連退生產(chǎn)過(guò)程操作優(yōu)化-質(zhì)量預(yù)報(bào)監(jiān)測(cè)及診斷

唐立新教授連退生產(chǎn)過(guò)程在線操作優(yōu)化、

質(zhì)量預(yù)報(bào)、監(jiān)測(cè)及診斷東北大學(xué)物流優(yōu)化與控制研究所遼寧省制造系統(tǒng)與物流優(yōu)化重點(diǎn)實(shí)驗(yàn)室生產(chǎn)過(guò)程操作優(yōu)化研究組唐立新教授長(zhǎng)江學(xué)者博士生導(dǎo)師王顯鵬副教授研究生：張軍(博)夏瓊(博)宋相滿(博)湯廉潔(博)佟巖(碩)劉家華(碩)陳麗(博)教師：唐振浩(博)洪悅(博)張春穎(博)報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)項(xiàng)目意義連退生產(chǎn)工藝過(guò)程連續(xù)退火就是將鋼加熱到合適的溫度，保持一段時(shí)間，然后以一定速度冷卻的熱處理工藝，從而得到消除內(nèi)應(yīng)力的穩(wěn)定組織，顯著降低強(qiáng)度，提高塑性，使鋼的性能更加好。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程連續(xù)退火的工藝流程為:預(yù)熱-加熱-均熱-氣噴冷-輥冷-過(guò)時(shí)效-快冷-最終水淬冷。相應(yīng)的連續(xù)退火爐也分為預(yù)熱段、加熱爐、均熱爐、風(fēng)冷段、輥冷段、時(shí)效段和終冷段，具體布局如圖所示。在每個(gè)爐段的出口處布置輻射溫度計(jì)檢測(cè)帶鋼的溫度。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程鋼卷焊接后經(jīng)過(guò)清洗、活套，然后利用加熱爐(HF)和均熱爐(SF)廢氣的熱量進(jìn)行預(yù)熱。帶鋼經(jīng)過(guò)預(yù)熱后其溫度一般可以達(dá)到200-300℃。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程然后帶鋼進(jìn)入加熱爐(HF)進(jìn)行加熱，在加熱爐出口處達(dá)到工藝要求的溫度。根據(jù)不同的工藝要求，加熱爐出口處的帶鋼溫度通常在600-1200℃。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程帶鋼經(jīng)過(guò)加熱后被送入均熱爐(SF)中進(jìn)行均熱(保溫階段)。在均熱爐中，已加熱到工藝要求溫度的帶鋼被保溫一段時(shí)間，使帶鋼內(nèi)部的組織結(jié)構(gòu)有充分的時(shí)間完成轉(zhuǎn)變。由于無(wú)法直接得到各個(gè)爐膛內(nèi)帶鋼的溫度，所以加熱爐和均熱爐的出口處都裝有輻射溫度計(jì)，以監(jiān)控出口帶鋼溫度。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程冷卻爐(CF1)將經(jīng)過(guò)均熱爐處理的帶鋼進(jìn)行冷卻，冷卻的速度根據(jù)不同的工藝要求而定，不同的冷卻速率會(huì)使冷卻后的鋼材性質(zhì)有所不同。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程時(shí)效爐(OAF)將冷卻后的帶鋼在規(guī)定的時(shí)間范圍內(nèi)保持在一個(gè)較低的溫度，以消除帶鋼的內(nèi)應(yīng)力，保證鋼材的質(zhì)量一致可靠。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程最終冷卻爐(CFZ)通常采用風(fēng)冷的方式將帶鋼冷卻至常溫。項(xiàng)目意義連退生產(chǎn)工藝過(guò)程綜上，在連退過(guò)程中，帶鋼首先被加熱到某一特定的溫度，然后再進(jìn)行迅速的冷卻。在這一過(guò)程中消除鋼材內(nèi)部應(yīng)力，加強(qiáng)韌性，改變延展性，影響剛性以及電的、磁的等一些其他的相關(guān)物理特性，改變晶體結(jié)構(gòu)，去除氣體或者形成一種特定的微觀結(jié)構(gòu)，以提升鋼材的特性。其一般工藝曲線如圖所示。項(xiàng)目意義連退生產(chǎn)工藝要求與優(yōu)化控制帶鋼在爐內(nèi)的加熱過(guò)程需要滿足以下的工藝要求：加熱爐出口處帶鋼表面溫度達(dá)到工藝要求。整個(gè)連續(xù)退火工藝對(duì)加熱爐出口處帶鋼的溫度十分敏感，加熱爐能否保證出口處帶鋼滿足后續(xù)熱處理工藝所要求的溫度，對(duì)產(chǎn)品質(zhì)量有很大的影響。提高煤氣的利用率。通過(guò)加熱爐燃燒控制或者爐溫設(shè)定值優(yōu)化等方法盡可能減少煤氣消耗。帶鋼溫度分布均勻。加熱帶鋼橫截面上的溫度分布要盡可能均勻。變規(guī)格期間帶鋼溫度波動(dòng)盡可能小。對(duì)退火爐的優(yōu)化控制的要求包括兩個(gè)方面：首先要保證爐中鋼材按照退火工藝要求被加熱到指定的溫度；然后在此前提下，使加熱過(guò)程的能耗越小越好。項(xiàng)目意義加熱爐帶溫控制的研究現(xiàn)狀加熱爐帶溫控制的主要影響因素：加熱爐入口處帶鋼的規(guī)格，包括其溫度及溫度分布情況，帶鋼寬度和厚度，帶鋼的材料特性等。加熱爐中帶鋼運(yùn)行的線速度，該參數(shù)決定了帶鋼在加熱爐中受熱的時(shí)間，影響出口處帶鋼溫度和帶鋼內(nèi)部溫度分布情況。加熱裝置的特性，包括加熱裝置的加熱特性(空燃比)及其爐內(nèi)的分布。加熱爐的爐溫設(shè)定值，這是一個(gè)十分復(fù)雜的影響因素。各個(gè)子加熱段擁有獨(dú)立的爐溫設(shè)定值，使得許多不同的爐溫設(shè)定值能夠得到相同的出口帶鋼溫度，然而其爐內(nèi)的加熱過(guò)程卻各不相同。

總之，連續(xù)退火機(jī)組加熱爐帶溫對(duì)象是個(gè)多參數(shù)，非線性，時(shí)變，多變量緊密藕合的系統(tǒng)，在建模與控制方面都有相當(dāng)?shù)碾y度。項(xiàng)目意義加熱爐帶溫控制的研究現(xiàn)狀由于技術(shù)原因，帶溫只能在加熱爐的入口和出口才能檢測(cè)到，因此需要建立帶溫控制模型，主要包括如下幾種類型：基于物理(機(jī)理)模型的控制方案基于自回歸模型的控制方案基于智能化方法的控制方案研究，包括神經(jīng)元網(wǎng)絡(luò)、智能優(yōu)化算法等但是，這些模型的一些關(guān)鍵系數(shù)往往需要通過(guò)大量的實(shí)驗(yàn)獲得，而這些實(shí)驗(yàn)需要很多時(shí)間，花費(fèi)大量的人力、物力以及財(cái)力。因此，難以完全在實(shí)際工程中使用。項(xiàng)目意義基于數(shù)據(jù)驅(qū)動(dòng)的連退操作優(yōu)化、質(zhì)量預(yù)報(bào)、監(jiān)測(cè)與診斷項(xiàng)目意義基于數(shù)據(jù)驅(qū)動(dòng)的連退操作優(yōu)化、質(zhì)量預(yù)報(bào)、監(jiān)測(cè)與診斷

操作優(yōu)化的目標(biāo)是通過(guò)實(shí)時(shí)采集生產(chǎn)數(shù)據(jù)，監(jiān)測(cè)過(guò)程運(yùn)行狀況，在滿足所有約束條件的前提下，根據(jù)優(yōu)化模型計(jì)算生產(chǎn)過(guò)程中各操作變量(爐內(nèi)溫度、帶鋼速度等)的最優(yōu)取值，不斷實(shí)時(shí)的為過(guò)程控制層設(shè)定控制目標(biāo)，以克服內(nèi)部和外部不確定性因素，從而提高產(chǎn)品質(zhì)量，并保證生產(chǎn)過(guò)程始終能夠得到最佳的經(jīng)濟(jì)效益。項(xiàng)目意義基于數(shù)據(jù)驅(qū)動(dòng)的連退操作優(yōu)化、質(zhì)量預(yù)報(bào)、監(jiān)測(cè)與診斷

產(chǎn)品質(zhì)量預(yù)報(bào)、監(jiān)測(cè)和診斷的目標(biāo)是利用軟測(cè)量建模技術(shù)，對(duì)生產(chǎn)過(guò)程中的產(chǎn)品質(zhì)量進(jìn)行在線預(yù)報(bào)、監(jiān)測(cè)與故障診斷，以盡早發(fā)現(xiàn)可能導(dǎo)致質(zhì)量缺陷的操作條件并加以修正，同時(shí)在出現(xiàn)產(chǎn)品質(zhì)量缺陷時(shí)能及時(shí)診斷導(dǎo)致這些缺陷的原因，從而保證機(jī)組的連續(xù)運(yùn)行和產(chǎn)品的質(zhì)量。項(xiàng)目意義基于數(shù)據(jù)驅(qū)動(dòng)的連退操作優(yōu)化、質(zhì)量預(yù)報(bào)、監(jiān)測(cè)與診斷當(dāng)前國(guó)際上對(duì)于操作優(yōu)化和產(chǎn)品質(zhì)量預(yù)報(bào)、監(jiān)測(cè)及診斷的研究和應(yīng)用還主要限于石化工業(yè)中，而其在鋼鐵工業(yè)中的研究和應(yīng)用還比較少，相關(guān)研究亟待加強(qiáng)。加氫裂化生產(chǎn)過(guò)程的操作優(yōu)化問(wèn)題(Bhutanietal.2006)乙烷裂解生產(chǎn)過(guò)程的操作優(yōu)化問(wèn)題(Tarafderetal.2005)石腦油熱裂解制生產(chǎn)過(guò)程的操作優(yōu)化問(wèn)題(Gaoetal.2008)精餾塔生產(chǎn)過(guò)程的操作優(yōu)化問(wèn)題(Renetal.2006)因此，當(dāng)前迫切需要利用優(yōu)化技術(shù)，開發(fā)出連退機(jī)組的在線操作優(yōu)化、以及帶鋼產(chǎn)品質(zhì)量的預(yù)報(bào)、監(jiān)測(cè)與診斷系統(tǒng)，以實(shí)時(shí)確定各操作參數(shù)的最優(yōu)設(shè)定值，提高產(chǎn)品質(zhì)量，降低能耗，同時(shí)對(duì)于產(chǎn)品質(zhì)量進(jìn)行在線監(jiān)測(cè)，及時(shí)預(yù)警不當(dāng)?shù)牟僮鳁l件并對(duì)缺陷原因進(jìn)行診斷，以保證機(jī)組的連續(xù)優(yōu)化運(yùn)行。項(xiàng)目意義項(xiàng)目的主要研究?jī)?nèi)容根據(jù)連退工藝特點(diǎn)，建立該生產(chǎn)過(guò)程的在線操作優(yōu)化(RTO)模型；設(shè)計(jì)高效的動(dòng)態(tài)多目標(biāo)優(yōu)化算法，能夠依據(jù)機(jī)組工藝特點(diǎn)提出改進(jìn)策略，達(dá)到在線求解操作優(yōu)化模型的要求，獲得實(shí)時(shí)的最優(yōu)操作條件，從而為底層的基礎(chǔ)控制層設(shè)定實(shí)時(shí)的控制目標(biāo)；根據(jù)軟測(cè)量建模技術(shù)，建立當(dāng)前操作條件與帶鋼質(zhì)量的預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)帶鋼質(zhì)量的準(zhǔn)確預(yù)報(bào)；建立操作條件與產(chǎn)品質(zhì)量缺陷之間的數(shù)據(jù)驅(qū)動(dòng)模型，實(shí)現(xiàn)基于模型的連退機(jī)組產(chǎn)品質(zhì)量的實(shí)時(shí)監(jiān)測(cè)(Monitoring)與故障診斷。報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化問(wèn)題描述決策變量在連退生產(chǎn)過(guò)程的在線操作優(yōu)化(RTO)問(wèn)題中，需要決策的是各時(shí)刻t的操作變量(帶鋼速度、煤氣流量、各爐區(qū)爐溫等)的設(shè)定值，它們決定了帶鋼的加熱溫度和產(chǎn)品質(zhì)量。優(yōu)化目標(biāo)優(yōu)化的目標(biāo)是產(chǎn)品質(zhì)量以及生產(chǎn)成本。通常情況下，產(chǎn)品質(zhì)量和生成成本是相互矛盾的，提高產(chǎn)品質(zhì)量的同時(shí)將會(huì)帶來(lái)生產(chǎn)成本的增加，因此連退過(guò)程的實(shí)時(shí)操作優(yōu)化是一個(gè)動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題。求解難度該問(wèn)題具有強(qiáng)耦合、高度非線性等特點(diǎn)，同時(shí)需要快速求解最優(yōu)解，以滿足在線應(yīng)用的要求。因此，該問(wèn)題的求解非常復(fù)雜，對(duì)于優(yōu)化算法的性能有非常高的要求?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化操作優(yōu)化問(wèn)題建模出口處的帶溫與參考溫度的差異加熱過(guò)程中帶溫與參考溫度的差異能耗成本=單價(jià)×流量×?xí)r間Fr表示帶溫的參考值；L表示爐長(zhǎng)；u表示帶速；z(t)表示t時(shí)刻的帶溫；Ti表示爐區(qū)i的爐溫；f(Ti)表示對(duì)應(yīng)Ti所需要的煤氣流量。控制變量的上下限約束基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化多目標(biāo)優(yōu)化算法求解的目標(biāo)是找到一系列滿足工藝約束條件的最優(yōu)Pareto集合，提供給決策者進(jìn)行選擇，以確定最終的操作變量設(shè)定值。()在線操作優(yōu)化(RTO)求解框架基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化根據(jù)t時(shí)刻的實(shí)際檢測(cè)值進(jìn)行動(dòng)態(tài)調(diào)整決策變量為t時(shí)刻的操作變量PSO、DE等基于種群的進(jìn)化算法根據(jù)模型的適應(yīng)程度進(jìn)行自動(dòng)選擇基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型動(dòng)態(tài)機(jī)理模型的自變量中含有動(dòng)態(tài)系統(tǒng)的狀態(tài)變量，該變量一般是時(shí)間的函數(shù)。動(dòng)態(tài)機(jī)理模型一般為包含時(shí)間自變量的微分方程組。動(dòng)態(tài)機(jī)理模型的特點(diǎn)優(yōu)點(diǎn)：基于嚴(yán)格的生產(chǎn)工藝過(guò)程機(jī)理，所得到的生產(chǎn)過(guò)程的預(yù)測(cè)值的精度要高于靜態(tài)機(jī)理模型。此外，對(duì)于一組給定的操作條件設(shè)定值，可以得到生產(chǎn)過(guò)程中各時(shí)刻的輸出值。局限：由于包含大量的微分方程組，因此該模型的求解速度非常慢?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型爐溫–帶溫針對(duì)爐溫的變化，帶溫跟隨爐溫變化，沒(méi)有明顯的時(shí)間滯后。動(dòng)態(tài)機(jī)理模型煤氣流量–帶溫當(dāng)煤氣量變化時(shí)，由于其首先影響到的是爐溫，而煤氣量和爐溫之間存在一定的時(shí)間延遲，導(dǎo)致了帶溫和煤氣量變化之間也有一定的延遲?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型帶鋼厚度–帶溫當(dāng)帶鋼厚度減小的時(shí)候，帶溫將會(huì)上升，動(dòng)態(tài)特性呈一階慣性的特性。在板厚減小的瞬間，帶溫會(huì)有相應(yīng)的幅度的階躍上升。基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型帶速–帶溫當(dāng)帶速發(fā)生變化的時(shí)候，由于速度按照一定斜率降低到新的設(shè)定值，在此過(guò)程中，帶溫呈現(xiàn)近似的線性上升階段。等到帶速穩(wěn)定后，帶溫按照一階慣性環(huán)節(jié)穩(wěn)定到新的溫度平衡點(diǎn)?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型帶溫與爐溫、煤氣量、帶厚、帶速之間的定性動(dòng)態(tài)關(guān)系帶溫直接受到爐溫的影響，呈現(xiàn)出隨動(dòng)的關(guān)系；煤氣流量與板溫、爐溫的相關(guān)性盡管很高，但它們之間還是有一定的純滯后時(shí)間存在。帶速、帶厚發(fā)生變化后，經(jīng)過(guò)一段時(shí)間帶溫趨于穩(wěn)態(tài)，帶溫變化可用一階慣性環(huán)節(jié)近似表示?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型爐溫動(dòng)態(tài)模型–爐溫主要與煤氣流量和帶鋼初始溫度有關(guān)–為一個(gè)區(qū)的爐溫(標(biāo)準(zhǔn)化后的值)–為一個(gè)區(qū)的煤氣流量(標(biāo)準(zhǔn)化后的值)–為一個(gè)區(qū)的帶溫(標(biāo)準(zhǔn)化后的值)–為爐溫相對(duì)于煤氣流量的滯后時(shí)間–為爐溫相對(duì)于帶溫的滯后時(shí)間–為比例系數(shù)–為慣性時(shí)間常數(shù)其中：基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型帶溫動(dòng)態(tài)模型–根據(jù)輻射傳熱原理，帶鋼表面熱容變化方程–

為帶鋼熱容(Kcal/Kg)–為傳熱系數(shù)–為帶鋼密度(Kg/m3)–為帶鋼厚度(m)–為帶鋼速度(m/s)–為Stefan-Boltzmann常數(shù)，4.88

×10-8(Kcal/hm2k4)其中：基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型帶溫動(dòng)態(tài)模型–帶鋼表面熱容與帶溫具有以下函數(shù)關(guān)系將Q(t)帶入微分方程，可以得到帶溫的微分方程–

為常數(shù)其中：基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化動(dòng)態(tài)機(jī)理模型模型參數(shù)辨識(shí)-作為一個(gè)優(yōu)化問(wèn)題來(lái)處理決策變量：模型中的參數(shù)集合X=(x1,x2,…,xn)優(yōu)化目標(biāo)：模型輸出值與實(shí)際檢測(cè)值之意的均方根誤差基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)驅(qū)動(dòng)模型基于數(shù)據(jù)驅(qū)動(dòng)的建模方式主要是依據(jù)生產(chǎn)過(guò)程的歷史數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析手段進(jìn)行建模，得到生產(chǎn)過(guò)程的輸入輸出關(guān)系模型。數(shù)據(jù)驅(qū)動(dòng)模型的適用情況：過(guò)程機(jī)理未知：該模型只關(guān)心生產(chǎn)過(guò)程的輸入輸出關(guān)系，而不必去考慮復(fù)雜的物理變化和化學(xué)反應(yīng)機(jī)理；系統(tǒng)動(dòng)態(tài)變化：由于該模型的計(jì)算速度快，因此可以在運(yùn)行的過(guò)程中進(jìn)行動(dòng)態(tài)調(diào)整以適應(yīng)系統(tǒng)的動(dòng)態(tài)變化?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)驅(qū)動(dòng)模型基于智能優(yōu)化和LSSVM的數(shù)據(jù)驅(qū)動(dòng)模型的整體框架基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)驅(qū)動(dòng)模型建模方法支持向量機(jī)(SupportVectorMachines，SVM)是一種小樣本學(xué)習(xí)理論，即根據(jù)有限樣本信息、在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍的最小化，從而在統(tǒng)計(jì)樣本量較少的情況下獲得良好的統(tǒng)計(jì)規(guī)律和更好的泛化能力。目前，SVM己在許多領(lǐng)域得到了廣泛的應(yīng)用，如模式識(shí)別、回歸分析、生物醫(yī)療、石油化工等領(lǐng)域。由于最小二乘支持向量機(jī)(LeastSquaresSVM)的訓(xùn)練只要求解一個(gè)線性方程組，從而使SVM易于實(shí)現(xiàn)，并極大地提高了SVM的訓(xùn)練效率，因而在模式識(shí)別和非線性建模領(lǐng)域的應(yīng)用日漸廣泛。數(shù)據(jù)驅(qū)動(dòng)模型建模方法基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)預(yù)處理方法1.數(shù)據(jù)同步對(duì)整建立帶鋼質(zhì)量模型，首先需要找準(zhǔn)每卷帶鋼所經(jīng)歷的過(guò)程狀態(tài)的變量值，構(gòu)建與帶鋼質(zhì)量相對(duì)應(yīng)的過(guò)程變量矩陣X。在實(shí)際生產(chǎn)過(guò)程中，帶鋼的質(zhì)量信息是通過(guò)截取相鄰帶鋼跨焊縫的兩側(cè)，再通過(guò)離線實(shí)驗(yàn)分析獲得的。在帶鋼退火正常生產(chǎn)狀況的數(shù)據(jù)中，按照鋼卷生產(chǎn)批號(hào)(識(shí)別鋼卷)，找到與其對(duì)應(yīng)的過(guò)程變量采樣值。如果共采樣I卷帶鋼，則得到進(jìn)行質(zhì)量預(yù)測(cè)的過(guò)程變量數(shù)據(jù)矩陣為X(I×J)，帶鋼頭部質(zhì)量輸出y(I×l)。訓(xùn)練模型時(shí)，模型的輸入X、y必須是對(duì)應(yīng)同一批帶鋼的爐況信息，和離線質(zhì)量檢測(cè)數(shù)據(jù)。2.奇異點(diǎn)排除采用基于“小概率事件原則”來(lái)排除數(shù)據(jù)奇異點(diǎn)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)預(yù)處理方法3.數(shù)據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)的標(biāo)準(zhǔn)化處理包括中心化及無(wú)量綱處理。4.求取平均軌跡連續(xù)退火機(jī)組的建模過(guò)程變量主要有三部分信息組成:帶鋼材質(zhì)、冷軋熱軋參數(shù)、退火過(guò)程爐況信息:前兩部分的信息在帶鋼進(jìn)入退火爐之前就可以獲得變量，在整個(gè)退火過(guò)程中都不會(huì)改變的變量;退火過(guò)程爐況信息會(huì)隨著退火過(guò)程的進(jìn)行時(shí)刻發(fā)生變動(dòng)。針對(duì)爐況信息，考慮到在各個(gè)生產(chǎn)時(shí)段內(nèi)帶鋼質(zhì)量取決于整個(gè)生產(chǎn)時(shí)段的工藝狀況。由此采用平均軌跡的思想，對(duì)每個(gè)生產(chǎn)時(shí)段內(nèi)的爐況信息取時(shí)間上的平均，用帶鋼在每個(gè)工藝時(shí)段內(nèi)的平均過(guò)程信息作為建模變量。根據(jù)退火爐的自身特點(diǎn)，還需要對(duì)爐內(nèi)工況在空間上取平均，以便更好的反映爐況信息。基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)預(yù)處理方法大監(jiān)控?cái)?shù)據(jù)的處理這部分信息中并不包含任何與鋼卷特征相關(guān)的信息，因此想獲得這部分?jǐn)?shù)據(jù)的帶鋼歷經(jīng)信息只有通過(guò)時(shí)間?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化中央段焊縫信號(hào)數(shù)據(jù)校正背景測(cè)量數(shù)據(jù)的不平衡性(隨機(jī)誤差/過(guò)失誤差)不完整性(儀表缺失)目的通過(guò)過(guò)失誤差偵破、數(shù)據(jù)協(xié)調(diào)和參數(shù)估計(jì)，改善過(guò)程數(shù)據(jù)的準(zhǔn)確性、完整性和一致性。內(nèi)容檢測(cè)過(guò)失誤差校正帶隨機(jī)誤差的測(cè)量數(shù)據(jù)估算一些未測(cè)變量基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)校正過(guò)失誤差由測(cè)量?jī)x表不準(zhǔn)、失靈、人為因素等引起測(cè)量數(shù)據(jù)較大的誤差。過(guò)失誤差的偵破方法統(tǒng)計(jì)假設(shè)檢驗(yàn)方法

整體檢驗(yàn)法(GT)、節(jié)點(diǎn)檢驗(yàn)法(NT)、測(cè)量數(shù)據(jù)檢驗(yàn)法(MT),極大似然法混和方法，如MT-NT數(shù)據(jù)驅(qū)動(dòng)實(shí)時(shí)在線方法人工神經(jīng)元網(wǎng)絡(luò)方法支持向量機(jī)方法基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化數(shù)據(jù)校正數(shù)據(jù)校正模型求解方法使用基于智能優(yōu)化的求解算法進(jìn)行求解參數(shù)估計(jì)使用前面所使用的優(yōu)化模型來(lái)估計(jì)參數(shù)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化其中

為校正值向量，

為待估參數(shù)向量，F(xiàn)為函數(shù)向量，表示連退過(guò)程的能量平衡、表征物理規(guī)律的機(jī)理模型。Q為X的n×n階方差矩陣，可由儀表精度或測(cè)量樣本估計(jì)。報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)連續(xù)退火產(chǎn)品質(zhì)量預(yù)報(bào)的意義在鋼廠的連退機(jī)組的實(shí)際生產(chǎn)過(guò)程中，一般是通過(guò)截取帶鋼頭、尾部分，再進(jìn)行離線實(shí)驗(yàn)分析來(lái)獲得帶鋼的內(nèi)在質(zhì)量信息。通過(guò)離線實(shí)驗(yàn)分析來(lái)獲得產(chǎn)品的質(zhì)量信息一般都具有一定的時(shí)間滯后性，即只有當(dāng)帶鋼生產(chǎn)出來(lái)一段時(shí)間后，才能獲得其質(zhì)量信息。這個(gè)問(wèn)題的存在不但給實(shí)現(xiàn)帶鋼質(zhì)量的實(shí)時(shí)監(jiān)測(cè)帶了很大的困難，同時(shí)也給進(jìn)一步提高帶鋼產(chǎn)品質(zhì)量和合格率帶來(lái)了很大的障礙。當(dāng)前還無(wú)法建立帶鋼材質(zhì)、當(dāng)前爐況和操作條件與產(chǎn)品質(zhì)量之間的嚴(yán)格機(jī)理模型，而企業(yè)則存儲(chǔ)了數(shù)量巨大的過(guò)程檢測(cè)信息，因此利用這些已有數(shù)據(jù)，通過(guò)基于數(shù)據(jù)驅(qū)動(dòng)的建模方法，可以建立連退產(chǎn)品質(zhì)量的預(yù)報(bào)模型，實(shí)現(xiàn)連退產(chǎn)品質(zhì)量的在線預(yù)報(bào)，為實(shí)時(shí)監(jiān)測(cè)和故障診斷提供基礎(chǔ)?；谲洔y(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)軟測(cè)量技術(shù)原理基本思想是根據(jù)某種最優(yōu)準(zhǔn)則，選擇一組既與輸入變量關(guān)系密切又容易測(cè)量的輔助變量，通過(guò)構(gòu)造某種數(shù)學(xué)關(guān)系來(lái)估計(jì)主導(dǎo)變量?；谲洔y(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)軟測(cè)量中的變量選取方法根據(jù)退火過(guò)程的機(jī)理分析，熟悉有關(guān)生產(chǎn)工藝，咨詢現(xiàn)場(chǎng)工藝操作人員的日常操作情況，收集操作經(jīng)驗(yàn)，進(jìn)行適當(dāng)?shù)脑囼?yàn)，在較大的范圍內(nèi)確定可能影響帶鋼質(zhì)量的相關(guān)參數(shù)。對(duì)于初步確定的輔助變量，利用基于PLS和LSSVM的兩階段軟測(cè)量建模方法來(lái)建立模型。使用PLS的作用是對(duì)輔助變量進(jìn)行篩選，從而得到與輸出相關(guān)的主成分變量；在LSSVM中使用這些主成分變量來(lái)進(jìn)行建模；最后，進(jìn)行變量的還原，從而得到主導(dǎo)變量與所有輔助變量之間的數(shù)學(xué)模型?；谲洔y(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)軟測(cè)量的建模方法基于LS_SVM的軟測(cè)量模型屬于黑箱模型，只關(guān)心對(duì)象的輸入與輸出，而不關(guān)心對(duì)象的具體結(jié)構(gòu)。輸入與輸出之間的映射關(guān)系由LS_SVM構(gòu)造的決策函數(shù)來(lái)實(shí)現(xiàn)，即:建模步驟基于PLS-LSSVM的兩階段質(zhì)量預(yù)報(bào)模型設(shè)采集到的初始數(shù)據(jù)集經(jīng)過(guò)預(yù)處理后得到樣本如下:輔助變量X=(x1,x2，…，xn)l×n，主導(dǎo)變量Y，其中l(wèi)為樣本個(gè)數(shù)，n為輔助變量個(gè)數(shù)：Step1.利用改進(jìn)的PLS進(jìn)行主成分提取:(1)樣本數(shù)據(jù)標(biāo)準(zhǔn)化(2)提取主成分:偏最小二乘法(PLS)(3)主成分?jǐn)?shù)目的確定:根據(jù)交叉有效性原則確定主成分個(gè)數(shù)。Step2.主成分代替輔助變量參與建模假設(shè)提取的主成分為t1，t2，…,tk，用所得主成分代替輔助變量X作為最小二乘支持向量機(jī)的輸入進(jìn)行建模。Step3.還原變量，建立輔助變量與主導(dǎo)變量間的模型由上一步所得到的Y與t的關(guān)系式，以及t與X間的關(guān)系，我們可以推導(dǎo)得出輔助變量X與主導(dǎo)變量Y之間的關(guān)系式。基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于PLS-LSSVM的兩階段質(zhì)量預(yù)報(bào)模型基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)軟測(cè)量模型參數(shù)的優(yōu)化確定方法如何確定模型參數(shù)是LS_SVM在具體應(yīng)用中存在的一個(gè)突出問(wèn)題，并且LS_SVM模型的正規(guī)化參數(shù)和核參數(shù)對(duì)軟測(cè)量模型的性能影響非常大，對(duì)于這一模型參數(shù)選擇問(wèn)題當(dāng)前還沒(méi)有通用的方法。

把LS_SVM模型參數(shù)選取看作為一個(gè)優(yōu)化問(wèn)題，那么針對(duì)模型參數(shù)(正規(guī)化參數(shù)

γ和核函數(shù)參數(shù))的選取可描述為如下優(yōu)化問(wèn)題:由模型得到的產(chǎn)品質(zhì)量預(yù)測(cè)值基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)軟測(cè)量模型參數(shù)的優(yōu)化確定方法基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)軟測(cè)量模型的動(dòng)態(tài)更新隨著時(shí)間推移，連退生產(chǎn)線原操作區(qū)域的工況可能發(fā)生變化，將會(huì)導(dǎo)致模型性能變差，需要對(duì)模型進(jìn)行更新。在獲得精確測(cè)量值后，系統(tǒng)將對(duì)測(cè)量值和預(yù)估值進(jìn)行比較，若偏差超出允許范圍，則使用滑動(dòng)窗方法，將新的樣本加入到滑動(dòng)窗中，同時(shí)將窗口中最老的數(shù)據(jù)去掉。利用窗口中的所有數(shù)據(jù)，采用改進(jìn)的PSO算法進(jìn)行LSSVM模型參數(shù)的更新。報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷過(guò)程監(jiān)測(cè)與診斷工業(yè)生產(chǎn)的過(guò)程監(jiān)測(cè)與故障診斷一直是流程工業(yè)關(guān)注的主要問(wèn)題之一。它通過(guò)監(jiān)測(cè)生產(chǎn)過(guò)程的運(yùn)行狀態(tài)，及時(shí)檢測(cè)故障、過(guò)程干擾以及其它的異常工況，定位并診斷引發(fā)故障的原因變量，從而保證生產(chǎn)過(guò)程安全運(yùn)行，提高產(chǎn)品質(zhì)量和生產(chǎn)效率。連退機(jī)組由于生產(chǎn)的鋼板比較寬，鋼種規(guī)格跳躍大，爐內(nèi)易發(fā)生跑偏，嚴(yán)重時(shí)會(huì)導(dǎo)致爐內(nèi)斷帶。平均每次斷帶造成停機(jī)30小時(shí)，給生產(chǎn)組織帶來(lái)很大困難，經(jīng)濟(jì)損失巨大。目前，隨著連退機(jī)組信息化的發(fā)展，大量的過(guò)程數(shù)據(jù)被及時(shí)采集和存儲(chǔ)，因此，充分利用這些數(shù)據(jù)的深層次信息，提高連退生產(chǎn)過(guò)程監(jiān)測(cè)能力和故障診斷的水平，對(duì)于連退機(jī)組的安全和穩(wěn)定生產(chǎn)具有重要的意義?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷的內(nèi)容爐溫監(jiān)測(cè)與故障診斷為保證最終帶鋼的質(zhì)量，帶鋼在退火爐內(nèi)各個(gè)階段的溫度必須嚴(yán)格控制工藝要求的范圍之內(nèi)。如果溫度控制不好，將直接影響到帶鋼的內(nèi)部晶體結(jié)構(gòu)，最后導(dǎo)致帶鋼質(zhì)量變差。因此，爐內(nèi)各區(qū)的溫度是影響帶鋼質(zhì)量的重要因素，如何實(shí)現(xiàn)對(duì)它們的監(jiān)測(cè)使其維持正常狀態(tài)是保證產(chǎn)品質(zhì)量、實(shí)現(xiàn)節(jié)能降耗的根本。帶鋼質(zhì)量監(jiān)測(cè)與故障診斷根據(jù)帶鋼退火前的生產(chǎn)信息及當(dāng)前的爐況信息實(shí)現(xiàn)帶鋼的質(zhì)量預(yù)報(bào)，并根據(jù)帶鋼質(zhì)量預(yù)報(bào)值實(shí)時(shí)監(jiān)測(cè)。當(dāng)出現(xiàn)報(bào)警信號(hào)時(shí)，追溯引起質(zhì)量缺陷的故障過(guò)程變量，并對(duì)需要調(diào)整的參數(shù)提供參考操作。將對(duì)提高生產(chǎn)效率、降低廢品率等都將具有十分重要的意義?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷的方法傳統(tǒng)方法-單變量統(tǒng)計(jì)監(jiān)控基于施瓦特圖（Shewhart）的應(yīng)用故障診斷給定一個(gè)觀測(cè)變量X，每個(gè)變量j的標(biāo)準(zhǔn)差(為均值，sj為標(biāo)準(zhǔn)差)：將標(biāo)準(zhǔn)差繪制在同一表中，并且用基于顯著性水平的閾值檢測(cè)失控變量。給定一定的閾值，可以在訓(xùn)練集中數(shù)據(jù)的統(tǒng)計(jì)特性基礎(chǔ)上，應(yīng)用統(tǒng)計(jì)假設(shè)理論來(lái)預(yù)測(cè)系統(tǒng)變化是否失控。基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷的方法當(dāng)前采用的主要方法–基于數(shù)據(jù)驅(qū)動(dòng)的多變量統(tǒng)計(jì)監(jiān)控主元分析法(PCA)費(fèi)舍爾判別分析法

(基于模式分類學(xué)的故障診斷)部分最小二乘法偏最小二乘法(PLS)規(guī)范變量分析法

(類似于PCA的子空間辨識(shí)方法)特點(diǎn)能夠?qū)⒏呔S數(shù)據(jù)變換為低維，通過(guò)單圖顯示(數(shù)據(jù)可視化)，有助于為操作員解釋過(guò)程數(shù)據(jù)的顯著變化趨勢(shì)?；跀?shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷的方法基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷連退生產(chǎn)過(guò)程的異常事件檢測(cè)(AED)基于PCA或PLS方法目標(biāo)：為操作人員提供早期預(yù)警優(yōu)點(diǎn)：減少跑偏、降低能耗、提高生產(chǎn)效率連退生產(chǎn)過(guò)程異常事件的檢測(cè)特征基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷基于PCA或PLS的過(guò)程監(jiān)測(cè)與故障診斷基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷基于PCA或PLS的過(guò)程監(jiān)測(cè)與故障診斷基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷95%正常操作都在橢圓里外部離群值警告將會(huì)有問(wèn)題出現(xiàn)很容易識(shí)別有問(wèn)題的變量通過(guò)故障樹分析，可以識(shí)別問(wèn)題起源已驗(yàn)證此項(xiàng)技術(shù)的可靠性報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)能夠承擔(dān)的研究?jī)?nèi)容能夠承擔(dān)的研究?jī)?nèi)容連退生產(chǎn)過(guò)程質(zhì)量預(yù)報(bào)的軟測(cè)量建模連退生產(chǎn)過(guò)程操作優(yōu)化問(wèn)題的建模與優(yōu)化求解算法連退生產(chǎn)過(guò)程的監(jiān)測(cè)與故障診斷期望承擔(dān)的研究?jī)?nèi)容連退生產(chǎn)過(guò)程質(zhì)量預(yù)報(bào)的軟測(cè)量建模連退生產(chǎn)過(guò)程操作優(yōu)化問(wèn)題的建模與優(yōu)化求解算法報(bào)告大綱項(xiàng)目意義1234基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程操作優(yōu)化基于軟測(cè)量的連退產(chǎn)品質(zhì)量預(yù)報(bào)基于數(shù)據(jù)驅(qū)動(dòng)的連退生產(chǎn)過(guò)程監(jiān)測(cè)與診斷55能夠承擔(dān)的研究?jī)?nèi)容6已有基礎(chǔ)已有基礎(chǔ)理論基礎(chǔ)優(yōu)化求解技術(shù)針對(duì)流程工業(yè)的操作優(yōu)化問(wèn)題，東北大學(xué)物流與控制研究所在所長(zhǎng)唐立新教授的帶領(lǐng)下，已經(jīng)開發(fā)出許多高效的單目標(biāo)和多目標(biāo)智能混合算法，如混合粒子群算法、混合差分進(jìn)化算法、混合分散搜索算法等，基于標(biāo)準(zhǔn)測(cè)試問(wèn)題的結(jié)果表明這些算法均優(yōu)于當(dāng)前文獻(xiàn)中已有的算法。這些研究成果已經(jīng)發(fā)表在智能優(yōu)化算法領(lǐng)域的國(guó)際頂級(jí)雜志IEEETransactionsonEvolutionaryComputation，以及IEEETransactionsonControlSystemsTechnology、IEEETransactionsonPowerSystems、NavalResearchLogistics、EuropeanJournalofOperationalResearch、InternationalJournalofProductionResearch、Comput