【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一種基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法、系統(tǒng)，屬于艾薩爐噴槍故障檢測。
技術(shù)介紹
1、艾薩煉銅法作為一種高效的頂吹浸沒熔池熔煉技術(shù)，通過噴槍頂吹富氧空氣以增強(qiáng)熔體混合，加速化學(xué)反應(yīng)，借助銅精礦中鐵、硫氧化放熱實(shí)現(xiàn)高效熔煉。此方法具有較低的建設(shè)投資、高效的生產(chǎn)率、廣泛的原料適應(yīng)性以及高度的自動(dòng)化等優(yōu)點(diǎn)，在銅冶煉工藝中有著廣泛的應(yīng)用。
2、艾薩銅熔池熔煉過程中，艾薩爐噴槍作為核心設(shè)備之一，不僅負(fù)責(zé)輸送富氧空氣，還負(fù)責(zé)對熔渣層進(jìn)行劇烈攪拌，增強(qiáng)熔煉過程的傳質(zhì)傳熱的效率。艾薩爐噴槍故障會(huì)嚴(yán)重影響艾薩爐的作業(yè)率，更換噴槍不僅導(dǎo)致停產(chǎn)時(shí)間增長，還會(huì)產(chǎn)生更高的維修費(fèi)用，其穩(wěn)定運(yùn)行對產(chǎn)品質(zhì)量的保障至關(guān)重要。因此，降低故障的發(fā)生成為提高銅熔池熔煉作業(yè)率的核心因素之一，對艾薩爐噴槍故障進(jìn)行精準(zhǔn)識別變得尤為關(guān)鍵。
3、針對上述問題，目前缺少較好的解決方案。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供了一種基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，以至少解決小樣本艾薩爐噴槍故障識別的問題。
2、本專利技術(shù)的技術(shù)方案是：
3、根據(jù)本專利技術(shù)的第一方面，提供了一種基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，包括：s1、采集艾薩銅熔池熔煉中影響艾薩爐噴槍壽命的相關(guān)工藝參數(shù)數(shù)據(jù)，構(gòu)建艾薩爐噴槍數(shù)據(jù)集；s2、對艾薩爐噴槍數(shù)據(jù)集中每個(gè)樣本中的缺失值進(jìn)行填補(bǔ)；s3、對填補(bǔ)后的艾薩爐噴槍數(shù)據(jù)集進(jìn)行歸一化處理，并依
4、進(jìn)一步地，所述艾薩銅熔池熔煉中影響艾薩爐噴槍壽命的相關(guān)工藝參數(shù)數(shù)據(jù)包括艾薩爐噴槍正常類別數(shù)據(jù)和故障類別數(shù)據(jù)。
5、進(jìn)一步地，所述對艾薩爐噴槍數(shù)據(jù)集中每個(gè)樣本中的缺失值進(jìn)行填補(bǔ)，具體為：對于一個(gè)缺失值，依據(jù)填補(bǔ)公式獲得預(yù)測值，以對缺失值進(jìn)行填補(bǔ)；所述填補(bǔ)公式為：其中，是第i個(gè)樣本的缺失值填補(bǔ)的預(yù)測值，ni是與第i個(gè)樣本最近的k個(gè)鄰居的集合，yj是第j個(gè)鄰居的真實(shí)目標(biāo)值；|ni|是集合ni的大小，即最近的k個(gè)鄰居的數(shù)量。
6、進(jìn)一步地，利用式對填補(bǔ)后的艾薩爐噴槍數(shù)據(jù)集中各工藝參數(shù)數(shù)據(jù)進(jìn)行最大最小歸一化處理；式中，xnorm是最大最小歸一化后的值；x是艾薩爐噴槍數(shù)據(jù)集中當(dāng)前工藝參數(shù)實(shí)際序列數(shù)據(jù)，xmin、xmax分別是艾薩爐噴槍數(shù)據(jù)集各工藝參數(shù)中的最小值和最大值。
7、進(jìn)一步地，所述cnn-rime-svm的小樣本艾薩爐噴槍故障識別模型：包括改進(jìn)的cnn模型和rime-svm模塊，具體為：
8、改進(jìn)的cnn模型以傳統(tǒng)cnn模型為框架，將輸入利用依次連接的四個(gè)卷積模塊自適應(yīng)提取艾薩爐噴槍故障特征；通過將全局平均池化層替代傳統(tǒng)cnn模型的全連接層，實(shí)現(xiàn)艾薩爐噴槍端到端的故障特征提取，以作為改進(jìn)的cnn模型的輸出；基本參數(shù)如下：所述四個(gè)卷積模塊均包括卷積層、最大池化層，使用elu激活函數(shù)替代傳統(tǒng)relu激活函數(shù)；四個(gè)卷積層的的維度變化情況設(shè)為1*64、64*128、128*64、64*32；elu激活函數(shù)中的參數(shù)α取1.0；損失函數(shù)選擇交叉熵?fù)p失函數(shù)，優(yōu)化器選擇adam；
9、rime-svm模塊，用于依據(jù)確定的目標(biāo)函數(shù)，在預(yù)設(shè)范圍內(nèi)，利用霜冰優(yōu)化算法對支持向量機(jī)svm中的正則化參數(shù)λ和核參數(shù)σ進(jìn)行尋優(yōu)；將改進(jìn)的cnn模型的輸出作為優(yōu)化后的支持向量機(jī)svm的輸入，并通過優(yōu)化后的支持向量機(jī)svm進(jìn)行艾薩爐噴槍類別識別。
10、進(jìn)一步地，以最大化f1分?jǐn)?shù)作為目標(biāo)函數(shù)，并確定正則化參數(shù)λ和核參數(shù)σ的預(yù)設(shè)范圍均為[0.1,100]。
11、進(jìn)一步地，通過采用準(zhǔn)確率a、精確率p、召回率r和f1分?jǐn)?shù)作為評價(jià)指標(biāo)。
12、根據(jù)本專利技術(shù)的第二方面，提供了一種基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別系統(tǒng)，包括：采集模塊，用于采集艾薩銅熔池熔煉中影響艾薩爐噴槍壽命的相關(guān)工藝參數(shù)數(shù)據(jù)，構(gòu)建艾薩爐噴槍數(shù)據(jù)集；填補(bǔ)模塊，用于對艾薩爐噴槍數(shù)據(jù)集中每個(gè)樣本中的缺失值進(jìn)行填補(bǔ)；處理模塊，用于對填補(bǔ)后的艾薩爐噴槍數(shù)據(jù)集進(jìn)行歸一化處理，并依據(jù)預(yù)設(shè)比例將歸一化處理后的艾薩爐噴槍數(shù)據(jù)集劃分為訓(xùn)練集數(shù)據(jù)和測試集數(shù)據(jù)；訓(xùn)練模塊，用于搭建cnn-rime-svm的小樣本艾薩爐噴槍故障識別模型，調(diào)整超參數(shù)，使用訓(xùn)練集數(shù)據(jù)對cnn-rime-svm的小樣本艾薩爐噴槍故障識別模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的cnn-rime-svm的小樣本艾薩爐噴槍故障識別模型；驗(yàn)證模塊，用于將測試集數(shù)據(jù)輸入到訓(xùn)練好的cnn-rime-svm的小樣本艾薩爐噴槍故障識別模型中，根據(jù)對艾薩爐噴槍的預(yù)測類別和真實(shí)類別之間進(jìn)行分析評價(jià)，驗(yàn)證此訓(xùn)練好的cnn-rime-svm的小樣本艾薩爐噴槍故障識別模型的有效性。
13、根據(jù)本專利技術(shù)的第三方面，提供了一種終端，包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器被配置為執(zhí)行上述中任意一項(xiàng)所述的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法。
14、根據(jù)本專利技術(shù)的第四方面，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)包括存儲的程序，其特征在于：該程序被處理器執(zhí)行時(shí)使處理器實(shí)現(xiàn)上述中任一項(xiàng)所述的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法。
15、本專利技術(shù)的有益效果是：
16、1、本專利技術(shù)提供的一種基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，通過對采集到的影響艾薩爐噴槍壽命的數(shù)據(jù)進(jìn)行k近鄰法進(jìn)行缺失值填充，保持了數(shù)據(jù)的合理性和結(jié)構(gòu)的完整性；通過最大最小歸一化處理，將數(shù)據(jù)轉(zhuǎn)換至0～1之間，消除了量綱的影響，提高了計(jì)算能力。
17、2、本專利技術(shù)的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，在改進(jìn)cnn故障特征提取模型中，通過采用elu激活函數(shù)替代relu激活函數(shù)，以提高對艾薩爐噴槍數(shù)據(jù)噪聲和輸入變化的魯棒性，并加快故障特征提取模型的收斂；采用全局平均池化層替代全連接層不僅能增強(qiáng)艾薩爐噴槍工藝參數(shù)與故障類別之間的相關(guān)性，還可減少模型參數(shù)，避免過擬合，更好的實(shí)現(xiàn)艾薩爐噴槍的故障特征提取。
18、3、本專利技術(shù)的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，采用svm作為最終故障識別模型，并通過rime對svm的核函數(shù)參數(shù)和懲罰因子尋優(yōu)，提高了艾薩爐噴槍故障識別模型的分類準(zhǔn)確率，為艾薩爐噴槍故障識別模型提本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，所述艾薩銅熔池熔煉中影響艾薩爐噴槍壽命的相關(guān)工藝參數(shù)數(shù)據(jù)包括艾薩爐噴槍正常類別數(shù)據(jù)和故障類別數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，所述對艾薩爐噴槍數(shù)據(jù)集中每個(gè)樣本中的缺失值進(jìn)行填補(bǔ)，具體為：對于一個(gè)缺失值，依據(jù)填補(bǔ)公式獲得預(yù)測值，以對缺失值進(jìn)行填補(bǔ)；所述填補(bǔ)公式為：其中，是第i個(gè)樣本的缺失值填補(bǔ)的預(yù)測值，Ni是與第i個(gè)樣本最近的K個(gè)鄰居的集合，yj是第j個(gè)鄰居的真實(shí)目標(biāo)值；|Ni|是集合Ni的大小，即最近的K個(gè)鄰居的數(shù)量。
4.根據(jù)權(quán)利要求1所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，利用式對填補(bǔ)后的艾薩爐噴槍數(shù)據(jù)集中各工藝參數(shù)數(shù)據(jù)進(jìn)行最大最小歸一化處理；式中，Xnorm是最大最小歸一化后的值；X是艾薩爐噴槍數(shù)據(jù)集中當(dāng)前工藝參數(shù)實(shí)際序列數(shù)據(jù)，Xmin、Xmax分別是
5.根據(jù)權(quán)利要求1所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，所述CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別模型：包括改進(jìn)的CNN模型和RIME-SVM模塊，具體為：
6.根據(jù)權(quán)利要求5所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，以最大化F1分?jǐn)?shù)作為目標(biāo)函數(shù)，并確定正則化參數(shù)λ和核參數(shù)σ的預(yù)設(shè)范圍均為[0.1,100]。
7.根據(jù)權(quán)利要求1所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法，其特征在于，通過采用準(zhǔn)確率A、精確率P、召回率R和F1分?jǐn)?shù)作為評價(jià)指標(biāo)。
8.一種基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別系統(tǒng)，其特征在于，包括：
9.一種終端，其特征在于：包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器被配置為執(zhí)行權(quán)利要求1-7中任意一項(xiàng)所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法。
10.一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)包括存儲的程序，其特征在于：該程序被處理器執(zhí)行時(shí)使處理器實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于CNN-RIME-SVM的小樣本艾薩爐噴槍故障識別方法。
...【技術(shù)特征摘要】
1.一種基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，其特征在于，所述艾薩銅熔池熔煉中影響艾薩爐噴槍壽命的相關(guān)工藝參數(shù)數(shù)據(jù)包括艾薩爐噴槍正常類別數(shù)據(jù)和故障類別數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，其特征在于，所述對艾薩爐噴槍數(shù)據(jù)集中每個(gè)樣本中的缺失值進(jìn)行填補(bǔ)，具體為：對于一個(gè)缺失值，依據(jù)填補(bǔ)公式獲得預(yù)測值，以對缺失值進(jìn)行填補(bǔ)；所述填補(bǔ)公式為：其中，是第i個(gè)樣本的缺失值填補(bǔ)的預(yù)測值，ni是與第i個(gè)樣本最近的k個(gè)鄰居的集合，yj是第j個(gè)鄰居的真實(shí)目標(biāo)值；|ni|是集合ni的大小，即最近的k個(gè)鄰居的數(shù)量。
4.根據(jù)權(quán)利要求1所述的基于cnn-rime-svm的小樣本艾薩爐噴槍故障識別方法，其特征在于，利用式對填補(bǔ)后的艾薩爐噴槍數(shù)據(jù)集中各工藝參數(shù)數(shù)據(jù)進(jìn)行最大最小歸一化處理；式中，xnorm是最大最小歸一化后的值；x是艾薩爐噴槍數(shù)據(jù)集中當(dāng)前工藝參數(shù)實(shí)際序列數(shù)據(jù)，xmin、xmax分別是艾薩爐噴槍數(shù)據(jù)集各工藝參數(shù)中的最小值和最大值。
5.根據(jù)權(quán)利要求1所述的基于cnn...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫海東，陰艷超，張萬達(dá)，段宏，王嵩嶺，
申請(專利權(quán))人：昆明理工大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。