本發(fā)明涉及工業(yè)窯爐識別，尤其涉及一種融合過程變量和專家知識的工業(yè)爐窯工況識別方法及系統(tǒng)。

背景技術(shù)：

1、工業(yè)爐窯作為工業(yè)生產(chǎn)中的核心設(shè)備，其工作狀態(tài)直接關(guān)系到產(chǎn)品的質(zhì)量、產(chǎn)量以及爐窯的安全和使用壽命。工業(yè)爐窯工況識別是指通過監(jiān)測和分析爐窯的狀態(tài)參數(shù)，結(jié)合專業(yè)知識，對其工作狀態(tài)進行識別，評估是否存在發(fā)生異常工況的風(fēng)險。作為眾多工業(yè)生產(chǎn)過程中至關(guān)重要的設(shè)備之一，工業(yè)爐窯的調(diào)控頻率高、原材料成分波動較大，這可能導(dǎo)致爐窯出現(xiàn)異常情況，給爐窯的穩(wěn)定運行和安全長壽帶來了巨大挑戰(zhàn)。

2、基于數(shù)據(jù)驅(qū)動的方法和基于專家知識的方法是目前常用的兩種工業(yè)爐窯工況識別方法。前者利用爐窯運行過程中產(chǎn)生的輸入和輸出數(shù)據(jù)進行統(tǒng)計分析，建立數(shù)據(jù)驅(qū)動模型。然而，該方法的局限性在于模型需要大量樣本進行訓(xùn)練，才能達到一定的預(yù)測準(zhǔn)確率，但實際情況下異常工況數(shù)據(jù)往往較為稀缺，因此較難訓(xùn)練出具有高泛化性能的模型?；趯＜抑R的方法則將專業(yè)知識融入到模型中，對冶煉過程原理進行建模，并計算關(guān)鍵指標(biāo)來檢測工況。然而，該方法的缺點在于需要大量約束條件，而一些理想假設(shè)在實際情況下可能并不成立。此外，機理模型通常涉及復(fù)雜的方程，很難求得解析解，而且模型的眾多參數(shù)往往無法及時在線更新，這可能導(dǎo)致形成的理論不能有效地指導(dǎo)工業(yè)爐窯工況的識別。

3、同時，在工業(yè)爐窯工況識別的過程中，當(dāng)現(xiàn)場工作人員獲取并利用的信息不足以滿足對客觀事物的精準(zhǔn)描述時，就會出現(xiàn)認(rèn)知的不確定性，這種不確定性可以總結(jié)為模糊性、多義性和多源證據(jù)沖突。因此，單純地考慮過程變量或?qū)＜抑R，并試圖直接融合含有矛盾的多條證據(jù)時，都可能導(dǎo)致工況識別的不準(zhǔn)確，甚至得出與直覺相悖的結(jié)論。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種融合過程變量和專家知識的工業(yè)爐窯工況識別方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中的工業(yè)窯爐工況識別方法存在精度較低的問題。

2、為了實現(xiàn)上述目的，本發(fā)明通過如下的技術(shù)方案來實現(xiàn)：

3、第一方面，本發(fā)明提供一種融合過程變量和專家知識的工業(yè)爐窯工況識別方法，包括：

4、s1：篩選工業(yè)爐窯過程變量集的關(guān)鍵過程變量，并提取所述關(guān)鍵過程變量在預(yù)設(shè)時間窗內(nèi)的動態(tài)特征；

5、s2：將所述動態(tài)特征，結(jié)合nusvc模型和概率映射函數(shù)，構(gòu)建客觀證據(jù)理論模型，根據(jù)所述客觀證據(jù)理論模型，得到客觀證據(jù)源；

6、s3：基于工業(yè)爐窯專家知識構(gòu)建關(guān)于關(guān)鍵過程變量的邏輯規(guī)則和隸屬度函數(shù)，基于所述邏輯規(guī)則、隸屬度函數(shù)以及所述關(guān)鍵過程變量的動態(tài)特征，構(gòu)建主觀證據(jù)理論模型，根據(jù)所述主觀證據(jù)理論模型得到含多條主觀證據(jù)的主觀證據(jù)源；

7、s4：先融合所述多條主觀證據(jù)得到新的主觀證據(jù)源，再將所述新的主觀證據(jù)源與所述客觀證據(jù)源進行二次融合，得到工業(yè)爐窯工況的識別結(jié)果。

8、第二方面，本申請?zhí)峁┮环N融合過程變量和專家知識的工業(yè)爐窯工況識別系統(tǒng)，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述第一方面所述方法的步驟。

9、有益效果：

10、本申請?zhí)峁┑娜诤线^程變量和專家知識的工業(yè)爐窯工況識別方法，提取了包含重要爐窯工況信息且非冗余的關(guān)鍵過程變量集。針對僅通過數(shù)據(jù)或知識來片面地識別爐窯工況的問題，本發(fā)明提出一種數(shù)據(jù)-知識聯(lián)合驅(qū)動的方法，分別建立了基于過程變量的客觀證據(jù)理論模型和基于專家知識的主觀證據(jù)理論模型，提取了相應(yīng)的證據(jù)結(jié)論和證據(jù)可信度，在融合含沖突的多證據(jù)源時，通過沖突再分配和證據(jù)二次融合的方法，依次融合了多主觀證據(jù)源，得到了新的主觀證據(jù)，再將其與客觀證據(jù)進行二次融合，化解了證據(jù)間的局部矛盾，得到了融合過程變量和專家知識的爐窯工況精準(zhǔn)識別結(jié)果。

11、在進一步的方案中，將nusvc模型計算得到的樣本到對應(yīng)超平面的距離作為爐窯工況識別的影響因子，輸入到爐窯工況概率映射函數(shù)中，建立了客觀證據(jù)理論模型，并充分結(jié)合現(xiàn)場調(diào)研經(jīng)驗和工業(yè)爐窯專家知識，構(gòu)建了爐窯工況識別的邏輯規(guī)則和隸屬度函數(shù)，建立了主觀證據(jù)理論模型，獲取了判斷爐窯工況的粗略識別結(jié)果，即客觀證據(jù)和含多條主觀證據(jù)的主觀證據(jù)源，這為后續(xù)主、客觀證據(jù)融合提供了證據(jù)來源。

12、在進一步的方案中，在進行二次融合時，充分考慮了各證據(jù)間的歐氏距離、bhattacharyya距離和余弦相似度，基于這三種計算指標(biāo)計算得到了三條修正后的證據(jù)，再通過計算各修正證據(jù)之間的局部沖突程度，得到了沖突再分配因子，進而融合了修正證據(jù)，得到了新的證據(jù)源，解決了存在沖突的多證據(jù)集難以有效融合的問題，為爐窯工況識別時主、客觀證據(jù)的融合提供了理論基礎(chǔ)。

技術(shù)特征：

1.一種融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述s1包括：

3.根據(jù)權(quán)利要求2所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述s11包括：

4.根據(jù)權(quán)利要求3所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述執(zhí)行對目標(biāo)過程變量集進行相關(guān)性分析和刪除變量的操作的步驟，包括：

5.根據(jù)權(quán)利要求1所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述動態(tài)特征包括：均值、標(biāo)準(zhǔn)差、趨勢指數(shù)、波動系數(shù)、自相關(guān)系數(shù)、峰度和偏度。

6.根據(jù)權(quán)利要求1所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述s2中的nusvc模型滿足如下關(guān)系式：

7.根據(jù)權(quán)利要求1所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述s3包括：

8.根據(jù)權(quán)利要求1所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述s4包括：

9.根據(jù)權(quán)利要求1所述的融合過程變量和專家知識的工業(yè)爐窯工況識別方法，其特征在于，所述將所述新的主觀證據(jù)源與所述客觀證據(jù)源進行二次融合的融合規(guī)則滿足如下關(guān)系式：

10.一種融合過程變量和專家知識的工業(yè)爐窯工況識別系統(tǒng)，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述權(quán)利要求1至9中任一所述方法的步驟。

技術(shù)總結(jié)
本發(fā)明涉及工業(yè)爐窯工況識別技術(shù)領(lǐng)域，公開了一種融合過程變量和專家知識的工業(yè)爐窯工況識別方法及系統(tǒng)，該方法分別建立了基于過程變量的客觀證據(jù)理論模型和基于專家知識的主觀證據(jù)理論模型，采用沖突再分配和證據(jù)二次融合算法，以數(shù)據(jù)?知識聯(lián)合驅(qū)動的方式進行工業(yè)爐窯工況識別，為工業(yè)爐窯的穩(wěn)定運行和安全長壽提供了可靠的保障。

技術(shù)研發(fā)人員：潘冬,徐思遠(yuǎn),蔣朝輝,余浩洋,陳志文,孫小東,李志,周科,桂衛(wèi)華
受保護的技術(shù)使用者：中南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10