基于优选特征子集的厚板板形质量预测分析

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(MIGA)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。