基于图方法的高炉炼铁过程故障检测研究

【作者】 安汝峤； 杨春节；

【机构】 浙江大学控制学院；

【摘要】 大型高炉炼铁过程是钢铁制造的核心工序,是将铁矿石冶炼成铁水的重要步骤。为了保证高炉炼铁过程的平稳安全,针对大型高炉的故障检测十分必要。高炉炼铁是一种连续生产过程,内部时刻发生着复杂的物理化学反应。由于高炉内部的高温高压粉尘等恶劣环境,导致高炉内部的反应不能直接测量,所以很难获得高炉炼铁过程的大量有标签数据样本,很有必要研究基于数据的无监督故障检测理论方法。高炉炼铁大多处于半自动化的生产模式,生产操作还依靠现场工人的手动控制。针对高炉炼铁过程采样观测值在时间层面上存在重要相关信息、变量之间有相关性等特征,进行了两个方面的研究。(1)针对高炉炼铁过程运行状态相对稳定,正常工况下不存在突变,采样观测值在时间层面上包含重要相关信息的现象,提出一种基于无监督加权图的故障检测方法,并建立了相应的统计量。该方法首先计算待检测采样观测值之间的时间间隔;其次,计算待检测采样观测值之间的欧式距离,并与时间间隔加权,得到最小生成树中边的权值;最后,统计最小生成树中连接来自疑似突变点前后两个部分的观测值的边的数目,实现故障检测。该方法不需要有正常工况标签的数据,可以对待检测的采样观测值直接建模判断是否存在突变点。该方法不仅考虑了采样观测值在时间层面上的重要信息,提高了基于图的故障检测方法的可靠性,还实现了高炉炼铁过程的无监督故障检测。(2)针对高炉炼铁过程采集的变量存在相关关系的现象,提出一种改进的基于图的故障检测方法,并建立了相应的统计量。该方法针对欧式最小生成树不考虑变量之间相关关系的特征,提出综合利用马氏距离和欧式距离计算权值,构建最小生成树的方法。首先,计算变量之间的相关系数,如果变量间相关系数较小,则计算其采样观测值之间的欧氏距离,否则计算彼此之间的马氏距离;其次,对两种距离的结果进行加权求和得到最终的最小生成树的权值;最后,统计连接来自两个不同组的采样观测值的边的数目作为故障检测的统计量。该方法综合利用马氏距离和欧氏距离,并根据相关系数选择距离的计算方法,有效地利用了变量之间相关关系的重要信息,提高了高炉炼铁过程故障检测的效果。为了评测所提出的图方法的有效性,首先利用数值模拟仿真,然后利用实际高炉生产过程数据,验证了理论方法的有效性。更多还原