基于加权核主元分析（WKPCA）的回转窑故障诊断方法技术

本发明专利技术公开的基于加权核主元分析的回转窑故障诊断方法，其步骤为：采集正常状态下的训练样本数据并预处理，将处理后的数据映射到高维空间，得到核矩阵；计算核矩阵的特征值及特征矩阵，建立核主元模型，得到正常状态下的核主元变量；利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；根据核主元变量计算SPE控制限和T

Fault diagnosis method of rotary kiln based on weighted kernel principal component analysis (WKPCA)

The rotary kiln weighted fault diagnosis method based on kernel principal component analysis is disclosed, which comprises the following steps: collecting the training data under the normal state and pretreatment, mapping the data processed to the high dimension space, nuclear matrix; nuclear matrix calculation characteristic value and the characteristic matrix, a kernel principal component model get under the normal state of kernel principal component variables; estimation of density distribution function function to calculate the kernel principal component variables under the normal state of the use of nuclear density; according to the kernel principal component variable control limit calculation of SPE and T

【技术实现步骤摘要】
基于加权核主元分析(WKPCA)的回转窑故障诊断方法
本专利技术涉及过程控制
，尤其涉及基于加权核主元分析的回转窑故障诊断方法。
技术介绍
水泥作为国民经济建设的基础原材料之一，广泛的应用于民用、工业、水利和交通等工程，水泥工业已经成为国民经济社会发展水平和综合实力的重要标志。新型干法水泥生产技术是以悬浮预热器和预分解技术为核心，利用现代科学理论和技术，采用计算机及其网络化信息技术进行水泥生产的综合技术，具有优质、高效、节能、环保和可持续发展等特点。预分解窑由预热器、分解炉、回转窑、高效冷却机四个子系统组成，主要承担水泥熟料煅烧过程的预热、分解、烧成、冷却各阶段任务。其中预分解窑稳定运行是生产状态良好的重要标志，所以保证预分解窑正常运行是十分重要的。尽管预分解窑配备了计算机操作控制系统，具有省时、及时和不易失误等优点，也有许多诊断方法应用在水泥回转窑的故障诊断中，但是就目前的技术水平而言，有些地方还是需要人工辅助完成，因此需要提高回转窑的自我诊断技术。主元分析(PCA)是一种多元统计方法，在经营管理、数据统计、过程检测等许多领域得到广泛的应用，其算法的基本思想就是将多个线性相关变量压缩为少数不相关的变量，通过降低数据维度，除去信息中对故障诊断无效的数据，尽可能的选取数量少并能够包含大部分有效信息的数据。该算法的优点在于不需要对系统的结构以及运行机理有深入的了解，并且能够降低数据维度，将无效的、包含有效信息少的数据剔除，简化数据，减少在诊断过程中的计算量。主元分析在化工过程的应用有着成功的应用，但是在水泥回转窑领域的应用不多。尤其是系统发生微小故障时，基于主元分析或核主元分析的方法不能准确及时对系统进行监测，给预分解窑的稳定运行带来了一定的隐患。
技术实现思路
本专利技术的目的是针对上述技术问题，提供基于加权核主元分析(WKPCA)的回转窑故障诊断方法，其步骤合理，加权核主元分析方法的基础上对故障数据在检测中赋予更高的权重，将其故障特征进行放大，能够在发生微小故障时更加准确的进行有效监测，提高了回转窑故障监测的有效性。本专利技术的技术方案为解决上述技术问题，本专利技术提供基于加权核主元分析(WKPCA)的回转窑故障诊断方法，具体包括以下步骤：S1，采集回转窑正常状态下的训练样本数据，对数据做归一化预处理，将处理后的样本数据映射到高维空间，得到核矩阵；S2，计算核矩阵的特征值及特征矩阵，建立核主元模型，得到回转窑正常状态下的核主元变量；S3，利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；S4，根据核主元变量计算SPE控制限和T2控制限；S5，实时采集回转窑故障状态下的检测样本数据，对数据进行归一化预处理；S6，将每一组检测样本的各核主元变量带入相应的密度分布函数，得到各核主元变量的加权值，建立权值矩阵；S7，根据加权后的核主元变量计算SPE统计量和T2统计量，与之前得到的控制限进行比较，判定是否发生故障；S8，若系统提示发生故障，利用贡献图法确定回转窑故障发生位置。进一步地，所述高维空间的主元ti为进一步地，在步骤S3中，所述核密度估计函数为核函数采用高斯核函数。进一步地，在步骤S6中，所述加权值为其中，α为密度阈值，进一步地，在步骤S8中，所述基于SPE的贡献图计算，进一步地，在步骤S8中，所述基于T2的贡献图计算，本专利技术有益效果：本专利技术提供的基于加权核主元分析(WKPCA)的回转窑故障诊断方法，其步骤合理，加权核主元分析方法的基础上对故障数据在检测中赋予更高的权重，将其故障特征进行放大，能够在发生微小故障时更加准确的进行有效监测，提高了回转窑故障监测的有效性。附图说明通过结合以下附图所作的详细描述，本专利技术的上述优点将变得更清楚和更容易理解，这些附图只是示意性的，并不限制本专利技术，其中：图1是本专利技术所述基于加权核主元分析故障诊断方法的流程图；图2是预分解窑水泥煅烧过程示意图；图3是基于主元分析故障诊断方法之第一个实施例的SPE和T2统计量图；图4是基于加权核主元分析故障诊断方法之第一个实施例的SPE和T2统计量图；图5是基于加权核主元分析中各变量对故障点的SPE和T2贡献图；图6是基于主元分析故障诊断方法之第二个实施例的的SPE和T2统计量图；图7是基于加权核主元分析故障诊断方法之第二个实施例的SPE和T2统计量图。具体实施方式下面结合具体实施例和附图，对本专利技术所述基于加权核主元分析的回转窑故障诊断方法进行详细说明。在此记载的实施例为本专利技术特定的具体实施方式，用于说明本专利技术的构思，均是解释性和示例性的，不应解释为对本专利技术实施方式及本专利技术范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。本专利技术提供的基于加权核主元分析(WKPCA)的回转窑故障诊断方法，其流程图，如图1所示，其具体包括以下步骤：S1，采集回转窑正常状态下的训练样本数据，对数据做归一化预处理，将处理后的样本数据映射到高维空间，得到核矩阵；具体地，核主元分析(KPCA)算法是在主元分析方法进行的直接改进，其能够更好的适应非线性情况的处理，在面对非线性数据的分析时，能够更加的适用。在核主元中引入核函数的概念，假设在原始空间中存在一个函数满足其中为高维空间中φ(i)与φ(j)的内积，则称函数K为核函数。该方法的计算过程与主元分析相似，都是通过寻找方差阵的特征向量得到特征空间中的主元。但是在进行特征值分解之前，首先要将输入矩阵映射到高维空间中去，首先设定输入样本X∈Rn，采用非线性映射将输入矩阵映射到高维特征空间，特征空间中的方差阵为求解该方差阵的特征向量得到特征空间中的主元，其特征值和特征向量如下所示对于所有的非零特征值都有也就是说特征向量ν可以看作是的线性组合。同时对求内积可得到：将核函数代入到式中，将上式进行化简，得到如下公式其中，α＝[α1,α2,…αl]T，核矩阵K是以Kj,k为元素的矩阵。S2，计算核矩阵的特征值及特征矩阵，建立核主元模型，得到回转窑正常状态下的核主元变量；计算主元个数的过程与主元分析方法中主元的选取方法一致，然后计算高维空间的主元ti为得到高维空间的核主元后，进一步利用主元分析方法进行建模，得到核主元分析模型。S3，利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；在步骤S3中，所述核密度估计函数为核函数采用高斯核函数。通过整理可以得出核密度估计函数如公式S4，根据核主元变量计算SPE控制限和T2控制限；S5，实时采集回转窑故障状态下的检测样本数据，对数据进行归一化预处理；S6，将每一组检测样本的各核主元变量带入相应的密度分布函数，得到各核主元变量的加权值，建立权值矩阵；在步骤S6中，所述加权值为其中，α为密度阈值，具体地，当密度估计值大于该阈值时，认为数据在正常范围，未偏离正常状态，因此赋予权值为1。当密度估计值小于该阈值时，检测样本的主元变量偏离了正常状态，其估计值越小，说明对故障贡献度越大，因此赋予权值β。当前检测样本数据的某个主元变量偏离正常状态越大，权值β也就越大。通过加权之后的主元变量之间的差值变大，故障样本数据和正常样本数据就能更好本文档来自技高网...

【技术保护点】
基于加权核主元分析的回转窑故障诊断方法，其特征在于，包括以下步骤：S1，采集回转窑正常状态下的训练样本数据，对数据做归一化预处理，将处理后的样本数据映射到高维空间，得到核矩阵；S2，计算核矩阵的特征值及特征矩阵，建立核主元模型，得到回转窑正常状态下的核主元变量；S3，利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；S4，根据核主元变量计算SPE控制限和T

【技术特征摘要】
1.基于加权核主元分析的回转窑故障诊断方法，其特征在于，包括以下步骤：S1，采集回转窑正常状态下的训练样本数据，对数据做归一化预处理，将处理后的样本数据映射到高维空间，得到核矩阵；S2，计算核矩阵的特征值及特征矩阵，建立核主元模型，得到回转窑正常状态下的核主元变量；S3，利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；S4，根据核主元变量计算SPE控制限和T2控制限；S5，实时采集回转窑故障状态下的检测样本数据，对数据进行归一化预处理；S6，将每一组检测样本的各核主元变量带入相应的密度分布函数，得到各核主元变量的加权值，建立权值矩阵；S7，根据加权后的核主元变量计算SPE统计量和T2统计量，与之前得到的控制限进行比较，判定是否...

【专利技术属性】
技术研发人员：艾红，张仰森，范荫鹏，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京,11