质量相关的多工况动态间歇过程建模及故障诊断方法研究

The focus of modern process industry has shifted to the production of higher-value-added products through batch processes. Thus, performing valid process monitoring (PM) is a principal task of ensuring process safety and product quality for batch processes. Due to the complex operation mechanism, chaotic environment and vague boundary conditions, it's quite tough to build an accurate physical model and implement model-based PM techniques for batch processes. As a result, data-driven approaches as alternative become more and more popular. This project takes the hot strip mill process (HSMP), which is a complex batch process, as the research background and attempts to study advanced theories and methodologies of PM for multi-mode, dynamic and non-Gaussian batch processes. The problems addressed in the project include: (1)Quality-relevant mode extraction and identification for dynamic batch processes under multi-mode running environment; (2)Quality-relevant PM technique for complex dynamic batch processes under multi-mode producing condition; (3)Process model migration technique corresponding the change of the producing demand, and the model updating strategy associated with the running environment; (4)Application of the new proposed approaches in the real hot strip mill process and testify their applicability. The project aims at establishing a set of quality-relevant PM schemes for the complex dynamic batch processes that could effectively work under the multi-mode, dynamic and non-Gaussian environment.

现代过程工业正逐渐倚重于生产小批量、多品种、高附加值产品的间歇工业过程。通过过程监控来保障间歇过程的安全可靠运行以及连续稳定的产品质量逐渐成为过程控制的首要任务。由于复杂间歇过程机理复杂、规模庞大、工况多变、运行环境恶劣、边界条件模糊等原因，难以建立精确的过程监控机理模型，数据驱动方法成为过程监控的主流技术。本项目以带钢热连轧这一多工况复杂动态间歇过程为背景，采用数据驱动思路研究质量相关的多工况、动态、非高斯数据特性下的建模与故障诊断理论与技术，拟研究和解决以下几方面问题：（1）质量相关的多工况动态间歇过程模态识别与划分技术；（2）质量相关的多工况复杂动态间歇过程监控技术；（3）需求改变导致的监测模型移植技术与过程及环境时变驱动的监测模型更新策略；（4）在带钢热连轧生产过程中进行验证和应用。旨在建立一套适用于多工况、动态、非高斯数据特性下质量相关的复杂动态间歇过程故障诊断方法与技术。

现代过程工业正逐渐倚重于生产小批量、多品种、高附加值产品的间歇工业过程，通过过程监测来保障间歇过程的安全可靠运行以及连续稳定的产品质量逐渐成为过程控制的首要任务。由于复杂间歇过程机理复杂、规模庞大、工况多变、运行环境恶劣、边界条件模糊等原因，难以建立精确的过程监测机理模型，数据驱动方法成为过程监测的主流技术。本项目以带钢热连轧这一多工况复杂动态间歇过程为研究背景，采用数据驱动思路研究了质量相关的多工况、动态、非高斯数据特性下的建模与故障诊断理论与技术。主要体现在以下四方面：1）针对动态间歇过程的多工况特点，揭示了其多模态特性及其与产品质量之间的关系，研究了质量相关的模态特征提取、识别与划分方法；2）针对间歇工业过程的多工况特点以及过程和质量数据的多模态、动态非高斯特性，研究了质量相关的多模态动态间歇过程建模与监测方法，提出了一类面向多模态间歇过程的质量相关非线性故障诊断框架；3）在充分挖掘质量相关数据的共性与个性特征的基础上，创建了基于层次化多工况模式下共性与个性特征提取及建模的故障诊断框架，解决了多工况条件下的质量监测模型更新问题，建立了适用于多工况的实时高精度的质量监测模型；4）利用知识与数据相结合的方法，建立了联合数据驱动的复杂间歇过程质量相关的故障监测模型，构建了基于联合数据驱动的复杂间歇过程质量相关的故障诊断性能分析与评价指标，提出了联合数据驱动的复杂间歇过程质量故障传播路径的辨识与故障定位方法，为复杂间歇过程质量相关的故障诊断提供了一套新技术和解决方案。上述研究成果在鞍山钢铁集团公司带钢热连轧生产线上进行了实际应用验证，取得了良好的过程监测效果。此外，项目组还对面向系统层级多工况下带钢热轧全流程质量监测与故障诊断方法进行了探索性研究，取得一定的研究成果。在应用前景方面，研究成果将为以带钢热轧为代表的流程工业过程的安全监控及自主保障提供理论支撑与技术保证。