《熱軋帶鋼產品質量預測與診斷的非線性統計建模研究》是依託北京科技大學，由黎敏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：熱軋帶鋼產品質量預測與診斷的非線性統計建模研究
- 依託單位：北京科技大學
- 項目負責人：黎敏
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
我國每年生產2億噸熱軋帶鋼產品，產值約8000億元。由於生產工藝複雜，與國外同類產品相比，產品質量有較大差距。本課題針對熱軋帶鋼生產中多變數強耦合、過程非線性等特點，採用非線性統計建模方法，研究生產工藝參數與產品質量之間的內在關係，建立產品質量監控模型，實現熱軋帶鋼產品質量的預測與診斷。主要研究內容包括：基於流形學習的半監督建模方法，解決在生產數據缺失情況下的產品質量高精度預測的問題；研究基於小波核相關向量機的建模方法，解決產品質量預測的置信度問題；研究基於核偏最小二乘分析的建模方法，解決引起產品質量出現異常的主要工藝參數；研究基於支持向量機規則抽取的建模方法，解決異常工藝參數如何調整的問題。本課題的預期研究成果不僅可以套用於冶金工業的生產過程，而且在石油化工、機械製造等其它領域都有著廣泛的套用前景，具有重要的理論價值和實際工程意義。
結題摘要
熱軋帶鋼生產具有多變數強耦合、過程非線性等特點。將熱軋生產過程看成是一個系統，則生產工藝參數就是該系統的輸入，產品質量參數就是該系統的輸出。根據熱軋生產過程的輸入和輸出數據建立質量系統的數學模型，尋找生產工藝參數與質量參數之間的關係，這對提高產品質量、最佳化生產控制策略具有重要意義。本課題以熱軋帶鋼產品質量為主要研究對象，以“核方法”為理論基礎，建立帶鋼產品質量的預測和診斷模型，主要取得如下研究成果：【1】在產品質量預測方面。（1）針對單模型回歸存在預測精度差的問題，提出基於支持向量機的多模型分析方法。根據不同的評價標準，建立多個預測模型，然後將子模型連線起來，構成多模型系統，這樣可減少病態數據的影響，提高模型魯棒性。（2）針對建模數據中無關成分和特異點影響的問題，利用正交信號校正和穩健回歸結合的方法來建立產品質量預測模型。首先利用正交信號校正去除自變數中與因變數的無關成分，然後採用穩健回歸算法進行建模，降低特異點對模型的影響，提高模型預測精度。【2】在產品質量診斷方面。（1）為準確定位由哪些工藝參數引起了產品質量問題，建立基於核主成分分析的產品質量診斷模型。利用SPE統計量進行生產過程的監控，通過故障指數來衡量各工藝參數對統計量的作用，可以找出引起產品質量異常的原因。（2）為提高線上質量判定的計算速度，建立基於T2統計量的產品質量診斷模型。首先利用偏最小二乘回歸對生產數據進行信息提取，然後根據T2統計量對提取的信息進行過程監控，最後利用貢獻圖分析生產過程中出現異常的原因。【3】在生產過程聚類方面。（1）傳統聚類方法對k近鄰參數的選擇很敏感，建立基於譜聚類的生產過程聚類模型，通過k近鄰和ε半徑近鄰法相結合，利用測地距離方法實現聚類，可提高聚類的準確性。（2）傳統聚類方法假設數據服從常態分配，而實際生產數據分布複雜。為解決該問題，建立基於核熵主成分分析的生產過程聚類模型，採用基於角距離的類內離散度和類間離散度的差作為準則，自適應選取核參數和聚類數，實現生產過程數據的自適應聚類。本課題的預期研究成果不僅可以套用於熱軋生產過程，還可以在冷軋、連鑄等冶金工業的其它生產過程進行推廣，而且在石油化工、機械製造等其它領域的產品質量預測與診斷方面都有著廣泛的套用前景，具有重要的理論價值和實際工程意義。
