關聯(lián)數(shù)據(jù)自適應模糊聚類與帶鋼板形前饋控制.pdf

1、廣義板形是冷軋薄帶鋼關鍵質量精度指標之一。當前冷軋薄帶鋼軋制技術向厚度更薄、強度更高、精度要求更苛刻的方向發(fā)展，由于現(xiàn)有的冷連軋機平坦度閉環(huán)反饋控制系統(tǒng)難以滿足需求，研究新一代高精度的冷軋薄帶鋼板形控制模型和技術有著迫切需求。同時，計算機技術及現(xiàn)代檢測技術的蓬勃發(fā)展，使得工業(yè)用戶可以實時獲得大規(guī)模、高維乃至超高維的海量數(shù)據(jù)。對這些海量數(shù)據(jù)的分析和處理，一方面是數(shù)據(jù)挖掘和知識發(fā)現(xiàn)領域的基本研究任務，另一方面，也是為了更好地服務工業(yè)用戶需要

2、的任務。本文從軋制過程與工業(yè)過程大規(guī)模數(shù)據(jù)相結合的角度，在知識發(fā)現(xiàn)，異常數(shù)據(jù)挖掘模型以及其在軋制的應用兩方面展開了深入研究。
　　 當前薄帶鋼板形控制的研究難點之一是具有高性能的復雜模型的建立及模型求解方法。帶鋼的冷軋軋制是個典型的多變量、非線性、強耦合、時變性的復雜過程。傳統(tǒng)的基于物理機理解析建模的方法，從若干條基本假設出發(fā)，推理演繹，導出某個或者某些參數(shù)的計算公式，這條路線已被實踐證明不能滿足現(xiàn)代化高精度軋制過程控制的要求。

3、而純粹的智能方法回避了軋制過程的物理意義，直接關注系統(tǒng)的輸入和輸出之間的智能關系，使得模型的推廣性和適應性也不能滿足要求。所以本文綜合機理模型和智能方法的特點，在兩者的結合上作了嘗試，針對冷軋軋制過程的幾個重要問題，如軋制來料形狀精度的波動、前饋處理、人工智能的識別方法等進行了系統(tǒng)研究，提出了冷軋薄帶鋼平坦度橫向厚差綜合控制模型( FTIC)。該模型揭示了帶材平坦度和橫向厚差二者之間的本質關系，對來料帶鋼橫向厚差的波動信息做了實時處理，

4、是滿足當前板帶材生產(chǎn)的更高質量需求的有益探索和嘗試。FTIC以機理模型為框架，結合了智能方法的局部應用，部分復雜計算可以離線完成。
　　 在理論研究方面，首先提出了一種適用于聚類算法的基于數(shù)據(jù)空間密度序列的初始凝聚點生成模型。之后提出了一種基于數(shù)據(jù)點指數(shù)權函數(shù)的模糊均值聚類策略。在此基礎上將這種策略廣義化，系統(tǒng)地提出了一種新的模糊聚類模型，稱為自適應模糊均值聚類(AFCM)，AFCM核心思想是，數(shù)據(jù)集中各個數(shù)據(jù)本質上是“各異”的

5、，數(shù)據(jù)之間是內在關聯(lián)的。AFCM考慮了各個數(shù)據(jù)之間的差異性，對現(xiàn)有模糊均值聚類模型研究具有較大的貢獻。采用公共數(shù)據(jù)集試驗的結果表明，基于數(shù)據(jù)空間密度序列的初始點給定模型可以有效解決聚類算法中初始凝聚點隨意給定的缺陷，提高了聚類精度。AFCM模型一方面可以通過有針對性地處理離群點來提高聚類質量，另一方面，也可以直接判定出離群點的位置及發(fā)掘出離群點所蘊含的豐富信息，且二者是同時實現(xiàn)的。
　　 在軋制技術的應用研究方面，提出了完整的平

6、坦度橫向厚差綜合控制方案，并在實際系統(tǒng)中加以實施和應用。該系統(tǒng)由軋制參數(shù)預設定控制模型、橫向厚差前饋控制模型及平坦度反饋控制模型組成，其中橫向厚差控制模型在冷軋領域中是初次提出。前饋控制模型中，帶鋼橫向厚差處理即采用了本文提出的AFCM聚類模型模式識別的方法，包括特征提取、離線聚類、實時分類等。FTIC模型應用的工業(yè)試驗表明，采用基于智能模式識別的前饋控制系統(tǒng)的新廣義板形控制系統(tǒng)可以獲得更高質量的板形控制水準，同時AFCM可以在線獲得板