电熔镁熔炼过程中的异常工况(如半熔化工况)直接影响产品质量、威胁人员和生产安全,有必要及时诊断.但与异常直接相关的超高温熔池温度(>2850℃)难以利用温度传感器检测,目前现场主要依靠工人在定期巡检时人眼观察炉壁来诊断,工作强度大、安全度低、诊断不及时.针对上述问题,本文提出一种炉体动态图像驱动的电熔镁炉异常工况实时诊断方法.结合电熔镁炉熔炼各区域温度分布的空间特征、正常工况下熔炼温度变化和水雾扰动引入的图像时序特征、以及异常工况下温度异常区域持续发亮扩大的特征,在对炉体动态图像进行空间多级划分的基础上,提出了一种多级动态主元分析(Multi-level dynamic principal component analysis,MLDPCA)动态图像分块建模方法.在此基础上,提出基于MLDPCA的逐级诊断方法与基于贡献图的异常定位方法.最后,采用某电熔镁生产现场的实际图像进行方法验证,结果表明了所提方法的有效性.
文章将动态主元分析(Dynamic Principal Component Analysis,DPCA)和稀疏主元分析(Sparse Principal Component Analysis,SPCA)两种方法结合起来,提出一种新的稀疏动态主元分析方法,并将其用于工业过程的故障检测;所提出的稀疏动态主元分析方法通过对过程数据的动态增广矩阵进行稀疏主元的求解,获取稀疏的负荷向量,该方法既考虑到了过程数据的动态特性,又降低了过程数据的冗余度,同时降低了计算负荷,非常适合工业过程的实时故障检测;此外,还提出了一种前向选择算法,用于确定稀疏主元中的非零负荷数目;最后,将所提出方法应用于数值例子和田纳西-伊斯曼过程,并将与主元分析、动态主元分析和稀疏主元分析等3种方法相比较,表明所提方法可以获得更好的故障检测效果。
