公开(公告)号：CN118644134A

公开(公告)日：2024-09-13

申请号：CN202410709992.9

申请日：2024-06-03

Applicant: 北京科技大学

Inventor： 张瀚文 ,  樊薇薇 ,  董洁 ,  彭开香

IPC: G06Q10/0639 ,  G06Q50/04 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供一种烧结过程质量异常溯源方法，涉及烧结工艺技术领域。所述方法包括建立提取烧结过程质量的平稳特征模块，通过收集的正常的烧结过程数据作为训练集，对提取烧结过程质量的平稳特征模块进行训练得到训练集的平稳分量及其协方差矩阵，FeO含量预测子模块根据训练集的平稳分量得到FeO含量的预测值；将在线监测的烧结过程数据作为样本集，根据基于孪生神经网络的平稳特征提取子模块对样本集进行处理，得到样本集的平稳分量；根据样本集的平稳分量及协方差矩阵，判断样本集是否存在异常数据，若存在异常数据，则绘制贡献图，本发明考虑了烧结过程数据的非平稳性、非线性以及非高斯性，提取出与FeO含量相关的平稳特征，改善了故障检测性能。

公开(公告)号：CN116904673A

公开(公告)日：2023-10-20

申请号：CN202310721580.2

申请日：2023-06-16

Applicant: 北京科技大学

Inventor： 张瀚文 ,  董洁 ,  彭开香

IPC: C21B5/00 ,  C21B7/24 ,  G06F18/213 ,  G06F18/214 ,  G06F123/02

Abstract: 本发明提供一种基于平稳特征提取的高炉异常炉况检测方法，属于高炉冶炼技术领域。所述方法包括：建立不同时间段正常炉况下的历史数据的高斯混合模型；基于建立的高斯混合模型，通过最小化不同时间段特征分布的差异性，构造特征提取矩阵提取平稳特征；建立平稳特征的高斯混合模型，并分别在每个组分下构造基于Mahalanobis距离的检测统计量；根据置信度水平利用正常炉况下的历史数据确定每个组分下检测统计量的阈值；利用特征提取矩阵计算待检测样本的平稳特征；判断所述平稳特征所属高斯混合模型的组分，并计算相应的检测统计量；若检测统计量大于对应组分下检测统计量的阈值，则判定为异常炉况。采用本发明，能够有效检测出高炉异常炉况。