基于核方法的冷轧带钢产品质量监控与诊断研究

The cold rolled steel strip is widely used in construction, automotive, household appliance manufacturing, electromechanical products, and so on. In China, 80 million tons of cold rolled steel strip products are manufactured every year. Due to the complex production process, there is some discrepancy in the top products compared with similar foreign products. Because the cold strip rolling is the multi-variable, strong-coupled, complex variable types and nonlinear system, the kernel method as the nonlinear statistical model is used in this project to mine the essential relationship between the process parameters and product quality. Then, the quality monitoring model is built to diagnosis product quality, fix on the abnorm process parameters or reduce the manual analysis range. The main research topics include: Research on the kernel entropy component analysis to orient the abnormal process parameters that result in the strip thickness or width abnormity. Reseach on the kernel entropy clustering based on the manifold distance and the kernel statisical pattern analysis to resolve the shape defect recognition and diagnosis. Research on rule extraction based on multiple relevant vector machine to orient and adjust the abnormal parameters when there are strip surface defects. The desired research results will be used in continuous casting, hot rolling and other metallurgical production process. There are extensive application prospects in petroleum, chemical industry, machinery manufacturing and other fields. It is of great both theoretical and practical significance.

冷轧带钢产品广泛应用于建筑、汽车、家电、机电产品等行业。我国每年生产8000万吨冷轧带钢产品，但由于生产工艺复杂，高端产品质量与国外同类产品相比有一定差距。本课题针对冷轧带钢生产中多变量强耦合、变量类型混杂、过程非线性等特点，采用非线性统计建模中的核函数方法，研究生产工艺参数与产品质量之间的内在关系，建立产品质量监控模型，实现冷轧带钢产品质量诊断，定位异常工艺参数，缩小人工分析范围。主要研究内容包括：研究基于核熵成分分析的建模方法，定位引起带钢宽度和厚度质量异常的工艺参数；研究基于流形距离核熵聚类和核统计特征量模式分析的诊断方法，解决带钢板形识别与异常诊断问题；研究基于多核相关向量机的规则抽取建模方法，解决带钢表面质量异常下工艺参数的定位和调整问题。本课题的预期研究成果可以推广到连铸、热轧等冶金生产过程，而且在石油、化工、机械制造等领域有着广泛的应用前景，具有重要的理论价值和实际工程意义。

带钢产品是冶金工业中高附加值的主干产品，其生产过程具有大型化、连续化、高速化和高精度等现代流程工业的典型特征。为了提高产品质量，需要认识各因素与质量间的关系。将生产过程看作一个系统，则原料质量、工艺参数等就是系统的输入，产品质量是系统的输出。实际生产中因为机理模型较为复杂，应用中需要进行大量的简化，而影响其准确性。利用大量的实际生产数据建立统计模型，是提高产品质量主要的解决途径之一。.本项目主要采用大量的实际生产数据分析带钢产品的外部和内部质量，主要研究内容包括：（1）带钢热镀锌生产中锌层质量区间预测模型，采用小波相关向量机模型，利用气刀的喷气压力、气刀喷嘴到带钢的距离、机组运行速度和带钢厚度进行锌层重量的预测，多组实际生产数据显示相对预测误差均小于5%，满足实际控制需求；（2）带钢酸洗生产中酸液浓度多模态预测模型，根据酸浓度自变量分布的特点，数据在空间上分为若干个不同的类。因此，首先对数据进行聚类分析，然后在不同类别上利用压差、温度和电导率等工艺参数进行酸浓度的预测，相对预测误差约为3%左右，满足软传感器的检测需求；（3）基于多模态和支持向量机的热轧带钢轧制力智能预测，因实际生产过程处于不同的生产状态，利用聚类方法实现生产状态的划分，最后采用加权最小二乘支持向量机算法计算出轧制力的修正系数，通过机理模型和统计模型的结合来预报出高精度的轧制力值，平均相对误差为3.2%，满足了现场的生产要求；（4）热轧带钢的弯曲性能异常诊断，选择同一钢种，同一厚度的带钢作为研究对象，采用主成分方法对生产过程进行监控和诊断，发现硅和硫的含量异常是导致弯曲性能异常的主要原因；（5）带钢凸度的敏感性分析研究，利用支持向量机对热轧带钢出口凸度建模，在模型基础上采用敏感性方法发现第一和第六机架的辊凸度是引起带钢凸度的主要原因；（6）冶金全流程质量监控与诊断平台初步建设，本平台通过质量分析，了解当前产品的质量情况；通过过程质量控制确保产品质量的稳定性；通过过程质量改进确保产品质量的持续提升，不断提高顾客满意度和企业持续竞争力。