[发明专利]金湿法冶金过程运行状态在线评价方法

摘要

金湿法冶金过程运行状态在线评价方法，包括浸出、洗涤、置换等工艺构成，其特征在于通过计算在线数据与各个性能等级过程特征的相似度，实时评价湿法冶金生产过程的运行状态，并且在过程运行状态不优时，自动识别其原因，为实际生产过程提供有价值的指导建议。算法包括离线建模数据的模态识别、评价模型的建立、过程操作模态的在线识别、过程运行状态的在线评价、运行状态非优原因追溯等步骤。本发明能够提供实时的评价结果，避免人工评价的滞后问题，自动追溯非优原因，为操作工提供合理可靠的操作指导建议，以便及时对过程运行状态进行适当调整，确保企业经济效益和生产效率。

主权项

金湿法冶金过程运行状态在线评价方法，包括浸出、洗涤、置换工艺，其特征在于：通过计算在线数据与各个性能等级过程特征的相似度，实现金湿法冶金过程运行状态的在线评价，并且在过程运行状态不优时，自动识别其原因，为实际生产过程提供有价值的指导建议，算法包括离线数据的模态识别、评价模型的建立、过程操作模态的在线识别、过程运行状态的在线评价、运行状态非优原因追溯步骤；1)离线数据的模态识别采用长度固定的切割窗口作为分析的基本单元；提取每个窗口的负载矩阵P，通过定量评估每个窗口的负载矩阵P与稳定模态的窗口的负载矩阵P的相似度，从中揭示过程潜在特性沿时间方向的发展变化；将建模数据表示为二维矩阵形式X，对X沿采样方向采用滑动窗口H进行分割；窗口的滑动步长为H，得到其中k为滑动窗口的编号，利用PCA提取每个窗口内过程变量之间的相关性信息，以第一个窗口的负载矩阵P1作为稳定模态的参考窗口的负载矩阵Pbase；通过比较每个窗口与参考窗口过程特性的相似度来识别稳定模态；定义负载矩阵与参考窗口负载矩阵的相似度：μ(Pk,Pbase)=1-||Pk-Pbase||2J=1-Σj=1J||pj,k-pj,base||2J]]>其中，pj,k和pj,base分别是矩阵Pk和Pbase的第j列向量；假设从第K个窗口开始，负载矩阵PK与上一个参考窗口的相似度小于阈值时，表示过程进入下一个稳定模态，令PK为新的参考窗口的负载矩阵，重复上述过程直至完成所有离线数据的归类；假设初步识别出稳定模态的种类有C种，分别对应的负载矩阵为Pc(c＝1,2,…,C)，利用相似度μ作为度量两种稳定模态相似程度的指标，利用聚类算法对C种负载矩阵Pc进行聚类；具体聚类步骤如下：①选择P1作为聚类的第一个中心，计算其余每一个稳定模态负载矩阵与P1的相似度μ；如果第c个负载矩阵Pc与P1的相似度则第c类稳定模态数据与第一类稳定模态数据为同一种稳定模态；如果则第c类稳定模态数据与第一类稳定模态数据不是同一类稳定模态；依次计算每一类稳定模态与第一类稳定模态的相似度后，得到第一类稳定模态新的建模数据X1；②除去P1以及与P1相似的负载矩阵，顺次从剩下的负载矩阵中选出一个负载矩阵作为聚类的第二个中心，依此判断剩余每一个稳定模态的窗口的负载矩阵与新聚类中心的相似度，与相似度阈值α比较以后，得到第二类稳定模态新的建模数据X2；③直至所有的负载矩阵重新归类到新的稳定模态后，聚类算法结束，C种负载矩阵聚类得到种新的稳定模态，对应每一种新稳定模态的建模数据是Xc2)评价模型的建立利用T‑PLS在提取过程数据特征的同时去除冗余过程信息，建立评价模型；利用过程知识从稳定模态中选取表征不同性能等级的过程数据和与其对应的综合经济指标构成性能等级建模数据其中s＝1,2,...,S，S为性能等级数；利用T‑PLS算法分别建立每个性能等级的评价模型：Xcs=tc,yspc,ysT+Tc,osPc,osT+Tc,rsPc,rsT+Ec,rs,ycs=tc,ys+fcs]]>其中，分别为模态c中性能等级s的主元得分向量或矩阵，为负载矩阵，为残差矩阵；且有：tc,ys=qc,ysTRc,ysTx=Gc,ysx]]>其中将作为模态c中性能等级s的评价模型，用于过程运行状态的在线评价；3)过程操作模态的在线识别采用模态转换频度的概念，对应最大转换频度的模态被认为是最可能出现的稳定模态；综合在线连续ω个采样数据的识别结果，即从第(k‑ω+1)个采样到第k个采样，对在线模态进行识别判断；在线模态识别包括5步：第一步：在线初步识别；采用第(k‑ω)时刻的模型对从第(k‑ω+1)采样时刻到第k采样时刻的连续ω个在线数据进行过程监测；第二步：初步识别结果分析；如果ω个在线数据并没有连续出现故障报警，说明第(k‑ω+1)采样时刻过程运行正常，并且该时刻过程的模态类型与第(k‑ω)时刻一致；否则，说明模态在第(k‑ω+1)时刻发生改变，过程进入新的操作模态；第三步：模型选择过程；过程从第(k‑ω+1)时刻进入新模态，分析(k‑ω)时刻的模态类型，重新选择(k‑ω+1)时刻对应的模型对过程进行监测；因为模态转换频度由大到小代表了模型转换可能性的由高到低，所以根据转换频度的从大到小依次选择对应的稳定模态模型，并利用该模型依次对从(k‑ω+1)采样时刻到第k个采样时刻的连续ω个在线数据重新进行过程监测；第四步：在线模态识别结果；如果ω个在线数据并没有连续出现故障报警，说明实际生产过程恰好运行于该模态；否则，如果连续ω个在线数据全部超出统计量控制限，说明当前模型不能描述新模态的过程特性，按照概率顺序继续选择下一类模态模型进行过程监测；依次选择所有可能的模型对过程进行监测，如果所有模型都不能涵盖新模态的过程特性，说明过程进入的新模态是无法识别的模态，需要人工经验来支持进一步的区分；如果匹配成功，选用新的模型继续对过程进行监测，并且认为过程运行于该操作模态；4)过程运行状态的在线评价在线评价时，通过计算在线数据信息与当前操作模态各个性能等级的相似度，以评价当前生产过程的运行状态；在线评价步骤如下：①在时刻k时，构造在线数据窗口Xon,k＝[xon,k(k‑H+1),...,xon,k(k)]T；②利用模态c中各个性能等级离线建模数据的均值和标准差分别对Xon,k标准化处理，并将标准化后的数据记为③计算的得分向量：ton,kc,s=G^ycXon,kc,s]]>其中，④计算在线数据与性能等级s的相似度距离：don,kc,s=(t‾on,kc,s-t‾yc,s)2,]]>其中，是的样本数，由T‑PLS性质可知，因此，don,kc,s=(t‾on,kc,s)2]]>⑤计算在线数据与性能等级p的过程特征相似度如果γon,kc,p=1/don,kc,pΣs=1S1/don,kc,s;]]>如果γon,kc,p=1,γon,kc,s=0,(s=1,2,...,S,s≠p),]]>并且有⑥评价规则：情形1：如果表示当前过程运行于性能等级p，ε(0.5<ε<1)为相似度阈值；情形2：如果情形1不满足，但存在连续l个相似度递减，即说明生产过程正处于从一个性能等级向另一个性能等级的渐变过程；如果在线数据同时与多个性能等级均满足上述条件，则按如下方式确定实际生产过程最有可能到达的性能等级：p=argmax1≤s≤S{γon,kc,s|γon,k-l+1c,s<...<γon,kc,s},]]>表示当前过程正在向性能等级p渐变；情形3：如果上述两种情形都不满足，则表示生产过程受到一些不确定因素干扰，评价结果与前一时刻的结果一致；5)运行状态非优原因追溯提供一种基于变量贡献的非优原因识别方法；通过计算过程变量对相似度指标的贡献，找出贡献相对较大的过程变量，那么这些变量就是最有可能导致过程运行状态不优的原因变量；在原因追溯结果的基础上，操作工结合自身的生产经验选择合适的调整策略；将在线数据到最优性能等级的距离进行如下分解：don,kc,*=(t‾on,kc,*)2=(Σj=1Jgc,y,j*x‾on,k,jc,*)2,]]>其中，*表示最优性能等级，是的第j个元素；为在线数据第j个变量的均值；那么，变量j对的贡献定义为：Contrj=(gc,y,j*x‾on,k,jc,*)2,j=1,2,...,J.]]>