D0I:10.13374/.issn1001-053x.2012.04.008 第34卷第4期 北京科技大学学报 Vol.34 No.4 2012年4月 Journal of University of Science and Technology Beijing Apr.2012 基于核主成分分析的热轧带钢头部拉窄分析 何飞”四徐金梧2》阳建宏》黎敏2) 1)北京科技大学国家板带生产先进装备工程技术研究中心，北京1000832)北京科技大学机械工程学院，北京100083 ☒通信作者，E-mail:hefei@usth.edu.cn 摘要将核主成分分析方法引入热轧生产过程的监控与诊断中，根据平方预测误差统计量进行生产过程监控，然后利用数 据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用，分析引起过程异常的主要工艺 参数，最后利用仿真和热轧带钢实际生产数据进行实验.结果表明：基于核主成分分析的平方预测误差统计量能较准确诊断 过程的异常，并可以找出引起异常的原因，为调整生产过程提供方法支撑，防止次品的出现， 关键词热轧：带钢；产品质量：主成分分析：数据分析 分类号TG335.1:TP391.5 Cause analysis of the head width narrowing of hot rolled strips based on the ker- nel principal component analysis HE Fei☒，XU Jin-wu2，,YANG Jian-hong》,I Min?》 1)National Engineering Research Center of Flat Rolling Equipment,University of Science and Technology Beijing.Beijing 100083,China 2)School of Mechanical Engineering,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:hefei@ustb.edu.cn ABSTRACT A method of production quality monitoring and diagnosis based on the kernel principal component analysis was intro- duced in the hot rolled strip process.The squared prediction error(SPE)statistic was used in process monitoring.The diagnosis crite- rion could express the influential importance to SPE,which was computed by the data construction method and the optimal neighbor se- lection strategy.Finally,simulation data and actual production data were used for model validation.The result shows that the SPE sta- tistic based on the kemel principal component analysis can detect the abnormality and track the causes of faults effectively for adjusting the production process to prevent from substandard products. KEY WORDS hot rolling;strips:product quality:principal component analysis:data analysis 热轧带钢的宽度精度是热轧成品质量的重要指 用数据分析方法进行生产过程的诊断是一个新的 标口，精确的宽度控制不仅可提高产品的成材率， 课题-习 而且将给热轧用户及后部工序创造好的生产条件. 实际生产过程各工艺参数间存在着非线性关 热轧带钢的头部拉窄是指带钢头部的宽度实际值小 系，主成分分析(principal component analysis, 于目标值.某条热轧带钢生产线改造后出现大量的 PCA)、偏最小二乘法作为线性方法，难以有效 头部拉窄现象.由于热轧生产工艺参数众多，各工 提取非线性关系.目前解决非线性过程监控的神经 艺参数与质量指标之间存在复杂的内在关系，难以 网络方法是建立在经验风险最小化的基础上，泛化 建立机理模型分析头部拉窄的原因.现代化的生产 能力较差，另外模型结构也较难确定，需要解决复杂 线中记录了大量生产数据，如何充分利用这些数 的非线性优化问题：而核函数方法是通过核函数将 据对生产过程进行监控，出现质量异常时，如何利 原始空间的非线性问题转化为高维特征空间的线性 收稿日期：201102-21 基金项目：国家自然科学基金资助项目(51004013)：国家高技术研究发展计划资助项目(2009AA04Z136):高等学校博士学科点专项科研基金 资助项目(20110006110027)：国家“十二五”科技支撑计划资助项目(2012BAF04B02):中国博士后基金资助项目(20110490294)第 34 卷 第 4 期 2012 年 4 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 4 Apr． 2012 基于核主成分分析的热轧带钢头部拉窄分析 何 飞1) 徐金梧1，2) 阳建宏2) 黎 敏2) 1) 北京科技大学国家板带生产先进装备工程技术研究中心，北京 100083 2) 北京科技大学机械工程学院，北京 100083 通信作者，E-mail: hefei@ ustb． edu． cn 摘 要 将核主成分分析方法引入热轧生产过程的监控与诊断中，根据平方预测误差统计量进行生产过程监控，然后利用数 据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用，分析引起过程异常的主要工艺 参数，最后利用仿真和热轧带钢实际生产数据进行实验． 结果表明: 基于核主成分分析的平方预测误差统计量能较准确诊断 过程的异常，并可以找出引起异常的原因，为调整生产过程提供方法支撑，防止次品的出现． 关键词 热轧; 带钢; 产品质量; 主成分分析; 数据分析 分类号 TG335. 1; TP391. 5 Cause analysis of the head width narrowing of hot rolled strips based on the ker￾nel principal component analysis HE Fei 1) ，XU Jin-wu1，2) ，YANG Jian-hong2) ，LI Min2) 1) National Engineering Research Center of Flat Rolling Equipment，University of Science and Technology Beijing，Beijing 100083，China 2) School of Mechanical Engineering，University of Science and Technology Beijing，Beijing 100083，China Corresponding author，E-mail: hefei@ ustb． edu． cn ABSTRACT A method of production quality monitoring and diagnosis based on the kernel principal component analysis was intro￾duced in the hot rolled strip process． The squared prediction error ( SPE) statistic was used in process monitoring． The diagnosis crite￾rion could express the influential importance to SPE，which was computed by the data construction method and the optimal neighbor se￾lection strategy． Finally，simulation data and actual production data were used for model validation． The result shows that the SPE sta￾tistic based on the kernel principal component analysis can detect the abnormality and track the causes of faults effectively for adjusting the production process to prevent from substandard products． KEY WORDS hot rolling; strips; product quality; principal component analysis; data analysis 收稿日期: 2011--02--21 基金项目: 国家自然科学基金资助项目( 51004013) ; 国家高技术研究发展计划资助项目( 2009AA04Z136) ; 高等学校博士学科点专项科研基金 资助项目( 20110006110027) ; 国家“十二五”科技支撑计划资助项目( 2012BAF04B02) ; 中国博士后基金资助项目( 20110490294) 热轧带钢的宽度精度是热轧成品质量的重要指 标［1］，精确的宽度控制不仅可提高产品的成材率， 而且将给热轧用户及后部工序创造好的生产条件． 热轧带钢的头部拉窄是指带钢头部的宽度实际值小 于目标值． 某条热轧带钢生产线改造后出现大量的 头部拉窄现象． 由于热轧生产工艺参数众多，各工 艺参数与质量指标之间存在复杂的内在关系，难以 建立机理模型分析头部拉窄的原因． 现代化的生产 线中记录了大量生产数据，如何充分利用这些数 据对生产过程进行监控，出现质量异常时，如何利 用数据分析方法进行生产过程的诊断是一个新的 课题［2--3］． 实际生产过程各工艺参数间存在着非线性关 系，主 成 分 分 析 ( principal component analysis， PCA) 、偏最小二乘法作为线性方法［4--5］，难以有效 提取非线性关系． 目前解决非线性过程监控的神经 网络方法是建立在经验风险最小化的基础上，泛化 能力较差，另外模型结构也较难确定，需要解决复杂 的非线性优化问题; 而核函数方法是通过核函数将 原始空间的非线性问题转化为高维特征空间的线性 DOI:10.13374/j.issn1001-053x.2012.04.008