基于过程数据的带钢热连轧微小故障实时检测方法及装置制造方法及图纸

本发明专利技术涉及工业过程故障检测技术领域，特别是指一种基于过程数据的带钢热连轧微小故障实时检测方法及装置，方法包括：获取带钢热连轧过程数据；通过小波变换原理，对带钢热连轧过程数据进行预处理，得到训练数据，预处理包括降噪处理以及标准化处理；基于训练数据训练初始CVDA状态空间模型，得到典型变量差异数据CVD；利用典型变量差异数据CVD训练初始SVDD模型，得到训练好的CVDA

【技术实现步骤摘要】
基于过程数据的带钢热连轧微小故障实时检测方法及装置


[0001]本专利技术涉及工业过程故障检测
，特别是指一种基于过程数据的带钢热连轧微小故障实时检测方法及装置。

技术介绍

[0002]带钢热连轧过程是一种典型的复杂流程工业，由多个设备组成，包括加热炉、粗轧机组、热输出辊道和飞剪、精轧机组、层流冷却和卷取机组。过程监测和故障诊断可以及时发现异常状态，从而采取措施消除，提高产品质量和生产效益，降低安全隐患。随着新设备、网络化仪表和传感器技术的应用，工业过程中的历史数据被采集存储，其价值受到广泛关注。计算机技术和人工智能的兴起，使利用这些数据进行工业过程研究、建模和实现工业过程实时监控成为可能，如使用阈值门限和统计量进行比较可进行故障的实时监测,因此基于数据驱动的故障检测方法成为了带钢热连轧故障检测的热点方法。
[0003]虽然统计过程监测己在许多工业过程的故障检测与诊断中取得了丰硕的研究成果，但现有方法大多都专注于幅值较大的显著故障的监测。与显著故障相比，微小故障具有隐蔽、随机、幅值低、故障特征不明显、容易被噪声干扰、容易被较大的正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于过程数据的带钢热连轧微小故障实时检测方法，其特征在于，所述方法包括：S1、获取带钢热连轧过程数据；S2、通过小波变换原理，对所述带钢热连轧过程数据进行预处理，得到训练数据，所述预处理包括降噪处理以及标准化处理；S3、基于所述训练数据训练初始CVDA状态空间模型，得到典型变量差异数据CVD；S4、利用所述典型变量差异数据CVD训练初始SVDD模型，得到训练好的CVDA
‑
SVDD模型；S5、将带钢热连轧过程的待检测数据输入到训练好的CVDA
‑
SVDD模型，判断带钢热连轧过程是否发生微小故障。2.根据权利要求1所述的方法，其特征在于，所述S2的通过小波变换原理，对所述带钢热连轧过程数据进行预处理，得到训练数据，包括：S21、根据所述带钢热连轧过程数据的特征确定相应分解层数，选取相应的基小波函数，并计算分解各层的小波系数；S22、根据带钢热连轧过程的实际情况选取小波阈值，将所述分解各层的小波系数与所述小波阈值进行比较，如果存在有小波系数低于所述小波阈值的观测信号，则判断所述观测信号为噪声干扰信号，对所述噪声干扰信号进行阈值函数处理以降噪，如果存在有小波系数高于或等于所述小波阈值的观测信号，则判断所述观测信号为有效信号；S23、将所述有效信号与降噪处理后的信号相结合，完成小波变换对所述带钢热连轧过程数据的降噪处理；S24、对降噪处理后的带钢热连轧过程数据进行标准化处理，将标准化处理后的带钢热连轧过程数据确定为训练数据。3.根据权利要求1所述的方法，其特征在于，所述S3的基于所述训练数据训练初始CVDA状态空间模型，得到典型变量差异数据CVD，包括：S31、基于所述训练数据，通过定义过去向量和未来向量，分别构造过去Hankel矩阵和未来Hankel矩阵；S32、根据所述过去Hankel矩阵计算对应的第一自协方差矩阵，根据所述未来Hankel矩阵计算对应的第二自协方差矩阵，根据所述过去Hankel矩阵以及未来Hankel矩阵计算互协方差矩阵，并对公式（1）进行奇异值分解得到投影矩阵和；
ꢀꢀꢀꢀꢀꢀꢀ……
（1）S33、通过所述投影矩阵，将过去向量和未来向量投影到规范变量空间，得到规范变量和；S34、将观测空间划分为主元空间和残差空间，将奇异值按照从大到小的顺序进行排序，选取前n个奇异值以确定主元空间，剩余的奇异值用来确定残差空间；S35、基于所述主元空间和残差空间，计算投影后的过去规范向量和未来规范变量之间的差异，即为典型变量差异数据CVD。4.根据权利要求1所述的方法，其特征在于，所述CVDA
‑
SVDD模型包括一个最小体积超
球体的球心和半径，所述CVDA
‑
SVDD模型通过比较输入数据到最小体积超球体的球心的距离与最小体积超球体的半径，确定带钢热连轧过程是否发生微小故障。5.根据权利要求4所述的方法，其特征在于，所述S4的利用所述典型变量差异数据CVD训练初始SVDD模型，得到训练好的CVDA
‑
SVDD模型，包括：将所述典型变量差异数据CVD确定为初始SVDD模型的正常样本数据集，基于所述正常样本数据集训练初始SVDD模型的参数。6.根据权利要求5所述的方法，其特征在于，所述将所述典型变量差异数据CVD确定为初始SVDD模型的正常样本数据集，基于所述正常样本数据集训练初始SVDD模型的参数，包括：将所述典型变量差异数据CVD作为初始SVDD模型的正常样本数据集，通过非线性映射函数将正常样本数据集从低维特征空间投影到高维特征空间；基于下式（2）的约束优化问题进行优化：
……
(2)其中，为非线性映射函数，表示最小体积超球体的半径，表示最小体积超球体...

【专利技术属性】
技术研发人员：彭开香，毛冉冉，徐小科，董洁，
申请(专利权)人：鞍钢集团朝阳钢铁有限公司，
类型：发明
国别省市：