The invention belongs to the technical field of fault diagnosis of hydrometallurgical dense washing process, in particular to a fault diagnosis method of hydrometallurgical dense washing process based on Fuzzy DCD. The method includes the following steps: determine DCD events and event variables in the dense washing process, DCD events include node events and intermediate events; determine the causal relationship and connection probability between event variables according to DCD events and event variables, and establish the causal graph model; conduct real-time operation data collected in the actual process to determine whether there is any abnormality in the dense washing process In monitoring, if it is detected that there are variables in the abnormal state, the intermediate events in the cause and effect diagram structure model are divided into abnormal intervals by using the fuzzy idea, and the abnormal intervals are described by using the membership function to get the fault diagnosis results. This method can combine the qualitative information with the quantitative information, according to the abnormal phenomena detected, carry out on-line fault diagnosis and give the fault reasons.
【技术实现步骤摘要】
基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法
本专利技术属于湿法冶金浓密洗涤过程故障诊断
，尤其涉及一种基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法。
技术介绍
随着社会经济快速发展，矿产资源需求量日益增大，但高品位矿石储量却不断下降，湿法冶金工艺开始受到世界各国的高度关注。湿法冶金是一种常用的处理低品位矿的冶金方法，与传统的火法冶金相比具有高效、清洁、环保的优势，虽然我国是世界上矿产资源丰富、矿物种类多样的少数国家之一，就矿石本身的质量来看，我国的矿产整体质量不高，那么有效且环保地利用低品位矿产资源的冶金技术则尤为重要，从而达到废矿变优矿、一矿变多矿和小矿变多矿的目标。在湿法冶金这个复杂工业过程中，故障的发生不仅直接影响生产效益，还可能导致严重的安全问题等诸多方面的问题，在上述情况下，为了有效地利用低品位金属矿物资源，对湿法冶金过程进行高效准确地故障诊断具有着重大意义。本专利技术以湿法冶金的浓密洗涤过程为研究背景，对浓密洗涤工艺过程进行实时监测和故障诊断，湿法冶金浓密洗涤过程工艺流程如图1所示。
【技术保护点】
1.一种基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法，其特征在于，包括以下步骤：/nA1、浓密洗涤过程DCD事件确定：确定浓密洗涤过程DCD事件，明确湿法冶金浓密洗涤过程所涉及的事件变量，所述DCD事件包括节点事件和中间事件；/nA2、DCD结构学习：根据所述DCD事件及事件变量，确定所述事件变量之间的因果关系及连接概率，并建立因果图模型；/nA3、DCD在线过程故障诊断：通过实际过程中采集到的实时运行数据对浓密洗涤过程是否有异常发生进行实时监测，若监测到有变量处于异常状态，则利用模糊思想，将因果图结构模型中的中间事件划分出异常区间，利用隶属度函数描述所述异常区间，得到故障诊断结果。/n
【技术特征摘要】
1.一种基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法，其特征在于，包括以下步骤：
A1、浓密洗涤过程DCD事件确定：确定浓密洗涤过程DCD事件，明确湿法冶金浓密洗涤过程所涉及的事件变量，所述DCD事件包括节点事件和中间事件；
A2、DCD结构学习：根据所述DCD事件及事件变量，确定所述事件变量之间的因果关系及连接概率，并建立因果图模型；
A3、DCD在线过程故障诊断：通过实际过程中采集到的实时运行数据对浓密洗涤过程是否有异常发生进行实时监测，若监测到有变量处于异常状态，则利用模糊思想，将因果图结构模型中的中间事件划分出异常区间，利用隶属度函数描述所述异常区间，得到故障诊断结果。
2.根据权利要求1所述的基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法，其特征在于，
所述步骤A1，在确定浓密洗涤过程DCD事件过程中，将过程状态变量作为因果图节点事件，将异常或故障作为因果图基本事件，通过对过程中常见的故障及其原因分析确定因果图的基本事件和节点事件。
3.根据权利要求2所述的基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法，其特征在于，
所述步骤A2中，利用基于先验知识的因果图结构学习方法建立因果图模型。
4.根据权利要求3所述的基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法，其特征在于，
所述基于先验知识的因果图结构学习方法为：
1)预先采集多位专家的知识和经验信息，将多位专家的知识和经验信息进行有效融合，其中，融合的方式为将可信度作为连接概率的权重因子，对其加权平均得到多位专家对同一对节点间连接概率值的估计，作为先验知识；
2)将获取的多专家先验知识进行压缩编码后融入到因果图的MDL函数，得到因果图结构的MDL评分函数。
5.根据权利要求4所述的基于模糊DCD的湿法冶金浓密洗涤过程故障诊断方法，其特征在于，
所述步骤1)具体包括：
令U是一个点的空间，其中的任意一个元素用x表示，U上的一个Vague集V用一个真隶属度函数tV和一个假隶属函数fV表示，tV(x)是从支持x的证据所导出的x的隶属度下界，fV(x)则是从反对x的证据所导出的x的否定隶属度下界，tV(x)和fV(x)将区间[0,1]中的实数与其中每一个元素联系起来，即tV:U→[0,1]，fV:U→[0,1]，tV(x)+fV(x)≤1，0≤tV(x)≤1，0≤fV(x)≤1，令x＝[tx,1-fx]，y＝[ty,1-fy]是论域U上的两个Vague集，改进的Vague集的相似度量方法如下式所示：
元素x为概率值的置信上限、均值和置信下限的取值；
获取事件最终概率值的具体步骤如下：
步骤1：分别获取每两名专家对同一节点对(Vi,Vj)之间的概率值并根据所述概率值得到该节点对的概率值相似度并构造相似度矩阵M(Vi,Vj)：
其中，为专家k对节点对(Vi,Vj)给出的概率值，为专家l对节点对(Vi,Vj)给出的概率值，
式中：n为专家数量；
步骤2：根据相似度矩阵M(Vi,Vj)，计算每位专家的平均相似度
步骤3：根据每位专家的平均相似度计算每位专家的相对相似度
步骤4：根据预先获得的每位专家的自估可信度计算每位专家的相对可信度
步骤5：根据每位专家的相对相似度和相对可信度计算每位专家的最终可信度
式中：0≤β≤1，当β＝0时，为不考虑专家自估可信度而只考虑专家意见的相似性；当β＝1时，为不考虑专家意见的相似性而只考虑专家自估可信度；
步骤6：将每位专家的最终可信度进行加权平均，...
【专利技术属性】
技术研发人员：王姝，刘艳广，张思琦，常玉清，孟思彤，翟校辉，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。