基于多源数据融合分析的高炉冷却壁使用寿命预测方法与流程

本发明属于钢铁冶金设备状态监测与寿命预测，涉及基于多源数据融合分析的高炉冷却壁使用寿命预测方法。

背景技术：

1、高炉炉腹、炉腰及炉身下部区域长期处于高热负荷与强机械磨损的服役环境。铜冷却壁在该区域的实际使用寿命通常明显短于高炉整体设计寿命。过早的冷却壁破损不仅增加设备更换成本，也制约高炉的长期稳定运行。热冲击扰动与渣皮脱落是引起冷却壁性能退化的两类典型工况，两者在时序上常相互伴随，其综合作用对冷却壁耐久性的影响具有复杂性与耦合性，孤立评估单一过程难以准确反映冷却壁的整体劣化程度。

2、在现有监测实践中，现场采集的参数类型虽然较多，但各参数通常用于独立报警或单变量趋势观察。不同参数在时间维度上的协同变化信息被系统性地纳入退化分析的案例偏少。对于热冲击和渣皮脱落这两类关键事件，其识别常依赖单一物理量的幅值变化，而两类事件各自的损伤贡献以及相互耦合效应在寿命评估中的定量化表达相对欠缺。

3、冷却壁热面的边界状态对寿命评估具有重要影响。现有传热反算方法能够推算出综合热阻的变化，进而获得边界厚度的变化量。但对于该变化量具体源于附着层的减薄还是本体材料的侵蚀，目前的判别依据尚不够充分，这给冷却壁寿命损耗程度的判断带来不确定性。

4、当前使用的寿命预测方法以单变量趋势外推或固定经验公式为主。预测输入中考虑的事件频次、空间位置差异及边界衰减特征等因素较为有限。这些因素在现有模型中的整合程度较低，预测结果与实际更换周期之间常存在可观察偏差。

技术实现思路

1、鉴于此，为解决上述背景技术中所提出的问题，现提出基于多源数据融合分析的高炉冷却壁使用寿命预测方法。

2、本发明的目的可以通过以下技术方案实现：基于多源数据融合分析的高炉冷却壁使用寿命预测方法，包括：按冷却壁单元采集多源监测数据并统一时空基准，对各监测数据分别提取时序特征，多源监测数据包括热流密度、壁体温度、冷却水流量与温差、风温及渣皮厚度。

3、当风温变化率先行、热流密度变化率响应与壁体温度变化率滞后跟随时识别热冲击扰动，由恢复时间与超调量生成韧性指标；在热冲击后，当渣皮厚度减薄、热流密度与壁体温度升高同步时识别渣皮脱落生成损伤增量。

4、将韧性指标与热冲击寿命权重相乘、损伤增量与脱落寿命权重相乘后相加，再乘以冷却壁部位寿命权重，得到损伤指标并计算其劣化速率；由热流密度与壁体温度时间序列经逆向传热反演得到边界厚度衰减量，并判定为渣皮减薄量或侵蚀深度，将损伤指标的劣化速率与边界厚度衰减量分别标准化后相加，得到退化指标。

5、将退化指标时间序列输入寿命预测模型，输出剩余寿命预测时间数值及寿命状态等级。

6、相较于现有技术，本发明的有益效果如下：（1）本发明通过以风温、热流密度与壁体温度的时序响应关系识别热冲击扰动并生成韧性指标，以渣皮厚度减薄与热流密度、壁体温度升高的同步变化识别渣皮脱落并计算损伤增量，将两类事件经寿命权重耦合后计算损伤指标，解决了两类事件识别仅依据单一物理量幅值且损伤贡献缺乏定量化表达的问题，实现了多源参数时序协同变化对冷却壁退化的综合量化。

7、（2）本发明通过热流密度与壁体温度时间序列经逆向传热反演得到边界厚度衰减量，并提取壁体温度时间序列的温度波动极差与单调上升持续时长，将边界厚度衰减量判定为渣皮减薄量或侵蚀深度，解决了边界厚度变化量源于附着层减薄还是本体侵蚀的判别依据不够充分的问题，为冷却壁寿命损耗程度的判断提供了可区分的边界状态分类依据。

8、（3）本发明通过将损伤指标的劣化速率与边界厚度衰减量标准化后相加计算退化指标，将退化指标时间序列输入长短期记忆网络构成的寿命预测模型，输出剩余寿命预测时间数值与寿命状态等级，解决了寿命预测仅依赖单变量趋势外推或固定经验公式且事件频次、空间位置及边界衰减因素整合程度低的问题，提高了剩余寿命预测结果与实际更换周期的吻合程度。

1.基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，包括：

2.如权利要求1所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述时序特征为各监测数据的统计特征，包括均值、峰值、变化率或波动率中的至少一种。

3.如权利要求1所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述韧性指标的获取包括：

4.如权利要求3所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述损伤增量的获取包括：

5.如权利要求4所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述稳态基线为未发生热冲击扰动与渣皮脱落事件的历史时间窗口内，热流密度时间序列与壁体温度时间序列的滑动平均值序列；稳态基线区间为滑动平均值序列上下浮动一倍标准差的数值范围。

6.如权利要求1所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述损伤指标的劣化速率计算包括：

7.如权利要求1所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述退化指标的计算包括：

8.如权利要求7所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述边界厚度衰减量判定为渣皮减薄量或侵蚀深度的过程包括：

9.如权利要求1所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述寿命预测模型由输入层、长短期记忆网络层、全连接层与输出层依次串联构成，退化指标的时间序列经输入层输入长短期记忆网络层提取时序特征，经全连接层计算后由输出层转化为剩余寿命预测时间数值。

10.如权利要求1所述的基于多源数据融合分析的高炉冷却壁使用寿命预测方法，其特征在于，所述输出剩余寿命预测时间数值及寿命状态等级，具体包括：