基于机器学习的产品质量在线智能监控方法

摘要

为了提高产品质量的稳定性和可靠性,利用机器学习方法实现产品质量在线监控、在线优化和在线预设定,是钢铁企业目前亟待解决的关键技术.针对企业需求,提出基于软超球体算法的产品质量异常在线识别和异常原因诊断方法、基于流形学习的工艺参数在线优化方法和基于多变量统计过程控制的工艺规范制定方法.通过将上述方法进行系统集成,并利用工业互联网技术和大数据分析方法,研发了产品质量在线智能监控系统.目前该系统已在钢铁企业十余条生产线上推广应用,质量在线判定的准确率达到99.2%,在线检测时间不到0.1 s.