[发明专利]一种橡胶硬度的在线质量监控和预测模型更新的方法

说明书

技术领域

本发明涉及橡胶轮胎制造领域的在线质量监控方法，特别涉及一种橡胶硬度的在线质量监控和预测模型更新的方法。

背景技术

近年来，随着国民生产总值的不断提高，橡胶行业有着突飞猛进的发展，加上中国汽车行业的不断发展，对橡胶行业更起到了巨大的推动作用。不论是在生产还是生活领域，越来越多的使用到橡胶制品。随着新产品的不断出现，应用领域的不断扩大，均对橡胶产品的生产提出了更新更高的要求。

橡胶混炼是橡胶生产最主要的工序之一，对橡胶混炼过程的有效控制直接影响到橡胶产品的质量。橡胶混炼是典型的间歇过程，具有明显的时变特性和非线性，因此对混炼胶质量检测的及时、准确，即对混炼过程的实时控制，是保证橡胶产品质量的关键。但是橡胶混炼过程很短，一般只有2～3分钟左右的时间，而且混炼过程复杂，所以对混炼过程直接进行控制具有很大的挑战，因此也很难保障橡胶的质量。

随着大型工业过程的发展，人们对质量控制过程的要求也越来越高，特别是对于时变系统。但是，直到现在许多因素仍阻碍其发展：例如：测量技术的延迟性和剧烈的时变性等。基于数据驱动的方法建立的“黑箱”模型可以很好的处理实际工业过程，所以这些方法被称作统计过程控制。一些数据驱动方法被成功的运用于质量控制系统，这也是统计过程控制的基本功能之一。例如，主成分分析，偏最小二乘和其他修改的算法被证实为工业领域建模和控制的有效工具，例如：在化学工程和生物细胞领域等。

发明人在实现本发明的过程中，发现现有技术中至少存在以下的缺点和不足：

现行的数据驱动方法有一个很大的缺陷是不能实时的自动进行模型更新，特别是在时变过程，会严重的影响橡胶硬度的预测准确性，使得橡胶硬度的测量存在误差，降低了橡胶的质量和寿命；传统监控算法的统计量(Q统计量)一旦建立则无法在线更新，即随着工业过程的进行，原始模型对工业参数的解释性会变得越来越差，因此其时变跟踪能力逐渐削弱，对间歇过程等时变特性显著地系统无法进行有效的在线监控。

发明内容

本发明提供了一种橡胶硬度的在线质量监控和预测模型更新的方法，本发明解决了橡胶时变间歇工业过程的质量监控难题，实现了对橡胶生产过程的有效监控，提高了橡胶的质量和寿命，降低了橡胶硬度的测量误差，详见下文描述：

一种橡胶硬度的在线质量监控和预测模型更新的方法，所述方法包括以下步骤：

(1)首先采集终炼胶质量指标数据样本，建立数据库，其中，数据样本包括流变参数X和橡胶硬度值Y，且规定流变参数对应自变量X＝{x₁，x₂，...，x_m}，橡胶硬度值对应因变量Y＝{y₁，y₂，...，y_m}，m为建模所需样本数，x_i和y_i分别对应流变参数和橡胶硬度值，i＝1，2，...，m；随机选择任意组数据构建训练数据集；

(2)根据所述训练数据集构建硬度在线预测模型，并且根据所述流变参数X计算报警限Q_αh、警告限Q_αl和选择限Q_αs，且满足条件：Q_αs＜Q_αl＜Q_αh；

(3)将当前车次混炼过程结束后质量监测系统采集到的终炼胶质量指标中的流变参数与所述硬度在线预测模型自动连接，将流变参数新样本X_new输入所述硬度在线预测模型中，自动输出橡胶硬度值y_new；

(4)计算所述流变参数新样本X_new的Q统计量值，记为Q_new，判断是否满足Q_new＞Q_αh，如果是，执行步骤(5)；如果否，执行步骤(6)；

(5)所述质量监测系统发生警报，操作工人查看生产线的工况，然后进行相应的工艺调整，使当前工况恢复到正常状况，执行步骤(3)；

(6)判断是否满足Q_as≤Q_new≤Q_al，如果是，执行步骤(7)；如果否，执行步骤(8)；

(7)则所述流变参数新样本X_new被选中，记为支持样本，当所述支持样本的数量达到预设值时，替换原始的训练集，对所述硬度在线预测模型进行更新，执行步骤(9)；