控制与决策

作者：刘亚雪,张敬川,王显鹏

单位：东北大学 工业智能与系统优化国家级前沿科学中心，沈阳 110819;东北大学 智能工业数据解析与优化教育部重点实验室，沈阳 110819,,东北大学 工业智能与系统优化国家级前沿科学中心，沈阳 110819;东北大学 智能工业数据解析与优化教育部重点实验室，沈阳 110819,,东北大学 智能工业数据解析与优化教育部重点实验室，沈阳 110819;辽宁省智能工业数据解析与优化工程实验室，沈阳 110819,

关键词：高炉炼铁过程;故障诊断;数据挖掘;决策树;迹距离函数;节点分裂

基金：国家自然科学基金项目(62473086)；辽宁省科技计划联合计划项目(2023JH2/101800047).

随着工业自动化和智能化的发展, 决策树模型在高炉故障诊断领域得到了广泛应用, 但对于炼铁过程中存在高维度、非线性和强耦合的特点, 传统决策树模型的构建容易陷入局部最优解, 效率较低且复杂度较高. 针对这些问题, 首先引入迹距离函数, 并证明在迹距离函数中任何局部最优解也是全局最优解的性质; 接着针对决策树的节点分裂过程, 提出一种基于迹距离划分的决策树模型, 记作TraceTree. 此模型一方面可以更快速地评价一个节点的划分效果, 有效降低决策树模型的复杂度; 另一方面能够识别出对故障诊断最有贡献的特征参数并获得更高的诊断精度. 与其他改进模型的对比实验结果表明, 所提出的模型在更短的训练时间内能取得最优的高炉故障诊断效果, 及时地对高炉炉况进行监测与诊断.

来源：2025年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第5期