基于CSKPCA-SLSSVM的艾萨炉故障监测研究

针对艾萨炉熔炼过程中炉子容易出现故障,但故障判断困难的问题,提出了一种融合模糊C均值聚类特征样本KPCA和稀疏LSSVM的故障检测模型。首先基于模糊C均值聚类算法获得样本的簇中心,在此基础上基于特征样本核主元分析法对数据进行处理,并结合T~2和SPE统计量对艾萨炉故障进行初步识别,然后基于稀疏最小二乘支持向量机对初步识别结果进行进一步划分。实验结果表明,该方法建立的艾萨炉监测模型,提高了故障识别的准确率,准确的反映整个生产过程的变化,适合在类似的工业过程中推广。