欢迎来到天天文库
浏览记录
ID:36798020
大小:2.74 MB
页数:74页
时间:2019-05-15
《基于改进OPLS间歇过程监测、质量预测及异常变量追溯》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、东北大学硕士学位论文摘要基于改进OPLS的间歇过程监测、质量预测及异常变量追溯摘要‘r提高产品质量、保证生产安全一直是现代工业追求的目标,如何对产品质量实时预r测、实施过程监测,及时有效的修复故障,成为现在研究的热点之一。随着计算机等相它关技术的发展,工业过程可获得大量甚至冗余的数据,这些数据蕴含着与生产过程运行◆状态及最终产品质量密切相关的信息,若能充分利用这些数据将具有非常重要的意义。本文以多变量统计方法为理论,提出了基于窗口均值OPLS的质量预测、过程监测及异常变量追溯方法,并将其应用到连续退火生产过程中。主要工作包括:本文通过参考国内外相关文献,介绍了基于PLS方法的质
2、量预测、过程监测及异常变量追溯。为使模型更易于解释和理解,引入了OPLS算法。在OPLS算法中,正交成分个数的确定是一个关键的问题,本文提出了一种改进的0PLS算法,为准确的确定正交成分个数提供了一个有效的手段。针对建模变量多、模型结构复杂、数据不等长等问题,提出了窗口均值OPLS算法,该方法依据工艺时段确定窗口宽度,并在每一个窗口宽度内取过程变量的均值作为输入变量建立OPLS模型;在进行异常变量追溯时,本文提出了贡献控制限、超限率的思想,为及时修复故障提供了可靠的保证。连续退火过程具有过程变量多、数据采样频率高等特点,在生产过程中带钢硬度很难在线测得,主要是通过截取带钢头、尾
3、部进行离线实验分析获得,控制也主要依据操作工人的经验来实现,具有较大的滞后性和盲目性,而且在连续退火生产中带钢的硬度缺陷很难弥补。本文将窗口均值OPLS算法应用到连续退火过程带钢质量预测、过程监测及异常变量追溯中,验证了该方法的有效性。关键词:窗口均值0PLS;连续退火;质量预测;过程监测;异常变量追溯一II—、,,'●9-东北大学硕士学位论文AbstractProcessMonitoring,QualityPredictionandAbnormalV-ariablesDetectionBasedonImproVedoPLSAbstractIthasbeenapersisten
4、tgoalforprocessiIldustrytoincreasemequali妙ofproductsandensurethesaf.etyofoperation,arldhowtopredictthequality,monitormeprocess,find龇ldreStorefaulttimelyhaVebeen也eresearchfocusauccordingly.Wi也the缸timpr0Vingofcomputerteclll_1iqueandsoon,abulldamoreVenreduIldantdatacanbeobtained,wmchincludesimm
5、ationcloselyrelated谢tlloperationstatesaIldfinalqual岖n而llbemuchmoremeaIlingmlifweca芏lmal(emUuseofmesedata.Intllispaper,讹dowS-meanOPLS(Onhogonalp枷alleastsquares)isproposedforqual时prediction,processmoIlitoringandabnomalV撕ablesdetectionbaSedonmultiV撕atestatisticalmemodsa11ddatamillingtechnology.
6、Finally,itis抽troducedt0continuousannealingprocess.111emaincontributionsof“sdissertationcanbes咖姗撕zed硒follows:Thequalityprediction,processmomtoringandabnomalVariablesdetectionbaSedonPLS(paniaJleaStsquares)跹dMPLS(multiwaypanialle嬲tsquares)aredescmedaccordingtoliteral[uresbotllhome锄dalbroad.OPLS
7、isiIltrDducedtoma:ketllemodeleaSiertointe印rete.ThedetemlinationofnumberoformogonalcomponentsisanimportaIltissuei11OPLSalgorithm.AnimproVedOPLSalgorithmisproposedtoproVideanefrectiVemethodtodete加:linemenumberofortllogonalcomponents.Attlles锄etime,Win
此文档下载收益归作者所有