基于因子分析的板带热轧产品质量缺陷诊断

doi:10.12068/j.issn.1005-3026.2022.06.007

东北大学学报（自然科学版） ›› 2022, Vol. 43 ›› Issue (6): 809-814.DOI: 10.12068/j.issn.1005-3026.2022.06.007

基于因子分析的板带热轧产品质量缺陷诊断

彭文^1,2，辛洪伞¹，李旭东³，孙杰^1,2

(1. 东北大学轧制技术及连轧自动化国家重点实验室，辽宁沈阳110819; 2. 东北大学低碳钢铁前沿技术研究院，辽宁沈阳110819; 3. 首钢集团有限公司技术研究院，北京100043)

修回日期:2021-07-30 接受日期:2021-07-30 发布日期:2022-07-01
通讯作者: 彭文
作者简介:彭文(1987－)，男，山东青州人，东北大学副研究员；孙杰(1984－)，男，山东菏泽人，东北大学教授，博士生导师.
基金资助:
国家重点研发计划项目(2018YFB1308700)；国家自然科学基金资助项目(51704067，52074085，51634002)；中央高校基本科研业务费专项资金资助项目(N2004010，N2124007-1)；辽宁省“兴辽英才计划”项目(XLYC1907065).

Diagnosis of Quality Defects in Hot Strip Rolled Products Based on Factor Analysis

PENG Wen^1,2， XIN Hong-san¹， LI Xu-dong³， SUN Jie^1,2

1. State Key Laboratory of Rolling and Automation， Northeastern University， Shenyang 110819， China; 2. Institute for Frontier Technologies of Low-Carbon Steelmaking， Northeastern University， Shenyang 110819， China; 3. Shougang Research Institute of Technology， Beijing 100043， China.

Revised:2021-07-30 Accepted:2021-07-30 Published:2022-07-01
Contact: PENG Wen
About author:-
Supported by:
-

摘要/Abstract

摘要： 板带热轧生产过程中，产品质量影响因素与质量指标间的关系不明确，影响产品质量缺陷追溯和后续产品质量提升.将因子分析(factor analysis，FA)方法引入热轧产品质量诊断过程中，并以穿带过程宽度质量缺陷为例，采用GT²统计量对生产过程进行监控，通过因子得分表征各生产因素对产品宽度质量指标的影响程度，得到了各因素对产品宽度缺陷的贡献率，最终实现了轧件宽度缺陷的原因定位.实际应用结果表明，以因子分析的诊断结果为基础对关键参数进行修正，能有效提升后续产品的宽度控制精度，为生产过程的稳定性和产品质量的提高提供了保证.

关键词: 板带热轧;因子分析;质量缺陷;质量诊断;溯源分析

Abstract: In hot strip rolling process， the relationship between production quality and influencing factors remains unclear， which greatly affects the traceability of product quality defects and subsequent improvement of product quality. Factor analysis(FA)method is introduced to the quality diagnosis. Taking the width quality defects in the threading process as an example， GT² statistics are used to monitor the production process and the factor scores are used to characterize the parameters in production process. After obtaining the influencing degree of the width quality index and the contribution rate of each factor to the width defect， the defining reason of the width defect is finally realized. The results in-practice show that the correction of the key processing parameters based on the FA diagnosis can improve the width-control accuracy effectively， which guarantees the stability of production process and the improvement of product quality.

Key words: hot strip rolling; factor analysis; quality defect; quality diagnostics; traceability analysis

中图分类号:

TG335.5

彭文，辛洪伞，李旭东，孙杰. 基于因子分析的板带热轧产品质量缺陷诊断[J]. 东北大学学报（自然科学版）, 2022, 43(6): 809-814.

PENG Wen， XIN Hong-san， LI Xu-dong， SUN Jie. Diagnosis of Quality Defects in Hot Strip Rolled Products Based on Factor Analysis[J]. Journal of Northeastern University(Natural Science), 2022, 43(6): 809-814.

参考文献

[1]Manabu K，Yoshiaki N.Data-based process monitoring，process control，and quality improvement:recent developments and applications in steel industry ［J］.Computers & Chemical Engineering，2008，32(1/2):12-13.
[2]Venkatasubramanian V，Rengaswamy R，Kavuri S N，et al.A review of process fault detection and diagnosis:part Ⅲ.Process history based methods［J］.Computers & Chemical Engineering，2003，27(3):327-329.
[3]McGuire S A.Statistical process control for quality improvement［J］.Technometrics，1994，36(4):419-420.
[4]李扬，王京，张勇军.基于数据挖掘的热轧带钢质量分析方法［J］.工程科学学报，2015，37(sup1):56-64.(Li Yang，Wang Jing，Zhang Yong-jun.Quality analysis method of hot-rolled strip steel based on data mining ［J］.Journal of Engineering Science，2015，37(sup1):56-64.)
[5]赵旭，阎威武，邵惠鹤.基于多变量统计方法的产品质量控制［J］.上海交通大学学报，2007，41(1):126-130.(Zhao Xu，Yan Wei-wu，Shao Hui-he.The product quality control based on multivariable statistical methods［J］.Journal of Shanghai Jiaotong University，2007，41(1):126-130.)
[6]姚林，阳建宏，徐金梧，等.基于偏最小二乘回归模型的带钢热镀锌质量监控方法［J］.北京科技大学学报，2007，29(6):627-631.(Yao Lin，Yang Jian-hong，Xu Jin-wu，et al.Quality monitoring method of strip hot-dip galvanizing based on partial least squares regression［J］.Journal of University of Science and Technology Beijing，2007，29(6):627-631.)
[7]姬亚锋，宋乐宝，原浩，等.基于KPLS与SVM的热连轧板凸度预测［J］.中国冶金，2021，31(1):20-24.(Ji Ya-feng，Song Le-bao，Yuan Hao，et al.Crown prediction of hot strip rolling based on KPLS and SVM ［J］.China Metallurgy，2021(1):20-24.)
[8]曹建国，江军，赵秋芳，等.基于数据挖掘的宽厚板板凸度控制［J］.中南大学学报(自然科学版)，2019，50(11):2743-2752.(Cao Jian-guo，Jiang Jun，Zhao Qiu-fang，et al.Convex control of wide and heavy plate based on data mining［J］.Journal of Central South University(Natural Science Edition)，2019，50(11):2743-2752.)
[9]He F，Li M，Yang J H，et al.Research on nonlinear process monitoring and fault diagnosis based on kernel principal component［J］.Key Engineering Materials，2009，413/414:583-590.
[10]He F，Xu J W，Li M，et al.Product quality modelling and prediction based on wavelet relevance vector machines［J］.Chemometrics and Intelligent Laboratory Systems，2013，121:33-41.
[11]Jenssen R.Kernel entropy component analysis［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32(5):847-860.
[12]Jia F，Martin E B，Morris A J.Non-linear principal components analysis with application to process fault detection［J］.International Journal of Systems Science，2000，31(11):1473-1475.
[13]Cho J H，Lee J M，Choi S W，et al.Fault identification for process monitoring using kernel principal component analysis［J］.Chemical Engineering Science，2005，60(1):279-280.
[14]Rolf I.On fuzzy logic applications for automatic control，supervision and fault diagnosis［J］.IEEE Transactions on Systems，Man and Cybernetics，1998，28(2):221-235.
[15]赵忠盖，刘飞.因子分析及其在过程监控中的应用［J］.化工学报，2007，58(4):970-974.(Zhao Zhong-gai，Liu Fei.Factor analysis and its application in process monitoring［J］.Journal of Chemical Industry，2007，58(4):970-974.)
[16]Peng W，Chen S Z，Gong D Y，et al.Adaptive threading strategy based on rolling characteristics analysis in hot strip rolling［J］.Journal of Central South University，2017，24(7):1560-1572.
[17]Yin，F C，Zhang D H，Zhang Y C.Dynamic modeling and rolling data analysis of the tandem hot rolling process［J］.Simulation:Journal of the Society for Computer Simulation，2017，93(4):307-321.
[18]Deng J，Sun J，Peng W，et al.Application of neural networks for predicting hot-rolled strip crown ［J］.Applied Soft Computing，2019，78:119-131.

基于因子分析的板带热轧产品质量缺陷诊断

Diagnosis of Quality Defects in Hot Strip Rolled Products Based on Factor Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李强，李瑶坤，夏书月，康雁. 一种改进的医疗文本分类模型:LS-GRU[J]. 东北大学学报:自然科学版, 2020, 41(7): 938-943.
[2]	李艳梅，杨梦奇，张舒展，张田. 高渗透轧制对SA738 Gr.B 厚板变形渗透性的影响[J]. 东北大学学报:自然科学版, 2019, 40(12): 1711-1715.
[3]	韩东序，杜林秀，吴红艳，齐敏. 轧后冷却速率对GCr15轴承钢球化组织的影响[J]. 东北大学学报:自然科学版, 2019, 40(10): 1392-1397.
[4]	彭文，姬亚锋，陈小睿，张殿华. 热轧非稳态过程轧制力自学习模型优化[J]. 东北大学学报:自然科学版, 2019, 40(10): 1408-1412.
[5]	姚春霞，蓝慧芳，杜林秀. 等温淬火工艺对超高强贝氏体钢组织性能影响[J]. 东北大学学报:自然科学版, 2019, 40(7): 948-952.
[6]	矫志杰，闫恩波，李建平. 难变形金属薄带温轧卷取加热温度计算[J]. 东北大学学报:自然科学版, 2019, 40(7): 952-955.
[7]	陈敬琪，刘相华，闫述，于庆波. 铜/钢/铜冷轧复合薄带弯曲性能实验研究[J]. 东北大学学报:自然科学版, 2019, 40(5): 647-652.
[8]	王坤，刘金霖，于庆波，栾伟鹏. 铜锰复合载氧体吸释氧反应性实验研究[J]. 东北大学学报:自然科学版, 2019, 40(1): 48-52.
[9]	李小琳，邓想涛，李艳梅，王昭东. Nb-V低碳微合金钢等温淬火过程析出行为[J]. 东北大学学报:自然科学版, 2018, 39(12): 1708-1712.
[10]	王振华，龚殿尧，李广焘，张殿华. 遗传算法优化神经网络的热轧带钢弯辊力预报模型[J]. 东北大学学报:自然科学版, 2018, 39(12): 1717-1722.
[11]	杨德翰，骆宗安，谢广明，余焕. 表面处理方式对钛/钢复合板界面结合性能的影响[J]. 东北大学学报:自然科学版, 2018, 39(10): 1396-1402.
[12]	贾庆仁，车德福，李佳徐，陈凯. 动态精化的煤层三维建模方法[J]. 东北大学学报:自然科学版, 2018, 39(5): 726-730.
[13]	王青龙，孙杰，王振华，张殿华. UCM轧机板形调控机构对轧制压力分布影响[J]. 东北大学学报:自然科学版, 2018, 39(3): 345-350.
[14]	汤德林，刘相华，宋孟. 铜极薄带轧制过程中尺寸效应的研究[J]. 东北大学学报:自然科学版, 2017, 38(9): 1239-1242.
[15]	彭文，陈庆安，马更生，张殿华. 热连轧宽度自适应模型优化[J]. 东北大学学报:自然科学版, 2017, 38(9): 1243-1246.