控制理论与应用

作者：董洁,孙瑞琪,彭开香,唐鹏

单位：北京科技大学 自动化学院,北京科技大学 自动化学院,北京科技大学 自动化学院,北京科技大学 自动化学院

关键词：故障诊断；质量监测；CCA；AE-CCA；带钢热连轧

基金：国家自然科学基金

摘要：随着工业生产规模的扩大及复杂性增加，生产过程的质量安全日益受到重视，而质量监测是保证生产安全和产品质量的重要手段。为了有效的分析利用高维工业大数据，特征提取作为一种有效的降维方法，被逐步应用到工业过程中。 本文将自动编码器（AE）特征提取方法和典型相关分析方法（CCA）有机结合，提出了一种联合驱动的质量监测模型及其质量相关的故障检测方法。首先，利用AE算法对输入样本进行无监督自动学习和重构，实现数据的特征提取和降维；其次，利用CCA算法实现特征与质量变量关联最大化，建立质量变量与特征变量的关系模型；根据监测模型的潜结构投影，构建T2统计量和SPE统计量及其相应控制限。将提出的方法用于分析带钢热连轧过程现场实际数据，结果表明，基于AE-CCA的质量监测方法能够准确的检测出故障，并且检测效果优于传统的核典型相关分析(KCCA)算法。

来源：2019年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第9期