專利名稱：基于主元相似性測度的鋁電解槽況診斷方法
技術領域：
本發(fā)明屬于故障診斷技術領域，具體涉及一種基于主元相似性測度的鋁電解槽況的診斷方法。
背景技術：
故障診斷是對系統(tǒng)運行狀態(tài)和異常情況作出判斷，并根據(jù)診斷結(jié)果作出判斷，為系統(tǒng)故障恢復提供依據(jù)，其中最重要的是故障檢測和類型判斷。故障檢測是指與系統(tǒng)建立連接后，周期性地向下位機發(fā)送檢測信號，通過接收的響應數(shù)據(jù)幀，判斷系統(tǒng)是否產(chǎn)生故障；故障類型判斷就是系統(tǒng)在檢測出故障之后，通過分析原因，判斷出系統(tǒng)故障的類型。由于系統(tǒng)的時變特性，建立精確的在線故障診斷較為困難，一直是控制領域研究的熱點。鋁電解槽是霍爾-埃魯電解法生產(chǎn)鋁的主要設備，在運行過程受各種因素干擾，容易出現(xiàn)冷槽、鋁液波動、陰極破損等異常工況。及時準確的槽況診斷對于調(diào)整電解工藝參數(shù)，保障正常生產(chǎn)至關重要。但是，鋁電解槽是強直流電作用的高溫高腐蝕電化學反應器，內(nèi)部狀態(tài)難以直接監(jiān)測。核主元分析法在故障診 斷中是一種常見的特征分析方法，這種方法是利用非線性映射0)和W將原始隨機向量空間Xi和yi映射到高維空間Fx和Fy，使得數(shù)據(jù)在特征空間中成為線性數(shù)據(jù)，再在特征空間中利用主元分析法對變換后的數(shù)據(jù)提取主元，相當于原始特征空間的非線性運算。然而獲得的主元仍然是原始變量在特征空間的線性組合，只是達到了降維的目的，并沒有剔除原始特征的個數(shù)，而原始特征數(shù)反應了傳感器的數(shù)量，現(xiàn)有的核主元分析法無法通過減少傳感器數(shù)量和種類降低生產(chǎn)成本。而在鋁電解槽故障診斷中，用的比較多的建模方法是BP神經(jīng)網(wǎng)絡，但是由于表征鋁電解槽況的特征眾多且彼此相關性強，參與建模的數(shù)據(jù)量大，計算較為復雜，采用BP神經(jīng)網(wǎng)絡建立精確的診斷模型較為困難?，F(xiàn)有技術的缺陷是:在對鋁電解槽況進行診斷時，需要安裝大量不同種類的傳感器，對所有傳感器檢測數(shù)據(jù)進行計算，才能實現(xiàn)正確的故障診斷，參與建模的數(shù)據(jù)量大，計算較為復雜，造成生產(chǎn)效率低、生產(chǎn)成本高。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于主元相似性測度的鋁電解槽況診斷方法，能夠在數(shù)目眾多的表征鋁電解槽況的特征中進行特征約簡，減少傳感器的數(shù)量和種類，減少運算量，用最少的特征建立鋁電解槽的故障診斷模型，實現(xiàn)在線診斷。本發(fā)明的技術方案如下:一種基于主元相似性測度的鋁電解槽況診斷方法，其關鍵在于按如下步驟進行:步驟一:約簡原始特征，確定表征鋁電解槽況特征的最簡變量組，包括以下步驟:第一步:n個表征招電解槽況的原始特征組成原變量組X, X=(x1; X2, Xi,…，xn)，采集原變量組的L個樣本數(shù)據(jù)，利用核主元分析法計算所述原變量組X的主元，將所有主元按貢獻率由大到小排列，并計算累積貢獻率，直到累積貢獻率達到或超過預設的累積貢獻率閾值，所累積的主元數(shù)為m，對應了所有原始特征的最少主元Bj, j=l, 2，-,m； 所述m個主元B」的累積貢獻率達到或超過預設的累積貢獻率閾值，可以認為這m個主元B」反映了整個樣本的特征。累積貢獻率閾值大于等于0.98。第二步:按i=l，2，…，n的順序，依次考察原變量組X中每個變量對表征鋁電解槽況的貢獻度:(一 )將原變量組X中的變量Xi置零，得到一個新的變量組，即待測鄰點龍(/)，x{i) = ( , X2，…,,0, x,.+1,…5 Xw)!(二)利用核主元分析法計算所述待測鄰點入()_)的前m個貢獻率最大的主元Bl(I)fJ=I, 2,…，m ；(三)計算所述變量Xi置零前后第j個主元的相似性測度cos」(i),j=l, 2,…，m:
權利要求
1.一種基于主元相似性測度的鋁電解槽況診斷方法，其特征在于按如下步驟進行: 步驟一:約簡原始特征，確定表征鋁電解槽況特征的最簡變量組，包括以下步驟: 第一步:n個表征招電解槽況的原始特征組成原變量組X, X=(x1; X2, Xi,…，xn),采集原變量組的L個樣本數(shù)據(jù)，利用核主元分析法計算所述原變量組X的主元，將所有主元按貢獻率由大到小排列，并計算累積貢獻率，直到累積貢獻率達到或超過預設的累積貢獻率閾值，所累積的主元數(shù)為m,對應了所有原始特征的最少主元Bj, j=l,2,…，m ； 第二步:按i=l，2，…，n的順序，依次考察原變量組X中每個變量對表征鋁電解槽況的貢獻度: (一)將原變量組X中的變量Xi置零，得到一個新的變量組，即待測鄰點文⑴,Z(1-) = (X1, JC2,…,,0, j/+i (二 )利用核主元分析法計算所述待測鄰點的前m個貢獻率最大的主元j=l,2,…，m; (三)計算所述變量xi置零前后第j個主元的相似性測度cos^i)，j=l，2，-,m: (四)計算所述變量Xi置零前后在前m個主元投影總的相似度di，該相似度Cli與變量Xi對表征鋁電解槽況的貢獻度成正比: I Jli = 1--〉.: cos.(/)` 第三步:設定貢獻度閾值A d，剔除小于貢獻度閾值Ad的Cli對應的變量Xi，剩下的變量組成表征鋁電解槽況特征的最簡變量組無,X = ( , ,---, )； 步驟二:將所述原變量組的L個樣本數(shù)據(jù)按照最簡變量組重新組合后，形成新的L個樣本數(shù)據(jù)；從新的L個樣本數(shù)據(jù)中選取P個樣本數(shù)據(jù)作為訓練樣本，利用概率神經(jīng)網(wǎng)絡建立鋁電解槽況分類模型，模型最大輸出值對應的鋁電解槽況類型即為診斷結(jié)果。
2.根據(jù)權利要求1所述的基于主元相似性測度的鋁電解槽況診斷方法，其特征在于:在所述核主元分析法中，核函數(shù)選擇高斯核函數(shù)。
3.根據(jù)權利要求1所述的基于主元相似性測度的鋁電解槽況診斷方法，其特征在于:所述表征鋁電解槽況的原始特征有系列電流、NB次數(shù)、分子比、出鋁量、鋁水平、電解質(zhì)水平、槽溫、NB間隔、槽電壓。
4.根據(jù)權利要求1所述的基于主元相似性測度的鋁電解槽況診斷方法，其特征在于:所述鋁電解槽況類型有異常極距、漂浮碳渣、陰極破損及鋁液異常波動4種異常槽況和正常槽況。
全文摘要
本發(fā)明公開了一種基于主元相似性測度的鋁電解槽況診斷方法，其特征在于按如下步驟進行一，約簡原始特征利用核主元分析法計算貢獻率排在前位的m個主元Bj；依次考察每個原始特征對表征鋁電解槽況的貢獻度，刪掉貢獻度低于貢獻度閾值的原始特征，實現(xiàn)特征約簡；二，約簡后特征作為概率神經(jīng)網(wǎng)絡的輸入變量，建立鋁電解槽況的分類模型，模型最大輸出值對應的鋁電解槽況類型即為診斷結(jié)果。本發(fā)明克服了核主元無明確物理意義的缺陷，減少傳感器數(shù)量和運算量，同時利用具有一次訓練時間短、診斷精確度高的概率神經(jīng)網(wǎng)絡建立故障診斷模型，更加適合鋁電解槽況的在線診斷。
文檔編號C25C3/20GK103103570SQ20131003593
公開日2013年5月15日 申請日期2013年1月30日 優(yōu)先權日2013年1月30日
發(fā)明者易軍, 李太福, 蘇盈盈, 張元濤, 姚立忠, 侯杰, 王雙明, 伍健全, 馮驪驍, 裴仰軍 申請人:重慶科技學院