基于数据驱动的轧机振动预测研究

发布时间：2017-08-19 10:42

  本文关键词：基于数据驱动的轧机振动预测研究

  更多相关文章： 轧机振动 数据挖掘 预测 BP神经网络 支持向量机

【摘要】：随着现代工业的发展,各行业对板带材的需求量不断增加,同时也对板带质量提出了更高的要求,轧机振动不仅造成板带厚度波动、轧辊和轧件表面振痕,而且限制了轧制速度,大大降低生产效率,振动剧烈时还容易造成堆钢断带等运行事故,严重威胁轧机设备安全,已经成为一个急需解决的钢铁行业难题。以往对轧机振动的研究主要集中在机理分析、控制预防和振动信号处理等方面,而对包含大量设备运行状态信息的过程监测数据(PDA数据)关注较少。工业4.0时代,通过对工业数据的分析和挖掘,实现生产过程的智能化,是未来生产制造的发展方向。本文将数据挖掘技术应用于轧机振动的研究中,通过对轧机运行过程监测数据(PDA数据)进行分析和挖掘,实现基于数据驱动的轧机振动预测。首先根据轧机PDA数据非线性、强耦合的特点,对两种应用较广泛的数据挖掘算法:BP神经网络和支持向量机(SVM)进行深入的分析研究,针对BP神经网络泛化能力弱的缺点,引入AdaBoost算法,对BP神经网络进行集成,提高BP神经网络算法的预测精度,建立基于BP-AdaBoost强预测器轧机振动预测模型,针对支持向量机(SVM)算法中松弛系数和惩罚因子两个关键参数选择困难的特点,引入粒子群算法(PSO)对两个参数进行优化选择,建立基于PSO-SVM算法的轧机振动预测模型。其次利用现场测试数据对两种轧机振动预测模型进行验证。结果表明:两种算法都能够实现轧机振动预测,PSO-SVM算法预测精度明显优于BP-AdaBoost算法;同时利用PSO-SVM轧机振动预测模型定量分析了工艺参数变化对振动强度的影响,对影响较大的参数进行优化,明显降低了振动现象的发生。
【关键词】：轧机振动 数据挖掘 预测 BP神经网络 支持向量机
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG333
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 课题背景及意义10-11
• 1.2 轧机振动特性研究现状11-14
• 1.2.1 轧机振动机理模型研究现状11-13
• 1.2.2 轧机振动抑制研究现状13-14
• 1.2.3 轧机振动信号分析研究现状14
• 1.3 数据挖掘技术研究现状14-17
• 1.4 数据挖掘在钢铁行业中的应用17-18
• 1.5 主要研究内容18-19
• 第2章 迁钢2160热连轧机系统振动测试方案19-26
• 2.1 迁钢2160热连轧设备介绍19-20
• 2.2 振动测试目的20
• 2.3 传动系统扭转振动测试20-23
• 2.3.1 扭矩测试原理20-21
• 2.3.2 扭振测点布置21-22
• 2.3.3 扭矩信号的传输方法22-23
• 2.4 垂直及水平振动测试23-25
• 2.4.1 测试原理23-24
• 2.4.2 测点布置24-25
• 2.5 本章小结25-26
• 第3章 数据挖掘算法研究26-40
• 3.1 引言26
• 3.2 BP-AdaBoost算法26-32
• 3.2.1 BP神经网络26-29
• 3.2.2 AdaBoost算法29-30
• 3.2.3 BP-AdaBoost强预测器轧机振动预测模型30
• 3.2.4 BP-AdaBoost强预测器轧机振动预测算法30-32
• 3.3 PSO-SVM算法32-39
• 3.3.1 支持向量机32-36
• 3.3.2 粒子群优化算法36-37
• 3.3.3 PSO-SVM轧机振动预测模型37-39
• 3.4 本章小结39-40
• 第4章 基于数据驱动的轧机振动预测分析40-58
• 4.1 数据提取及预处理40-43
• 4.1.1 参数的确定及提取40-42
• 4.1.2 数据预处理42-43
• 4.2 BP-AdaBoost振动预测模型结果分析43-45
• 4.3 PSO-SVM振动预测模型结果分析45-47
• 4.4 两种振动预测模型的比较47-48
• 4.5 工艺参数对振动影响的定量分析48-57
• 4.5.1 轧制力对振动影响的定量分析48-49
• 4.5.2 轧制速度对振动影响的定量分析49-51
• 4.5.3 出入口张力对振动影响的定量分析51-53
• 4.5.4 轧件宽度对振动影响的定量分析53-54
• 4.5.5 加热序号对振动影响的定量分析54-55
• 4.5.6 入口厚度对振动影响的定量分析55-56
• 4.5.7 压下率对振动影响的定量分析56-57
• 4.6 关键参数优化57
• 4.7 本章小结57-58
• 结论58-60
• 参考文献60-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 陈修宽;董祥军;石芙芙;;Web数据挖掘综述[J];山东轻工业学院学报(自然科学版);2009年03期

2 黄会明;王红星;;SQL Server 2005在数据挖掘中的应用[J];煤炭技术;2011年06期

3 吴孝丽;周焱;;Microsoft SQL Server数据挖掘的高级研究[J];煤炭技术;2011年07期

4 糜元根;数据挖掘方法的评述[J];南京化工大学学报(自然科学版);2001年05期

5 李小平,焦李成;数据挖掘中信息颗粒及其构造[J];西安石油学院学报(自然科学版);2001年04期

6 秦忠宝,彭文利,何卫平,陈伟东;网络环境下数据挖掘若干问题的述评[J];西北轻工业学院学报;2002年02期

7 叶克江,陈广宇;数据挖掘的实现方法及其应用[J];郑州轻工业学院学报;2002年03期

8 高磊红,骆舒心,仇记清,雷和稳,段惠敏;一类复杂工业生产过程中的数据挖掘[J];河北化工;2003年06期

9 乔淑云;数据挖掘[J];江苏煤炭;2003年04期

10 谭立云,高学东,武森;数据挖掘方法与应用[J];华北科技学院学报;2004年02期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

4 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

5 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

6 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

7 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

8 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

9 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

10 安康;基于数据挖掘的商业银行客户关系管理研究[D];兰州交通大学;2014年

，

本文编号：700285