电熔镁砂是一种应用广泛的耐火材料,它的主要生产设备是电熔镁炉。在电熔镁砂生产过程中由于原料杂质成份和颗粒长度的频繁变化,会导致电流设定值不合理,电熔镁炉长期运行在不合理的电流设定值下,就会产生异常工况。异常工况的产生,轻者会导致产品品位下降,重者会造成严重的生产事故。电熔镁炉熔炼过程是典型的复杂工业过程,无法建立精确的数学模型。但现场的操作人员,能够凭借自己的经验知识结合当前的电流数据、炉体情况与声音信号,及时发现异常。本文正是利用经验知识和生产数据进行异常工况识别的研究工作。首先,综述了异常识别方法的发展现状,梳理了电熔镁炉熔炼过程中的三种关键工况;分析了熔炼过程中的四种典型异常工况状态;得到了异常工况的特点和产生的原因。其次,建立了基于规则推理的加热熔化异常工况识别模型,分析了加热熔化异常中图像的特点,对图像进行滤波处理,分割出目标区域,提取出相关的图像特征;提出电流变化率的短时能量概念,并与电流的跟踪误差一起作为加热熔化异常识别中的电流特征;将基本数据、图像信息和声音信息进行数据融合,实现了序列同步化;仿真验证了模型的准确性。最后,建立了基于案例推理的排气异常识别模型;针对排气异常的特点,融合图像、电流和声音的特征作为案例的表示。提出了一种基于加权欧式距离和加权余弦函数相结合的相似度计算方法,根据历史数据采用遗传算法和内省学习确定了案例特征的权重,采用群决策的案例检索方法来充分挖掘数据潜在知识。设计了案例重用和案例存储策略。仿真实验验证了模型的合理性和有效性。