基于改进MKECA算法的加热炉加热过程监测

摘要

随着工业技术的发展，企业对产品的要求越来越高，现代工业系统的规模和复杂程度也日益增加。加热炉设备在热轧过程占据着十分重要的地位，加热炉的运行状态可以对产品质量以及能源消耗产生直接的影响，然而，加热炉由于其自身的复杂特性，无法直接使用简单的监测方法对加热炉的运行状态进行监测，因此，对加热炉的运行状态监测方法的研究就变得十分重要。 基于多元统计的方法是目前较为常用的过程监测方法，其主要是通过对过程变量的数据集进行分析和解释来实现对运行过程的在线监测。本文针对加热炉的运行过程，阅读大量文献后，主要进行以下几方面的工作: (1)对于加热炉的运行过程，由于轧钢节奏的变化，所有批次钢坯在炉时间不可能完全一样，造成加热炉轧钢过程中所采集的变量数据长度不同，采样数据无法形成一个平衡的三维数据矩阵。针对这个问题，本文采用动态时间规整方法(DTW)进行处理。针对该方法易出现病态规整，本文采用加权与加窗优化的方法对其进行改进，并将该方法用于加热炉数据的预处理。 (2)针对加热炉运行过程的非线性问题，分别采用多向核主元分析(MKPCA)与多向核熵成分分析(MKECA)对加热炉的运行过程进程监测分析。 (3)针对加热炉是一个动态过程，过程变量往往具有较强的自相关，研究了规范变量分析(CVA)，将其与MKECA方法相结合从而对MKECA方法进行改进，并将改进后的MKECA方法用于加热炉的运行过程监测。 基于加热炉的仿真结果表明，MPCA方法可以监测某些情况，但是其误报率与检测率不好，MKPCA、MKECA虽然相对于MPCA有更好的监测效果，但是其检测率与误报率仍然不够理想，而CV-MKECA方法可以明显改善过程的监测效果。

目录

声明

摘要

第1章绪论

1．1课题研究背景及意义

1．2．1过程监测的内容

1．2．2过程监测的基本方法

1．2．3间歇过程监测方法的研究现状

1．3加热炉工艺流程简介

1．4本文主要工作

第2章间歇过程的过程监测理论基础

2．1间歇过程的数据分析

2．1．1间歇过程的数据特征

2．1．2三维数据的展开及标准化

2．2基于多向主元分析的过程监测

2．2．1主元分析方法

2．2．2多向主元分析方法

2．3基于多向核主元分析方法的过程监测

2．3．1核方法的基本思想

2．3．2核主元分析方法

2．3．3多向核主元分析方法

2．4本章小结

第3章基于改进的DTW的间歇过程数据处理方法

3．1．1 DTW方法的概念

3．1．2 DTW方法的基本原理

3．2 DTW在不等长间歇过程中的应用

3．2．1数据不等长的处理方法

3．2．2基于DTW的数据处理

3．2．3基于加权加窗改进的DTW的数据处理

3．3仿真研究

3．4本章小结

第4章基于改进MKECA方法的过程监测

4．1规范变量分析方法

4．1．1自相关和互相关的基本理论

4．1．2 CVA模型的建立

4．2核熵成分分析方法

4．2．1瑞利熵的简介

4．2．2核熵成分分析方法

4．2．3 KECA与KPCA的差异性分析

4．3．1多向核熵成分分析方法

4．3．2改进的多向核熵成分分析方法

4．4本章小结

第5章基于改进MKECA算法的加热炉加热过程监测

5．1加热炉的数据采集与处理

5．2加热一段监测模型的建立与仿真

5．3加热二段监测模型的建立与仿真

5．4均热段监测模型的建立与仿真

5．5本章小结

第6章总结与展望

6．1总结

6．2展望

参考文献

致谢