发明名称 |
一种基于数据驱动的轧制过程打滑诊断及预测的方法 |
摘要 |
一种基于数据驱动的轧制过程打滑诊断及预测的方法,利用正常轧制状态下的正常数据进行非线性分析,抽取核主元信息,建立核主元模型。将测试数据映射到核主元模型,检验测试数据的统计量T<sup>2</sup>和SPE是否超过控制限,判断轧机是否存在打滑故障。如果存在打滑故障,利用贡献图法对变量进行故障分离,准确判断打滑原因,修改相应轧制参数设定值,避免打滑现象的发生。本发明方法可在线监测轧制过程打滑故障的发生,还可对预设定的轧制规程进行诊断。 |
申请公布号 |
CN104985003A |
申请公布日期 |
2015.10.21 |
申请号 |
CN201510299592.6 |
申请日期 |
2015.06.03 |
申请人 |
燕山大学 |
发明人 |
赵新秋;韩伟;王茜;孟庆刚;贾林;车海军 |
分类号 |
B21B37/00(2006.01)I |
主分类号 |
B21B37/00(2006.01)I |
代理机构 |
石家庄一诚知识产权事务所 13116 |
代理人 |
崔凤英 |
主权项 |
一种基于数据驱动的轧制过程打滑诊断及预测的方法,其特征在于,所述方法包括以下步骤:(1)采集数据,在轧制过程中,根据轧制理论和生产实际确定采集的正常数据,需采集的数据包括:乳化液浓度、轧件温度、轧机的前后张力、轧辊速度、轧机的入口厚度和出口厚度、轧辊直径、轧件宽度、轧辊表面粗糙度,对所采集的数据进行去噪和标准化处理;(2)利用正常轧制状态下的正常数据进行非线性分析,计算正常状态下正常数据的核矩阵,对核矩阵进行中心化处理,建立打滑相关的核主元模型,利用自由搜索法确定核主元参数,计算正常数据的T<sup>2</sup>和SPE统计量,确定统计量T<sup>2</sup>和SPE的控制限;所述控制限对应于99%置信限;(3)将实际轧制过程的测试数据或轧制规程预设定值进行去噪和标准化处理,计算测试数据的核矩阵,对测试数据的核矩阵进行中心化处理,建立核主元模型,将测试数据或预设定值映射到核主元模型,计算测试数据的T<sup>2</sup>和SPE统计量;将测试数据的T<sup>2</sup>和SPE统计量与正常数据统计量T<sup>2</sup>和SPE的控制限进行比较,判断测试数据的统计量T<sup>2</sup>和SPE是否超过控制限,如果超限,则判断出现打滑故障,并输出打滑故障数据;(4)对故障数据利用核主元贡献图法对变量进行故障分离,计算贡献量,画出贡献图,判断打滑故障原因,修改造成打滑故障的相应轧制变量,避免打滑现象发生。 |
地址 |
066004 河北省秦皇岛市海港区河北大街西段438号 |