基于偏最小二乘回归模型的带钢热镀锌质量监控方法.pdfVIP

维普资讯 第 29卷 第 6期 北 京 科 技 大 学 学 报 VO1．29NO．6 2007年 6月 JournalofUniversityofScienceandTechnologyBeUing Jun．2007 基于偏最小二乘回归模型的带钢热镀锌质量监控方法 姚 林 ，2 阳建宏 徐金梧 王 植 1)北京科技大学机械工程学院，北京 100083 2)鞍山钢铁集团公司，鞍山 114021 3)鞍钢股份有限公司冷轧厂，鞍山114030 摘 要 提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法．以带钢热镀锌生产中带钢力学性能和锌层质量的质 量监控为研究对象，用偏最小二乘方法建立了生产过程参数与质量结果之问的回归模型，对生产过程控制能力进行了分析， 并给出了产品质量的预测方法．用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证．结果表明，偏最小二乘法比传统 的多元线性回归方法具有更好的预测精度，基于偏最小二乘回归的锌层质量预测模型，其相对预测误差可达到 5．93％． 关键词 带钢热镀锌；偏最小二乘法 ；质量监控；预测方法 分类号 TG335．22；0213．1 随着国民经济的发展，对热镀锌钢板的质量要 因变量 的数据表 x= [Xl，…，X] 和 Y=[Yl， 求也越来越高．由于工艺流程复杂，生产过程对产 … ， Y。] 。．偏最小二乘回归建模方法的主要思路 品质量的影响常常是多因素的，例如原板的化学成 是 ：在 x和 y中分别提取 出成分t】和 U】，t】是 X】， 分、带钢的退火温度、光整延伸率等都会对钢板的力 … ， 的线性组合，Ul是 Y 一，Y。的线性组合，并 学性能造成影响[1-2J．建立工艺过程参数与产品质 且满足：03t，和U 应尽可能大地携带各 自数据表 量之间的回归模型，可 以为生产过程监控和质量管 中的变异信息，即 t和 U 尽可能好地代表数据表 理提供有力的数据支持和分析手段．多元线性回归 x和Y；② t，和 U】之间的相关程度达到最大，即自 (multiplelinearregression，MLR)是常用的回归方 变量的成分 t对因变量的成分 U 具有最强的解释 法，但在变量间多重相关性 问题上存在一定的局限 能力． 性．而神经网络等方法虽在回归精度上有些优势， 利用偏最小二乘法的简化算法，不需要提取因 却在模型对应关系的解释上不够明确． 变量的成分[，算法具体计算步骤如下： 偏最小二乘法 (partialleastsquare，PLS)是 由 (1)将原始数据表 x和 y标准化后分别得到 Wold和 Albano等提出的多因变量对多 自变量的回 自变量矩阵E 和因变量矩阵Fn． 归建模方法，通过对系统数据进行有效的分解和筛 (2)计算矩阵E FoFoEo最大特征值对应的正 选，提取对因变量解释性最强的综合变量——辨识 则化特征向量 Wl，得第一成分 tl=E0Wl，其中E 系统中的信息与噪声，从而较好地克服 了变量多重 和 F 分别是 E0和 F0的转置 ． 相关在系统建模中的不良影响[3-5]． (3)分别求 E0和 F0对 t】的回归方程 E0= 本文将偏最小二乘法引入到带钢热镀锌生产的 tlPi+El和F0=tlri+Fl，其中， 质量监控中，提出了基于偏最d--乘法的带钢热镀 Eotl 锌工艺过程参数与产品质量的回归建模方法及产品 p (1) 质量的预测模型，并结合鞍钢股份有限公司带