控制与决策

作者：张永博,张凯,彭开香,杨朋澄

单位：北京科技大学 自动化学院,北京 100083,,北京科技大学 自动化学院,北京 100083;工业过程知识自动化教育部重点实验室,北京 100083,,北京科技大学 自动化学院,北京 100083;工业过程知识自动化教育部重点实验室,北京 100083,,北京科技大学 自动化学院,北京 100083,

关键词：流程工业;运行状态评估;特征提取;D-S证据理论;热连轧过程

基金：国家自然科学基金面上项目(62073032)；国家自然科学基金区域联合重点项目(U21A20483).

工业过程运行状态评估方法是对过程当前运行状态进行合理的评价,为工业过程的安全、高效运行提供有益的指导.带钢轧制过程具有流程长且系统层级多等特点,而传统的运行状态评估往往采用集中式的评估方法,难以对轧制过程全流程的运行状态进行合理的评估.针对此问题,提出一种融合分层分块信息的轧制过程运行状态评估方法.采用一种多层级分块的评估策略,将全流程分为若干个层级和子块,提高评估结果的可解释性.提出一种联合核主成分分析(kernel principal component analysis,KPCA)和t-分布随机邻域嵌入算法(t-distributed stochastic neighbor embedding,t-SNE)的特征提取方法,并行地提取全局和局部的特征信息.进而,针对传统支持向量机(support vector machine,SVM)输出结果为硬判型输出,将SVM的输出结果映射为后验概率,并通过D-S证据理论融合多个层级的运行状态评估结果,从而实现决策层面的信息融合,提高评估结果的准确性.最后,将所提出方法应用于实际带钢轧制过程,与各类传统的方法相比评估准确率提高近18%.

来源：2024年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第8期