hotelling's T2統(tǒng)計量對高爐數(shù)據(jù)