【技术实现步骤摘要】
一种基于机器学习的直流矿热炉异常事件预警系统
本专利技术涉及矿热炉控制
，尤其涉及一种基于机器学习的直流矿热炉异常事件预警系统。
技术介绍
目前，正负电极均垂直炉膛布置的工业铁合金直流冶炼技术在工业应用中较少，一些相关的冶炼技术尚在摸索过程当中，但该炉型在现有的很稀少的生产线上已初见成效，节能环保优势明显，与交流电炉比具有功率因数高、短网电抗小、无集肤效应等优点，粉料适应性好；与底电极技术直流炉相比，无底电极消耗，所以无需做定期的底电极大修工作，可保障冶炼生产的连续性。然而，在竖直正负电极直流电炉生产冶炼过程中，跟据电子轰击原理，正电极阳极区的发热量较负电极阴极区发热量过大，导致竖直两电极焙烧的特性相异，经常出现电极软硬断事故。同时，矿热炉冶炼在本体炉膛内进行着复杂的化学还原反应，过程隐蔽难以测度，存在着较大的模糊性、随机性和不确定性，如果操作不当，经常会出现塌料和电极软硬断事故，这两种异常事件是直流矿热炉最为经常发生的事故，严重的影响了矿热炉的正常生产。事故一旦出现，轻者耗费大量人力、财力和时间；重者会损坏矿...
【技术保护点】
1.一种基于机器学习的直流矿热炉异常事件预警系统，其特征在于包括：/n对直流矿热炉在生产过程中的多项物理数据参量进行感知检测、并将感知到的信息按照一定规律变换成电信号的传感器模块(M1)；/n按照一定周期接收传感器模块(M1)传送的电信号的数据采集模块(M2)，所述数据采集模块(M2)采用防抖、滤波、钝化的方法对接收到的电信号进行数据处理并输出；/n接收所述数据采集模块(M2)传送的数据信息的中央处理模块(M3)，所述中央处理模块(M3)对接收到的信号进行逻辑控制、调整生产工艺的控制策略；/n接收所述中央处理模块(M3)传送的逻辑控制信息的人机交互模块(M4)，所述人机交互...
【技术特征摘要】
1.一种基于机器学习的直流矿热炉异常事件预警系统，其特征在于包括：
对直流矿热炉在生产过程中的多项物理数据参量进行感知检测、并将感知到的信息按照一定规律变换成电信号的传感器模块(M1)；
按照一定周期接收传感器模块(M1)传送的电信号的数据采集模块(M2)，所述数据采集模块(M2)采用防抖、滤波、钝化的方法对接收到的电信号进行数据处理并输出；
接收所述数据采集模块(M2)传送的数据信息的中央处理模块(M3)，所述中央处理模块(M3)对接收到的信号进行逻辑控制、调整生产工艺的控制策略；
接收所述中央处理模块(M3)传送的逻辑控制信息的人机交互模块(M4)，所述人机交互模块(M4)对接收到的数据信息进行实时显示、并将工艺操作人员的控制指令发送至中央处理模块(M3)进行逻辑控制、实现与中央处理模块(M3)的双向数据沟通；
接收中央处理模块(M3)传送的逻辑控制数据的机器学习模块(M5)，所述机器学习模块(M5)通过对直流炉冶炼生产的海量历史数据测点进行分析、特征提取，实时预估当前电极电流的输出特征，根据当前电极电流实际输出特征和直流矿热炉模型预估的电极电流输出特征获取电极电流输出特征残差，通过在电极电流输出特征残差中设定合适的阈值作为塌料、电极软硬断异常事件的判断依据、当特征残差大于设定的阈值则输出预警信号；所述机器学习模块(M5)借助设备故障智能预测引擎，通过对直流炉冶炼生产的海量历史数据测点进行分析和建模，针对性的建立直流炉冶炼中的塌料、电极软硬断两种异常事件的预测算法，并使用历史数据对算法进行反向验证，以验证塌料、电极软硬断事故预测算法，对异常进行预警分析；所述机器学习模块(M5)还对接收到的逻辑控制数据进行大数据处理、特征提取、分析学习和业务应用、同时将学习成果信息反馈至中央处理模块(M3)；
接收所述中央处理模块(M3)发出的控制指令的数控输出模块(M6)，所述数控输出模块(M6)将信息转换成各种物理信号输出；
接收所述数控输出模块(M6)传送的物理信号的执行机构模块(M7)，所述执行机构模块(M7)将物理信号对应的执行动作实施在直流矿热炉生产过程中的多种设备上。
2.根据权利要求1所述的基于机器学习的直流矿热炉异常事件预警系统，其特征还在于：所述机器学习模块(M5)包括特征提取模块(M5-1)、分析学习模块(M5-2)和业务应用模块(M5-3)；
所述特征提取模块(M5-1)采用无监督机器学习方法对数据进行主成分分析：首先接收直流矿热炉的原始数据、对该数据进行...
【专利技术属性】
技术研发人员：谷端玉，张宏程，张宏，张进，
申请(专利权)人：大连重工机电设备成套有限公司，大连华锐重工集团股份有限公司，
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。