中文摘要：

我国每年生产2亿吨热轧带钢产品，产值约8000亿元。由于生产工艺复杂，与国外同类产品相比，产品质量有较大差距。本课题针对热轧带钢生产中多变量强耦合、过程非线性等特点，采用非线性统计建模方法，研究生产工艺参数与产品质量之间的内在关系，建立产品质量监控模型，实现热轧带钢产品质量的预测与诊断。主要研究内容包括基于流形学习的半监督建模方法，解决在生产数据缺失情况下的产品质量高精度预测的问题；研究基于小波核相关向量机的建模方法，解决产品质量预测的置信度问题；研究基于核偏最小二乘分析的建模方法，解决引起产品质量出现异常的主要工艺参数；研究基于支持向量机规则抽取的建模方法，解决异常工艺参数如何调整的问题。本课题的预期研究成果不仅可以应用于冶金工业的生产过程，而且在石油化工、机械制造等其它领域都有着广泛的应用前景，具有重要的理论价值和实际工程意义。

结论摘要：

热轧带钢生产具有多变量强耦合、过程非线性等特点。将热轧生产过程看成是一个系统，则生产工艺参数就是该系统的输入，产品质量参数就是该系统的输出。根据热轧生产过程的输入和输出数据建立质量系统的数学模型，寻找生产工艺参数与质量参数之间的关系，这对提高产品质量、优化生产控制策略具有重要意义。本课题以热轧带钢产品质量为主要研究对象，以“核方法”为理论基础，建立带钢产品质量的预测和诊断模型，主要取得如下研究成果 【1】在产品质量预测方面。1)针对单模型回归存在预测精度差的问题，提出基于支持向量机的多模型分析方法。根据不同的评价标准，建立多个预测模型，然后将子模型连接起来，构成多模型系统，这样可减少病态数据的影响，提高模型鲁棒性。2)针对建模数据中无关成分和特异点影响的问题，利用正交信号校正和稳健回归结合的方法来建立产品质量预测模型。首先利用正交信号校正去除自变量中与因变量的无关成分，然后采用稳健回归算法进行建模，降低特异点对模型的影响，提高模型预测精度。 【2】在产品质量诊断方面。1)为准确定位由哪些工艺参数引起了产品质量问题，建立基于核主成分分析的产品质量诊断模型。利用SPE统计量进行生产过程的监控，通过故障指数来衡量各工艺参数对统计量的作用，可以找出引起产品质量异常的原因。2)为提高在线质量判定的计算速度，建立基于T2统计量的产品质量诊断模型。首先利用偏最小二乘回归对生产数据进行信息提取，然后根据T2统计量对提取的信息进行过程监控，最后利用贡献图分析生产过程中出现异常的原因。 【3】在生产过程聚类方面。1)传统聚类方法对k近邻参数的选择很敏感，建立基于谱聚类的生产过程聚类模型，通过k近邻和ε半径近邻法相结合，利用测地距离方法实现聚类，可提高聚类的准确性。2)传统聚类方法假设数据服从正态分布，而实际生产数据分布复杂。为解决该问题，建立基于核熵主成分分析的生产过程聚类模型，采用基于角距离的类内离散度和类间离散度的差作为准则，自适应选取核参数和聚类数，实现生产过程数据的自适应聚类。 本课题的预期研究成果不仅可以应用于热轧生产过程，还可以在冷轧、连铸等冶金工业的其它生产过程进行推广，而且在石油化工、机械制造等其它领域的产品质量预测与诊断方面都有着广泛的应用前景，具有重要的理论价值和实际工程意义。