
第 23 卷 第 2 期
Vol. 23 No. 2
控 制 与 决 策
Contr ol and Deci sion
2008 年 2 月
Feb. 2008
收稿日期: 2006211223; 修回日期: 20072 012 29.
基金项目: 国家重 点 基 础 研 究 发展 规 划 项目 ( 2002CB312201 ) ; 北 京 工 业 大 学 博 士科 研 流 动基 金 项 目
( 5200201720070) .
作者简介: 严爱军( 1970 ) ) , 男, 湖北当阳人, 讲师, 博士, 从事复杂 工业过程、故障诊断等研究; 柴天佑( 1947 ) ) ,
男, 兰州人, 中国工程院院士, 教授, 博士生导师, 从事多变量智能解耦控制、复杂工业过程等研究.
文章编号: 100120920( 2008) 022 0177205
基于案例推理的竖炉故障预报系统
严爱军
1
, 柴天佑
2
, 王 普
1
( 1. 北京工业大学 电子信息与控制 工程学院, 北京 100022; 2. 东北大学 自动化研 究中心, 沈阳 110004)
摘 要: 为降低竖望炉焙烧过程的故障发生率, 基于故障机理的分析, 将过程参量预报 与案例推理技术 相集成, 提出
了竖炉焙烧过程的智能故障预报方 法. 参量预报模型对不易在线连续测量但能反映故障 征兆的关键工艺参数进行实
时预报, 在此基础上, 采用案例推理 技术对焙烧过程进行全面分析并给出一些典型故障发生的概率和操作指导. 将所
建立的故障预报系统成功 应用于竖炉焙烧过程的生产实际中, 故障发生率明显 降低, 取得了显著应用成效.
关键词: 故障预报; 案例推理; 参量预报; 竖炉; 智能
中图分类号: TP277 文献标识码: A
Fault prediction system using case2based reasoning for shaft furnace
status
YAN Ai2j un
1
, CH AI Ti an2you
2
, WAN G P u
1
( 1. College of Electr onic Informat ion and Control Engineer ing, Beijing Univer sity of Technology, Beijing 100022,
China; 2. Resear ch Center of Automation, Nort heastern Univer sity, Shenyang 110004, China. Cor respondent: YAN
Ai2jun, E2mail: yanaijun@bjut. edu. cn)
Abstra ct: For reducing the fault rat io of shaft ore2 roasting furnace, based on the analysis of the fault mechanism and
combination of case2 based reasoning ( CBR ) and variables prediction, an int elligent fault prediction approach is
proposed for the shaft fur nace roasting process. T he prediction model of the pr ocess variables per forms to pr edict key
technical parameter s as the fault symptoms that is hard t o measure online. The probability of the typica l fault and
their operation guidance with the help of case2 based reasoning technology are obtained. The proposed fault prediction
system is successfully applied to the roast ing process of a shaft furnace, t he fault rat ios dur ing pr oduction process is
decreased, and the proved benefit is achieved
Key words: F ault prediction; Case2based reasoning; Variable prediction; Shaft furnace; Intelligent
1
引 言
竖炉始建于 1926 年, 赤铁矿竖炉焙烧过程主要
包括给矿系统、炉温燃烧系统、高温还原系统以及冷
却搬出系统. 它的稳定控制和稳定运行对于保证选
矿厂的经济效益有着重要的意义
[ 1]
. 由于竖炉焙烧
动态过程复杂, 操作不稳定, 导致生产经常因故障而
处于停滞状态, 对焙烧过程的故障预防是保证过程
稳定控制和稳定运行的前提.
故障诊断技术是一门涉及到控制与建模等多方
面的综合性技术
[ 2]
. 近年来, 人工智能技术渗透到了
故障诊断领域
[ 325]
, 例如: 生产过程的故障检测与诊
断、工艺和电子设备的故障诊断等. 智能技术的混合
使用在这一领域的研究也得到了关注
[ 6]
, 特别是将
案例推理技术应用于故障诊断, 为故障诊断的研究
提供了一条新途径
[ 7]
. 作者曾对竖炉焙烧过程发生
故障以后的识别和处理问题进行了研究
[ 8]
, 但迄今
为止, 对竖炉过程的故障趋势预报以避免故障的发
生还未见有成效的方法.
本文针对竖炉焙烧过程中的故障频发问题, 提
出了包括过程参量预报模型和基于案例推理技术的
故障预报模型两个组成部分的竖炉生产过程智能故
障预报方法, 讨论了其结构原理及算法实现. 将建立
的智能故障预报系统应用于竖炉焙烧过程, 表明了
所提出方法的有效性, 为竖炉焙烧过程多变量智能