[发明专利]连续退火机组均热炉的带钢跑偏监测与诊断方法及系统

摘要

本发明提供了连续退火机组均热炉的带钢跑偏监测与诊断方法，包括：建立带钢跑偏的监测模型：采集正常生产的数据样本和发生跑偏的数据样本，对所述每种规格的带钢建立PCA模型，并计算两个统计量T²和SPE的控制限，对所述每种规格的带钢建立LSSVM模型；对所述连续退火机组均热炉中的带钢进行跑偏监测：选择在线监测PCA模型和在线监测LSSVM模型，根据每隔固定时间采集的当前生产过程的数据样本，分别使用所述在线监测PCA模型和所述在线监测LSSVM模型进行监测；当既进行PCA报警又进行LSSVM报警时，判断当前生产的所述带钢发生跑偏。本发明还提供了连续退火机组均热炉的带钢跑偏监测与诊断系统。本发明提高对带钢跑偏的预警准确率以及故障诊断的准确率。

主权项

1.一种连续退火机组均热炉的带钢跑偏监测与诊断方法，其特征在于，包括：阶段一：建立带钢跑偏的监测模型，其包括：步骤一一：对所述连续退火机组生产的每种规格的带钢，采集正常生产的数据样本和发生跑偏的数据样本；对采集的所述正常生产的数据样本和所述发生跑偏的数据样本中的各数据项进行标准化处理，以消除不同量纲的影响；使用层次聚类方法将所采集的数据样本中包含过失误差的样本剔除；步骤一二：基于所述正常生产的数据样本，对所述每种规格的带钢建立PCA模型，并计算两个统计量T2和SPE的控制限；步骤一三：基于所述正常生产的数据样本和所述发生跑偏的数据样本，对所述每种规格的带钢建立LSSVM模型；阶段二：对所述连续退火机组均热炉中的带钢进行跑偏监测，其包括：步骤二一：根据所述连续退火机组当前生产的带钢的规格，在建立的所述PCA模型和LSSVM模型中选择与所述当前生产的带钢偏差最小的作为在线监测PCA模型和在线监测LSSVM模型；步骤二二：根据每隔固定时间采集的当前生产过程的数据样本，分别使用所述在线监测PCA模型和所述在线监测LSSVM模型进行监测，若根据所述在线监测PCA模型计算出来的两个统计量T2和SPE中至少一个超出其对应的所述控制限，则进行PCA报警；若根据所述在线监测LSSVM模型输出的结果为故障，则进行LSSVM报警；步骤二三：当既进行PCA报警又进行LSSVM报警时，判断当前生产的所述带钢发生跑偏。