基于特征子空间虚假邻点判别的铝电解槽况诊断模型.pdfVIP

第 5O卷第 10期 机 械 工 程 学 报 Vol1．50 N O．1O 2014 年 5 月 JOUR『NAL0FMECHANICALENGINEERING M ay 20 14 DoI：10．3901／JM E．2014．10．009 基于特征子空间虚假邻点判别的 铝 电解槽况诊断模型水 易 军 李太福 ，2 张元涛 周 伟 田应甫 (1．重庆科技学院电气与信息工程学院 重庆 401331； 2．重庆大学 自动化学院 重庆 400044； 3．重庆天泰铝业有限公司 重庆 401328) 摘要：造成铝电解异常槽况的因素较多，彼此相关性强，建立槽况诊断模型时计算量巨大。利用核主元分析法虽然可以对非 线性数据进行降维，但得到的主元仍然是原始变量在特征空间的线性组合，既无明确的物理含义，又无法对原始特征进行约 简达到减少传感器种类的目的。提出一种基于特征子空间虚假邻点判别的槽况诊断方法，首先考察各原始变量置零前后在核 空间主元投影上的相似度，根据其对槽况的解释能力进行原始变量选择；再将约简后的原始变量输入概率神经网络，对各类 异常槽况进行诊断 通过取自某厂 170KA大型预焙槽的268组样本进行检验：在原始特征约简 44．4％的情况下分类精度达 到95％以上，表明该方法不但可对原始特征进行有效约简，而且槽况分类精度和训练时间均优于同类模型。 关键词：虚假最近邻点法；核主元分析法；概率神经网络；故障诊断；铝电解 中图分类号：TQ821；TF391 DiagnosisM odelofStatusofAluminum ReductionCellsBasedonFalse NearestNeighborsinFeatureSubspace YIJun LITaifu · ZHANG Yuantao ZHOU Wei TIAN Yingfu (1．CollegeofEleclronic＆InformationEngineering， ChongqingUniversityofScienceandTechnology,Chongqing401331； 2．CollegeofAutomation，ChongqingUniversity,Chongqing400044； 3．ChongqingTiantaiAluminumCorporationLtd．，Chongqing401328) Abstract：Thereishugecomputationwhenstatusdiagnosismodelforaluminum electrolyticcellsisestablishedbecauseofmany srtongcorrelationfactors．Kernelprincipalcomponentanalysiscanbeusedtoreducethedimensionalityofthenonlinearcelldaat； however,theprincipalcomponentshaven’tclearphysicalmenaingasalinera combinationoftheoriginalvariablesinthefeature space．Themehtodcannotusedtoreduceoriginalfeatureinordertoachievehtepurposeofsensorsreduction．Toovercomethe above—mentionedproblems，anoveldiagnosismehtodbasedonfalseneraestneighbors(FNN)infeaturesubspaceisproposed．Inhte proposedapproach，itisinspiredbyFNN thatinterpret