一种轧钢工艺流程质量异常综合诊断方法

1.一种轧钢工艺流程质量异常综合诊断方法，其特征在于，包括：构建融合层级质量信息的层次化故障传播网络;根据构建的层次化故障传播网络，识别变工况下故障传播路径；根据变工况下故障传播路径识别结果，对质量异常相关故障进行在线诊断；其中，所述构建融合层级质量信息的层次化故障传播网络包括：在质量异常工况监测结果的基础上，以轧钢工艺流程知识为基础，结合不同层级信息及对不同层级的过程变量和质量异常相关故障变量的相关性和因果关系的分析结果，构建融合层级质量信息的层次化故障传播网络；其中，所述在质量异常工况监测结果的基础上，以轧钢工艺流程知识为基础，结合不同层级信息及对不同层级的过程变量和质量异常相关故障变量的相关性和因果关系的分析结果，构建融合层级质量信息的层次化故障传播网络包括：在质量异常工况监测结果的基础上，以轧钢工艺流程知识为基础，基于不同层级信息，利用广义重构贡献图及相对重构贡献图方法实现质量异常相关故障辨识，并构建质量异常相关故障根源目标候选集的筛选准则；当不同层级的过程变量和质量异常相关故障变量之间的统计相关性容易确定时，将知识和数据相结合，获取不同层级的过程变量和质量异常相关故障变量之间的直接、间接因果关系并构建拓扑网络，以层次化符号有向图的形式描述构建的拓扑网络，并利用采集的不同层级数据样本为层次化符号有向图赋值，根据构建的筛选准则反向搜索以筛选质量异常相关故障根源目标候选集，正向搜索以确定质量异常相关故障根源，实现融合层级质量信息的层次化故障传播网络的构建；其中，将知识和数据相结合指：融合轧钢工艺流程全流程不同层级信息、质量工艺模型信息以及利用时间序列因果关系分析方法对采集的不同层级数据样本进行因果关系分析得到的结果；其中，所述层级包括：设备层、实时控制层、过程控制层及制造执行层、企业管理层和企业战略层；其中，所述在质量异常工况监测结果的基础上，以轧钢工艺流程知识为基础，结合不同层级信息及对不同层级的过程变量和质量异常相关故障变量的相关性和因果关系的分析结果，构建融合层级质量信息的层次化故障传播网络还包括：当不同层级的过程变量和质量异常相关故障变量之间的统计相关性难以确定时，将知识和数据相结合，基于证据理论建立以质量异常相关故障变量为节点的证据图模型，其节点状态为证据理论中关于质量异常相关故障变量取值的信度分布，通过对过程连接性知识、不同层级的相关信息及质量异常相关故障变量历史数据的分析，得到不同层级相邻质量异常相关故障变量节点条件信度分布，用其描述质量异常相关故障在证据图中的传播关系，通过条件信度分布线性更新方法，将更新结果中信度最大的节点作为质量异常相关故障根源，实现融合层级质量信息的层次化故障传播网络的构建；其中，所述根据构建的层次化故障传播网络，识别变工况下故障传播路径包括：在所构建的融合层级质量信息的层次化故障传播网络的基础上，针对其中的子系统故障传播网络，分析多工序质量指标集的耦合关系，实现故障传播路径的粗识别；结合工况变化信息及工序间变工况迁移概率模型，实现变工况下全流程故障传播路径的精细化识别方法；其中，所述在所构建的融合层级质量信息的层次化故障传播网络的基础上，针对其中的子系统故障传播网络，分析多工序质量指标集的耦合关系，实现故障传播路径的粗识别包括：在所构建的融合层级质量信息的层次化故障传播网络的基础上，针对其中的子系统故障传播网络，以轧钢工艺流程各子系统的质量工艺模型和不同工况模式下的过程变量间、过程变量与质量指标之间的主导变量关系为基础，利用动态贝叶斯网络学习变量间的概率依存关系及其随时间变化规律，初步构建基于动态贝叶斯网络的故障传播网络，实现故障传播路径的粗识别；其中，所述结合工况变化信息及工序间变工况迁移概率模型，实现变工况下全流程故障传播路径的精细化识别方法包括：融合工况变化信息，在初步构建的基于动态贝叶斯网络的故障传播网络的基础上，构建工序间变工况概率转移模型，并结合新工况的识别结果与子系统间的关联关系，构建精准的动态贝叶斯网络，实现变工况下全流程质量异常相关故障传播路径的精细化识别；其中，所述工况变化信息包括：过程操作点变化、运行状态变化、原材料变化、生产计划变化；其中，所述根据变工况下故障传播路径识别结果，对质量异常相关故障进行在线诊断包括：基于已建立的共性和个性子空间模型，利用子空间辨识方法分别提取共性、个性子空间模型下轧钢工艺流程正常历史数据中的特征向量，得到基准向量；确定由变工况下故障传播路径识别出的故障数据的特征向量，基于确定的故障数据的特征向量，分别得到共性、个性子空间中的质量异常相关故障变量与基准向量之间的偏离度；对得到的共性与个性子空间中的质量异常相关故障变量与基准向量之间的偏离度进行融合，得到共性和个性子空间的融合偏离度；确定融合偏离度阈值，根据确定的融合偏离度阈值及得到的融合偏离度对故障等级进行划分，实现质量异常相关故障在线诊断。