基于改進(jìn)ICA算法的高爐故障診斷方法.pdf

1、鋼鐵作為重要的基礎(chǔ)原材料，在我們的日常生活與生產(chǎn)中隨處可見，其地位極其重要。有資料表明，中國目前已成為全球最大的鋼鐵生產(chǎn)國，同時也是最大的鋼鐵消費(fèi)國。我國鋼鐵冶煉產(chǎn)業(yè)發(fā)展很快，已成為國民經(jīng)濟(jì)中的重要支柱產(chǎn)業(yè)。
　　然而，必須注意到，我國的鋼鐵冶煉產(chǎn)業(yè)背后存在的問題不容小覷，如能耗過高;產(chǎn)業(yè)過于分散;更多的是生產(chǎn)較為低級別的鋼材，在高品質(zhì)鋼材的生產(chǎn)方面能力較差;供應(yīng)鏈管理水平較差等。為此，必須努力提高我國鋼鐵產(chǎn)業(yè)的產(chǎn)品品質(zhì)，降低能源

2、消耗。
　　高爐是鋼鐵冶煉生產(chǎn)中的重要裝備，能耗巨大，對后續(xù)冶煉品質(zhì)有重要影響。因此，為了降低鋼鐵產(chǎn)業(yè)能耗，提高鋼鐵產(chǎn)品品質(zhì)，本文從高爐安全順行的角度研究其故障監(jiān)測與診斷問題。高爐本身是一個非常復(fù)雜而又龐大的系統(tǒng)，其生產(chǎn)過程的機(jī)理模型亦非常復(fù)雜，涉及多個不同的生產(chǎn)模態(tài)，要實現(xiàn)高爐冶煉安全順利，就必須對過程中出現(xiàn)的故障進(jìn)行準(zhǔn)確的檢測與診斷，從而做出相應(yīng)的處理，保證爐況平穩(wěn)進(jìn)行。
　　考慮到實際高爐生產(chǎn)過程中，現(xiàn)場的數(shù)據(jù)采集裝置

3、會收集大量數(shù)據(jù)，且這些數(shù)據(jù)大多服從非高斯分布，故考慮在獨(dú)立元分析算法(Independent Component Analysis，ICA)的基礎(chǔ)上，采用數(shù)據(jù)驅(qū)動的方法，對高爐故障展開研究。
　　然而，ICA算法本身存在一定缺陷，也不完全適用于高爐故障，故首先對ICA算法進(jìn)行改進(jìn)，從獨(dú)立元的數(shù)量以及重要性排序方面入手，提出了一種改進(jìn)ICA算法，在一定程度上提高了故障檢測的準(zhǔn)確性。
　　其次，針對高爐故障緩慢變化的特點(diǎn)，將IC

4、A算法與多元指數(shù)加權(quán)平均(MultivariateExponent Weighted Moving Average，MEWMA)方法結(jié)合，通過加權(quán)的方式，將歷史數(shù)據(jù)的影響更好地考慮在內(nèi)，改善了對于高爐故障的檢測效果。
　　最后，考慮到高爐冶煉過程中，操作從安全性的角度出發(fā)，往往會在可能出現(xiàn)故障之前就采取了相應(yīng)措施，因此故障樣本有限。故本文將針對小樣本的支持向量機(jī)(SupportVector Machine，SVM)算法與改進(jìn)的IC