一种用于IF钢的质量在线智能监测方法和系统技术方案

本申请提供一种用于IF钢的质量在线智能监测方法和系统，方法包括：数据采集与清洗，建立训练样本集；采用软超球体方法训练所述训练样本集；采用局部主流形演化算法进行产品质量在线优化；生成IF钢各工序的工艺规范。本发明专利技术利用工业大数据分析和机器学习方法来确定IF钢产品质量可控区的范围从而实现质量在线智能监控。针对钢铁企业在产品质量在线监控中存在的问题，本发明专利技术提出基于软超球体算法的质量异常点在线识别和异常原因诊断方法、基于流形学习和邻近点局部投影变换的工艺参数在线优化方法，来制定质量设计和工艺规范，提高生产质量稳定性。质量稳定性。质量稳定性。

【技术实现步骤摘要】
一种用于IF钢的质量在线智能监测方法和系统


[0001]本申请涉及自动控制
，尤其涉及一种用于IF钢的质量在线智能监测方法和系统。

技术介绍

[0002]钢铁工业是典型的流程工业，产品在制造过程中涉及多个连续衔接的工序。目前，企业对产品质量管控的主要手段是通过制定合理的工艺规范，并采用“事后”抽样检测方式来判定产品的品质。这种依赖于生产经验制订的工艺规范及“事后”抽检的方式容易出现批量的产品质量判废，或导致用户由于质量异议提出索赔和退货。我国钢铁企业每年仅质量判废和质量异议所造成的经济损失近百亿元，如何利用大数据分析和机器学习的人工智能方法，实现产品质量在线监控、在线优化，制定科学的工艺规范和质量设计，是钢铁企业急待解决的关键技术。
[0003]实际工业生产中，需要确定不同工序的工艺参数控制范围，即制定不同产品的质量设计和工艺规范。当工艺参数(包括原料参数)在该范围内，认为所设定的过程参数能满足产品质量要求，反之，则可能出现质量异常。目前，钢铁企业在质量设计和工艺规范制定过程中，主要依赖于小批量工业试制和技术人员的生产经验制定对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于IF钢的质量在线智能监测方法，其特征在于，包括：数据采集与清洗，建立训练样本集；采用软超球体方法训练所述训练样本集；采用局部主流形演化算法进行产品质量在线优化；生成IF钢各工序的工艺规范。2.根据权利要求1所述的用于IF钢的质量在线智能监测方法，其特征在于，所述数据采集与清洗，建立训练样本集，包括：采集生产线涉及材料性能的12个不同牌号IF钢的工艺参数和质量指标值，包括：炼钢工序冶炼过程中钢材中主要成分：碳C、锰Mn、磷P、硫S元素的质量分数；热轧工序：加热炉出口温度、精轧入口温度、精轧出口温度、卷取温度；热处理工序：均热平均温度、快冷出口温度、时效出口温度、缓冷出口温度。3.根据权利要求2所述的用于IF钢的质量在线智能监测方法，其特征在于，所述采用软超球体方法训练所述训练样本集，包括：根据预设的超椭球边界来判断所述工艺参数是否会造成产品质量异常，从采集的训练样本集中随机选取160个样本作为训练样本，由软超球体值作为控制限，确定该训练样本集的边界，即求解包含该训练样本集的最小封闭超球体。4.根据权利要求3所述的用于IF钢的质量在线智能监测方法，其特征在于，经过训练后的软超球体模型中，有36个支持向量，所述支持向量及对应的权重系数通过下式对产品质量进行在线监测：过下式对产品质量进行在线监测：其中，x表示待测点，q为支持向量的个数，γ表示松弛系数，表示支持向量，表示支持向量对应的权重系数，κ(,)表示变量的内积，R表示最小超球体的半径...

【专利技术属性】
技术研发人员：徐钢，曹卫文，
申请(专利权)人：苏州宝联重工股份有限公司，
类型：发明
国别省市：