（控制科学与工程专业论文）基于svm的铝带坯晶粒度软测量模型的研究.pdf

摘要 在铝电磁铸轧生产过程中，铝带坯晶粒度是衡量铝带坯生产质量 的重要指标。但是目前铝带坯晶粒度无法实现在线检测，一般采用金 相分析法进行离线检测，造成测量滞后，影响了铝带坯质量的在线检 测与控制。因此，研究一种快速而准确的检测方法预测出铝带坯晶粒 度，对提高铝电磁铸轧产品的质量具有重要意义。 本文在分析铝电磁铸轧生产现状和工艺机理的基础上，研究了影 响铝电磁铸轧生产过程中铝带坯晶粒度的电磁因素和铸轧因素。针对 铝电磁铸轧工艺过程的复杂性，选择轧辊直径、铸轧速度、冷却水温 度、电流幅值、倒相周期、谐波分量等辅助变量，研究了基于s v m ( s u p p o r tv e c t o rm a c h i n e ，支持向量机) 的铝带坯晶粒度软测量模型， 对数据集进行建模仿真。针对标准s v m 算法存在的缺陷，采用改进 的s v r ( i m p r o v e ds u p p o r tv e c t o rr e g r e s s i o n ) 算法建立了基于s v r 的铝带坯晶粒度软测量模型；随后又针对s v r 算法的限制和约束 条件，进一步提出了v s v r 的训练算法，并建立了基于v s v r 的铝 带坯晶粒度软测量模型，利用l i b s v m 软件进行了仿真研究。 仿真结果表明，基于s v r 的铝带坯晶粒度软测量模型受制于 s v r 算法的限制条件，造成计算量较大、响应时间较长、受参数影 响较大；而基于v s v r 的铝带坯晶粒度软测量模型，简化了模型参 数和计算量，缩短了响应时间，有助于铝电磁铸轧系统生产过程的铝 带坯晶粒度检测。 关键词：电磁铸轧，s v m ，软测量，e - s v r ，v - s v r a b s t r a c t i np r o d u c t i o np r o c e s so fa l u m i n u me l e c t r o m a g n e t i cc a s t i n g - r o l l i n g ， a l u m i n u ms t r i p s g r a i nf i n e n e s sn u m b e ri so n eo ft h em o s ti m p o r t a n t g u i d el i n e st os c a l ea l u m i n u mp l a t e sq u a l i t y h o w e v e r , a l u m i n u ms t r i p s g r a i nf i n e n e s sn u m b e rc o u l dn o tb ed e t e c t e do n l i n ea n dr e a l t i m e ，p e o p l e u s em e t a l l o g r a p h i ca n a l y s i sm e t h o dt or e a l i z eo f f - l i n ed e t e c t i o nw h i c h r e s u l t si nt h el a r g ed e l a ya n di n f l u e n c et h ep r o d u c t i o na n dd e t e c t i o no f a l u m i n u mp l a t e t h e r e f o r e ，t h e s t u d y o fa nq u i c k l ya n da c c u r a t e l y d e t e c t i o nm e t h o dt op r e d i c tt h ed a t ao fa l u m i n u ms t r i p sg r a i nf i n e n e s s n u m b e r , c a ni m p r o v et h ep r o d u c t i o nq u a l i t yw h i c h i na l u m i n u m e l e c t r o m a g n e t i cc a s t i n g r o l l i n g b a s e do nt h ea n a l y s i so ft h ec u r r e n tp r o d u c t i o ns t a t u sa n dm e t h o d s i nw h i c ha l u m i n u me l e c t r o m a g n e t i cc a s t i n g r o l l i n g ，a n di n v e s t i g a t et h e e l e c t r o m a g n e t i cf a c t o r sa n dc a s t i n gf a c t o r sw h i c hi n f l u e n c ea l u m i n u m s t r i p sg r a i nf i n e n e s sn u m b e r , i na l l u s i o nt oc o m p l e x i t yo fp r o d u c t i o n w h i c hi na l u m i n u me l e c t r o m a g n e t i cc a s t i n g - r o l l i n g ，c h o o s ea p p r o p r i a t e a s s i s t a n tv a r i a b l e s ，s u c ha sr o l ld i a m e t e r ，r o l l c a s t i n gs p e e d ，c o o l i n gw a t e r t e m p e r a t u r e ，c u r r e n ta m p l i t u d e ，p h a s er e v e r s ec y c l e ，h a r m o n i cc o m p o n e n t ， a n ds t u d yas o f ts e n s o rm o d e lo fa l u m i n u ms t r i p sg r a i nf i n e n e s sn u m b e r w h i c hb a s e do ns u p p o r tv e c t o rm a c h i n e a f t e rb u i l dr e l a t i o n so fa s s i s t a n t v a r i a b l e sa n dd o m i n a n tv a r i a b l e s ，w eu s es i m u l a t i v es o f t w a r et ot r a i n i n g d a t ag r o u pa n db u i l dm o d e lt oc a r r yo u to n 1 i n ea n dr e a l t i m ep r e d i c t i o n o fa l u m i n u ms t r i p s g r a i nf i n e n e s sn u m b e r s i na l l u s i o n t oc o m p l e x p r o c e s so fa l u m i n u me l e c t r o m a g n e t i cc a s t i n g - r o l l i n gs y s t e m ，w ed i s c u s s k e m e lf u n c t i o na n dr e s t r i c tt e r m s i n f l u e n c e st op r e d i c tp r e c i s i o na n d g e n e r a l i z a t i o n w h e r e a f t e rw ea d o p t - s v rt r a i n i n ga r i t h m e t i ca n db u i l d aa l u m i n u ms t r i p sg r a i nf i n e n e s sn u m b e rm o d e lw h i c hb a s e do n s v r a r i t h m e t i c b e c a u s eo ft h er e s t r i c t i o n so f 。e - s v ra r i t h m e t i c ，w ea d o p t v s v rt r a i n i n ga r i t h m e t i ca n db u i l daa l u m i n u ms t r i p s g r a i nf i n e n e s s n u m b e rm o d e lw h i c hb a s e do nv s v ra r i t h m e t i c a f t e rc o m p a r ew i t ht h e o t h e rm o d e l ，w ed r a wt h ec o n c l u s i o nt h a tt h el a s tm o d e lh a sb e t t e ri s h m o r ef e a s i b l ef o ra l u m i n u m s t r i p sg r a i nf i n e n e s sn u m b e rm o d e l r n o 。 lh es i m u l a t i o nr e s u l t ss h o wt h a tt h ea l u m i n u ms t r i p sg r a i nf i n e n e s s n u m b e rm o d e l w h i c hb a s e do ne - s v ra r i t h m e t i c i sr e s t r i c t e db y p a r a m e t e ra n dl t sr e s t r i c t i o n s ，r e s u l ti nl a r g ec a l c u l a t e d r e s p o n s e o t h e r w i s e ，t h ea l u m i n u ms t r i p sg r a i nf i n e n e s sn u m b e rm o d e lw h i t h b a s e do nv s v ra r i t h m e t i ci sm o r ef e a s i b l e ，f o ri ts i m p l i f i e dt h em o d e l p a r a m e t e r sa n dc a l c u l a t i o n ，s h o r t e n e dt h er e s p o n s et i m e ，a d m i n i s t e rt o d e t e c tt h ea l u m i n u m s t r i p s f i n e n e s sn u m b e ri nt h e p r o d u c t i o no f a l u m i n u m e l e c t r o m a g n e t i cc a s t i n g r o l l i n g k e yw o r d s ：a l u m i n u m e l e c t r o m a g n e t i cc a s t i n g r o l l i n g ，s u p p o r t v e c t o rm a c h i n e ，s o f t - s e n s o r ，e - s v r ，v s v r i i i 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：丞盎日期：兰丝互年月三日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文， 允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到中国学位论文全文数据库， 并通过网络向社会公众提供信息服务。 作者躲查壹新签名肆嗍盟年上月三日 硕十学位论文 第一章绪论 第一章绪论弟一早珀y 匕 本章首先介绍论文的课题来源，以及铝电磁铸轧技术和铝带坯晶粒度检测技 术的国内外研究现状。随后介绍了软测量技术和软测量的建模方法，最后是本论 文的章节安排介绍。 1 1 课题来源 在有色金属材料中，铝在世界上的生产量和消费量均位居第一，铝合金强度 高、质量轻，被广泛应用于结构重量具有至关重要意义的航空航天制造业中，且 铝合金具备广泛的应用范围，大到航空航天及交通运输等关乎国计民生的举足轻 重的行业，及关系到人民日常生活的建筑建材行业，小到一些日常生活用品行业， 都有铝及铝合金的痕迹存在。铝具有优良的物理和化学性能，铝及铝合金的塑性 很好，可以冷成形，切削性能也很好，超高强铝合金成形后可通过热处理，获得 很高的强度，铝合金的铸造性能极好。这意味着铝及铝合金还有更加广阔的应用 空间及应用前景【l 】。随着科学技术的不断进步，又形成了铝电磁铸轧的新型铝加 工技术。铝带坯电磁场铸轧装备与技术研究立足于发扬常规铸轧节能、投资少的 突出优势，从材料组织形成的能量规律，寻找常规铸轧技术缺陷的本质原因，通 过创造新的载能装备，向铸轧过程注入新的能量，改变铸轧区的能场结构，使铸 轧过程出现新的材料微流变机制，以获得优良的组织结构和性能，为高性能铝板 带材提供性价比高的铝带坯。 本论文来源于国家“8 6 3 ”项目“电磁场快速连续铸轧制备高性能铝板带坯 。 该项目由中南大学机电工程学院冶金机械研究所与信息科学与工程学院铸轧电 源研究课题组共同为某铝板带有限公司所开发，目前已经投入生产运行。 晶粒度是衡量铝带坯性能的主要技术指标，在现有的铝电磁铸轧系统中，晶 粒度无法在线实时测量而只能采用离线检测方法，从而造成检测时间滞后，不利 于产品质量。为提高铸轧铝板质量和生产效率，将软测量技术应用到铝电磁铸轧 系统中来在线估算铝板的晶粒度，研究铸轧铝板晶粒度测量软仪表，改造现有系 统，将软测量技术应用于铝电磁铸轧系统控制中，以软件来代替硬件功能，实现 铝带坯晶粒度的在线测量。这类方法具有响应迅速，连续给出主导变量信息，且 具有投资低、维护保养简单等在线分析仪表所不具备的优点。 硕士学位论文 第一章绪论 1 2 铝电磁铸轧技术及铝带坯晶粒度检测技术的研究现状 1 2 1 铝电磁铸轧技术的国内外研究现状 1 9 5 1 年，美国亨特道格拉斯( h u n t e r - d o u g l a s ) 公司首次铸轧成了铝带坯，制 成了双棍式连续铸轧机，随后，法国彼西涅( p e c h i n e y ) 公司研制的3 c 水平式双辊 铸轧机也获得成功。此后，铝带坯双辊连续铸轧技术和设备得到了迅速地发展。 根据f r i s h c h k n e c h t 和m a i w a l d 统计目前世界上大约有2 0 的铝带坯的坯料由双 辊连续铸轧法生产，大约有1 7 0 多台双辊铸轧机正在工业上应用，其中约有6 0 是在北美和欧洲。 在2 0 世纪7 0 年代以前，铸轧机多位标准型，铸轧辊直径为6 0 0 7 0 0 m m ， 铸轧带坯厚度在7 m m 左右，铸轧速度小于1 5 m m i n 。8 0 年代以后出现了超型铸 轧机，铸轧辊直径可达1 0 0 0 m m ，带坯厚度5 1 2 m m ，铸轧速度3 m m i n 左右， 铸轧合金已由纯铝扩大到3 0 0 0 系列、5 0 0 0 系列软合金。9 0 年代初出现了改进型 超型铸轧机，铸轧带坯厚度3 m m ，铸轧速度5 m m i n 。由于铸轧带坯尺寸薄和铸 轧速度快能进一步发挥快速凝固的特点，使铸轧带坯的晶粒细化，从而获得更好 的铸轧质量，使这已生产方式为厂家带来了更大的效益。从上世纪9 0 年代开始， 国际上开展了对快速超薄铸轧技术的研究，主要有意大利的法塔亨特 ( f a t a h u n t e r ) 公司、法国的彼西涅( p e c h i n e y ) 公司、英国的戴维( d a v y ) 公司以及挪 威的海德洛( h y d r o ) 公司。它们共同的做法是先在研究开发中心与大学合作进行 小型试验，在取得一定成果和经验后，进行中试和大型工业试验，英国d a v y 公 司与牛津大学合作，于1 9 9 1 年推出了第一台快速超薄铝带坯铸轧试验机。1 9 9 6 年以来，意大利f a t a h u n t e r 公司、英国d a v y 公司以及法国p e c h i n e y 公司都相 继研制出超薄铸轧工业样机，能铸轧出l m m 厚度的铝带坯，铸轧速度达15 m m i n ， 应该说，这是铸轧技术发展中的又一次飞跃。但是由于各国对快速超薄技术的研 究均处于工业试验阶段，试验条件( 如装备参数、功能、工艺环境条件等) 各不 相同，所得结果也有差别，甚至相反；在快速超薄铸轧的铸轧机型选择上也存在 不同的主张；同时，各试验铸轧机的工艺环境条件、设备参数及其范围的确定也 不一致( 力学参数、辊径、有无外部冷却、铸轧区长度、大小、铸咀开口度大小 等) ，在主要技术规律上尚未形成共测5 6 1 。 在我国，传统的铝及铝合金连铸连轧技术，依赖于添加铝钛硼晶粒细化剂 提高带坯的组织和性能。在电磁铸造的基础上形成电磁铸轧技术，将电磁场应用 于铝合金连续铸轧中，可显著提高铸轧带坯的组织和性能，避免了由于添加铝 钛硼引起的污染。 2 硕士学位论文 第一章绪论 铝带坯电磁场铸轧装备与技术研究立足于发扬常规铸轧节能、投资少的突出 优势，从材料组织形成的能量规律，寻找常规铸轧技术缺陷的本质原因，通过创 造新的载能装备，向铸轧过程注入新的能量，改变铸轧区的能场结构，使铸轧过 程出现新的材料微流变机制，以获得优良的组织结构和性能，为高性能铝板带材 提供性价比高的铝带坯。 铝带坯电磁连续铸轧是我国近十多年来致力开发的材料加工新技术，它是利 用电磁场作用于铸轧区的铝熔体，产生感应力，对晶粒产生冲击和剪切作用，实 现晶核增殖，达到细化晶粒，显著提高铸轧带坯质量的目的。同时，电磁场可以 减小，或者完全取代添加铝钛硼晶粒细化剂，减少了合金污染。生产试验表明， 使用电磁铸轧技术比常规铸轧技术可以增加可铸轧的铝材品种。铝电磁铸轧技术 已成功应用于兰州铝业公司和西北铝加工厂，生产的铝带坯经检验，质量明显优 于常规铸轧技术的铝带坯。使用电磁铸轧技术虽然能显著提高带坯质量，而且能 扩大生产合金品种，但生产效率还不十分理想。而快速连续铸轧能显著提高铸轧 带坯的生产率。我国率先开展“电磁场快速连续铸轧制备高性能铝板带坯”课题 研究，其意义便是既能生产出高质量的铝带坯又能提高铝带坯的生产率。目前， 铝电磁铸轧技术为我国独有的铝加工技术，居于世界领先水平。 从提出电磁场铸轧的新构想，到工业试验成功，中南大学机电工程学院冶金 机械研究所的科研人员进行了大量的理论及试验研究。研究的主要内容有： ( 1 ) 建立了铸轧区磁场力作用下的流场与温度场的数学模型，并利用涡量流 函数法分别求解了在自然对流和不同电磁参数条件下的流场及温度场，从而定量 地确定了电磁参数( 频率和磁感应强度) 的最佳范围，为探讨电磁铸轧晶粒细化的 机制及电磁场铸轧系统的优化设计提供了依据。 ( 2 ) 建立了磁场分析模型，分析了不同线圈接线方式时的磁场分布，结合实 验确定了合适的线圈连接方式。 ( 3 ) 利用金属流动熔体机械缓和性能模型和振动理论，分析了试验过程中发 生的氧化膜折叠的形成原因，并且找到了解决的方法。 ( 4 ) 研制了铝电磁场铸轧中电磁感应器的电源，对控制系统的原理、硬件结 构及相关控制软件进行了成功的研究。 在上述研究的基础上，2 0 0 1 年，“电磁场铸轧设备与工艺研究”通过湖南省 科技厅的鉴定，获教育部高校发明一等奖。2 0 0 2 年，“铝带坯电磁场铸轧装备与 技术”获国家技术发明二等奖。2 0 0 2 年，中南大学与兰州铝业公司合作，完成了 9 0 0 x 1 8 0 0 m m 铸轧机电解铝液电磁铸轧设备的设计、制造、调试及工业化生产： 2 0 0 5 年承担了某铝板带有限公司的电磁铸轧设备的开发项目【2 】。2 0 0 6 年1 1 月， 在未添加钛丝的情况下，在某公司又进行了另一套电磁铸轧设备的调试，厂方对 3 硕士学位论文第一章绪论 结果十分满意。该套设备的复合磁场控制系统也由三套特种电源系统构成，分别 产生三相电源对电磁感应装置供电，它们主电路均采用周波变换器进行直接交 交变频，功率开关选用晶闸管。控制策略上，通过查询给定表控制功率开关导通 角，控制系统通过c a n 总线作为为设备的网络与监控计算机实现通信。并在2 0 0 7 至2 0 0 8 年1 月份期间做过多次试验，试验结果表明铝电磁铸轧系统对铝带坯晶 粒有明显的细化作用。 1 2 2 铝带坯晶粒度检测技术的研究现状 在金属材料众多分析方法中，金相分析因其直观简便、成本低的特点，一直 是材料科学与工程领域最广泛应用的、易行有效的研究和检验方法。而铝电磁铸 轧系统也是利用金相分析的方法对铝带坯晶粒度进行检测。 金相检测是一种用于研究会属材料内部结构组织与材料性能之间关系的检 测技术。其方法是首先对待检测材料提取其中一部分，并制作特定的金相试样， 在金相显微镜下获取该试样的金像图像。金像图像以二维显微图像的形式展示了 该材料的内部组织。金相检测以金相图像所提供的组织结构信息为依据对材料内 部性质实施检测，其内部包含了基本参数的测量、性能的检验、诊断和分析等。 金相分析经历了三个阶段：第一阶段主要依靠显微镜进行测量，外加手动计 数器和投影仪等辅助工具，这个阶段的测量方法称作人工方法；第二阶段的主要 设备是数字化板，具有简单的图像编辑功能，可以观察和修正数字图像，这种测 量方法称为半自动方法；目前是第三阶段，使用图像分析软件和摄像机等设备， 称为全自动方法。长期以来，人们都采用传统的定性和半定量的方法对金相组织 进行分析和评定。随着现代科学的发展，特别是定量金相学理论和数字图像技术 的发展，定量金相学在实际工作中得到了更广泛的应用，已经成为金相学的一个 重要分支。目前，定量金相的自动图像分析在材料科学领域中已得到了广泛应用。 而目前我国的铝电磁铸轧设备大多采用由显微镜、投影仪、摄像机等组成的金相 分析仪，通过数据传输线上传到计算机上对图像进行分析。 虽然铝电磁铸轧技术目前为我国独有的铝加工先进技术，但是目前我国各家 铝加工企业的铝电磁铸轧系统中仍存在缺陷。由于铝带坯晶粒度无法实现在线实 时检测，而利用离线检测方式又会造成时间滞后，影响了系统的实时控制性能。 因此，在铝电磁铸轧系统中引进软测量技术，能有效解决铝带坯晶粒度无法在线 实时检测的缺陷，对于指导铝电磁铸轧生产有重要的意义。 4 硕士学位论文 第一章绪论 1 3 软测量技术的研究与应用 在许多工业控制场合，存在着一类这样的变量：它们由于技术或者经济的原 因，目前尚难以直接通过传感器进行检测；但同时又是需要加以严格控制的、与 产品质量密切相关的重要过程参数。对这类参数目前主要通过离线实验室分析获 得其测量值，离线实验室分析结果往往存在长时间滞后的问题。软测量技术是一 种采用相关实验数据建立模型揭示某些难测或者不能测量的变量与操作参数之 间关系的方法。 软测量技术的基本点是根据某种最优准则，选择一组既与主导变量有密切联 系又容易测量的变量，如温度、压力及流量，称为二次变量，通过构造某种数学 关系，用计算机软件实现对主导变量的估计。在以软测量仪表的估计值为被控输 出反馈信号的控制系统结构中，控制器与估计器是分离的，因而给控制器和软仪 表的设计都带来极大的方便。目前软测量技术已成为过程控制领域的重点研究方 向。 1 3 1 软测量研究的主要内容 软测量是一项综合性技术，涉及的内容广泛。要设计一个性能良好的软仪表， 需要研究的内容很多，主要包括辅助变量的选择、测量数据的预处理、软测量模 型的建立和模型的在线校正。 ( 1 ) 辅助变量的选择 辅助变量的选择是建立软测量模型的第一步。辅助变量选择是否合理，将直 接影响软仪表的性能。选择辅助变量必须从机理分析入手，找出在生产过程中， 哪些因素影响待测变量以及如何影响的。辅助变量的选择包括变量的类型、数目 及测点位置三个方面，这三个方面是相互关联、相互影响的，由过程特性决定。 ( 2 ) 测量数据的预处理 。 理论上，测量数据包含了工业对象的大量相关信息。为了从测量数据中获得 尽可能多的信息，以保证软测量模型的精度，在数据采集过程中应该尽可能全面 的考虑对主导变量有影响的过程变量，以免在建模过程中由于丢失或忽略一些重 要的因素而影响模型精度。然而，在实际应用中，各辅助变量并不是相互独立的， 它们具有不同程度的相关性。因此，在建立系统软测量模型之前，应该从众多的 影响因素中找出若干个公共的支配因子，最大限度的保留有用信息，滤去冗余信 息，降低输入数据集的维数，从而简化模型结构，提高模型的泛化能力。 ( 3 ) 软测量建模及模型的在线校正 软测量模型注重的是通过辅助变量来获得对主导变量的最佳估计，本质上是 5 硕：仁学位论文第一章绪论 要完成辅助变量构成的可测信息集到主导变量估计的映射。软测量模型的好坏， 将直接影响到软测量的精度。因此，软测量建模是软测量技术的核心。软测量建 模的方法很多，实际应用中，必须根据现场的实际情况，选用合适的建模方法。 由于工业对象并非一成不变的，在长期运行中，对象特征会因多种原因而发 生改变，从而导致软仪表的精度下降。因此在软测量技术的应用中，必须能对软 测量模型进行在线校正，从而使软仪表能够跟踪系统的变化，提高模型的适应性。 1 3 2 软测量的研究现状 通过对辅助变量的检测来实现对主导变量的间接估计是软测量的基本思想。 软测量作为一个概括性的科学术语是在上世纪8 0 年代中后期提出来的。由于工 业过程的实际需求，软测量技术迎来了一个发展的黄金时期。1 9 9 2 年，i f a c 应 用委员会化工过程组起草了一份名为“c o n t e m p l a t i v es t a n c ef o rc h e m i c a lp r o c e s s c o n t r o l ”的i f a c 报告，在报告中，过程控制专家m c a c v o y 以提高过程控制技术 基础和扫除技术故障，最终实现商业应用为目标，提出了7 项技术前沿，其中软 测量技术列在首位，这对软测量技术的研究起了很大的促进作用。 软测量已成为过程控制领域的研究热点和主要发展趋势之一。目前，人们对 软测量技术的研究主要集中在两方面：建模理论及方法的研究和软测量技术在过 程控制中的应用研究。 ( 1 ) 软测量模型的研究 表征辅助变量和主导变量之间的数学关系的软测量模型是软测量技术的核 心，建立软测量模型的过程就是软仪表的构造过程，目前人们对软测量技术理论 方面的研究主要集中在软测量模型的研究上。 传统工业过程建模方法是机理建模和基于系统辨识的建模方法。机理建模在 实际应用中非常依赖于工程开发人员对工艺机理的了解程度，由于实际过程的复 杂性和不确定性，对工业过程建立严格机理模型十分困难。而系统辨识用在非线 性过程的建模时，则建模精度不够理想。 为此，国内外学者针对复杂工业过程的软测量建模进行了广泛而深入的研 究，并取得了大量的研究成果。尤其是随着人工智能技术的出现，人们在软测量 建模理论方面取得了突破性的进展。作为人工智能领域最活跃的神经网络、模糊 理论、专家系统等技术，越来越多的被用在软测量建模方面。 神经网络系统是利用工程技术手段模拟人脑神经网络的结构和功能的一种 大规模并行的非线性动力学系统。神经网络基于人脑的组织模式，将众多结构和 功能极其简单的神经元通过各种方式联接成一个复杂的网络结构，以实现复杂的 智能行为。神经网络是以对信息的分布式存贮和并行处理为基础，具有自组织、 6 硕i 二学位论文 第一章绪论 自学习的特性。从宏观上看，神经网络与系统模型在数学本质上都是一种映射， 将输入空间映射为输出空间，因而也就存在着内在联系。经过学习，适当选择突 触强度，神经网络能够反映被控对象的输入、输出之间的关系。理论上可以证明 神经网络具有可逼近任意非线性函数的能力。近年来，人们在神经网络建模方面 进行了大量的研究，并取得了丰硕的成果。 模糊技术是基于模糊集合理论的信息处理技术。它通过定义模糊变量、模糊 集合及相应的隶属度函数，采用一些模糊条件句来描述输入与输出之间的映射关 系，适用于处理过程中的不确定信息。人们对模糊集理论进行了深入的研究，并 应用与系统建模。 文献 4 2 针对丙烯精馏塔迸料组成复杂，难以通过某一参数的变化间接表示 的问题，依据现场采集的操作数据，研究了利用多层前向神经网络和模糊神经网 络进行非线性模型辨识的方法，建立了b p 神经网络、模糊神经网络的软测量模 型，用于丙烯精馏塔丙烯含量的预测控制中，指导了生产实践。文献 4 5 针对电 力系统中逆系统控制中出现的不直接可测变量反馈问题，通过对神经网络软测量 理论的改进，并于逆系统方法相结合，研究了逆系统控制中避免不直接可测变量 反馈问题的方法，并运用到电力系统的控制中。文献 1 8 与文献 2 6 则是分别基 于偏最小二乘回归理论和非线性部分最小二乘理论的软测量建模方法的研究。总 之，智能集成建模是解决复杂工业过程建模的最有效的方法之一，也是软测量建 模技术发展的必然趋势。 ( 2 ) 软测量技术在过程控制中的应用 软测量的最终目的并不仅仅是实现对某些过程参数的检测，而是要利用检测 到的参数来实现对生产过程的优化控制。经过近2 0 年的发展，软测量技术不仅 在建模理论研究上取得了辉煌的成绩，在实际应用中也获得了巨大的成功，并开 发出了大量实用的软测量软件包，为企业和社会带来了显著的经济效益。 我国在软测量技术方面的研究进展同样迅速，国内有关高等院校、科研院所 和企业等自行开发了不少软测量技术并应用于实际生产中，取得了很好的效果， 为企业创造了可观的经济效益。例如：火电厂煤炉中入炉煤元素分析和燃烧时的 飞灰含碳量的软测量【3 4 】；气相水平搅拌床聚丙烯反应器中产品熔融指数的软测 量【3 5 】；炼油厂丙烯精馏塔中丙烯纯度的软测量【4 2 】；火力发电厂钢铁磨煤机中筒 内料位的软测量【4 4 j 等。 软测量作为一种新型的过程参数检测技术，为解决复杂工业过程参数的检测 问题提供了一条有效途径。近年来，软测量技术在理论研究和实际应用两方面都 取得了令人瞩目的成果，展示了良好的工业前景。因此，软测量新技术不仅现在 是研究热点，未来也将称为过程控制以及过程检测领域的一个重要研究方向【6 3 1 。 7 硕士学位论文 第一章绪论 1 4 软测量建模方法 1 4 1 基于传统方法的软测量模型 软测量的本质就在于通过所建立的软测量模型，利用可以测量到的辅助变量 的值来估计出那些在实践应用中难于测量而又重要的工艺变量和参数，所以建立 准确测量模型是软测量中最为重要的环节。根据模型建立方法的不同，可将软测 量建模方法大致分成如下几类。 ( 1 ) 基于工艺机理的软测量模型 基于工艺机理的软测量模型主要运用化学反应动力学、物料平衡、能量平衡 等原理，通过对生产过程的机理分析，建立主导变量与辅助变量之间的机理模型， 从而实现主导变量的软测量。其特点是原理简单，工程背景清晰，便于实际应用。 但是对于机理研究不充分、尚不完全清楚的复杂工业过程，难以建立合适的机理 模型【3 2 】。 ( 2 ) 基于状态估计的软测量模型 基于状态估计的软测量模型以状态空间模型为基础，如果系统的主导变量关 于辅助变量是完全可观的，那么软测量问题就可以转化为典型的状态观测和状态 估计问题。这种方法可以反应主导变量和辅助变量之间的动态关系，有利于处理 各变量间动态特性的差异和系统滞后等问题。其缺点是对于复杂的过程对象，往 往难以建立系统的状态空间模型。另外，当过程中出现持续缓慢变化的不可测扰 动时，利用该方法建立的软测量模型可以导致严重的误差。 1 4 2 基于回归分析的软测量模型 回归分析方法是一种经典的建模方法，不需要建立复杂的数学模型，只要收 集大量的过程参数和质量分析数据，运用统计方法将这些数据中隐含的对象信息 进行浓缩和提取，从而建立主导变量和辅助变量之间的数学模型。包括以下几种 方法。 ( 1 ) 多元线性回归 多元线性回归以拟合值与真实值的累计误差最小化为原则，适合解决操作变 量变化范围小并且非线性不严重问题。这种方法要求自变量之间不可以存在严重 的相关性，对于非线性或者干扰严重的系统，可能导致模型失真，甚至无法正确 建立模型。另外模型的计算复杂程度也将随着输入变量的增加而相应增加。 线性回归方法是一种经典的建模方法，不需要建立复杂的数学模型，只要收 集大量辅助变量的测量数据和主导变量的分析数据，运用统计方法将这些数据中 硕士学位论文 第一章绪论 隐含的对象信息进行提取，从而建立主导变量和辅助变量之间的数学模型。线性 回归中最经典的方法是最小二乘法，该方法描述如下，己知因变量妖从实验分 析中得出的) 和自变量x 假设】，与x 之间存在以下线性关系， y = x + e( 1 1 ) 式中， x = 1 五i l 1 五2 2 1 五。 ，y = y l 耽 ： y m ，- 8 、 屈 ： 8 。 ，e = q ： 其中为待求的未知参数，e 是随机误差，假设随机误差的均值为零，则用 最小二乘法确定参数的估计值为： = ( x 7 x ) 叫x 7 y( 1 2 ) 式中的( x7 x ) 必须是可逆矩阵，所以，当x 中的变量存在严重的多重相关 性时，或者x 中的样本点数与变量个数相比显然过少时，这个最小二乘估计值矽 将会失效，并将引发一系列应用方面的困难。 针对最小二乘估计的不足，提出了部分最小二乘( ( p l s ) 算法，该算法通过成 分提取来解决矩阵( x r x ) 是否可逆问题，部分最小二乘回归分别在x 和y 中提 取出成分t l 和u l ，要求 1 ) t l 和u l 应尽可能大地携带它们各自数据表中的变异信息； 2 ) t l 和u l 的相关程度能够达到最大。 这两个要求表明，t l 和u l 应尽可能好地代表数据表x 和y ，同时自变量的成 分t l 对因变量的成分u l 又有最强的解释能力。在第一个成分t l 和u l 被提取后， 用最小二乘回归分别实施x 对t l 的回归以及y 对u l 的回归，如果回归方程己经 达到满意的精度，则算法终止；否则将利用x 被t i 解释后的残余信息以及y 被 u ，解释后的残余信息进行第二轮的成分提取。如此往复，直到达到一个较满意的 精度为止。若最终对x 共提取了h 个成分t l ，t 2 ，t h ，此时各成分之间是正交 的，通过施行y 对h ，t 2 ，t h 的最小二乘回归，再经过一定的转换之后，因变 量y 最终可以表示为变量x 的线性组合形式。 针对线性或弱非线性对象而言，基于p l s 算法的软测量模型由于其结构简单 得到了广泛的应用，然而，对于强非线性的对象，线性p l s 模型将不再适用， 也有人提出了不同的非线性部分最小二乘算法。 9 硕士学位论文 第一章绪论 ( 2 ) 主元回归 主元回归根据数据变化的方差大小来确定变化方向的主次地位，按主次顺序 得到各主元变量。这种方法能够有效地解决自变量之间的多重共线性问题，对减 少变量个数，简化模型有着很大的便利性。然而，由于在提取主成份时没有考虑 自变量与因变量之间的联系，所提取的成分对因变量的解释能力不强，这是主元 回归方法的不足。 ( 3 ) 偏最b - 乘回归 偏最小二乘回归也是一种数据压缩和提取方法，既能消除原变量重复共线问 题达到降维目的，也充分考虑了输入变量与输出变量之间的相关性。而且它在样 本点较少的场合有着明显的优势，对含噪声样本可进行回归处理，并且能用于非 常复杂的混合场所。 1 4 3 基于智能方法的软测量模型 ( 1 ) 基于模糊数学的软测量模型 基于模糊数学的软测量模型模仿人脑逻辑思维特点，建立起一种知识性模 型。这种方法特别适合应用于复杂工业过程中被测对象呈现亦此亦彼的不确定 性，难以用常规数学定量描述的场合。实际应用中常将模糊技术和其他人工智能 技术相结合，例如模糊数学和人工神经网络相结合构成模糊神经网络，将模糊数 学和模式识别相结合构成模糊模式识别，这样可互相取长补短以提高软测量的性 能【3 0 】。 ( 2 ) 基于模式识别的软测量模型 基于模式识别的软测量模型是采用模式识别的方法对工业过程的操作数据 进行处理，从中提取系统的特征，构成以模式描述分类为基础的模式识别模型。 该方法的优势在于它适用于缺乏系统先验知识的场合，可利用同常操作数据来实 现软测量建模。在实际应用中，该种软测量方法常常和人工神经网络以及模糊技 术结合在一起。 ( 3 ) 基于人工神经网络的软测量模型 人工神经网络是利用计算机模拟人脑的结构和功能的技术。人工神经网络的 方法无需具备对象的先验知识，根据对象的输入输出数据直接建模。b p 网络和 r b f 神经网络由于其非线性拟合能力强，被广泛应用于软测量建模当中。 1 ) b p 网络 b p 网络是一种单向传播的多层前向网络。网络具有一个输入层和一个输出 层，有一个或多个隐层，同层节点中没有任何藕合连接，输入信号从输入层节点 依次传过各个隐层节点，然后传到输出层节点，每一层节点的输出只影响下一层 1 0 硕士学位论文 第一章绪论 节点的输出。b p 算法利用输出层计算值与理想值之间的误差来得出输出层的直 接前导层的误差，再利用这个误差得出更前一层的误差。如此下去，就获得了所 有其它各层的误差估计，用以确定网络权值。 2 ) r b f 网络 r b f 网络同b p 网络一样，也是一种多层前向网络，它由输入层、隐层和输 出层三层节点构成。输入层节点传递输入信号到隐层，隐层节点采用径向基函数， 输出节点通常是简单的线性函数。r b f 网络结构简单，训练学习速度快，能以 任意精度逼近任意非线性函数，具有全局最佳逼近的特性【3 1 1 。 文献 4 3 运用基于递阶遗传算法优化r b f 网络的软测量方法对污水处理过 程中的生物脱氮过程建模；文献 6 5 1 运用基于核函数主元分析和径向基函数神经 网络相结合的软测量建模方法对阿维菌素发酵过程中菌丝浓度进行建模，结果表 明，基于神经网络的软测量模型能取得较好的可行性。 ( 4 ) 基于支持向量机的软测量模型 支持向量机是从线性可分情况下最优分类面提出的，它通过某种事先选择的 非线性映射将输入向量映射到一个高维特征空间，然后在这个空问中构造最优分 类超平面，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势 【3 一钉。利用支持向量机解决函数回归问题，从而实现软测量建模是支持向量机分 类能力的一种推广【5 】。由于标准支持向量机的算法随着样本数据个数的增加计算 速度会越来越慢，而且会占用大量的内存空间，因此提出了最小二乘支持向量机 方法。 文献 1 9 运用基于支持向量机和最小二乘支持向量机理论的软测量技术对 铝电磁铸轧系统进行建模；文献 5 2 运用基于四种支持向量机改进算法的软测量 技术对微生物发酵过程中的生物量建模；文献 6 6 】运用基于最小二乘支持向量机 的软测量方法对真空净油机的出油微水建模，都取得了理想的效果，证明了基于 支持向量机的软测量建模方法的可行性。 1 5 论文主要工作与章节安排 本课题研究基于支持向量机的铝电磁铸轧生产过程中铝带坯晶粒度的软测 量方法，建立其软测量模型，实现晶粒度的在线实时检测。论文的主要研究内容 如下： ( 1 ) 铝电磁铸轧过程工艺机理分析和铝带坯晶粒度影响因素分析； ( 2 ) 应用支持向量机理论，研究基于支持向量机的铝带坯晶粒度软测量建模 方法，及核函数等参数的选取； ( 3 ) 在标准支持向量机的基础上，对支持向量机的改进算法进行研究，研究 硕士学位论文第一章绪论 目标函数、约束规则和加权规则对测量精度和泛化能力的影响。 根据课题的研究内容，本文结构安排如下： 第一章为绪论，介绍了课题来源，并阐述了铝电磁铸轧技术、铝带坯晶粒度 检测技术和软测量技术的国内外研究现状。 第二章为铝电磁铸轧及其系统工艺机理分析，介绍铝连续铸轧的发展和现状 和铝电磁铸轧系统的构造及工艺机理分析，然后在此基础上深入分析影响铝电磁 铸轧系统的铸轧因素和电磁因素，为建立软测量模型建立基础。 第三章为支持向量机及其建模方法，在介绍机器学习和统计学习理论的基础 上，阐述支持向量机理论，为随后对铝带坯晶粒度的软测量建模打下基础。 第四章为基于e - s v r 的铝电磁铸轧系统软测量建模，首先建立了铝电磁铸 轧系统软测量模型，然后运用s v m 方法对铝带坯晶粒度软测量模型进行了训练、 建模和晶粒度输出预测，在结合实验数据具体分析核函数等参数选择对预测结果 的影响的基础上，通过优选参数建立基于e - s v r 的铝带坯晶粒度软测量模型， 并得出了模型数据和预测输出的晶粒度。 第五章为基于v - s v r 的铝电磁铸轧系统软测量建模，针对s v r 算法的缺 陷和限制条件，采用了另一种s v r 算法，即v s v r 算法，对铝电磁铸轧系统的 铝带坯晶粒度软测量模型进行训练、建模，通过优选参数建立了基于v s v r 的 铝带坯晶粒度软测量模型，得到了模型数据和预测输出的晶粒度，并与使用 e - s v r 算法的预