基于主元相似性测度的铝电解槽况诊断方法

摘要

本发明公开了一种基于主元相似性测度的铝电解槽况诊断方法，其特征在于按如下步骤进行：一，约简原始特征：利用核主元分析法计算贡献率排在前位的m个主元Bj；依次考察每个原始特征对表征铝电解槽况的贡献度，删掉贡献度低于贡献度阈值的原始特征，实现特征约简；二，约简后特征作为概率神经网络的输入变量，建立铝电解槽况的分类模型，模型最大输出值对应的铝电解槽况类型即为诊断结果。本发明克服了核主元无明确物理意义的缺陷，减少传感器数量和运算量，同时利用具有一次训练时间短、诊断精确度高的概率神经网络建立故障诊断模型，更加适合铝电解槽况的在线诊断。

主权项

1.一种基于主元相似性测度的铝电解槽况诊断方法，其特征在于按如下步骤进行：步骤一：约简原始特征，确定表征铝电解槽况特征的最简变量组，包括以下步骤：第一步：n个表征铝电解槽况的原始特征组成原变量组X，X=(x₁，x₂，…，x_i，…，x_n)，采集原变量组的L个样本数据，利用核主元分析法计算所述原变量组X的主元，将所有主元按贡献率由大到小排列，并计算累积贡献率，直到累积贡献率达到或超过预设的累积贡献率阈值，所累积的主元数为m，对应了所有原始特征的最少主元B_j，j=1，2，…，m；第二步：按i=1，2，…，n的顺序，依次考察原变量组X中每个变量对表征铝电解槽况的贡献度：(一)将原变量组X中的变量x_i置零，得到一个新的变量组，即待测邻点$\tilde{X}\left(i\right),$$\tilde{X}\left(i\right)=(x_1,x_2,...,x_{i-1},0,x_{i+1},...,x_n);$(二)利用核主元分析法计算所述待测邻点的前m个贡献率最大的主元j=1，2，…，m；(三)计算所述变量xi置零前后第j个主元的相似性测度cos_j(i)，j=1，2，…，m：${\cos }_j\left(i\right)=\frac{B_j·{\tilde{B}}_j{\left(i\right)}^T}{\left|\right|B_j\left|\right|·\left|\right|{\tilde{B}}_j\left(i\right)\left|\right|}$(四)计算所述变量x_i置零前后在前m个主元投影总的相似度d_i，该相似度d_i与变量x_i对表征铝电解槽况的贡献度成正比：$d_i=1-\frac{1}{m}\underset{j=1}{\overset{m}{\Sigma }}\mathrm{co}{s}_j\left(i\right)$第三步：设定贡献度阈值Δd，剔除小于贡献度阈值Δd的d_i对应的变量x_i，剩下的变量组成表征铝电解槽况特征的最简变量组步骤二：将所述原变量组的L个样本数据按照最简变量组重新组合后，形成新的L个样本数据；从新的L个样本数据中选取P个样本数据作为训练样本，利用概率神经网络建立铝电解槽况分类模型，模型最大输出值对应的铝电解槽况类型即为诊断结果。