基于加权核主元分析（WKPCA）的回转窑故障诊断方法与流程

本发明涉及过程控制技术领域，尤其涉及基于加权核主元分析的回转窑故障诊断方法。

背景技术：

水泥作为国民经济建设的基础原材料之一，广泛的应用于民用、工业、水利和交通等工程，水泥工业已经成为国民经济社会发展水平和综合实力的重要标志。新型干法水泥生产技术是以悬浮预热器和预分解技术为核心，利用现代科学理论和技术，采用计算机及其网络化信息技术进行水泥生产的综合技术，具有优质、高效、节能、环保和可持续发展等特点。

预分解窑由预热器、分解炉、回转窑、高效冷却机四个子系统组成，主要承担水泥熟料煅烧过程的预热、分解、烧成、冷却各阶段任务。其中预分解窑稳定运行是生产状态良好的重要标志，所以保证预分解窑正常运行是十分重要的。尽管预分解窑配备了计算机操作控制系统，具有省时、及时和不易失误等优点，也有许多诊断方法应用在水泥回转窑的故障诊断中，但是就目前的技术水平而言，有些地方还是需要人工辅助完成，因此需要提高回转窑的自我诊断技术。

主元分析(pca)是一种多元统计方法，在经营管理、数据统计、过程检测等许多领域得到广泛的应用，其算法的基本思想就是将多个线性相关变量压缩为少数不相关的变量，通过降低数据维度，除去信息中对故障诊断无效的数据，尽可能的选取数量少并能够包含大部分有效信息的数据。

该算法的优点在于不需要对系统的结构以及运行机理有深入的了解，并且能够降低数据维度，将无效的、包含有效信息少的数据剔除，简化数据，减少在诊断过程中的计算量。主元分析在化工过程的应用有着成功的应用，但是在水泥回转窑领域的应用不多。尤其是系统发生微小故障时，基于主元分析或核主元分析的方法不能准确及时对系统进行监测，给预分解窑的稳定运行带来了一定的隐患。

技术实现要素：

本发明的目的是针对上述技术问题，提供基于加权核主元分析(wkpca)的回转窑故障诊断方法，其步骤合理，加权核主元分析方法的基础上对故障数据在检测中赋予更高的权重，将其故障特征进行放大，能够在发生微小故障时更加准确的进行有效监测，提高了回转窑故障监测的有效性。

本发明的技术方案

为解决上述技术问题，本发明提供基于加权核主元分析(wkpca)的回转窑故障诊断方法，具体包括以下步骤：

s1，采集回转窑正常状态下的训练样本数据，对数据做归一化预处理，将处理后的样本数据映射到高维空间，得到核矩阵；

s2，计算核矩阵的特征值及特征矩阵，建立核主元模型，得到回转窑正常状态下的核主元变量；

s3，利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；

s4，根据核主元变量计算spe控制限和t²控制限；

s5，实时采集回转窑故障状态下的检测样本数据，对数据进行归一化预处理；

s6，将每一组检测样本的各核主元变量带入相应的密度分布函数，得到各核主元变量的加权值，建立权值矩阵；

s7，根据加权后的核主元变量计算spe统计量和t²统计量，与之前得到的控制限进行比较，判定是否发生故障；

s8，若系统提示发生故障，利用贡献图法确定回转窑故障发生位置。

进一步地，所述高维空间的主元ti为

进一步地，在步骤s3中，所述核密度估计函数为核函数采用高斯核函数。

进一步地，在步骤s6中，所述加权值为其中，α为密度阈值，

进一步地，在步骤s8中，所述基于spe的贡献图计算，

进一步地，在步骤s8中，所述基于t²的贡献图计算，

本发明有益效果：

本发明提供的基于加权核主元分析(wkpca)的回转窑故障诊断方法，其步骤合理，加权核主元分析方法的基础上对故障数据在检测中赋予更高的权重，将其故障特征进行放大，能够在发生微小故障时更加准确的进行有效监测，提高了回转窑故障监测的有效性。

附图说明

通过结合以下附图所作的详细描述，本发明的上述优点将变得更清楚和更容易理解，这些附图只是示意性的，并不限制本发明，其中：

图1是本发明所述基于加权核主元分析故障诊断方法的流程图；

图2是预分解窑水泥煅烧过程示意图；

图3是基于主元分析故障诊断方法之第一个实施例的spe和t²统计量图；

图4是基于加权核主元分析故障诊断方法之第一个实施例的spe和t²统计量图；

图5是基于加权核主元分析中各变量对故障点的spe和t²贡献图；

图6是基于主元分析故障诊断方法之第二个实施例的的spe和t²统计量图；

图7是基于加权核主元分析故障诊断方法之第二个实施例的spe和t²统计量图。

具体实施方式

下面结合具体实施例和附图，对本发明所述基于加权核主元分析的回转窑故障诊断方法进行详细说明。

在此记载的实施例为本发明特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。

本发明提供的基于加权核主元分析(wkpca)的回转窑故障诊断方法，其流程图，如图1所示，其具体包括以下步骤：

s1，采集回转窑正常状态下的训练样本数据，对数据做归一化预处理，将处理后的样本数据映射到高维空间，得到核矩阵；

具体地，核主元分析(kpca)算法是在主元分析方法进行的直接改进，其能够更好的适应非线性情况的处理，在面对非线性数据的分析时，能够更加的适用。

在核主元中引入核函数的概念，假设在原始空间中存在一个函数满足其中为高维空间中φ(i)与φ(j)的内积，则称函数k为核函数。

该方法的计算过程与主元分析相似，都是通过寻找方差阵的特征向量得到特征空间中的主元。但是在进行特征值分解之前，首先要将输入矩阵映射到高维空间中去，首先设定输入样本x∈rⁿ，采用非线性映射将输入矩阵映射到高维特征空间，特征空间中的方差阵为

求解该方差阵的特征向量得到特征空间中的主元，其特征值和特征向量如下所示

对于所有的非零特征值都有

也就是说特征向量ν可以看作是的线性组合。同时对求内积可得到：

将核函数代入到式中，将上式进行化简，得到如下公式

其中，α＝[α1,α2,…αl]^t，核矩阵k是以kj,k为元素的矩阵。

s2，计算核矩阵的特征值及特征矩阵，建立核主元模型，得到回转窑正常状态下的核主元变量；

计算主元个数的过程与主元分析方法中主元的选取方法一致，然后计算高维空间的主元ti为

得到高维空间的核主元后，进一步利用主元分析方法进行建模，得到核主元分析模型。

s3，利用核密度估计函数计算正常状态下的各核主元变量的密度分布函数；

在步骤s3中，所述核密度估计函数为核函数采用高斯核函数。

通过整理可以得出核密度估计函数如公式

s4，根据核主元变量计算spe控制限和t²控制限；

s5，实时采集回转窑故障状态下的检测样本数据，对数据进行归一化预处理；

s6，将每一组检测样本的各核主元变量带入相应的密度分布函数，得到各核主元变量的加权值，建立权值矩阵；

在步骤s6中，所述加权值为其中，α为密度阈值，

具体地，当密度估计值大于该阈值时，认为数据在正常范围，未偏离正常状态，因此赋予权值为1。当密度估计值小于该阈值时，检测样本的主元变量偏离了正常状态，其估计值越小，说明对故障贡献度越大，因此赋予权值β。

当前检测样本数据的某个主元变量偏离正常状态越大，权值β也就越大。通过加权之后的主元变量之间的差值变大，故障样本数据和正常样本数据就能更好的区分开，所建立的监控统计量也就更加有效。

s7，根据加权后的核主元变量计算spe统计量和t²统计量，与之前得到的控制限进行比较，判定是否发生故障；

s8，若系统提示发生故障，利用贡献图法确定回转窑故障发生位置。

具体地，在步骤s8中，所述基于spe的贡献图计算，

所述基于t²的贡献图计算，

图2是预分解窑水泥煅烧过程示意图，首先生料从生料仓经提升机和回转窑煅烧产生的废气共同进入悬浮预热器c1～c5中，其中预热器具有换热功能和气固分离功能，充分利用废气中的热量对生料进行加热，然后进入下一级预热器。生料在进入回转窑煅烧之前利用废气进行了预热。分解炉设置在回转窑之前，将熟料煅烧过程中最耗热的碳酸盐分解过程移至分解炉内进行，承担了原来在回转窑内进行的碳酸盐分解任务，使燃烧、换热和碳酸盐分解过程得到优化，熟料煅烧工艺更臻完美；并且将传统上全部由窑头加入燃料的方法，改进为少量从窑头加入，大部分从分解炉加入，改善了窑系统内的热力分布格局。

回转窑由筒体、轮带、托轮、挡轮、传动装置以及密封装置等组成。物料在经过预热器和分解炉之后进入回转窑中，随着窑体转动，物料靠摩擦力被带起，由于筒体有一定的斜度，物料会从窑尾向窑头运动，如此不断循环的转动，物料逐步前进并进行煅烧，生料在窑内发生物理化学反应，最后形成熟料。最后经由篦冷机对熟料进行冷却，以满足熟料输送、储存和水泥粉碎的要求，并且篦冷机还承担着对出窑熟料带出的大量热焓的回收任务，将这些能量回收进行再次利用。

第一实施例：

以日产2500t熟料的某大型水泥回转窑为例进行仿真实验，对于整个预分解系统的故障检测来说，应该将各个关键位置的温度以及压力作为检测重点。以变量1窑尾温度出现故障为例，故障1为窑尾温度发生突然升高，设定故障为系统在第101个采样点起窑尾处发生温度升高的阶跃故障。首先按照累计方差贡献率大于0.8的准则选取主元个数。

分别用主元分析方法和加权核主元分析方法进行故障检测，计算spe和t²控制限和统计量。从图3中可以看出在利用pca方法进行故障检测的过程中，横坐标表示采样时刻，纵坐标表示统计量值，两条虚线表示spe和t²控制限，曲线表示spe和t²统计量，当设备运行处在正常状态时，spe和t²统计量处在控制限以下，但在故障发生之后，spe的统计量和t²统计量在有些时刻是显示系统故障，但是并不能够持续检测出过程中发生了故障，不能连续报警，在检测时不能起到很好的监控效果。

在加入权重后的检测过程中，从图4中可以观察到在系统正常运行过程中会偶尔产生误报的情况，但是由于spe的统计量和t²统计量没有同时显示出故障，因此虽然在系统正常运行过程中统计量会出现超出控制限的情况，但是两个统计量没有同时超出控制限也不会导致显示系统故障。在第101个采样点开始，spe和t²统计量均高于控制限，并且两个统计量同时持续检测到统计值超出控制限，说明系统在运行过程中发生故障，结果与仿真实验的设定相一致。

从图5中可以得出，根据加权核主元分析算法，通过对贡献率的计算，变量1窑尾温度在spe和t²的贡献率都大于其他变量，表明变量1在该故障上做出的贡献大于其他变量，与之前设定的故障位置是一致的，并且在故障发生后能够持续检测出故障，没有发生漏报、误报等情况。

第二实施例：

以窑尾温度发生温度漂移作为故障点2，将变量1故障设置为在k＝101时刻起窑尾处发生温度缓慢变化的故障，利用该方法对其进行了故障诊断测试，从图6中可以看出主元分析能够检测到温度发生漂移故障，虽然能够检测到两个统计量均超过控制限，但是在k＝115时刻检测到故障发生，不能及时发出警报。

但是从图7可看出加权之后的检测方法在温度发生漂移之后的8个时刻，也就是k＝108时刻就检测统计量完全超过控制限，检测出故障发生，与单一pca方法相比更加及时准确地检测到故障的产生。

本发明提供的基于加权核主元分析(wkpca)的回转窑故障诊断方法，其步骤合理，加权核主元分析方法的基础上对故障数据在检测中赋予更高的权重，将其故障特征进行放大，能够在发生微小故障时更加准确的进行有效监测，提高了回转窑故障监测的有效性。

本发明不局限于上述实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。