(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110401590.9 (22)申请日 2021.04.14 (65)同一申请的已公布的文献号 申请公布号 CN 113237332 A (43)申请公布日 2021.08.10 (73)专利权人 东北大学 地址 110169 辽宁省沈阳市 浑南区创新路 195号 (72)发明人 王姝　王晶　翟校辉　杜爱芸　 常玉清　 (74)专利代理 机构 北京易捷胜知识产权代理事 务所(普通 合伙) 11613 代理人 韩国胜 (51)Int.Cl. F27B 14/20(2006.01)G06F 30/27(2020.01) G06K 9/62(2022.01) 审查员 陈欢 (54)发明名称 一种电熔镁炉工况识别方法 (57)摘要 本发明提供一种电熔镁炉工况识别方法， 包 括： S1、 获取电熔镁炉工况中预设周期内的在线 数据； S2、 采用CURD聚类算法对在线数据中所有 连续属性数据进行聚类； S3、 根据预设的数据提 取圈， 筛选出每一初始聚类中处于数据提取圈外 的数据点， 每一初始聚类中处于数据提取圈内的 数据点组成一个新类， 将筛选出的数据点归入距 离其最近的新类中， 获得连续属性数据的离散化 结果； S4、 根据连续属性数据的离散化结果和在 线数据中原有的离散属性数据， 与工况决策表进 行匹配， 将匹配结果作为当前电熔镁炉的工况识 别结果。 可以使电熔镁炉工况识别结果更为准 确， 识别的方法也更为快速安全。 权利要求书2页 说明书10页 附图2页 CN 113237332 B 2022.02.25 CN 113237332 B 1.一种电熔镁炉工况识别方法， 其特 征在于， 包括： S1、 获取电熔镁炉工况中预设周期内的在线数据； S2、 采用CURD聚类算法对在线数据中所有连续属性数据进行聚类， 获得初始聚类； S3、 根据预设的数据提取圈， 筛选出每一初始聚类中处于数据提取圈外的数据点， 每一 初始聚类中处于数据提取圈内的数据点组成一个新类； 将筛选出的数据点归 入距离其 最近的新类中， 获得 连续属性数据的离 散化结果； S4、 根据连续属性数据的离散化结果和在线数据中原有的离散属性数据， 与工况决策 表进行匹配， 将匹配结果作为当前电熔镁炉的工况识别结果； 其中， 工况决策表包括预先根 据电熔镁炉工况的历史数据建立的离 散属性值与各种工况的对应信息； 其中， S2包括： S21、 根据连续属性数据、 距离阈值和密度阈值， 获得参 考点集； S22、 计算每一个数据点与每一个参考点之间的距离， 将数据点与距离其最近的参考点 建立映射； S23、 确定相邻参考点， 利用无向图描述参考点集， 令相邻参考点之间有一条边， 采用图 的广度优先搜索算法寻找位于同一连通子图的参考点， 将处于同一连通子图的参考点归于 同一类， 获得参 考点的分类结果； S24、 根据 数据点与参考点的映射关系和参考点的分类结果， 获得连续属性数据的初始 聚类。 2.根据权利要求1所述的方法， 其特 征在于， 在S1之后， S2之前， 还 包括： S20、 利用线性 转换函数对在线数据中每一个连续属性的数据进行归一 化处理； 其中， 线性 转换函数包括： 式中， s′为样本数据归一化后的取值， s为样本数据， smin为待处理连续属性的数据中的 最小值， smax为待处理连续属性的数据中的最大值。 3.根据权利要求1所述的方法， 其特征在于， 数据提取圈包括以初始聚类的聚类中心为 圆心， 以预设值 为半径的圆圈。 4.根据权利要求3所述的方法， 其特征在于， 预设值为α ·Ri max(i＝1,2,...n)； 式中， 0≤ α <1， Ri max(i＝1,2,...n)为初始聚类中数据点与其聚类中心的最远距离， n 为聚类个数。 5.根据权利要求1所述的方法， 其特征在于， S2中， 将筛选出的数据点归入距离其最近 的新类中， 包括： 从处于每一新类边界上的数据点中选取每一新类的代表点， 计算每一个筛选出的数据 点到每一 新类代表点的距离， 将筛 选出的数据点归 入距离其 最近的代 表点所属的新类中。 6.根据权利要求5所述的方法， 其特征在于， 从处于每一新类边界上的数据点中选取每 一新类的代 表点， 包括： 从处于每一新类边界上的数据点中， 根据数据点到其聚类中心 的距离， 按照降序依次 选取预设数量的数据点作为每一 新类的代 表点。 7.根据权利要求1所述的方法， 其特征在于， 工况 决策表包括预先根据电熔镁炉工况的 历史数据， 基于概 率粗糙集建立的离 散属性值与各种工况的对应信息 。权　利　要　求　书 1/2 页 2 CN 113237332 B 28.根据权利要求1所述的方法， 其特 征在于， 在S1之前， 还 包括： S01、 获取电熔镁炉工况中预设周期内的历史数据； S02、 对历史数据中所有连续属性数据进行S2、 S3处理， 获得历史数据中连续属性数据 的离散化结果； S03、 根据 连续属性数据的离散化结果、 历史数据中原有的离散属性数据和对应的决策 属性， 建立离 散数据表， 根据离 散数据表提取 出每组数据及其所属工况， 获得初始决策表； 基于概率粗糙集对初始决策表中条件属性相同、 决策属性不同的目标对象进行修正， 获得工况决策表。 9.根据权利要求8所述的方法， 其特征在于， 基于概率粗糙集对初始决策表中条件属性 相同、 决策属性 不同的目标对象进行修 正， 包括： 计算目标对象属于每种工况的概率， 选择概率最大的工况作为目标对象的工况识别结 果。权　利　要　求　书 2/2 页 3 CN 113237332 B 3