申请/专利权人:北京科技大学
申请日:2023-06-16
公开(公告)日:2024-02-13
公开(公告)号:CN116904673B
主分类号:G06F18/213
分类号:G06F18/213;G06F18/214;C21B5/00;C21B7/24;G06F123/02
优先权:
专利状态码:有效-授权
法律状态:2024.02.13#授权;2023.11.07#实质审查的生效;2023.10.20#公开
摘要: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。
主权项:1.一种基于平稳特征提取的高炉异常炉况检测方法,其特征在于,包括:离线建模过程和在线检测过程;其中,所述离线建模过程包括: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历史数据的平稳特征;其中,不同时间段特征分布的差异性利用Wasserstein距离进行度量;建立提取到的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;所述在线检测过程包括: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。
全文数据:
权利要求:
百度查询: 北京科技大学 一种基于平稳特征提取的高炉异常炉况检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。