基于全局优化支持向量机的多类别高炉故障诊断.pdf

工程科学学报 。第39卷 ，第 1期：39—47，2017年 1月 ChineseJournalofEngineering，Vo1．39，No．1：39—47，January2017 DOI：10．13374／j．issn2095—9389．2017．O1．005；http：／／journals．ustb．edu．an 基于全局优化支持向量机的多类别高炉故障诊断 张海刚 ，，张 森 ， ，尹怡欣 ’ 1)北京科技大学自动化学院，北京 100083 2)北京科技大学钢铁流程先进控制教育部重点实验室，北京 100083 园 通信作者，E—mail：zhangsen@ustb．edu．cn 摘 要 针对高炉故障诊断系统快速性和准确性的要求 ，提出基于全局优化最小二乘支持向量机的策略．首先，采用变尺度 离散粒子群对最小二乘支持向量机的参数和故障特征的选取进行优化；然后，利用核主元分析法对选取的特征向量进行压缩 整理：最后 ，构造了以Fisher线性判别率为标准的启发式纠错输出编码．仿真结果表明，通过对故障训练样本有意义地分割重 组 ．用较少的最小二乘支持向量机分类器，得到较高的故障判断准确率且增强了整个系统的实时性． 关键词 高炉：故障诊断；最小二乘分析；支持向量机；全局优化 分类号 TF549 Multi--classfaultdiagnosisofBFbasedonglobaloptimizationLS--SVM ZHANGHal—gang ．ZHANGSen，旧 Yi．xin’ ． 1)SchoolofAutomationandElectricalEngineering，UniversityofScienceandTechnologyBeijing，Beijing100083，China 2)KeyLaboratoryofAdvancedControlofIronandSteelProcess(Ministry ofEducation)，UniversityofScienceandTechnologyBeijing，Beijing 100083，China 圜 Correspondingauthor．E-mail：zhangsen@ustb．edu．cn ABSTRACT Aimingattherequirementofhighspeedandprecisioninblastfurnacefaultdiagnosissystems，anew strategybasedon globaloptimizationleast—squaressupportvectormachines(LS·SVM)wasproposedtosolvethisproblem．Firstly，thevariablemetric discreteparticleswarnloptimizationalgorithm wasemployedtooptimizethefeatureselectionandLS-SVM parameters．Secondly，the featurevectorwascompressedbykernelprincipalcomponentanalysis．Finally，theheuristicerrorcorrectingoutputcodeswerecon— structedonthebasisofFisherlineardiscriminaterate．Inthefaultdiagnosisscheme，fewerLS—SVM classifierswereappliedthrough meaningfulpartitionsandrecombinationoffaulttrainingsamples．Simulationresultsshow thattheproposedfaultdiagnosismethodcan notonlyimprovethefaultdetectionaccuraterate，butalsoenhancethetimelinessoftheentiresystem． KEY W ORDS blastfurnaces；faultdiagnosis；least—squaresanalysis；supportvectormachines；globaloptimization 钢铁工业是我 国国民经济的基础产业和支柱产 到节能减排的目的．高炉炉况故障诊断在高炉自动化 业 ]