基于特征子空间虚假邻点判别的铝电解槽况诊断模型

摘要

造成铝电解异常槽况的因素较多,彼此相关性强,建立槽况诊断模型时计算量巨大。利用核主元分析法虽然可以对非线性数据进行降维,但得到的主元仍然是原始变量在特征空间的线性组合,既无明确的物理含义,又无法对原始特征进行约简达到减少传感器种类的目的。提出一种基于特征子空间虚假邻点判别的槽况诊断方法,首先考察各原始变量置零前后在核空间主元投影上的相似度,根据其对槽况的解释能力进行原始变量选择;再将约简后的原始变量输入概率神经网络,对各类异常槽况进行诊断。通过取自某厂170KA大型预焙槽的268组样本进行检验:在原始特征约简44.4%的情况下分类精度达到95%以上,表明该方法不但可对原始特征进行有效约简,而且槽况分类精度和训练时间均优于同类模型。