买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京科技大学

摘要：本发明公开了一种模型与数据联合驱动热连轧过程故障诊断方法和装置，属工业监测领域，该方法包括：获取带钢热连轧过程历史数据，从中筛选出带钢热连轧过程关键工艺参数变量；根据工艺参数变量数据特性设计模型参数约束条件，构建每一工艺参数变量的预测模型并对各模型进行训练；基于训练好的预测模型对各工艺参数变量进行因果发现，构建基于数据驱动的带钢热连轧因果图；结合机理模型对带钢热连轧因果图进行优化，并在优化后的带钢热连轧因果图上加上动态MI值，得到多粒度因果关联网络；对带钢热连轧过程进行故障监测，并在发生故障时实现故障溯源。本发明能充分利用带钢热轧过程机理模型，提高深度网络的可解释性，消除故障溯源中的拖尾效应。

主权项：1.一种模型与数据联合驱动热连轧过程故障诊断方法，其特征在于，包括：获取带钢热连轧过程历史数据，对所述历史数据进行筛选，从所述历史数据中筛选出带钢热连轧过程关键工艺参数变量，组成历史工艺参数变量数据集；根据工艺参数变量数据特性设计模型参数约束条件，构建每一工艺参数变量的预测模型，并利用所述历史工艺参数变量数据集对各预测模型进行训练；基于训练好的预测模型对各工艺参数变量进行因果发现，根据各工艺参数变量之间的因果关系构建基于数据驱动的带钢热连轧因果图；结合机理模型对所述带钢热连轧因果图进行优化，并实时计算优化后的带钢热连轧因果图中连接变量间动态MI值，在优化后的带钢热连轧因果图上加上动态MI值，得到多粒度因果关联网络；基于预测模型，结合所述多粒度因果关联网络，对带钢热连轧过程进行故障监测，并在发生故障时，确定故障传播路径，结合机理模型实现故障溯源；所述预测模型为基于注意力机制的BiTCN模型；其中，各工艺参数变量的预测模型相同；所述基于预测模型，结合所述多粒度因果关联网络，对带钢热连轧过程进行故障监测，并在发生故障时，确定故障传播路径，结合机理模型实现故障溯源，包括：构建单变量统计指标，利用训练好的预测模型在线预测各个工艺参数变量，若一个变量的预测值超出其控制限，则确定其为故障变量，从而实现单节点检测；利用贝叶斯推理融合各节点的检测信息，从而得到全局监测结果；根据发生故障的变量和所述多粒度因果关联网络上的动态MI分布变化，确定故障传播路径，结合故障变量对应的机理模型实现故障溯源；所述基于预测模型，构建单变量统计指标，利用训练好的预测模型在线预测各个工艺参数变量，若一个变量的预测值超出其控制限，则确定其为故障变量，从而实现单节点检测，包括：根据训练好的预测模型计算带钢热连轧过程中每一个节点在每一时刻的各工艺参数变量的预测值，并计算出各工艺参数变量的平方马氏距离，当一个变量的平方马氏距离超出预设的局部控制限时，则认为此变量为异常状态；所述利用贝叶斯推理融合各节点的检测信息，从而得到全局监测结果，包括：用贝叶斯推理融合各节点的检测信息，将单节点的统计指标转换为概率形式，再对转换出的概率进行加权平均，得到综合监测指标PD2，公式为： 其中，表示单节点的统计指标转换的概率形式，由下式计算： 其中，表示先验概率，根据贝叶斯规则由下式计算： 其中，和是单节点的统计指标的先验概率；α表示设定的置信度；和表示节点状态的条件概率，计算公式分别如下： 其中，ηp是调节因子，用于调整概率值对故障状态的灵敏度；表示单节点的统计指标对应的局部控制限；根据核密度估计方法确定全局控制限当时，确定发生故障。

全文数据：

权利要求：

百度查询： 北京科技大学 一种模型与数据联合驱动热连轧过程故障诊断方法和装置