基于D-S證據AOD冶煉過程噴濺特征融合

馬海濤, 王珊珊*, 于 穎, 張赫鳴

(1.長春工業大學 電氣與電子工程學院， 吉林 長春 130012；2.空軍航空大學 信息對抗系， 吉林 長春 130022)

基于D-S證據AOD冶煉過程噴濺特征融合

馬海濤1, 王珊珊1*, 于 穎2, 張赫鳴1

(1.長春工業大學 電氣與電子工程學院， 吉林 長春 130012；2.空軍航空大學 信息對抗系， 吉林 長春 130022)

將采集到的氧槍振動信號、爐口音頻信號、爐口火焰圖像信號作為噴濺特征的表征， 采用D-S證據理論進行信息融合并得到預報結果，實驗結果表明,多傳感器信息經過證據組合規則融合，降低了不確定性的基本概率賦值，提高了決策可信度。

AOD爐； 噴濺預報； 多傳感器； D-S證據理論； 融合方法

0 引 言

噴濺是氬氧精煉中低碳鉻鐵生產過程中經常發生的故障，發生噴濺會污染環境，降低產品產量、增加冶煉成本、損害設備及人身安全等， 目前噴濺預報方面的研究主要集中在利用爐氣分析技術和音頻檢測技術，利用爐氣分析技術預測噴濺的方法由于采樣方式及分析時間的局限性，限制了預報精度的提高，大多用在分析事故原因，實現實時控制還有難度，因需要采樣裝置及質譜儀導致成本很高，當冶煉爐容量小于20 t時，預報裝置的成本將遠遠高于冶煉設備；利用音頻檢測技術對噴濺進行研究，認為爐內吹煉噪聲強度間接反映了泡沫渣厚度，該方法由于采用單一信息作為噴濺故障診斷信息，判斷結果具有片面性，導致分析精度不高；由于冶煉鐵合金生產過程溫度極高，能直接表征噴濺的物理量，渣中Cr2O3含量無法在線檢測，文中通過檢測與冶煉過程噴濺發生相關的氧槍振動信號、爐內音頻信號、爐口火焰圖像信號。

將這三類信號作為噴濺預報的特征信號，算出每類信號對于特定故障的基本概率賦值函數值，然后對特定故障的基本概率賦值函數值進行融合，根據融合后的基本概率賦值函數值得出噴濺預報結果，研究表明，采用D-S證據理論對噴濺特征信號進行融合處理完全可行[1-4]。

1 相關理論

1.1D-S證據理論融合原理

D-S證據理論是一種數據融合分類算法，基于統計學原理，屬于人工智能范疇。證據理論把每個傳感器測量數據都進行空間變換，即從觀測空間到證據空間，將每個傳感器給出的特征信息分配一個證據，即分配一個概率賦值，利用證據推理方法對多傳感器數據進行融合原理如圖1所示。

圖1 證據推理方法對多傳感器數據進行融合原理

1.2D-S證據理論相關概念

D-S證據理論包括辨識框架、基本概率賦值、信度函數及證據融合，假定θ={θ1,θ2,…,θn}是一個非空集合，該集合中的元素具有互斥性和可窮舉性，每一個元素代表一種假設，整個集合包含了所有可能的假設，集合θ的所有子集組成一個集合，稱為θ的冪集，用2θ表示。如

θ={a,b,c}

則

在故障診斷系統中，空集Φ可以表示處于無故障狀態；集合 {a，b} 表示存在故障a或者故障b；θ也被稱為系統辨識框架。為量化集合中元素的信任度，定義一個mass函數，稱為基本概率賦值(Basic Probability Assignment, BPA)，它是集合2θ中的任一元素與區間[0,1]上的某個實數之間的映射，即

且有:

m(φ)=0

在故障診斷中，m(A)可以看做某一傳感器對于某一特定故障的信任程度，m(A)與故障發生的可能性成正比關系，即m(A)越大，故障發生的可能性就越大，m(A)>0的子集被稱為焦元，集合A的信任度函數Bel(A)與似真度函數Pls(A)定義為：

Bel(A)與Pls(A)存在如下關系:

在區間[0，1]上，可以得到一個證據區間，這個證據區間由信任度函數與似真度函數構成,如圖 2 所示。

圖2 集合不確定性的證據區間

可以很好地描述集合A的不確定性[5-6]。

1.3Dempter組合規則

在證據理論中，同一時刻將來自多個傳感器的信息融合起來稱為證據合并，D-S證據理論用于多傳感器信息融合，根據不同來源的多種證據和不同可信度分配函數，用正交理念形成信息融合法則，通過計算來自多個傳感器的基本概率賦值，可以計算出一個新的基本概率賦值，將這個新的基本概率賦值作為輸出。假設A、B為辨識框架θ的兩個焦元，m1、m2為定義在框架θ上的兩個mass函數，根據Dempster正交化規則，有

式中:

k表征兩個證據之間的沖突程度，k值與證據之間的沖突程度成正比關系，新得到的函數m(C)也是辨識框架θ上的mass函數，表示將兩類數據源m1與m2合并后對當前集合內元素的信任程度[7-8]。

2 冶煉過程噴濺特征數據融合

假設當前冶煉過程存在兩種類型的噴濺，對應的系統辨識框架可表示為

θ={x1,x2,x3}

式中:x1----正常冶煉;

x2----內噴;

x3----外噴。

為了計算本例中的基本概率賦值mass函數，首先建立如下故障原型的狀態矩陣：

對于每一種狀態，假設用m個特征參數描述，即式(10)中,Sij(j=1，2，…，m)表示第i種狀態的第j個特征。通常情況下，從一個傳感器的測量數據中可以提取一個或幾個特征參數，如果用Yk表示第k個傳感器的測量向量，則

式中:p----傳感器的數量;

yki(i=1，2，…，rk)----Yk的第i個分量;

rk----第k個傳感器的測量向量維數。

定義傳感器的測量向量Yk到機器狀態Sij的距離

式中:dkj---- Minkowski距離,當α=2時，又稱為Euclidean距離。dkj越小，表明第k個傳感器的測量數據，機器處于第j種狀態的可能性越大。

式中：mk----傳感器k對應的mass函數，k=1，2，…，p。

3 數據融合驗證分析

選用D-S證據融合算法作為冶煉過程音頻傳感器、振動傳感器和火焰圖像視頻傳感器3種不同類型信息的融合算法，用于這3個傳感器的判別實例，音頻傳感器、振動傳感器和火焰圖像視頻傳感器所測量的信息是相互獨立信息，系統識別框架為θ={x1,x2,x3}(x1：正常冶煉，x2：內噴，x3：外噴)，假設對其中一判別過程確定的BPA見表1。

表1 第一個判別過程的傳感器 BPA 及融合結果

第二個判別過程傳感器BPA及融合結果見表2。

表2 第二個判別過程傳感器 BPA及融合結果

表中: mij----第 i個傳感器第j次測量周期確定的基本概率賦值(BPA);

mi----融合結果。

從表1和表2兩個判別過程可以看出，3個傳感器的信息經過證據組合規則的融合，不確定性基本概率賦值有明顯的下降，融合系統選擇基本概率賦值決策方法，門限取值ε1=ε2=0.1，第一個判別過程的結果是x1，第二個判別過程的結果是x2，與實驗結果一致，這證明該方法結論是正確的，即可以肯定判決結果。

4 結 語

討論了一種采用D-S證據理論對AOD爐冶煉過程噴濺特征參數進行融合的方法，有效地解決了預報過程中的容錯性及不確定問題。實驗結果表明，由3個傳感器的測量數據，采用D-S證據理論對冶煉過程噴濺進行預報，比由任意一個傳感器獨立診斷的結果在準確性上有較大程度的提高。

[1] 吳立斌.AOD爐噴濺計量預報分析儀信息融合方法研究[D].長春:長春工業大學,2015:65.

[2]YouWen,HaitaoMa,CaoZhiqiang.ControlmethodofpreventingsplashingintherefiningprocessofAODfurnacebasedonequaltemperaturezones[J].AdvancedMaterialResearchCMCE,2010:365-368.

[3] 尤文，馬海濤，趙彬.氬氧精煉低碳鉻鐵過程噴濺預報及控制[J].長春工業大學學報:自然科學版， 2012,33(5)：537-542.

[4] 郭鳳清，徐亮，尤文.基于多傳感器信息融合AOD爐噴濺預報[J].長春工業大學學報:自然科學版， 2014,35(2)：154-158.

[5] 劉艷紅.基于多傳感器信息融合的汽車酒駕測控系統研究[D].長春：長春理工大學，2016.

[6] 黃劍波，李瑞琴，金劍.基于D-S證據理論和BP神經網絡的齒輪箱故障診斷[J].煤礦機械，2014,25(10):287-289.

[7] 王鳳利.基于BP神經網絡和D-S證據理論的疾病預測模型研究[D].太原：太原理工大學，2016.

[8] 權宏偉，李俊華，彭冬亮.基于證據理論的多傳感器融合故障診斷方法[J].組合機床與自動化加工技術，2015(2)：100-104.

AfusionmethodofspillagefeaturesinAODsmeltingprocessbasedonD-Sevidencetheory

MA Haitao1, WANG Shanshan1*, YU Ying2, ZHANG Heming1

(1.School of Electrical & Electronic Engineering, Changchun University of Technology, Changchun 130012, China;2.Institute of Information Confrontation, Aviation University Air Force, Changchun 130022, China)

Taking the samplings from three sensors including oxygen lance vibration, frequency and flame images of furnace mouth as the characteristic data information, the data are fused with D-S evidence theory. The result indicates that the fused data can decrease the uncertainty of the basic probability assignment, and improve the decision reliability rate.

AOD furnace; spillage forecasting; multi-sensor; D-S evidence theory; fusion method.

TP 202.1

A

1674-1374(2017)04-0377-04

2017-05-18

吉林省教育廳“十二五”社會科學研究項目(吉教科文合字[2015]第120號)

馬海濤(1977-)，女，漢族，吉林長春人，長春工業大學副教授，博士，主要從事智能儀器與智能控制方向研究,E-mail:mahaitao@ccut.edu.cn. *通訊作者：王珊珊(1993-)，女，漢族，吉林遼源人，長春工業大學碩士研究生，主要從事智能儀器與智能控制方向研究,E-mail:1938607835@qq.com.

10.15923/j.cnki.cn22-1382/t.2017.4.10