带钢热连轧过程故障检测与诊断方法研究

发布时间：2021-11-28 20:15

　　带钢热连轧过程是钢铁生产中的重要环节,生产过程的正常运转关系到生产的安全性和产品质量。针对带钢热连轧过程的故障检测与诊断,由于系统的复杂性,无法建立精确的数学模型,因此采用基于多元统计分析的故障检测与诊断方法。该类方法不需要明确系统的结构和原理,仅需要对过程数据进行分析和处理,就可以判断系统的运行状态。由于各种因素的影响,实际测得的带钢热连轧过程数据具有非高斯性和非线性,而独立元分析方法不需要数据服从高斯分布,因此将重点研究基于独立元分析方法的故障检测。在此基础上,通过引入核函数,采用核独立元分析方法对带钢热连轧过程进行故障检测。仿真结果表明,基于核独立元分析方法比独立元分析方法的故障检测准确性平均提高了35.26%。为了提高故障检测的准确性,提出了小波包结合改进核独立元分析的方法。小波包分析方法可以去除实测数据中的噪声干扰,为后续建立系统模型提供更准确的数据。通过在核独立元分析方法中引入超松弛因子,解决快速固定点算法初始权值随机赋值的问题,以提高算法收敛的稳定性。在带钢热连轧过程上的仿真结果表明,小波包结合改进核独立元分析方法在无故障样本点的平均假报警率降低了7.24%,验证了该方法... 

【文章来源】：华北理工大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

基于ICA的T2统计量图

华北理工大学硕士学位论文-24-利用线性ICA方法和非线性KICA方法对能够反映精轧机轧制过程的质量相关的采样数据进行检测，不同监控统计量的结果如图8~12所示。图8基于ICA的T2统计量图Fig.8StatisticalgraphbasedonICAofT2图9基于ICA的SPE统计量图Fig.9StatisticalgraphbasedonICAofSPE

第2章基于核独立元分析的带钢热连轧过程故障检测-25-图10基于KICA的I2统计量图Fig.10StatisticalgraphbasedonKICAofI2图11基于KICA的Ie2统计量图Fig.11StatisticalgraphbasedonKICAofIe2

【参考文献】：
期刊论文
[1]热连轧带钢生产线计算机控制系统的研发与应用[J]. 陈丰,杨子江,王庆军,李旭,张殿华.  轧钢. 2019(03)
[2]热宽带钢无头轧制技术进展及趋势[J]. 康永林,田鹏,朱国明.  钢铁. 2019(03)
[3]基于等价空间的无人机飞行控制系统故障检测[J]. 赵煊,钟麦英,郭丁飞.  山东大学学报(工学版). 2017(05)
[4]复杂工业过程质量相关的故障检测与诊断技术综述[J]. 彭开香,马亮,张凯.  自动化学报. 2017(03)
[5]一种基于改进核Fisher的故障诊断方法[J]. 马立玲,徐发富,王军政.  化工学报. 2017(03)
[6]一种新的非线性FDA间歇过程监控方法[J]. 肖应旺,张绪红,陈呈国.  计算机与应用化学. 2016(07)
[7]基于复杂网络理论的符号有向图（SDG）化工故障诊断[J]. 王政,孙锦程,王迎春,姜英,贾小平,王芳.  化工进展. 2016(05)
[8]轧钢机状态监测与故障诊断技术[J]. 石怀涛,宋文丽,袁哲,刘建昌.  控制工程. 2015(S1)
[9]板带热连轧自动化系统的现状与展望[J]. 张殿华,彭文,丁敬国,龚殿尧,李旭,孙杰.  轧钢. 2015(02)
[10]基于GMM的多模态过程模态识别与过程监测[J]. 谭帅,常玉清,王福利,王姝.  控制与决策. 2015(01)

博士论文
[1]复杂工业过程质量相关故障的根源诊断与传播路径辨识[D]. 马亮.北京科技大学 2019
[2]基于多元统计分析的工业过程故障检测研究[D]. 王世林.华北电力大学(北京) 2018

硕士论文
[1]轧钢机振动信号分析与故障诊断方法研究[D]. 夏冰新.沈阳工业大学 2015
[2]带钢精轧机组热轧过程仿真研究[D]. 赵丕凤.哈尔滨理工大学 2008
[3]棒材精轧线故障诊断专家系统[D]. 汪曙峰.武汉科技大学 2007



本文编号：3525075