多工况过程快速建模和监测方法研究与应用

发布时间：2017-07-06 07:00

  本文关键词：多工况过程快速建模和监测方法研究与应用

  更多相关文章： 多工况过程 快速建模 过程监测 质量预测 模型移植 冷轧过程

【摘要】：流程工业生产过程具有多工况特性,当工况发生变化时,原工况模型一般不再适用于新工况。若是按常规方法建立新工况模型,通常需要耗费大量时间和资源;在线建模期间,无法有效进行生产过程的性能监测和质量预测,难以保证生产过程的安全性以及产品质量的可靠性。多工况过程的快速建模和在线监测是实际生产过程的迫切需要,模型移植理论是有效解决该问题的方法之一。本文以具有动态变规格控制策略的轧制过程为应用研究对象,针对其多工况、变工况、多操作阶段、高维耦合过程变量等特点,采取多元统计建模、模型移植、阶段划分等手段,实现新工况的快速建模、性能监测和质量预测。首先,针对轧制过程的多工况特点,分析了不同工况下高维过程数据的统计特性。不同工况下,虽然过程变量的数据特性发生了显著变化,但过程所遵循的内部机理是不变或非常相似的。在此认知下,先根据历史数据的分布情况,定义过程的基准工况,建立基准工况的多元统计模型;新工况在线建模时,通过主成分(PCA)相似因子,将工况变化分为渐变工况和突变工况,分别选用数据筛选和模型重构这两种移植策略,快速获得轧制过程新工况下的板形预测模型,实现板形缺陷的在线预测。然后,同时考虑轧制过程的多工况和多阶段特点,采用一种密度聚类算法提取稳态轧制阶段的稠密数据,建立稳态阶段局部的过程监测模型,基于该局部模型,辨识非稳态阶段,实现轧制过程的阶段划分;采用模型移植的思想,由典型工况历史数据定义基准工况数据集,从中寻找与新工况数据特征相似的样本,建立轧制各阶段的初始移植模型,并依赖不断累积的新工况数据迭代更新模型,使之具有良好的模型精度和鲁棒性,最终实现新工况的在线性能监测。本文方法在宝钢2030mm冷轧机组上进行了仿真和实验验证,结果表明,本文方法具有良好的快速建模能力,模型精度高,在线监测和板形质量预测性能满足企业实际需求,有望成为企业提高过程安全性和产品质量可靠性的技术保障。
【关键词】：多工况过程 快速建模 过程监测 质量预测 模型移植 冷轧过程
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG334.9
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 注释表10-11
• 第一章 绪论11-20
• 1.1 课题研究背景和意义11-12
• 1.1.1 课题来源11
• 1.1.2 背景介绍11-12
• 1.2 统计过程建模12-15
• 1.2.1 数据高斯分布下的统计建模13
• 1.2.2 数据非高斯分布下的统计建模13-14
• 1.2.3 多工况过程统计建模14-15
• 1.3 统计过程监测15-16
• 1.3.1 故障监测15-16
• 1.3.2 故障诊断16
• 1.4 板形控制系统简介16-18
• 1.4.1 DSR板形辊的结构16-17
• 1.4.2 DSR板形控制系统原理17-18
• 1.4.3 板形模式识别18
• 1.5 本文的主要工作18-20
• 第二章 多变量统计方法简介20-29
• 2.1 引言20
• 2.2 聚类分析20-22
• 2.2.1 相似性计算方法20-21
• 2.2.2 聚类个数的确定21
• 2.2.3 K-means聚类方法21-22
• 2.3 主成分分析(PCA)22-23
• 2.4 偏最小二乘算法(PLS)23-26
• 2.5 基于PCA的过程监测26-28
• 2.5.1 基于PCA过程监测步骤26-27
• 2.5.2 基于变量贡献图的故障诊断27-28
• 2.6 本章小结28-29
• 第三章 基于模型移植的动态变规格冷连轧过程板形预测方法29-51
• 3.1 引言29
• 3.2 模型移植理论29-35
• 3.2.1 模型移植理论研究现状29-31
• 3.2.2 几种典型相似性以及移植方法概述31-35
• 3.3 数据采集和处理35-38
• 3.3.1 数据采集35-36
• 3.3.2 板形质量参数化36-38
• 3.4 基于模型移植的变工况板形预测方法38-41
• 3.4.1 基准工况下板形预测方法38-40
• 3.4.2 基于PCA相似因子的工况划分40-41
• 3.5 在线模型移植41-43
• 3.5.1 渐变工况下的模型移植41-42
• 3.5.2 突变工况下的模型移植42-43
• 3.6 应用案例结果与分析43-50
• 3.6.1 渐变工况案例分析43-47
• 3.6.2 突变工况案例分析47-50
• 3.7 本章小结50-51
• 第四章 基于模型移植的多工况快速建模和监测方法51-64
• 4.1 引言51-52
• 4.2 对象简介、数据采集与处理52
• 4.3 轧制过程阶段划分算法52-55
• 4.3.1 数据分析52-53
• 4.3.2 阶段划分53-55
• 4.4 多工况轧制过程的快速建模和监测55-57
• 4.4.1 基模型55-56
• 4.4.2 新工况初始模型56
• 4.4.3 模型更新策略以及阶段模型切换与故障的冲突处理56-57
• 4.5 应用结果与分析57-62
• 4.6 本章小结62-64
• 第五章 总结与展望64-66
• 5.1 工作总结64
• 5.2 展望64-66
• 参考文献66-72
• 致谢72-73
• 在攻读硕士学位期间发表的学术论文目录和参加科研情况73

【参考文献】

中国期刊全文数据库 前10条

1 李新德;王丰羽;;一种基于ISODATA聚类和改进相似度的证据推理方法[J];自动化学报;2015年03期

2 刘忠宝;王士同;;基于熵理论和核密度估计的最大间隔学习机[J];电子与信息学报;2011年09期

3 许仙珍;谢磊;王树青;;基于PCA混合模型的多工况过程监控[J];化工学报;2011年03期

4 邵昌f;楼巍;严利民;;高维数据中的相似性度量算法的改进[J];计算机技术与发展;2011年02期

5 谢明霞;郭建忠;张海波;陈科;;高维数据相似性度量方法研究[J];计算机工程与科学;2010年05期

6 严加根;郑向东;杜新兵;;梅钢冷连轧机动态变规格系统组成与控制原理[J];科技资讯;2009年20期

7 舒萦;羌菊兴;凌鹰鹤;王永利;;动态设定及自适应技术在酸轧机组上的应用[J];宝钢技术;2007年04期

8 杨富锋;芮筱亭;魏伟波;;密度函数小波估计方法[J];兵工学报;2006年03期

9 赖晓平,周鸿兴;电力系统网络拓扑分析的有色Petri网模型[J];电网技术;2000年12期

10 刘健庄;基于二维直方图的图象模糊聚类分割方法[J];电子学报;1992年09期

中国博士学位论文全文数据库 前3条

1 白雪;聚类分析中的相似性度量及其应用研究[D];北京交通大学;2012年

2 李珊珊;计算机视觉中特征与相似性度量研究[D];中国科学技术大学;2010年

3 葛志强;复杂工况过程统计监测方法研究[D];浙江大学;2009年

，

本文编号：525119