基于可信度的湿法冶金浓密机的故障诊断方法技术

本发明专利技术提供一种基于可信度的湿法冶金浓密机的故障诊断方法，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；模糊维度为预先建立的专家规则库中的规则前件包括的模糊概念对应的维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，获取故障结果。上述方法可以预先获取专家或操作人员的诊断经验对应的规则，并对当前的在线变量进行故障诊断，以便根据故障诊断结果及时调整，进而有效降低事故发生率，提高生产安全性。

Fault diagnosis method of hydrometallurgy thickener based on Reliability

The present invention provides a method of fault diagnosis, the credibility of the thick wet metallurgy machine based on Hydrometallurgical thickener comprises the following steps: acquiring the online variable; according to the online fuzzy variables, determine the dimensions of each variables; fuzzy dimension corresponding to the expert rules of pre established rules in the former including fuzzy concept for each dimension; a fuzzy variable and the variable dimension, using fuzzy membership function to obtain the fuzzy variable is the dimension of credibility; credibility uncertainty reasoning model based on expert rules based reasoning analysis of each variable reliability, fault conclusion credibility; fault conclusion credibility with the threshold comparison the results, to obtain fault. Corresponding to the above method can diagnosis experience experts or operators pre knowledge of the rules, and the fault diagnosis of the current online variables, in order to adjust to the fault diagnosis results, thus effectively reducing the accident rate and improve production safety.

【技术实现步骤摘要】
基于可信度的湿法冶金浓密机的故障诊断方法
本专利技术属于湿法冶金技术，尤其涉及一种基于可信度的湿法冶金浓密机的故障诊断方法。
技术介绍
随着我国工业化进程的发展，资源问题成为制约我国发展的主要问题之一。矿产资源作为工业原料的主要来源，在经济社会发展中起着基础性的作用。由于对矿产资源的粗放利用和大量消耗，致使我国面临矿产资源严重紧缺的难题，高品位矿产资源的储量正日益减少，形势十分严峻。我国低品位矿产资源的储量丰富，从贫、细、杂矿石中提取矿产资源成为了未来发展的必然趋势，如何经济高效的利用低品位矿产资源对于我国经济社会的可持续发展具有重要意义。随着矿石品位的不断降低和对环境的要求日益严格，湿法冶金在低品位矿产资源的开发和利用中起着重要的作用。湿法冶金流程浓密洗涤是利用重力进行固液分离的过程，可以节省大量能源，主要指标是底流浓度。浓密洗涤过程是湿法冶金过程的一道关键工序。在工业生产中，通常将固体物料溶于溶剂中，将不同组分进行分离，即湿法分选，选出的产物为固液两相的悬浮液，为了得到含水较少的固体产物和基本不含固体的水，大多数情况下都要进行固液分离。目前，浓密机洗涤过程的故障诊断大多数依靠操作人员主观实现，自动化水平较低。浓密洗涤过程工艺复杂、生产环境恶劣，且具有大惯性、大时滞、影响因素多等特点，加之人为主观因素的影响，很难实现准确的故障诊断。在实际过程中，很多变量是实时变化且随机性大，而且变动频繁，这使得实现对浓密洗涤过程的故障诊断更加困难。
技术实现思路
针对现有存在的技术问题，本专利技术提供一种基于可信度的湿法冶金浓密机的故障诊断方法，该方法可以预先建立专家或操作人员的诊断经验对应的规则库，进而采用该规则库中的规则及基于可信度的不确定性推理模型进行推理分析，获取故障结果的概率，以便根据概率调整在实际操作，有效降低事故发生率，提高生产安全性。本专利技术的基于可信度的湿法冶金浓密机的故障诊断方法，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；所述模糊维度为预先建立的专家规则库中的规则前件包括的变量对应的模糊维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，根据比较结果确定是否发生故障，以及发生故障的概率。可选地，获取湿法冶金浓密机的在线变量的步骤之前，所述方法还包括：离线获取预设时间段内湿法冶金浓密机的历史变量；结合湿法冶金领域专家及相关操作人员的先验知识、获取多个用于进行浓密机故障诊断的专家规则；根据多个用于进行浓密机故障诊断的专家规则，建立专家规则库；其中，每一浓密机故障诊断专家规则包括：通过变量的模糊维度表达的规则前件、通过结论表达的规则后件、说明结论可信度的规则强度；每一个规则的规则前件、规则后件和规则强度具有对应关系；所述规则前件中的变量具有至少一个模糊维度。可选地，基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析的步骤之前，所述方法还包括：判断在线变量中多个变量是否反映同一个证据，如果是，则将反映同一个证据的多个变量的可信度进行逻辑组合；其中，证据为与专家规则库中的每一规则前件对应，且属于在线变量反映的规则前件；相应地，基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析的步骤，包括：基于可信度的不确定性推理模型结合专家规则库的规则对逻辑组合的多变量的可信度进行推理分析。可选地，判断在线变量中多个变量是否反映同一个证据的步骤，包括：查找在线变量中每一变量所匹配的规则在专家规则库中的规则标识；相应地，将反映同一个证据的多个变量的可信度进行逻辑组合的步骤，包括：将属于同一规则标识的多个变量的可信度按照该规则标识中各个变量的逻辑组合关系进行逻辑组合。可选地，采用模糊隶属度函数获取该变量的可信度，包括：根据下述公式，获取每一变量的可信度；其中，k为经验系数，xmean为预先设定的待分析的变量的正常范围平均值，x为待分析的变量，μCF(x)为待分析的变量的可信度。可选地，将故障结论可信度与预设阈值进行比较，根据比较结果确定是否发生故障及发生故障的概率，包括：若故障结论可信度大于预设阈值，则确定发生故障，且将故障结论可信度作为发生故障的概率，以及根据故障结论可信度确定故障发生可能的原因；若故障结论可信度小于等于预设阈值，则确定不发生故障，结束。可选地，湿法冶金浓密机的在线变量包括：直接测量的反映浓密机生产状态的变量，以及通过直接测量的变量分析的反映浓密机生产状态的变量；所述直接测量的变量包括：矿浆压力一、矿浆压力二、中心搅拌电机电流、压滤机前缓冲槽液位和/或渣浆泵电流；通过直接测量的变量分析的反映浓密机生产状态的变量包括：压滤机前缓冲槽液位变化率、耙底压力、底流流量和/或底流浓度。可选地，基于可信度的不确定性推理模型中，产生式规则的形式为：IFETHENHWITHCF(H/E)其中，E表示一个简单前提，或多个简单前提逻辑组合的逻辑组合前提，H为一个或多个结论，CF(H/E)为基于所述E发生H的可信度；相应地，采用产生式规则的形式表示专家规则库的中规则前件、规则后件、规则强度的对应关系，则为：E表示每一规则的规则前件中的变量的模糊维度，H为该规则的规则后件中的结论，CF(H/E)为该规则的规则强度。可选地，基于可信度的不确定性推理模型在推理分析中使用的算法包括下述的一种或多种：第一、条件合取算法，如果前提E是n个子前提E1,E2,…,En的逻辑组合，那么证据e分成子证据e1,e2,…,en，设E＝E1ANDE2…ANDEn则CF(E/e)＝min{CF(E1/e1),CF(E2/e2),…,CF(En/en)}；第二、条件析取算法如果前提E是n个子前提E1,E2,…,En的逻辑组合，那么证据e分成子证据e1,e2,…,en，设E＝E1ORE2…OREn则CF(E/e)＝max{CF(E1/e1),CF(E2/e2),…,CF(En/en)}；第三、条件求补算法CF的定义可知：即表示一个前提对某个假设有利，必然对该假设的不成立不利；第四、传递算法结论H的可信度由下式给出：CF(H/e)＝CF(H/E)×max{CF(E/e),0}；结果h的可信度CF(h)与CF(H/e)相同，即:CF(h)＝CF(H/e)；第五、结果组合算法对于两个独立证据e1和证据e2分别求出的结果h的可信度CF1(h),CF2(h)，用下式计算组合结果的可信度CF(h)；本专利技术的基于可信度的湿法冶金浓密机的故障诊断方法，可以预先建立专家或操作人员的诊断经验对应的规则库，进而采用该规则库中的规则及基于可信度的不确定性推理模型进行推理分析，确定发生故障的概率，可使操作人员及时调整，有效降低事故发生率，提高生产安全性。附图说明图1为当前湿法冶金浓密过程生产流程图；图2A为本专利技术的故障诊断方法的流程示意图；图2B为本专利技术的方法中进行故障诊断的示意图；图2C为本专利技术中提及的不确定性推理模型的示意图；图3为本专利技术的离线单样本单故障识别图；图4为本专利技术的离线单样本多故障识别图；图5为本专利技术本文档来自技高网...

【技术保护点】
一种基于可信度的湿法冶金浓密机的故障诊断方法，其特征在于，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；所述模糊维度为预先建立的专家规则库中的规则前件包括的变量对应的模糊维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，根据比较结果确定是否发生故障，以及发生故障的概率。

【技术特征摘要】
1.一种基于可信度的湿法冶金浓密机的故障诊断方法，其特征在于，包括：获取湿法冶金浓密机的在线变量；根据在线变量，确定每一变量的模糊维度；所述模糊维度为预先建立的专家规则库中的规则前件包括的变量对应的模糊维度；针对每一个变量及该变量的模糊维度，采用模糊隶属度函数获取该变量所属模糊维度的可信度；基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析，得到故障结论可信度；将故障结论可信度与预设阈值进行比较，根据比较结果确定是否发生故障，以及发生故障的概率。2.根据权利要求1所述的方法，其特征在于，获取湿法冶金浓密机的在线变量的步骤之前，所述方法还包括：离线获取预设时间段内湿法冶金浓密机的历史变量；结合湿法冶金领域专家及相关操作人员的先验知识、获取多个用于进行浓密机故障诊断的专家规则；根据多个用于进行浓密机故障诊断的专家规则，建立专家规则库；其中，每一浓密机故障诊断专家规则包括：通过变量的模糊维度表达的规则前件、通过结论表达的规则后件、说明结论可信度的规则强度；每一个规则的规则前件、规则后件和规则强度具有对应关系；所述规则前件中的变量具有至少一个模糊维度。3.根据权利要求2所述的方法，其特征在于，基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析的步骤之前，所述方法还包括：判断在线变量中多个变量是否反映同一个证据，如果是，则将反映同一个证据的多个变量的可信度进行逻辑组合；其中，证据为与专家规则库中的每一规则前件对应，且属于在线变量反映的规则前件；相应地，基于可信度的不确定性推理模型结合专家规则库中的规则，对每一变量的可信度进行推理分析的步骤，包括：基于可信度的不确定性推理模型结合专家规则库的规则对逻辑组合的多变量的可信度进行推理分析。4.根据权利要求3所述的方法，其特征在于，判断在线变量中多个变量是否反映同一个证据的步骤，包括：查找在线变量中每一变量所匹配的规则在专家规则库中的规则标识；相应地，将反映同一个证据的多个变量的可信度进行逻辑组合的步骤，包括：将属于同一规则标识的多个变量的可信度按照该规则标识中各个变量的逻辑组合关系进行逻辑组合。5.根据权利要求1至4任一所述的方法，其特征在于，采用模糊隶属度函数获取该变量的可信度，包括：根据下述公式，获取每一变量的可信度；其中，k为经验系数，xmean为预先设定的待分析的变量的正常范围平均值，x为待分析的变量，μCF...

【专利技术属性】
技术研发人员：王姝，袁杰，王福利，毛志忠，常玉清，赵露平，牛大鹏，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21