【技术实现步骤摘要】
本申请涉及故障诊断，特别是一种用于连铸机零段基座故障诊断方法及系统。
技术介绍
1、连铸机是炼钢生产中的核心设备，零段基座的位置精度对铸坯质量和设备稳定运行至关重要。由于零段基座处于高温、高湿等恶劣环境中，并承受铸坯重量和拉坯阻力的共同作用，易发生结构沉降和形变。这种形变可能导致零段与基座的接触位置发生相对滑移，从而引起基座所受压力的显著波动。一旦零段基座发生较大位移或形变，将会导致铸坯外弧边裂，同时也加速零段损坏，造成重大经济损失。因此，对零段基座进行实时状态监测显得格外重要。
2、现有技术缺乏在线监测手段，依赖非实时的板坯测弧和人工检查，其中板坯测弧方式一般10天测一次，具有滞后性和不及时性，并且板坯测弧是在非生产状态下测量的，测量数据不能准确反映零段工作状态中的基座形变量；人工测量方式需要将结晶器盖板、结晶器和零段等设备起吊后才能进行检查，这不仅大大提高了人工成本，也降低了设备健康维护的效率。
3、深度学习技术因其具有处理大量数据并能够从数据中有效提取特征的能力而被广泛应用于故障诊断领域，如循环神经网络、cnn网络和transformer网络等，但上述网络均存在缺陷，循环神经网络不能够进行并行运算，造成了长序列学习中的遗忘问题；cnn网络受限于卷积核的大小，会导致捕获远程信息的能力有限；transformer模型缺乏对局部特征的把控，并且存在模型参数量大、计算速度慢的问题；除此之外，上述模型均存在因受限于网络模型超参数的选择而难以构建精确网络模型的问题。因此，许多学者提出众多智能优化算法对网络模型超
技术实现思路
1、本申请的目的在于提供一种基于改进transformer的连铸机零段基座故障诊断方法及系统，以解决现有技术缺乏连铸机零段基座在线监测手段，依赖非实时的板坯测弧和人工检查，而深度学习技术受限于模型参数选择和计算速度无法进行连铸机零段基座故障诊断应用的缺陷。
2、本申请的实施例是这样实现的：
3、一种基于改进transformer的连铸机零段基座故障诊断方法，其特征在于，包括以下步骤：
4、步骤1：获取基座正常状态和常见故障状态的压力信号，进行预处理，划分为训练集和测试集；
5、步骤2：对训练集和测试集分别进行时域和频域特征参数提取，使用kpca和熵权法融合特征，构建出增强的多域特征；
6、步骤3：引入非线性收敛因子、自适应权重和柯西扰动策略改进鲸鱼优化算法，得到iwoa模型或改进的鲸鱼优化算法模型；
7、步骤4：构建融合时序卷积的transformer网络模型，并利用iwoa模型优化transformer网络模型参数；
8、步骤5：利用训练集训练优化后的transformer网络模型，输入测试集多域特征，实现基座各种状态的准确识别。
9、上述技术方案中，步骤1中常见故障状态包括：支撑结构销轴变形、整体沉降偏移、安装定位孔磨损和支撑结构钢板磨损。
10、上述技术方案中，步骤1中预处理包括使用箱线图法筛选异常值，使用线性回归法填补缺失值，并将数据集分组并设置各组标签，使得每种基座状态对应一个标签。
11、上述技术方案中，步骤2中多域特征至少包括如下多个时域特征：基座压力信号的均值p1、均方根值p2、标准差p3、峭度指标p4、波形指标p5和裕度指标p6。
12、上述技术方案中，步骤2中多域特征至少包括如下多个频域特征：基座压力信号的频域特征包括计算压力信号的频率幅值方差p7，均方根频率p8，重心频率p9。
13、上述技术方案中，步骤3中iwoa模型的参数设置如下：
14、设置非线性收敛因子α和设置自适应权重β，均随着鲸鱼进化代数的递增而非线性递减：
15、
16、a＝2ar-a；
17、
18、并设置iwoa模型在随机搜索阶段、收缩包围阶段、螺旋气泡网攻击阶段，利用如下位置更新公式，进行参数寻优以获取最优解位置；
19、
20、其中：t为迭代次数，tmax是最大迭代次数，r是0,1之内的随机数；t表示当前迭代次数，x(t)是当前时刻位置，x*(t)是目前得到最优解的位置向量，x(t+1)是下一时刻位置，xrand表示随机选择的鲸鱼位置向量，a为调整系数，d1是c倍猎物位置与当前鲸鱼位置的差值绝对值，d2为当前座头鲸位置与最优解位置之间的距离，b为一个螺旋形状常数，l为[-1，1]的随机数，p为捕食机制概率；
21、运用柯西变异算子对获取的最优解位置进行扰动变异操作得出新解，柯西变异算子公式如下：
22、x*(t+1)＝x*(t)·[1+саисhу(0,1)]；
23、式中：x*(t+1)为当前最优值经扰动后的新值，cauchy(0,1)为柯西算子。
24、上述技术方案中，步骤4中构建的融合时序卷积的transformer网络模型由位置编码层、特征编码模块和特征解码模块组成；
25、所述位置编码层用来描述压力特征之间的相互位置，处理各数据集序列中的长距离依赖关系；
26、所述特征编码器由多个相同的encoder层组成，每个encoder层依次由多头自注意力层、时序卷积层和前馈神经网络层组成，并且在每层之间采取了残差连接和归一化处理，其主要负责将经过位置编码的压力时序数据的时域指标和频域指标进行特征编码，并传输到特征解码器；
27、所述特征解码器由多个相同的decoder层组成，每个decoder层依次由掩盖多头自注意力层、时序卷积层、编码-解码注意力层、前馈神经网络层和池化层组成，并且在网络层之间采取了残差连接和层归一化处理，其负责接收特征编码模块的输出信号进行特征解码后传入输出层。
28、上述技术方案中，步骤4中多头自注意力层是多个自注意力机制拼接在一起，通过计算权重系数来表压力征特征之间的相关性，再将计算得到的输出矩阵拼接在一起后经过全连接层输出，最终得到多头注意力值。
29、上述技术方案中，步骤4中所述前馈神经网络层是具有两层线性层的全连接网络，由两层全连接层构成，中间的隐含层使用relu函数激活。
30、上述技术方案中，步骤4中所述残差连接结构位于特征编码模块和特征解码模块的每个子层之间。
31、上述技术方案中，步骤4中特征解码器的池化层选用最大池化层，在神经元向前传播的过程中，选取特定步长矩阵区域中值最大的点，同时记录该点的位置信息。
32、上述技术方案中，步骤4利用iwoa模型对融合时序卷积的transformer网络模型的参数进行优化，所述参数包括编码器层数，解码器层数、注意力头数、迭代次数、本文档来自技高网...
【技术保护点】
1.一种基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤1中常见故障状态包括：支撑结构销轴变形、整体沉降偏移、安装定位孔磨损和支撑结构钢板磨损。
3.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤1中预处理包括使用箱线图法筛选异常值，使用线性回归法填补缺失值，并将数据集分组并设置各组标签，使得每种基座状态对应一个标签。
4.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤2中多域特征至少包括如下多个时域特征：基座压力信号的均值P1、均方根值P2、标准差P3、峭度指标P4、波形指标P5和裕度指标P6。
5.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤2中多域特征至少包括如下多个频域特征：基座压力信号的频域特征包括计算压力信号的频率幅值方差P7，均方根
6.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤3中IWOA模型的参数设置如下：
7.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤4利用IWOA模型对融合时序卷积的Transformer网络模型的参数进行优化，所述参数包括编码器层数，解码器层数、注意力头数、迭代次数、学习率、批量大小。
8.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤5中利用训练样本集对优化后的Transformer网络模型进行训练的具体步骤为：
9.根据权利要求1所述的基于改进Transformer的连铸机零段基座故障诊断方法，其特征在于，步骤5将测试集中提取的多域特征输入到训练好的Transformer模型中进行分类处理，经全连接层和Softmax分类器层后获得多种基座状态的故障诊断结果。
10.一种基于改进Transformer的连铸机零段基座故障诊断系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于改进transformer的连铸机零段基座故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进transformer的连铸机零段基座故障诊断方法，其特征在于，步骤1中常见故障状态包括：支撑结构销轴变形、整体沉降偏移、安装定位孔磨损和支撑结构钢板磨损。
3.根据权利要求1所述的基于改进transformer的连铸机零段基座故障诊断方法，其特征在于，步骤1中预处理包括使用箱线图法筛选异常值，使用线性回归法填补缺失值，并将数据集分组并设置各组标签，使得每种基座状态对应一个标签。
4.根据权利要求1所述的基于改进transformer的连铸机零段基座故障诊断方法，其特征在于，步骤2中多域特征至少包括如下多个时域特征：基座压力信号的均值p1、均方根值p2、标准差p3、峭度指标p4、波形指标p5和裕度指标p6。
5.根据权利要求1所述的基于改进transformer的连铸机零段基座故障诊断方法，其特征在于，步骤2中多域特征至少包括如下多个频域特征：基座压力信号的频域特征包括计算压力信号的频率幅值方差p7，均方根频率...
【专利技术属性】
技术研发人员：但斌斌，李欣，容芷君，熊凌，都李平，冯鹏云，王祎浩，赵海杰，聂勤文，陈利，周纯，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：
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。