基于稀有模态强化生成对抗网络的冷轧颤振预警方法.pdfVIP

摘要

随着工业现代化进程的推进，各行各业对冷轧带钢产品的需求量日益增加，同时对

其表面质量的要求也愈发提高。轧机颤振是冷轧生产过程中的一种异常振动现象，频发

于高速轧制过程中，并会造成带钢表面质量的劣化，严重影响企业经济效益和生产安全

稳定。由于冷轧设备系统具有多环节、多耦合、强非线性特征，难以进行有效的机理建

模。对此，论文提出了数据驱动的冷轧过程数据建模与颤振预警方法。

颤振状态是一种危害较大的故障状态，其具有故障检测任务中典型的故障样本数量

少且类别比例不均匀的数据特性，限制了基于数据的建模方法的应用。针对这一特性，

论文提出了一种基于改进生成对抗网络的分布拟合方法，从两方面强化生成对抗网络对

少数样本模态的学习能力。一方面，对生成器网络进行逆Lipschitz正则化以强化生成器

在建模过程中的分布空间搜索能力，另一方面，遵循隐式最大似然思想在真实数据点的

邻域内对生成器分布和真实分布进行模态匹配，从而避免了传统方法对少数类数据模态

的忽视问题。此外，该方法对具体的生成对抗网络的结构及目标函数不加以限制，易于

适配多种神经网络构建方法，以改进其对小样本数据的学习能力。

针对冷轧生产过程中工况复杂多变，且颤振故障发生突然、发展迅速的特点，提出

了基于稀有模态强化对抗生成网络的冷轧系统振动状态预测方法，通过对机架振动信号

的时频域特征提取和对关键工艺参数的模糊建模软测量，实现了对轧钢生产状态表征的

精简，在此基础上，通过格拉姆角度场将原始的过程变量时间序列转化为多通道的时域

图像格式，并通过改进的生成对抗网络来学习图像中的潜在特征模式。建模完成后，根

据当前轧机系统状态在隐空间中基于真实性约束搜和相似性约束搜索与之匹配的生成

样本，真实性约束保证了样本符合轧钢过程数据分布规律而相似性约束确保搜索目标与

当前系统状态足够匹配。搜索完成后通过格拉姆角度场反变换将其还原成时间序列形态，

即可作为未来系统状态的预测。

为验证论文所提方法的有效性，采用国内某钢铁企业冷轧生产线的实际数据进行对

比实验，结果表明，论文方法对于故障样本量少且比例高度不均衡的轧钢过程数据取得

了优于对比方法的建模效果，且基于该模型生成器部分的数据增强方法能够根据不同工

况条件生成符合实际数据分布的新样本，并为其他数据驱动建模方法提供数据基础，同

时，基于隐空间搜索的状态匹配预测方法能够在较长的时间裕量下对颤振状态进行预测。

此外，基于论文上述方法设计并开发了串联冷轧机组颤振预警系统，并于该企业冷轧车

间完成部署应用。长期的运行结果表明，该系统能够根据连轧系统实时运行状态预估颤

振发生的可能性，给现场操作人员提供了充足的预警时间。

关键词：冷轧颤振；生成对抗网络；多目标遗传算法；故障检测；数据增强

ABSTRACT

Withtheadvancementofindustrialmodernization,thedemandforcold-rolledstrip

productsinallwalksoflifeisincreasing,atthesametime,therequirementsforitssurface

qualityarealsoincreasing.Rollingmillchatterisanabnormalvibrationphenomenoninthe

coldrollingproductionprocess,whichfrequentlyoccursinthehigh-speedrollingprocess,and

willcausethedeteriorationofthesurfacequalityofthestrip,whichseriouslyaffectsthe

economicbenefitsoftheenterprise,thesafetyandstabilityofproduction.Duetothemulti-

link,multi-couplingandstrongnonlinearfeaturesofthecoldrollingplantsyst