基于数据特征的加热炉钢温预报模型

被引:11
作者
杨英华
石翔
李鸿儒
机构
[1] 东北大学信息科学与工程学院
基金
国家重点研发计划;
关键词
数据特征; 主元回归; 加热炉; 钢温预报; 熵;
D O I
暂无
中图分类号
TG307 [加热和加热设备];
学科分类号
080201 ; 080503 ;
摘要
针对加热炉工业过程具有复杂、非线性、时滞性的特点和钢坯出炉温度预报问题,提出了一种基于数据特征的改进主元回归(PCR)加热炉钢温预报模型的建立方法.首先通过对原始数据进行同步化处理来解决各数据变量间存在的时间滞后问题;然后提取生产过程中各批次钢坯的统计特征和熵特征,并依据一定顺序将这些特征排列组合,构造等长的数据特征向量;最后通过PCR方法建立过程变量的数据特征和钢坯出炉温度之间的回归预报模型.本文以某钢厂加热炉工业过程为背景进行实验仿真,采用实际生产数据求取建模参数,并对钢坯出炉温度预报进行了测试.实验的校验与误差分析表明,该方法在预测钢坯出炉温度方面具有更好的性能,且预测误差满足工业应用的精度要求.
引用
收藏
页码:305 / 309
页数:5
相关论文
共 10 条
[1]   基于数据特性分析的多变量过程监测 [J].
张淑美 ;
王福利 ;
王姝 ;
李嫱嫱 .
东北大学学报(自然科学版), 2017, (05) :609-613+619
[2]   基于统计量模式分析的MKPLS间歇过程监控与质量预报 [J].
常鹏 ;
王普 ;
高学金 ;
齐咏生 ;
张亚潮 .
仪器仪表学报, 2014, 35 (06) :1409-1416
[3]   轧钢加热炉钢坯加热质量的检测研究(II) [J].
梁军 .
传感技术学报, 2003, (02) :117-123
[4]   热力学熵与信息熵 [J].
周检检 .
武汉钢铁学院学报, 1988, (04) :100-106
[5]   Mixture Semisupervised Principal Component Regression Model and Soft Sensor Application [J].
Ge, Zhiqiang ;
Huang, Biao ;
Song, Zhihuan .
AICHE JOURNAL, 2014, 60 (02) :533-545
[6]  
A Fault Prognosis Strategy Based on Time-Delayed Digraph Model and Principal Component Analysis[J] . Ningyun Lu,Bin Jiang,Lei Wang,Jianhua Lu,Xi Chen,Huaguang Zhang.Mathematical Problems in Engineering . 2012
[7]   Enhanced Process Comprehension and Quality Analysis Based on Subspace Separation for Multiphase Batch Processes [J].
Zhao, Chunhui ;
Gao, Furong ;
Niu, Dapeng ;
Wang, Fuli .
AICHE JOURNAL, 2011, 57 (02) :388-403
[8]  
Statistics pattern analysis: A new process monitoring framework and its application to semiconductor batch processes[J] . Q. PeterHe,JinWang.AIChE J. . 2010 (1)
[9]  
A numerical analysis of slab heating characteristics in a walking beam type reheating furnace[J] . Sang Heon Han,Daejun Chang,Chang Young Kim.International Journal of Heat and Mass Transfer . 2010 (19)
[10]   An adaptive neural network model for predicting the post roughing mill temperature of steel slabs in the reheating furnace [J].
Laurinen, P ;
Röning, J .
JOURNAL OF MATERIALS PROCESSING TECHNOLOGY, 2005, 168 (03) :423-430