专利名称：基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法
技术领域：
本发明涉及带钢质量控制方法，尤其涉及一种带钢质量预测、炉况预警与故障诊 断方法。
背景技术：
在冷轧连续退火机组中，退火炉是其中的重要设备。退火是将带钢加热到适当温 度，保温一定时间后缓慢冷却，以获得接近平衡状态的热处理工艺。退火的实质，对于共析 钢、过共析钢来说，是奥氏体化后进行珠光体转变的过程；对于亚共析钢来说，是奥氏体先 共析转变后珠光体转变的过程。
通过退火，可以达到
(1)消除钢的成分偏析，使成分均勻化；
钢由于树枝状结晶而造成晶内偏析，须经扩散退火，使化学成分均勻
(2)消除钢件中的带状组织，细化晶粒，均勻组织；
提高钢的组织的均勻性，为最终热处理做准备
(3)降低硬度，改善组织，以便再加工；
钢铁在铸造、锻压、轧制过程中，往往硬度偏高，需经退火以降低硬度
(4)提高塑性，便于冷变形加工
冷变形是钢铁发生加工硬化，经退火处理后可消除这种加工硬化，提高材料塑性， 以便于后续的冷变形加工，如冷冲压、冷轧等
(5)改善高碳钢中碳化物的形态和分布；
带钢退火工艺主要包括预热、加热、均热、冷却、过时效、终冷等过程，其内部结构 经历晶粒恢复、再结晶、晶粒长大、碳化物析出等几个阶段的组织变化过程，使得材料组织 进行再结晶，从而提高带钢的内在质量。
在实际的生产过程中，通过截取带钢头、尾部分，再进行离线实验分析获得带钢的 内在质量信息，来判断产品质量情况。而离线实验分析通常具有一定的时间滞后，这使得只 有带钢生产出来一段时间后，才能获得其具体质量情况。这个问题的存在不但难以实现带 钢质量的实时监测，同时也给寻找故障因素带来了一定的困难，严重的限制了带钢产品质 量及其合格率的提高。发明内容
本发明旨在解决现有技术的上述缺陷，提供基于偏最小二乘的带钢质量预测、炉 况预警与故障诊断方法。本发明通过PLS算法建立带钢质量(硬度和延伸率)与变量的之 间的模型，在线应用时将实时采集的数据映射到此模型中，实现实时的质量预测、过程监测 与故障诊断。
本发明是这样实现的
一种基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法，它包括
模型选择步骤它包括采用多模型来描述与其对应的钢种的过程特性；
数据预处理步骤；包括基于模型的数据对整，建立过程输入与质量输出的同步关 系和数据去量纲处理以消除过程数据因物理单位不统一带来的对建模精度的影响；
建立离线模型步骤；通过利用大量的正常工况下的历史数据建立带钢质量与过程 变量的PLS模型；
监控指标控制限的确定步骤所述监控指标包括质量指标和统计指标；
变量控制限的确定步骤；
在线预测步骤；
在线检测和故障诊断步骤。
所述的基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法，
所述数据对整包括
①批次对整
由于带钢的质量信息是在生产结束一定时间以后离线化验得到，会有一定的滞 后，需要根据卷号信息，将每一卷带钢的过程数据χ与该卷对应的质量数据Y对应起来；
②头部历经和尾部历经对整
头部/尾部的历经对整是为了获得头部/尾部历经信息，即从带钢头部/尾部进 入某一炉段内开始，到带钢的头部/尾部离开该段，对应炉段变量在该段时间内的平均值。
所述的基于偏最小二乘法的带钢质量预测、炉况预警与故障诊断方法，所述数据 去量纲处理按照下列公式进行
权利要求
1.一种基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法，其特征在于，它包括模型选择步骤它包括采用多模型来描述与其对应的钢种的过程特性； 数据预处理步骤；包括基于模型的数据对整，建立过程输入与质量输出的同步关系和 数据去量纲处理以消除过程数据因物理单位不统一带来的对建模精度的影响；建立离线模型步骤；通过利用大量的正常工况下的历史数据建立带钢质量与过程变量 的PLS模型；监控指标控制限的确定步骤所述监控指标包括质量指标和统计指标；变量控制限的确定步骤；在线预测步骤；在线检测和故障诊断步骤。
2.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方 法，其特征在于所述数据对整包括①批次对整由于带钢的质量信息是在生产结束一定时间以后离线化验得到，会有一定的滞后，需 要根据卷号信息，将每一卷带钢的过程数据X与该卷对应的质量数据Y对应起来；②头部历经和尾部历经对整头部/尾部的历经对整是为了获得头部/尾部历经信息，即从带钢头部/尾部进入某 一炉段内开始，到带钢的头部/尾部离开该段，对应炉段变量在该段时间内的平均值。
3.根据权利要求1所述的基于偏最小二乘法的带钢质量预测、炉况预警与故障诊断方法，其特征在于，所述数据去量纲处理按照下列公式进行
4.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方 法，其特征在于所述建立的离线模型是钢质量与过程变量的PLS模型设有q个因变量{yi，y2，…，yj和ρ个自变量{Χι，&，···，&}; 为研究因变量与自变量的统计关系，观测了 η个采样点，由此构成了自变量与因变量 的数据表 X= Ix1, X2, L, χρ}, Y = Iy1, y2, L, yj ；偏最小二乘分别提取分别在X与Y中提取出携带最大信息主成分T和U,并使T和U之 间的相关性最强。通过对输出Y与主成分T的回归，进而得到Y与X的关系模型。偏最小 二乘算法的具体实现主要包括以下几个步骤(1)从X和Y中分别提取第一个主成分、和U1，提取主成分时，根据回归分析需要，有 以下2个要求①、和U1尽可能多地携带X和Y中的变异信息；
5.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方 法，其特征在于所述质量指标控制限的确定包括①若过程数据近似服从正态分布，由假设检验来确定控制限 硬度预测值控制限设第i个批次的过程变量为Xi，我们可以得到该批次的硬度预测统计量力，
6.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警故障诊断方法， 其特征在于所述统计量指标包括T2统计量和SPE统计量；统计量的控制限去顶包括①若过程数据近似服从正态分布，控制限根据经验公式确定。 T2统计量
7.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警故障诊断方法， 其特征在于所述变量贡献控制限的确定步骤包括定义第j个过程变量\的贡献计算如下 硬度预测值贡献
8.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警故障诊断方法， 其特征在于所述在线预测步骤包括首先要判断当前生产的带钢的调制度，调用对应型 号的模型参数；然后再将采集来的数据进行标准化处理，分别求取带钢头部和尾部历经，带 入离线模型中，预测带钢头部和尾部硬度，其计算公式如下，
9.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警故障诊断方法， 其特征在于所述在线检测包括运行到第k个时刻时，可以利用截止到k时刻的平均轨迹，计算相应的T2和SPE统计 量，计算公式如下T2 统计量Tk2 = tJS-H,(17)SPE 统计量:SPEk=ekekT =(xk -xk)T(xk-xk)(18)其中，Tk2和SP&分别是当前k时刻计算得到的T2和SPE统计量值；tk = & ·Ρ是当前 时刻的主元得分；对角矩阵S与离线程序中的对角阵S相同么是当前时刻数据向 量&的估计；同时获得在线实时的带钢硬度预测结果和延伸率实时检测值，将他们与其对应的控制 限进行对比，来判断系统是否出现异常。
10.根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉况预警故障诊断方法， 其特征在于所述在线监测时同时监测质量指标和统计量指标，实时考核对应的质量与过 程运行状态，并采取以质量监测为主，统计量监测为辅的策略，依次由重到轻报警，有以下3 种情况需要考虑i.当质量预测或在线延伸率检测值至少有一个超出正常控制限，判断此时发生了严重 故障，已经影响到了带钢硬度和延伸率；此时，过程变量与质量变量间以及过程变量间的相 关关系已经发生改变，系统发出严重警报，并调用各变量的贡献控制限诊断故障原因； .当质量预测值与在线延伸率未超出正常控制限，但是T2与SPE至少其中之一显示 超限，可以判断此时过程变量间的相关关系发生异常，但还未影响到带钢硬度、延伸率。系 统发出中度警报，调用各变量的贡献控制限进行故障诊断，提出操作建议，帮助操作者在质 量受到影响前做出及时调整；iii.当质量预测值与在线延伸率，T2及SPE均未超限，但是四者有任一显示出一种连 续变化的情况并有超限的趋势，我们认为此时有故障发生的趋势，此故障对质量及过程变 量间相关性影响缓慢。在统计量指标未超限前我们就可以调用对应连续变化的统计量的故 障诊断贡献图分析故障变量。
11.根据权利要求1所述的根据权利要求1所述的基于偏最小二乘的带钢质量预测、炉 况预警故障诊断方法，其特征在于所述故障诊断包括通过历史正常数据求取每个变量的正常贡献的控制限，在线监测时，比较当前贡献图 与历史贡献图，可以得到引发异常趋势的主要变量；硬度预测值贡献
全文摘要
本发明涉及一种带钢质量预测、炉况预警与故障诊断方法。一种基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法，它包括模型选择步骤它包括采用多模型来描述与其对应的钢种的过程特性；数据预处理步骤；包括基于模型的数据对整，建立过程输入与质量输出的同步关系和数据去量纲处理以消除过程数据因物理单位不统一带来的对建模精度的影响；建立离线模型步骤；通过利用大量的正常工况下的历史数据建立带钢质量与过程变量的PLS模型；监控指标控制限的确定步骤；变量控制限的确定步骤；在线预测步骤；在线检测和故障诊断步骤。本发明通过PLS算法建立带钢质量与变量的之间的模型，实现实时的质量预测、过程监测与故障诊断。
文档编号G05B19/418GK102033523SQ20091019639
公开日2011年4月27日 申请日期2009年9月25日 优先权日2009年9月25日
发明者丁旭峰, 徐家倬, 牛大鹏, 王姝, 谭帅, 陈卫东, 高金刚 申请人:上海宝钢工业检测公司, 东北大学