公开(公告)号：CN107463093A

公开(公告)日：2017-12-12

申请号：CN201710567941.7

申请日：2017-07-13

Applicant: 东北大学

Inventor： 周平 ,  梁梦圆 ,  荣键 ,  刘记平 ,  柴天佑

IPC: G05B13/04

CPC classification number: G05B13/042

Abstract: 本发明提供一种基于KPLS鲁棒重构误差的高炉铁水质量监测方法，包括：采集相同时刻的高炉运行参数和铁水质量变量；选取训练集并将其标准化；将训练集中的输入数据映射到高维特征空间，得到Gram矩阵K并中心化处理；获取新的包含非正常工况的高炉运行参数及铁水质量变量样本作为测试集并标准化处理；将测试集中的输入数据矩阵映射到高维特征空间得到Gram矩阵并中心化处理；构建偏最小二乘模型描述高维特征空间和输出数据矩阵；采用T2统计量和Q统计量来检验高炉炼铁过程是否异常；求解原始过程变量数据的重构值，辨识造成高炉异常工况的过程变量。本发明可以在高炉铁水质量监测中对故障进行准确辨识，提高对铁水质量的监测性能，从而保证高炉铁水质量。

公开(公告)号：CN107463093B

公开(公告)日：2019-05-21

申请号：CN201710567941.7

申请日：2017-07-13

Applicant: 东北大学

Inventor： 周平 ,  梁梦圆 ,  荣键 ,  刘记平 ,  柴天佑

IPC: G05B13/04

Abstract: 本发明提供一种基于KPLS鲁棒重构误差的高炉铁水质量监测方法，包括：采集相同时刻的高炉运行参数和铁水质量变量；选取训练集并将其标准化；将训练集中的输入数据映射到高维特征空间，得到Gram矩阵K并中心化处理；获取新的包含非正常工况的高炉运行参数及铁水质量变量样本作为测试集并标准化处理；将测试集中的输入数据矩阵映射到高维特征空间得到Gram矩阵并中心化处理；构建偏最小二乘模型描述高维特征空间和输出数据矩阵；采用T2统计量和Q统计量来检验高炉炼铁过程是否异常；求解原始过程变量数据的重构值，辨识造成高炉异常工况的过程变量。本发明可以在高炉铁水质量监测中对故障进行准确辨识，提高对铁水质量的监测性能，从而保证高炉铁水质量。