基于因子分析的板带热轧产品质量缺陷诊断

彭 文, 辛洪伞, 李旭东, 孙 杰

(1. 东北大学 轧制技术及连轧自动化国家重点实验室, 辽宁 沈阳 110819; 2. 东北大学 低碳钢铁前沿技术研究院, 辽宁 沈阳 110819; 3. 首钢集团有限公司 技术研究院, 北京 100043)

板带热轧生产过程中,与厚度、宽度等最终产品质量相关的工艺参数众多,工艺参数与产品质量指标间存在着相关性;同时,工艺参数与质量数据的检测时序存在差异,对产品质量缺陷的追溯造成困难,如何快速对板带轧制过程的质量异常进行监控和诊断、定位异常原因、提升产品质量成为板带生产过程面临的重要问题[1-2].

针对生产过程产品质量监控与诊断,前人进行了大量的研究工作[3-14].McGuire[3]提出了基于主成分分析(principal component analysis,PCA)方法的多变量统计控制图,解决了线性问题中数据指标是否超出控制限的故障诊断问题.李扬等[4]利用多维空间数据关联分析方法,得到了质量缺陷与控制状态间的关联关系,为质量缺陷分析提供了解决思路;赵旭等[5]、姚林等[6]提出了基于偏最小二乘法(partial least squares,PLS)的多变量统计控制图,利用数据降维方式得到了特征变量蕴含的原始数据核心特征信息,解决了多变量统计过程中质量过程监控和质量预测问题;姬亚锋等[7]、曹建国等[8]采用数据分析和数据挖掘算法,实现了对板带产品凸度的预测与控制;He等[9-10]将核主成分分析(kernel principal component analysis,KPCA)的数据重构方法和优化的邻域选取策略算法引入到故障诊断中,找到了导致过程故障的变量,而且利用现场数据验证了方法的……