一种基于联邦学习的熔炼异常诊断方法

摘要: 本发明涉及联邦学习,尤其涉及一种基于联邦学习的熔炼异常诊断方法。背景技术:1、随着冶金工业向连续化、智能化和精细化方向发展,熔炼过程中的炉温、电流、电压、功率、...
一种基于联邦学习的熔炼异常诊断方法

本发明涉及联邦学习,尤其涉及一种基于联邦学习的熔炼异常诊断方法。

背景技术:

1、随着冶金工业向连续化、智能化和精细化方向发展,熔炼过程中的炉温、电流、电压、功率、压力、流量、投料量及成分参数呈现多变量耦合、阶段变化明显和时间滞后复杂的特征。熔炼设备在升温、投料、熔化、精炼、保温及出炉阶段的正常运行范围存在差异,设备规格、原料成分、目标产品和工艺制度的变化也会改变工艺参数之间的关联关系。现有熔炼异常诊断技术通常采集生产过程数据,通过阈值判断、统计分析或时序预测模型识别异常,并依据预测值与实际值之间的偏差确定异常状态。

2、现有技术中,部分方法将不同熔炼设备或生产基地的数据集中汇总后训练异常诊断模型,但熔炼数据涉及原料配比、工艺制度及设备运行状态,集中传输存在数据安全和共享限制。联邦学习能够在原始数据保留于本地的情况下完成模型协同训练,但现有联邦诊断方法通常直接对各客户端模型参数进行平均聚合,未充分考虑设备规格、熔炼任务、工艺阶段及变量耦合关系的差异,容易造成不同工况下的参数更新相互干扰。部分客户端异常样本数量较少,异常类型和工艺阶段覆盖不完整,直接参与聚合还可能造成全局模型偏向数据量较大的客户端。

3、同时,现有时序诊断模型多侧重工艺参数随时间的变化,对熔炼阶段转折、变量间时滞作用和耦合偏离利用不足,难以区分正常阶段切换与真实异常。现有联邦聚合过程缺少对反向参数更新的筛选,也未将可共享的时序关联参数与适配本地工况的诊断参数进行区分,导致全局模型难以兼顾跨客户端异常知识共享和本地熔炼条件适配。异常诊断结果通常仅给出异常评分或异常类别,对异常阶段、关联变量、异常来源、异常等级及诊断可信度的联合判定能力不足。

4、因此,如何提供一种基于联邦学习的熔炼异常诊断方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于联邦学习的熔炼异常诊断方法,本发明充分利用联邦学习、熔炼多变量时序分析和改进scinet模型,通过熔炼阶段划分、变量耦合建模、客户端分组聚合、反向更新筛选及共享参数与客户端诊断参数组合,实现跨客户端熔炼异常知识协同训练和异常诊断,具备数据安全性高、工况适应性强、异常诊断准确度高和异常来源识别能力强的优点。

2、根据本发明实施例的一种基于联邦学习的熔炼异常诊断方法,包括:

3、采集客户端熔炼工艺参数、设备规格、熔炼任务和异常记录,按批次及时间对齐生成熔炼时序数据;

4、归一化熔炼时序数据,按工况转折分段,生成熔炼阶段序列和熔炼工况编码;

5、依据工艺约束及时滞构建熔炼变量耦合矩阵,按异常记录生成异常类型阶段分布表;

6、将熔炼阶段序列、熔炼工况编码和熔炼变量耦合矩阵输入改进scinet模型训练,生成本地模型参数,改进scinet模型包括熔炼工况条件调制模块、多级二叉树交互模块、熔炼变量关系约束模块、残差融合模块、全连接映射模块和熔炼异常残差诊断模块;

7、按设备规格、熔炼任务和熔炼变量耦合矩阵差异划分联邦聚合组,将本地模型参数划分为共享更新参数和客户端诊断参数;

8、按异常类型阶段分布表赋权,筛除反向共享更新参数,按联邦聚合组聚合并融合,生成全局共享参数;

9、组合全局共享参数和客户端诊断参数,生成熔炼客户端诊断模型;

10、经熔炼客户端诊断模型处理熔炼阶段序列、熔炼工况编码和熔炼变量耦合矩阵,生成熔炼异常诊断结果。

11、可选的,所述熔炼工艺参数包括温度、电气、压力、流量、投料和成分参数;设备规格包括设备类型、额定容量、额定功率、加热方式、采样周期和参数采集通道量程;熔炼任务包括熔炼批次、原料类别、原料成分、目标产品、目标成分、目标温度区间、工艺阶段顺序、工艺参数控制范围和工艺参数控制关系;异常记录包括异常时刻、异常类型、异常关联设备、异常关联变量、异常阶段和检修结论;熔炼时序数据包括客户端标识、设备标识、熔炼批次、采集时间以及对应的熔炼工艺参数、设备规格、熔炼任务和异常记录。

12、可选的,所述按批次及时间对齐生成熔炼时序数据包括:

13、依据熔炼批次、原料类别、目标产品和工艺阶段顺序,为客户端熔炼工艺参数、设备规格、熔炼任务和异常记录匹配批次标识,生成熔炼批次关联数据;

14、从熔炼批次关联数据中提取投料、工况转折和出炉时刻作为批次事件锚点,依据采样周期统一时间基准,并将采集时间转换为相对批次事件锚点的时间偏移,生成熔炼批次同步数据;

15、按批次标识和时间偏移排列熔炼批次同步数据,将异常记录关联至对应时间位置,并补入设备规格和熔炼任务,生成熔炼时序数据。

16、可选的,所述生成熔炼阶段序列和熔炼工况编码包括:

17、依据设备规格和熔炼任务中的参数范围,对熔炼时序数据中的连续参数执行尺度转换,对离散参数执行类别映射,生成尺度统一熔炼序列;

18、计算尺度统一熔炼序列中温度、功率、投料、流量和成分参数的变化幅度,结合工艺阶段顺序筛选多参数协同转折位置,生成熔炼阶段边界;

19、依据熔炼阶段边界分割尺度统一熔炼序列并按时间排列,生成熔炼阶段序列,将设备规格、原料及产品参数和阶段标识映射为熔炼工况编码。

20、可选的,所述按异常记录生成异常类型阶段分布表包括:

21、从熔炼阶段序列中提取温度、电气、压力、流量、投料和成分参数,依据工艺约束确定变量作用方向及允许时滞区间,生成熔炼变量约束对;

22、在允许时滞区间内计算各熔炼变量约束对的时滞关联强度,选取最大时滞关联强度及对应时滞,将最大时滞关联强度按变量排列写入矩阵,生成熔炼变量耦合矩阵;

23、按熔炼批次和异常发生时刻将异常记录关联至熔炼阶段序列,匹配异常类型及熔炼阶段,生成异常事件阶段关联数据;

24、按异常类型和熔炼阶段统计异常事件数量及异常覆盖批次数,将异常事件数量与同类异常事件总量的比值作为异常阶段分布权重,生成异常类型阶段分布表。

25、可选的,所述生成本地模型参数包括:

26、保留scinet模型的多级二叉树处理、残差连接和全连接映射结构,新增熔炼工况条件调制模块、熔炼变量关系约束模块和熔炼异常残差诊断模块,构建改进scinet模型,改进scinet模型包括熔炼工况条件调制模块、多级二叉树交互模块、熔炼变量关系约束模块、残差融合模块、全连接映射模块和熔炼异常残差诊断模块;

27、将熔炼阶段序列和熔炼工况编码输入熔炼工况条件调制模块,依据熔炼阶段、设备工况和熔炼任务调节工艺变量特征,生成工况调制阶段序列;

28、将工况调制阶段序列输入多级二叉树交互模块,按时间位置递归拆分奇数子序列和偶数子序列,执行子序列缩放、交互及拼接重排,生成多尺度交互特征序列;

29、将多尺度交互特征序列和熔炼变量耦合矩阵输入熔炼变量关系约束模块,按变量耦合强度及时滞关系聚合工艺变量特征,生成耦合约束特征序列;

30、将耦合约束特征序列和工况调制阶段序列输入残差融合模块,按对应时间位置进行融合,生成熔炼残差融合特征序列;

31、将熔炼残差融合特征序列输入全连接映射模块,生成熔炼状态预测序列;

32、将熔炼状态预测序列和熔炼阶段序列输入熔炼异常残差诊断模块,计算工艺变量预测残差和变量耦合残差,生成熔炼异常残差特征;

33、依据熔炼状态预测误差、变量耦合一致性误差和异常残差分离误差构建联合训练目标,迭代优化改进scinet模型的模型参数,达到训练收敛条件后生成本地模型参数。

34、可选的,所述将本地模型参数划分为共享更新参数和客户端诊断参数包括:

35、将设备类型、额定容量、额定功率、原料类别、目标产品和工艺阶段顺序编码,生成客户端熔炼任务向量;

36、计算客户端熔炼任务向量差异和熔炼变量耦合矩阵差异,组合生成客户端聚合距离,并依据客户端聚合距离划分联邦聚合组;

37、将多级二叉树交互模块和熔炼变量关系约束模块的模型参数确定为共享候选参数,将熔炼工况条件调制模块、残差融合模块、全连接映射模块和熔炼异常残差诊断模块的模型参数确定为客户端诊断参数;

38、计算共享候选参数在本地训练前后的参数差值,生成共享更新参数,并保留客户端诊断参数。

39、可选的,所述生成全局共享参数包括:

40、依据异常类型阶段分布表统计各熔炼客户端的异常类型覆盖和熔炼阶段覆盖,组合并归一化生成客户端聚合权重;

41、按联邦聚合组对共享更新参数进行加权组合,生成组参考更新方向,计算各共享更新参数与组参考更新方向的方向相似度,筛除方向相似度小于零的反向共享更新参数;

42、依据客户端聚合权重对保留的共享更新参数进行组内聚合,生成组共享更新参数;

43、依据各联邦聚合组的异常类型覆盖、熔炼阶段覆盖和客户端数量生成组融合权重,对组共享更新参数进行加权融合,生成全局共享参数。

44、可选的,所述生成熔炼客户端诊断模型包括:

45、依据改进scinet模型的模块标识,将全局共享参数映射至多级二叉树交互模块和熔炼变量关系约束模块,生成全局共享模块参数表;

46、将客户端诊断参数映射至熔炼工况条件调制模块、残差融合模块、全连接映射模块和熔炼异常残差诊断模块,生成客户端个性化模块参数表;

47、比对全局共享模块参数表和客户端个性化模块参数表中相邻模块的输入输出通道及参数维度,执行通道一致性校验和参数维度校验,生成客户端模块参数表;

48、将客户端模块参数表加载至改进scinet模型,保持残差融合模块的连接关系,生成熔炼客户端诊断模型。

49、可选的,所述生成熔炼异常诊断结果包括:

50、将熔炼阶段序列、熔炼工况编码和熔炼变量耦合矩阵输入熔炼客户端诊断模型,生成熔炼状态预测序列和熔炼异常残差特征;

51、计算熔炼阶段序列与熔炼状态预测序列中对应工艺变量的偏差,结合熔炼异常残差特征生成变量异常评分;

52、依据熔炼变量耦合矩阵对变量异常评分进行关联传播,计算变量耦合偏离程度,确定异常关联变量、异常来源及异常阶段;

53、依据变量异常评分、变量耦合偏离程度和熔炼工况编码确定异常类型、异常等级及诊断可信度,汇集异常关联变量、异常来源和异常阶段,生成熔炼异常诊断结果。

54、本发明的有益效果是:

55、本发明通过对不同熔炼客户端的熔炼工艺参数、设备规格、熔炼任务和异常记录进行批次关联与时间同步,形成统一的熔炼时序数据,并结合工况转折对熔炼过程进行阶段划分,使不同设备、不同原料和不同产品条件下的熔炼数据能够按照相同的阶段基准进行分析。通过构建熔炼变量耦合矩阵,将温度、电气、压力、流量、投料及成分参数之间的工艺约束和时滞关联纳入异常诊断过程,降低了正常阶段切换、参数瞬时波动和变量响应延迟对异常判断的干扰,提高了熔炼异常特征提取的准确性和稳定性。

56、本发明通过在scinet模型中设置熔炼工况条件调制模块、熔炼变量关系约束模块和熔炼异常残差诊断模块,对不同熔炼阶段下的工况特征、多尺度时序变化及变量耦合偏离进行联合建模,使熔炼异常诊断不再局限于单一参数越限或普通时序预测残差。通过对熔炼状态预测误差、变量耦合一致性误差和异常残差分离误差进行联合优化,能够提取与熔炼工况相匹配的异常表征,并识别异常关联变量、异常阶段及异常来源,提高了复杂熔炼工况下异常类型区分和异常来源定位的可靠性。

57、本发明通过依据设备规格、熔炼任务和熔炼变量耦合矩阵差异划分联邦聚合组,并结合异常类型阶段分布表确定客户端聚合权重,使工况相近且具有不同异常知识覆盖的熔炼客户端能够进行协同训练。通过筛除与组参考更新方向相反的共享更新参数,减少异常样本分布不均和客户端数据差异造成的参数冲突,并通过共享更新参数与客户端诊断参数的分离及组合,在不集中传输原始熔炼数据的条件下兼顾跨客户端异常知识共享和本地工况适配。最终生成的熔炼异常诊断结果能够综合反映异常类型、异常阶段、异常来源、异常等级和诊断可信度,为熔炼过程异常排查、设备维护及工艺调整提供明确的数据依据。