典型文献
基于优选特征子集的厚板板形质量预测分析
文献摘要：
厚板板形质量对于钢铁企业十分重要,由于厚板在生产过程中经过多个工序加工,涉及众多变量,加工后的厚板板形存在质量波动和异常原因未知的问题.针对这一难题,本文利用厚板生产过程中的工业大数据,提出一种具有根因分析能力的厚板板形质量预测模型.首先针对厚板板形质量预测问题,由于厚板小批量生产、生产过程变量非线性强,本文采用基于核偏最小二乘(KPLS)的方法建立厚板板形质量预测模型.然后针对厚板板形质量异常原因未知的问题,利用混合整数遗传算法(M IG A)分析影响厚板板形的生产过程工序和变量.通过将MIGA集成到KPLS建模中,选择厚板板形质量预测效果最好时的生产过程工序及变量,用于最终厚板板形质量预测和根因分析.最后,采用来自某钢铁厂的实际工业过程数据进行实验验证,通过工业实验表明,所提算法(KPLS-MIGA)能够实现对厚板板形质量的准确预测,并能够对厚板板形质量异常进行根因分析,从而寻找到影响厚板板形质量的关键变量,对实际的生产操作具有较好的指导意义.
文献关键词：
厚板板形;核偏最小二乘;质量预测;优选特征子集;根因分析
中图分类号：
作者姓名：
邢玉鹏;张同康;陆军;丁进良
作者机构：
东北大学流程工业综合自动化国家重点实验室,辽宁 沈阳 110819
文献出处：
引用格式：
[1]邢玉鹏;张同康;陆军;丁进良-.基于优选特征子集的厚板板形质量预测分析)[J].计算机集成制造系统,2022(07):2041-2049
A类：
优选特征子集,厚板板形
B类：
板形质量,质量预测,预测分析,钢铁企业,多变量,工后,异常原因,工业大数据,根因分析,分析能力,小批量生产,核偏最小二乘,KPLS,整数,MIGA,钢铁厂,工业过程,过程数据,准确预测,关键变量,生产操作
AB值：
0.13762
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
