CN114896735B 改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法 （北京科技大学）

改进偏最小二乘的热轧带钢头部浪形缺陷本发明提供一种改进偏最小二乘的热轧带热轧带钢头部浪形缺陷相关工艺参数进行诊断据进行预处理工作，得到降维之后的无数据缺陷主导原因。本发明对缺陷样本分析具有适用2S1：通过现场数据采集系统获取头部浪形达标的S2：将包含优秀样本和缺陷样本的样本数据集代离程度及肘部规则调节潜变量k的数值，以缺陷样本SPE统计量超过样本SPE统计量控制界限以及实现缺陷样本SPE统计量与优秀样本SPE统计量之间的相对最大分离作为该算法与样本集之间适用性检验标准，如果不能检测出缺陷样本或者将优秀样本检测成缺陷样本，各工艺参数对缺陷样本SPE统计量贡献值conf"进行求和处理，计算工艺参数贡献值的占S5：对比各工艺参数的风险系数的大小，风险系数对经过S1处理后的样本数据运用马氏距离变换公式进行转换，马氏距离D(X)计算如A表示样本均值；对经过马氏距离变换之后的数据样本进行偏最小二乘诊yyyy3error,kyes,kerror,kyes,kerror,k为潜变量个数为k时缺陷样本SPE统计量与优秀样本SPE统计量均值的差值，SPEerror,k为潜变量个数为k时所述S3中cong"的计算方法如下：2.根据权利要求1所述的改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法，其3.根据权利要求1所述的改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法，其z4.根据权利要求1所述的改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法，其4i为工艺参数i的风险系数，conf"为工艺参数i对缺陷样本SPE统计量贡献5[0009]本发明要解决的技术问题是提供一种改进偏最小二乘的热轧带钢头部浪形缺陷6的平方预测误差统计量控制界限，即样本SPE统计量控制界限，根据缺陷样本与优秀样本统计量控制界限以及实现缺陷样本SPE统计量与优秀样本SPE统计量之间的相对最大分离计算局部离群因子LOFz(p)的值与1进行比较，越接近1说明样本和它的邻域样本密度比较z的第z邻域内的样本点到样本点p的平均可达距离的倒数，lrdz(o)表示的是样本点o的第z邻域内的点到样本点o的平均可达距离的倒数。局部离群因子越接近1说明样本点p和它的7yyyy秀样本条数。Serror,k为潜变量个数为k时缺陷样本SPE统计量与优秀样本SPE统计量均值的[0039]S3中conrg"的计算方法如下：8[0043]S4中将工艺参数贡献值与工艺参数贡献值总值的占比此作为各工艺参数最终的[0048]图1为本发明的改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法工艺流程优秀样本SPE统计量之间的明显分离作为样本与方法的适用性检9各工艺参数对缺陷样本SPE统计量贡献值conc"进行求和处理，计算工艺参数贡献值的占[0065]以某钢厂2250热轧产线的生产数据为例，对热轧带钢头部浪形缺陷原因进行识对降维之后的样本进行异常点检测，排除样本集中的异常样本。计算局部离群因子LOFk进行转换。[0074]原始样本与经马氏距离转换之后的样本中各工艺参数与质量参数之间的皮尔逊[0082]图6显示了缺陷样本各个工艺参数的风险系数，并且可以找到风险系数最大的两