一種基于多階段mpca的無縫鋼管連軋生產過程的監測與故障識別方法
【專利摘要】針對無縫鋼管連軋生產過程的機理模型難以建立，過程監測和故障識別很困難的問題，考慮其非線性極強、動態特性變化快等生產特點，提出了基于多階段MPCA方法的無縫鋼管連軋過程的監測與故障識別模型.該方法通過多階段線性結構改進傳統MPCA法的單模型線性化結構，以分段線性建模逼近非線性的方式，彌補傳統MPCA法的不足，提高監測的準確度和反應速度.實驗和仿真表明，基于多階段MPCA方法的無縫鋼管連軋過程的監測模型有效性地實現了對無縫鋼管連軋過程的監測與故障識別，并且其實時性好、可靠性及精度高。
【專利說明】-種基于多階段MPCA的無縫鋼管連軋生產過程的監測與 故障識別方法
【技術領域】
[0001] 本發明涉及一種無縫鋼管連軋生產過程監測與故障識別方法，實時性好，可靠性 和精度高。
【背景技術】
[0002] 無縫鋼管被廣泛應用于汽車、航空、石油、化工、建筑、鍋爐和軍工等各個部門，在 國民經濟中具有很重要的地位，故被人們稱為工業的血管.隨著經濟的快速發展，無縫鋼 管的使用領域在不斷擴大，對產品質量的要求也越來越高.無縫鋼管的生產工序主要有穿 孔、乳管和減徑.鋼管連軋生產是無縫鋼管生產的第二道工序，連軋得到的鋼管質量對最 終產品質量影響很大。鋼管連軋生產過程是具有典型的多時段、多變量且變量間有復雜線 性相關關系等特性的間歇生產過程，這使得鋼管質量與過程變量之間的關系比較復雜。無 縫鋼管連軋過程中數據的監測與故障識別是保障鋼管質量的有效方法。
【發明內容】
[0003] 本發明的目的，是提供一種無縫鋼管連軋生產過程監測與故障識別方法，能快速 準確監測故障，從而降低廢品率，提高生產效益，該方法模型維護費用低，實時性好，精度 商。
[0004] 針對鋼管連軋生產過程的復雜性，可將其分為咬鋼、穩定軋制和拋鋼三個子時 段.本發明人提出了基于多階段MPCA方法來建立連軋過程的監測與故障識別模型.該方 法通過多階段線性結構改進傳統MPCA法的單模型線性化結構，以分段線性建模逼近非線 性的方式，彌補傳統MPCA法的不足，提高監測的準確度.實驗表明，基于多階段MPCA方法 方法模型比傳統的MPCA模型具有更高精度，有效性地實現了對無縫鋼管連軋過程的監測 與故障識別。
[0005] 在建模前，先對連軋無縫鋼管生產過程變量進行選擇與分析 (1)軋輥轉速：在連軋過程中，乳輥的轉速非常重要，如果轉速過快，會導致鋼管表面的 毛坯不能被完全消除，連軋出來的鋼管將是不合格的產品。另一方面如果軋輥的轉速過慢 會增加連軋時間，因為消耗的電量等能源將會增加，不符合經濟效益。而且，在8個軋輥中， 因為傳送過程存在時間差的關系，前后兩輪的轉速控制必須符合要求，才能確保每根鋼管 的連軋過程轉速變化幅度保證在一定范圍內。
[0006] (2)軋輥力矩：力矩的大小直接影響鋼管生產的質量，力矩不足，力度不夠，無法清 除鋼管表面毛坯，力矩過大，會導致鋼管承受過壓而在連軋過程中變形。因此，合理的力矩 范圍是確保產品質量的重要保障。為了節省電能資源，在等待狀態時，力矩可以減少，輸入 的電流不用過大。當有鋼管進入時，所通電流增大從而增加力矩。在鋼管進入連軋機時，電 流增加，力矩隨之增加。當鋼管輸出連軋機時，電流減少，力矩隨電流減少。
[0007] (3)軋輥電流：乳輥電流是連軋過程中最重要的控制變量，它是控制力矩和轉速的 重要因素。因為電流的敏感度比較高，在鋼管進入連軋機時，電流反應比較迅速，從而帶動 軋輥速度以及軋輥力矩，確保連軋的順利進行。電流與力矩成比例關系，電流隨鋼管進入時 增大，接著趨向穩定狀態，當鋼管離開軋輥時，電流迅速下降，等待下一批次的鋼管。
[0008] -般來說連軋無縫鋼管生產過程分成三大階段：第一階段為鋼管進入連軋機的咬 鋼階段，此階段軋輥轉速在鋼管進入瞬間，轉速下降，隨時間變化后上升趨向平穩。由于鋼 管進入而導致靜摩擦力增大，為了使鋼管能順利進入連軋機內部，電流必須迅速增大從而 帶動力矩增大。第二階段為鋼管穩定軋制階段，此階段軋輥轉速平穩的在控制線附近上下 波動，由于鋼管在連軋機上連軋，因此，電流和力矩都要維持相應的值。第三階段為無縫鋼 管輸出連軋機的刨鋼階段，此階段鋼管輸出連軋機組瞬間，軋輥轉速瞬間上升，然后慢慢下 降趨于平緩。鋼管完成連軋輸出連軋機時，電流和力矩都迅速下降，保證能源的節省和下一 批次連軋鋼管的順利進行。
[0009] 基于對連軋無縫鋼管生產過程各變量的上述分析，為實現連軋生產過程的監測與 故障識別，采用下述技術方案： (1)連軋無縫鋼管生產過程子操作時段的劃分 本發明在對連軋生產過程各時段分析的基礎上，確定了建模所需的各時段過程變量。 依據變量采集建模數據后，需要對生產過程子操作時段進行劃分。在獲得的三維數據的基 礎上，將過程數據按生產操作時段的不同，將其分段處理。本發明先將連軋生產過程劃分為 咬鋼子時段、穩定軋制子時段和拋鋼子時段。然后依據k-means聚類分析法并結合軋鋼過 程變量間的關系進行細分段，細劃咬鋼和拋鋼階段，將咬鋼階段細劃成3個子時段，將拋鋼 階段也細劃成3個子時段。
[0010] k-means算法接受輸入量k，然后將η個數據對象劃分為k個聚類以便使得所獲 得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相 似度是利用各聚類中對象的均值所獲得一個中心對象來進行計算的，具體步驟如下： ① 從η個數據對象任意選擇k個對象作為初始聚類中心； ② 循環（3)到（4)直到每個聚類不再發生變化為止； ③ 根據每個聚類對象的均值（中心對象)，計算每個對象與這些中心對象的距離；并 根據最小距離重新對相應對象進行劃分； ④ 重新計算每個聚類的均值(中心對象)。
[0011] (2)連軋無縫鋼管生產過程多階段MPCA模型建立 在間歇過程的一次運行中，記錄下變量J'=l，2, ···，/在時刻左=1，2,…，尤的采樣值，運 行i=l，2,…，J次以后，得到了數據Z (J X / X幻。多向主元分析MPCA的思想是把三 維數據展開為二維數據以后再進行PCA分析。具體步驟如下： ① 將三維矩陣.
【權利要求】
1. 一種基于多階段MPCA的無縫鋼管連軋生產過程的監測與故障識別方法其特征是： 本發明在對連軋生產過程各時段分析的基礎上，確定了建模所需的各時段過程變量，依據 變量采集建模數據后，需要對生產過程子操作時段進行劃分.在獲得的三維數據的基礎 上，將過程數據按生產操作時段的不同，將其分段處理.本發明先將連軋生產過程劃分為 咬鋼子時段、穩定軋制子時段和拋鋼子時段.然后依據k-means聚類分析法并結合軋鋼過 程變量間的關系進行分段，細劃咬鋼和拋鋼階段，將咬鋼階段細劃成3個子時段，同理將拋 鋼階段也細劃成3個子時段.確定建模所需的各時段過程變量后，多階段MPCA算法對進行 無縫鋼管連軋生產過程監測與故障識別.該方法通過多階段線性結構改進傳統MPCA法的 單模型線性化結構，以分段線性建模逼近非線性的方式，彌補傳統MPCA法的不足，提高監 測的準確度。
【文檔編號】G06F17/50GK104063542SQ201410278192
【公開日】2014年9月24日 申請日期:2014年6月20日 優先權日:2014年6月20日
【發明者】肖冬, 高旭陽 申請人:東北大學