基于核熵成分分析的热轧带钢自适应聚类分析摘要.PDFVIP

第 43 卷第 5 期 中南大学学报(自然科学版)  Vol.43  No.5  2012 年 5 月  Journal of Central South University (Science and Technology)  May2012  基于核熵成分分析的热轧带钢自适应聚类分析 何飞，徐金梧，梁治国，王晓晨  (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)  摘要：为提高热轧带钢力学性能离线检测的针对性和生产过程控制的实时性，提出利用聚类分析方法实现生产状 态的聚类， 对错分或离群样本进行力学性能的重点检测。 常用的高斯核主成分聚类分析中假设数据服从正态分布， 以方差大小提取核主成分，而实际生产数据分布复杂，拟采用核熵主成分分析，并自适应选取核参数和聚类数， 实现生产状态的自适应聚类。利用实际生产数据进行方法验证，与核主成分聚类分析相比具有更好的聚类结果， 聚类正确率从 86.23%提高到 96.51%，更加有效地提高了质量检测的针对性。 关键词：热轧带钢；核熵成分分析；聚类分析；力学性能 中图分类号：TG333.71；TP274.3  文献标志码：A  文章编号：1672−7207(2012)05−1732−07  Hot rolled strip state clustering based on  kernel entropy component analysis  HE Fei, XU Jin­wu, LIANG Zhi­guo, WANG Xiao­chen  (National Engineering Research Center of Flat Rolling Equipment,  University of Science and Technology Beijing, Beijing 100083,China)  Abstract: In order to detect mechanical properties of hot rolled steel offline more efficiently and to the point, and  improve the control timely, the process data are used for clustering analysis to acquire the state in advance. During the  mechanical properties detection, the outliers in the same steel grade are regarded as the focal points. On the assumption  that the data obey normal distribution, the variance is used as the information metric to extract features in the common  method kernel principal component analysis (KPCA) with Gaussian kernel. The actual production data have complex  distribution. Then, kernel entropy component analysis (KECA) was used to extract features and the kernel parameter and  cluster number were selected adaptiv