[发明专利]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

说明书

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，使成分均匀化；

钢由于树枝状结晶而造成晶内偏析，须经扩散退火，使化学成分均匀

(2)消除钢件中的带状组织，细化晶粒，均匀组织；

提高钢的组织的均匀性，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。

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：

Xij*=Xij-X‾jSj---(1)]]>