[发明专利]一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法

说明书

本发明公开了一种基于PCA‑Cpk的冷连轧生产线服役质量状态评估方法，通过数据预处理、T²统计指标和T²控制限计算、服役质量指数计算与系统服役质量状态评估三个步骤给出冷连轧生产线的服役质量指数，能够对冷连轧生产线服役质量状态做出准确评估，对系统故障实时做出预警预报，预防事故发生，指导维修维护。

技术领域

本发明属于复杂机电系统服役质量状态监控与分析领域，具体涉及一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法。

背景技术

冷连轧机是冶金行业中控制系统最复杂、自动化程度最高、精度要求最严的装备之一，它在一定程度上代表了国家钢铁工业技术发展的水平。冷连轧生产线的服役质量状态直接影响所轧制面板的精度，不仅如此，不能准确得知生产线的服役质量状态，将带来极大的安全风险，所以，对生产线服役质量状态的评估十分必要。冷连轧生产线属于复杂机电系统，生产线在运行过程中会积累大量工艺、电气等数据，然而如何利用这些数据去评价生产线的服役质量状态，尚缺乏有效手段。传统的复杂机电系统服役质量状态评估主要分为三类，即基于模型的、基于知识的和数据驱动的方法。基于模型的分析方法以系统的数学模型为基础，建立系统的解析模型，以系统输入推导出系统输出。基于知识的方法以该领域专家的启发式经验为核心，建立知识库并推理出系统状态，如专家系统、模糊推理等。数据驱动的方法不建立系统数学模型，也不过分依赖先验知识，直接利用系统的输入输出数据进行信息处理获知系统状态。

冷连轧生产线监测参数通常在几十到数百个，采集间隔时间为毫秒级。当今国内冷连轧生产线基本都采取单变量超差预警方式，直接给参数设置控制限，超过该控制线则报警，该预警方式过于片面，不能反映整条生产线的运行状态，甚至有的生产线完全凭工人经验判断其服役质量状态。

主成分分析(PCA)方法是一种多变量统计方法，常用于过程监测领域，该方法最终以T²统计指标和变量贡献图来分析设备故障情况，但是实际生产中数据量大，PCA所得结果是若干图表，必须经过技术人员再分析才能判断设备的运行状态。过程能力指数(Cpk)表示过程平均值与目标值的偏离程度，但是在服役质量评估领域，目标值设置困难。

发明内容

为了解决现有技术中的问题，本发明提出一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法，以冷连轧生产线现场监测数据为基础，以多元传感器信息融合为理论依据，提出服役质量指数以实时评估冷连轧生产线的服役质量状态，评估运行状态更加简洁，减少了人工处理信息的繁琐步骤，容易实现自动化。

为了实现以上目的，本发明所采用的技术方案为：包括以下步骤：

1)从冷连轧生产线现场数据采集系统中提取服役质量状态评估数据，建立原始矩阵，并对原始矩阵进行标准化处理；

2)利用主成分分析方法对步骤1)标准化后的原始矩阵进行信息融合，得到T²统计指标和T²控制限；

3)以步骤2)得到的T²统计指标和T²控制限，采用过程能力指数计算公式计算服役质量指数，用所得服役质量指数与指数目标值比较，通过计算服役质量指数落在目标指数的区间来评价生产线的服役质量状态，指数数值越大代表服役质量状态越好。

所述步骤1)选取冷连轧生产线正常运行时的服役质量状态评估数据作为训练集，建立标准模式库，选取当前冷连轧生产线生产的服役质量状态评估数据作为测试集，分别建立训练集原始矩阵和测试集原始矩阵，并分别对训练集原始矩阵和测试集原始矩阵进行标准化处理。

所述步骤1)中服役质量状态评估数据包括电流、转矩、转速、力、位移和温度数据，所述原始矩阵的行数代表所选服役质量状态评估数据的条数，原始矩阵的列数代表每条数据包含的变量个数。

所述步骤1)中标准化处理包括数据中心化和方差归一化处理，计算公式如下：