一种基于Scada平台的带钢轧制过程质量监控方法和系统技术方案

一种基于Scada平台的带钢轧制过程质量监控方法，基于Scada平台的数据采集系统，采集带钢轧制生产过程的正常历史数据以及实时数据；构建过程变量和质量变量历史测量数据的Hankel矩阵以及质量变量未来测量数据的Hankel矩阵，并对所构建的矩阵进行均值化处理；基于处理后所得的数据，建立典型变量分析的质量监控模型；通过HMI监控平台实时显示质量监控结果。本发明专利技术通过将传统的多元统计分析方法典型相关分析与深度学习模型栈式自编码器结合，克服了传统方法特征提取能力上的不足，有效的检测轧制生产过程中出现的故障。本发明专利技术提出的方法，不仅精度高，而且运算速度快，利用大量的生产过程数据通过直接在计算机上编程，即可实现在线投入使用，成本十分低廉。成本十分低廉。成本十分低廉。

【技术实现步骤摘要】
一种基于Scada平台的带钢轧制过程质量监控方法和系统


[0001]本专利技术涉及的是轧制过程质量监控领域,特别涉及一种基于Scada平台的带钢轧制过程质量监控方法和系统。

技术介绍

[0002]近年来钢铁行业的轧制生产过程不断向大规模、复杂化、集成化发展，通过基础自动化系统、过程控制系统、制造执行系统、企业计划管理系统和商务智能等信息系统的构建，设置了各类传感器与通信网络，但是其所涉及的工序多，业务复杂程度高，控制系统内部联系紧密，一旦某个环节出现故障，必会对产品的质量造成影响，所以轧制过程的质量监控技术是具有重要的科学意义与应用价值的。
[0003]数据采集与监控(Scada)系统广泛应用于工业控制、物联网等行业，由于这些行业使用了各种传感器与执行器，这些设备又与PLC、计算机等设备连接，Scada系统通过其可以实时采集并记录工业生产过程中的各个部件以及子系统的状态信息。传统的Scada系统缺乏有效的系统状态评估算法，只有当采集的数据越过规定的限制时，系统才会给出相应的报警信息，但是此时故障已经恶化到一定程度。因此，为了有效的监控钢铁轧制过程中的质量问题，通过现有的Scada系统获取的大量设备信息，并与质量监控算法结合，实时反映设备状态，及时有效地报警，来保障生产过程持续可靠地稳定运行。

技术实现思路

[0004]针对现有技术的不足，本专利技术提出一种基于Scada平台的带钢轧制过程质量监控方法和系统，基于Scada平台采集轧制过程中的大量数据，依据典型变量分析方法构建轧制过程的质量监控模型，通过HMI平台实现轧制过程的实时监控，保证生产过程的正常运行。
[0005]为了解决上述技术问题，本申请实施例公开了如下技术方案：
[0006]一种基于Scada平台的带钢轧制过程质量监控方法，包括：
[0007]S100.基于Scada平台的数据采集系统，采集带钢轧制生产过程的正常历史数据以及实时数据；
[0008]S200.构建过程变量和质量变量历史测量数据的Hankel矩阵以及质量变量未来测量数据的Hankel矩阵，并对所构建的矩阵进行均值化处理；
[0009]S300.基于处理后所得的数据，建立典型变量分析的质量监控模型；
[0010]S400.通过HMI监控平台实时显示质量监控结果。
[0011]进一步地，S100的具体方法为：在带钢轧制生产过程中，基于Scada的数据采集系统，通过调用系统所提供的配置接口从配置数据库中得到设备和采集点的信息，实时数据库会对这些数据点进行分片管理，之后系统根据所需的数据点所在的设备自动调用设备驱动库进行链接和采集数据点的实时数据，通过数据服务接口将数据传送到相关的请求客户端，完成带钢轧制生产过程的正常历史数据以及实时数据的采集工作。
[0012]进一步地，S200的具体方法为：
[0013]S201.构建轧制过程数据的信息向量：对于轧制过程中过程变量x
k
∈R
l
以及质量变量y
k
∈R
m
，取某一时刻k为当前时刻，定义过去的信息变量公式如下：
[0014][0015]定义未来的信息变量公式如下：
[0016][0017]其中，p和f为延迟时间数；
[0018]S202.数据均值化处理：采用数据均值化处理，使得轧制过程信息变量数据处理后其均值为零，公式如下：
[0019][0020][0021]S203.构建Hankel矩阵：根据S202计算所得的均值化处理后的过去以及未来的信息变量，计算过去信息变量的Hankel矩阵Y
p
以及未来信息变量的Hankel矩阵Y
f
。
[0022]进一步地，S203中，过去信息变量的Hankel矩阵Y
p
以及未来信息变量的Hankel矩阵Y
f
，公式为：
[0023][0024][0025]进一步地，S300中，基于处理后所得的数据，建立典型变量分析的质量监控模型的具体方法为：
[0026]S301.计算协方差矩阵：根据S203计算出的过去信息变量以及未来信息变量的Hankel矩阵Y
p
和Y
f
，计算其自身的协方差矩阵cov(Y
p
,Y
p
)和cov(Y
f
,Y
f
)以及它们之间的协方差矩阵cov(Y
p
,Y
f
)；
[0027]S302.计算目标函数：为了使和的线性组合和之间相关性最大，构建相关性系数如下：
[0028][0029]通过u＝cov(Y
p
,Y
p
)
0.5
J，v＝cov(Y
f
,Y
f
)
0.5
L，则目标函数如下：
[0030][0031]其中，u
T
u＝1，v
T
v＝1；
[0032]S303.对于通过Scada平台采集而来的轧制过程正常历史数据，计算其系数矩阵J和L,依据S302计算所得目标函数，则相关性评估依据如下：
[0033]γ＝cov(Y
p
,Y
p
)
‑
0.5
cov(Y
p
,Y
f
)cov(Y
f
,Y
f
)
‑
0.5
[0034]对γ进行SVD分解，公式如下：
[0035]γ＝EΛΘ
T
[0036]得到系数矩阵J和L：
[0037]J＝cov(Y
p
)
‑
0.5
E(:,1:λ)∈R
p(m+l)
×
λ
[0038]L＝cov(Y
f
,Y
f
)
‑
0.5
Θ(:,1:k)∈R
fm
×
λ
[0039]其中λ为需要保留的典型变量的个数；
[0040]S304.计算统计量值：λ个典型变量构成了状态变量空间，剩下的p(m+l)
‑
λ个典型变量构成了残差空间，状态变量空间和残差空间共同构成了典型变量空间；依据上述S303提取出了系数矩阵之后，状态变量空间监测统计量如下所示：
[0041][0042]残差空间监测统计量如下所示：
[0043][0044][0045]由此可得与采集的数据个数相同的T
s2
和T
r2
统计量的值；
[0046]S305.计算控制限值：给定一个置信度水平a＝0.1，采用高斯核函数用于密度估计，其中正数σ＝0.5为核函数的带宽，之后基于S100中由Scada平台采集而来的带钢正常生产过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Scada平台的带钢轧制过程质量监控方法，其特征在于，包括：S100.基于Scada平台的数据采集系统，采集带钢轧制生产过程的正常历史数据以及实时数据；S200.构建过程变量和质量变量历史测量数据的Hankel矩阵以及质量变量未来测量数据的Hankel矩阵，并对所构建的矩阵进行均值化处理；S300.基于处理后所得的数据，建立典型变量分析的质量监控模型；S400.通过HMI监控平台实时显示质量监控结果。2.如权利要求1所述的一种基于Scada平台的带钢轧制过程质量监控方法，其特征在于，S100的具体方法为：在带钢轧制生产过程中，基于Scada的数据采集系统，通过调用系统所提供的配置接口从配置数据库中得到设备和采集点的信息，实时数据库会对这些数据点进行分片管理，之后系统根据所需的数据点所在的设备自动调用设备驱动库进行链接和采集数据点的实时数据，通过数据服务接口将数据传送到相关的请求客户端，完成带钢轧制生产过程的正常历史数据以及实时数据的采集工作。3.如权利要求1所述的一种基于Scada平台的带钢轧制过程质量监控方法，其特征在于，S200的具体方法为：S201.构建轧制过程数据的信息向量：对于轧制过程中过程变量x
k
∈R
l
以及质量变量y
k
∈R
m
，取某一时刻k为当前时刻，定义过去的信息变量公式如下：定义未来的信息变量公式如下：其中，p和f为延迟时间数；S202.数据均值化处理：采用数据均值化处理，使得轧制过程信息变量数据处理后其均值为零，公式如下：为零，公式如下：S203.构建Hankel矩阵：根据S202计算所得的均值化处理后的过去以及未来的信息变量，计算过去信息变量的Hankel矩阵Y
p
以及未来信息变量的Hankel矩阵Y
f
。4.如权利要求3所述的一种基于Scada平台的带钢轧制过程质量监控方法，其特征在于，S203中，过去信息变量的Hankel矩阵Y
p
以及未来信息变量的Hankel矩阵Y
f
，公式为：
5.如权利要求1所述的一种基于Scada平台的带钢轧制过程质量监控方法，其特征在于，S300中，基于处理后所得的数据，建立典型变量分析的质量监控模型的具体方法为：S301.计算协方差矩阵：根据S203计算出的过去信息变量以及未来信息变量的Hankel矩阵Y
p
和Y
f
，计算其自身的协方差矩阵cov(Y
p
,Y
p
)和cov(Y
f
,Y
f
)以及它们之间的协方差矩阵cov(Y
p
,Y
f
)；S302.计算目标函数：为了使和的线性组合和之间相关性最大，构建相关性系数如下：通过u＝cov(Y
p
,Y
p
)
0.5
J，v＝cov(Y
f
,Y
f
)
0.5
L，则目标函数如下：其中，u
T
u＝1，v
T
v＝1；S303.对于通过Scada平台采集而来的轧制过程正常历史数据，计算其系数矩阵J和L,依据S302计算所得目标函数，则相关性评估依据如下：γ＝cov(Y
p
,Y
p
)
‑
0.5
cov(Y
p
,Y
f
)cov(...

【专利技术属性】
技术研发人员：王志，王傲能，王胜勇，卢家斌，
申请(专利权)人：中冶南方武汉自动化有限公司，
类型：发明
国别省市：