第 4 期 | 特征工程实战从原始仪表信号到诊断特征集算法工程师常说数据决定上限模型逼近上限。在炉况诊断中这句话要再进一步特征工程决定上限而特征工程的核心是把工艺知识翻译成数学语言。本期以一座真实高炉的数据处理流程为蓝本完整走一遍从原始仪表信号到可训练特征集的全流程——数据对齐、时滞标定、时窗统计、工况分段、样本标注每一步都是现场踩过的坑换来的经验。一、诊断特征工程的总体流程 多源原始数据DCS秒级 化验2-4h 图像流数据清洗去重 补缺 异常剔除时间对齐统一到基准时钟时滞标定按机理补偿传导延迟特征计算派生指标时窗统计工况分段按操作制度分组样本标注炉况事件打标签诊断特征集特征矩阵标签这套流程中时间对齐与时滞标定是高炉场景区别于通用 ML 的核心难点——高炉是一个慢变量套快变量的系统铁水 [Si] 滞后操作 2~6 小时若不对齐模型学到的是错位的伪相关。二、数据清洗高炉数据的三大顽疾 1. 换炉与布料的周期性干扰热风炉换炉约每 40min造成风压、风量的规律性阶跃布料每批料造成顶温、料线的脉冲。处理策略干扰源特征表现处理方法换炉风压/风量阶跃按换炉时刻标记剔除阶跃点或单独建模布料顶温脉冲中值滤波 事件标记出铁炉缸压力波动按出铁时段打工况标签仪表校验信号冻结/跳变变化率阈值检测剔除2. 缺失与通信中断工业网络抖动导致分钟级数据缺失。禁止简单线性插值会掩盖真实的快速变化推荐缺失 5min前值保持 缺失标记位缺失 ≥ 5min该时段样本整体剔除宁可少样本也不要假数据。3. 量纲与量程差异各测点量纲悬殊温度 1500℃ vs 压力 0.3MPa vs 流量 8000m³/min建模前必须标准化。但注意标准化参数要按工况分段计算否则工况变化会被误认为异常。三、时滞标定高炉特征工程的灵魂 ⏳高炉各变量对同一事件的响应存在显著时滞源于物质与能量的传导速度0-5min5-30min2-6h建模时按滞后期对齐操作变动如加风/变料风量 风压快变量顶温 煤气成分中变量铁水温度 [Si]慢变量统一时间基准标定方法机理初定按炉容与料速估算料批在炉内停留时间如 3200m³ 炉约 6~8h确定慢变量滞后量级互相关精校对操作变量与响应变量做互相关分析取相关峰值对应的滞后阶数分组标定不同操作制度下料速不同时滞需分组标定。知识卡片时滞标定错误是高炉模型最常见的隐形杀手。曾有一例某厂炉温预测模型准确率始终 60% 上下排查发现 [Si] 与操作变量按固定 4h 对齐而实际料速波动使真实滞后为 3~5.5h 变化——按动态料速重新标定后准确率跃升至 85%。四、时窗统计特征把趋势变成特征 炉况是演化出来的单点值价值有限时窗统计才能捕捉趋势统计类型常用算子窗口建议捕捉的炉况信息水平特征均值、中位数10min/1h当前状态水平趋势特征线性斜率、一阶差分30min/2h恶化/改善方向与速率波动特征标准差、极差、变异系数15min/1h稳定性悬料前脉动形状特征偏度、峰度1h分布形态偏移频域特征主频能量、小波能量30min周期性异常多尺度窗口同一变量应在多个时间尺度开窗如 10min 捕捉突变、2h 捕捉趋势避免单一窗口顾此失彼。五、工况分段消除混杂的关键一步 ✂️高炉在不同操作制度下如不同风量、喷煤比同一炉况的指标表现不同。若混合建模模型会把工况差异误学为炉况差异按风量区间按喷煤比按冶强全量历史数据工况分段高风量段 中风量段 低风量段高煤比段 低煤比段强化冶炼 常规 护炉段内建模或段标签作为特征工程上有两种落地方式轻工况分多模型各工况独立模型精度高但维护重重工况作特征把工况标签编码为输入特征单模型泛化。中小数据量推荐后者。六、样本标注诊断数据的老大难 ️监督学习需要正常/异常标签但炉况标签面临三重困难异常稀有悬料、管道年发生次数有限正负样本比常达 1:100 以上边界模糊异常是渐变的从哪一刻算异常难以界定标注主观依赖工长事后追认不同人标准不一。应对策略建立炉况事件台账——每次异常由当班工长记录起止时刻、类型、处置、效果经炉长审核后入库。配合事件前 N 小时为正样本的标注规则N 按预警提前量目标设定如 3h。⚠️工程警示标注质量决定一切。建议标注时同步记录置信度明确异常/疑似异常建模时高置信样本用于训练疑似样本用于验证避免标签噪声污染模型。 本期小结高炉特征工程全流程清洗→对齐→时滞标定→特征计算→工况分段→标注时滞标定是灵魂需机理初定互相关精校分组标定动态料速下不可用固定滞后时窗统计特征需多尺度捕捉水平、趋势、波动、形状、频域五类信息工况分段消除混杂样本标注依赖规范的炉况事件台账与置信度分级。下期预告基础已夯实进入典型炉况专题——第 5 期《悬料与崩料炉料悬滞的机理、征兆与预警模型》解剖高炉最凶险的急性心梗。作者高炉炼铁智能化技术研究者专注钢铁冶金与人工智能 交叉领域。 如果觉得有帮助请点赞、收藏、转发版权归作者所有未经许可请勿抄袭套用商用(或其它具有利益性行为)。 关注专栏不错过后续精彩内容
