[发明专利]一种基于数据驱动的轧制过程打滑诊断及预测的方法

权利要求书

1.一种基于数据驱动的轧制过程打滑诊断及预测的方法，其特征在于，所述方法包括以下步骤：

(1)采集数据，在轧制过程中，根据轧制理论和生产实际确定采集的正常数据，需采集的数据包括：乳化液浓度、轧件温度、轧机的前后张力、轧辊速度、轧机的入口厚度和出口厚度、轧辊直径、轧件宽度、轧辊表面粗糙度，对所采集的数据进行去噪和标准化处理；

(2)利用正常轧制状态下的正常数据进行非线性分析，计算正常状态下正常数据的核矩阵，对核矩阵进行中心化处理，建立打滑相关的核主元模型，利用自由搜索法确定核主元参数，计算正常数据的T²和SPE统计量，确定统计量T²和SPE的控制限；所述控制限对应于99％置信限；

(3)将实际轧制过程的测试数据或轧制规程预设定值进行去噪和标准化处理，计算测试数据的核矩阵，对测试数据的核矩阵进行中心化处理，建立核主元模型，将测试数据或预设定值映射到核主元模型，计算测试数据的T²和SPE统计量；将测试数据的T²和SPE统计量与正常数据统计量T²和SPE的控制限进行比较，判断测试数据的统计量T²和SPE是否超过控制限，如果超限，则判断出现打滑故障，并输出打滑故障数据；

(4)对故障数据利用核主元贡献图法对变量进行故障分离，计算贡献量，画出贡献图，判断打滑故障原因，修改造成打滑故障的相应轧制变量，避免打滑现象发生。

2.根据权利要求1所述的基于数据驱动的轧制过程打滑诊断及预测的方法，其特征在于：步骤(1)中所述去噪处理采用小波去噪方法。

3.根据权利要求1所述的基于数据驱动的轧制过程打滑诊断及预测的方法，其特征在于，步骤(2)中，正常数据的T²统计量的表达式为：

T²＝[t₁,...,t_p]Λ^-1[t₁,...,t_p]^T

式中，t_i(i＝1,...,p)是第i个非线性主元，p为主元个数，λ_i为特征值，Λ^-1为相应特征值λ_i的倒数；

T²的控制限可根据F分布求得：

Tp,n,α2=p(n-1)n-pFp,n-p,α]]>

式中，n表示为样本数目，α表示为置信度，p为主元个数，F_p,n-p,α表示置信度为α的F分布；

正常数据的SPE统计量的表达式为：

SPE=||φ(x)-φ^p(x)||2=Σi=1nti2-Σi=1pti2]]>

式中，φ(x)是原始样本数据x在特征空间F的映射,是特征空间的主元向量，n表示为样本数目，p为主元个数，t_i(i＝1,...,p)是第i个非线性主元。

SPE的控制限为：

Qα=θ1(cα2θ2h02θ1+1+θ2h0(h0-1)θ12)1/h0]]>

式中，λ_i为特征值，m为样本的维数，c_α为标准正态分布在置信水平α下的阈值。