一种基于混合结构模型的电熔镁炉工况诊断方法

专利主权项内容

1.一种基于混合结构模型的电熔镁炉工况诊断方法，其特征在于，包括：获取异构数据集；所述异构数据集包括若干样本多视角图像集以及每一所述多视角图像集对应的样本真实工况；每一所述样本多视角图像集包括同一时刻采集到的若干不同样本视角图像；所述样本视角图像为电熔镁炉工作过程中的炉内图像或炉璧图像；所述样本真实工况包括优工况和非优工况；对于每一所述样本多视角图像集，对所述样本多视角图像集中每一样本视角图像进行特征提取，得到所述样本多视角图像集中每一所述样本视角图像对应的样本初始特征；对于每一所述样本多视角图像集，根据所述样本多视角图像集中所有所述样本视角图像对应的样本初始特征生成所述样本多视角图像集对应的图结构，并根据所述图结构生成所述样本多视角图像集对应的超图结构；所述图结构中的图节点与所述所述样本多视角图像集中所有所述样本视角图像对应的样本初始特征一一对应；所述图结构中的边表示其连接的两个图节点对应的样本初始特征之间的距离小于第一设定阈值；所述超图结构中的超图节点与所述所述样本多视角图像集中所有所述样本视角图像对应的样本初始特征一一对应；所述超图结构中的超边表示其连接的若干超图节点对应的样本初始特征之间的距离小于第二设定阈值；将当前迭代轮次对应的分类器组的工况预测结果、所述样本多视角图像集对应的图结构和超图结构输入至混合结构模型中，得到当前迭代轮次对应的混合图特征；当当前迭代轮次为1时，当前迭代轮次对应的分类器组的工况预测结果为所述样本多视角图像集中所有所述样本视角图像对应的样本初始特征；当前迭代轮次对应的分类器组的标签为所述样本多视角图像集的样本真实工况；所述混合结构模型由图神经网络和超图神经网络构成；当前迭代轮次对应的分类器组包括至少一个分类器；根据当前迭代轮次对应的混合图特征和当前迭代轮次对应的分类器组的工况预测结果计算当前迭代轮次对应的残差；判断是否达到迭代停止条件，若是，则停止迭代，将当前迭代轮次对应的分类器组作为训练好的梯度提升决策树；若否，则将当前迭代轮次对应的残差作为下一迭代轮次的标签，将下一迭代轮次对应的分类器组替换当前迭代轮次对应的分类器组，并返回“将当前迭代轮次对应的分类器组的工况预测结果、所述样本多视角图像集对应的图结构和超图结构输入至混合结构模型中”步骤，直至达到迭代停止条件，得到训练好的的梯度提升决策树；所述训练好的的梯度提升决策树为达到迭代停止条件时对应的迭代轮次的分类器组；下一迭代轮次的分类器组比当前迭代轮次对应的分类器组多一个分类器；采用所述训练好的梯度提升决策树对电熔镁炉的工况进行诊断，得到目标工况诊断结果；所述目标工况诊断结果为优工况或非优工况。