CN119416446A 基于自适应校准模型的高炉系统剩余寿命预测方法 （山东科技大学）

基于自适应校准模型的高炉系统剩余寿命本发明属于高炉系统预测与健康管理技术部分可观测的高炉炉壁温度数据建立初始退化用于判断是否对退化模型的参数或结构进行自并通过赤池信息准则确定预测误差模型的最佳2其中温度变化的趋势通过漂移项进行表征，温度变化及环境存步骤3.当测试集补充新的测量数据时，基于当前的退化模型进行预测并得到预测值，步骤7.通过强跟踪滤波器STF与期望最大化算法EM辨识预测误差模型的参数，并通过2.根据权利要求1所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征tr3.根据权利要求2所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征3步骤4.2.将模型校准触发机制的触发次数4.根据权利要求1所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征h表示辨识预测误差模型必要的时间长度；；I5.根据权利要求1所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征ir_1表示预测误差模型时间序列，Δtr表示时间间r_14表示第s次迭代后预测误差的期望；S表示EM算法收敛所需的步r＝tr_tr_1；6.根据权利要求5所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征步骤7.2.2.首先应用STF计算r时刻预测57.根据权利要求1所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征68.根据权利要求7所述的基于自适应校准模型的高炉系统剩余寿命预测方法，其特征7)b_k)b；8(PrognosticsHealthManagement,PHM)技术作为一种有效的预防措施，引起了研究人员[0004]本发明的目的在于提出一种基于自适应校准模型的高炉9[0014]步骤7.通过强跟踪滤波[0017]如上所述，本发明述及了一种基于自适应校准模型的高炉系统剩余寿命预测方炉炉壁不同位置热电偶测得温度数据的差异性，推导出自适应退化模型的首次命中时间[0018]图1为本发明实施例中基于自适应校准模型的高炉系统剩余寿命预测方法的流程[0020]图3为本发明实施例中不同初始退化模型假设下真实退化轨迹与预测退化轨迹示[0021]图4为本发明实施例中不同初始退化模型假设下模型校准后的预测轨迹示意图；[0025]如图1所示，本实施例述及了一种基于自适应校准模型的高炉系统剩余寿命预测[0037]此外根据训练集的数据基于最大似然估计(MaximumLikelihoodEstimation,]T。[0055]其中，Br(,-,)表示i_1次校准后的模型预测结果与实际观测之间的预测误差，(t)tr[0068]其中，表示第i_1次模型校准的时刻，th表示辨识预测[0071]如果e_count≥3，则将模型校准时间记录为并对高炉退化模型结构进行校[0074]为了减轻个别观察随机性对最终结论的影响，要求连续3次出现超过预定义阈值i次校准的漂移项系数，i,)表示示性函数。漂移系数可以通过KF[0101]步骤6.在机制触发时(即触发高炉退化[0111]步骤7.通过强跟踪滤波器(Strongtrackfilter,STF)与期望最大化算法·]表示期望，表示似然函数，Er,(,-,n)表示之间模型预测结果与实际观测之间的预测误差，表示隐状态；h表示确定模型参数的时间长度，声。[0144]步骤8.当自适应校准后的退化模型趋于稳退化模型转化为一个校准了I次的连续退化初始退化模型1和初始退化模型2。对于初始退化模型1(即模型_1)和初始退化模型2(即模)b_k)b；方法无论是在初始模型为幂律模型还是指数模型的假设下，都表现出较高的预测准确性，[0174]本发明方法预测的RUL分布与实际退化趋势高度吻合，说明本发明方法能够在复