供稿|曾卫仔，马兵智，宋浩源，齐春雨 / ZENG Wei-zai, MA Bing-zhi, SONG Hao-yuan, QI Chun-yu

内容导读

随着时代的发展和科技的进步，各行各业对于板材的质量和产量有了更高的要求。在实际应用中，大多数系统的内部机理十分复杂，传统的机理模型已无法满足对系统内部参数进行分析、表达。本文基于偏最小二乘法(PLS)提出一种核偏最小二乘法(KPLS)的板形过程监测方法，结果表明KPLS模型平均故障检测率为96.42%，误报率为10.14%，说明该方法用于板形的过程监测具有可行性。

近年来国内生产总值逐步上升，人民对美好生活的向往也逐渐增加，这就对产品质量提出了更高的要求。板形在冷轧领域直接影响了产品的品质和产量。近年来我国冷轧产业虽然得到了大幅提升，但与西方发达国家还有诸多差距。在实际的生产过程中不仅有钢材自身的组成成分还有轧机运行时的各种条件对板形具有重大影响[1]，但是这样复杂系统的内部机理几乎无法使用机理模型来进行描述。而现在随着数据存储和分析技术的大幅提升，采用数据来进行驱动的非机理式模型能很好地对板形过程进行监测[2-3]。

偏最小二乘法(Partial least squares，PLS)采取非线性迭代偏最小二乘(NIPALS)算法将整个过程变量空间分解为两部分，一部分为与质量变量有关的主元空间，另一部分则是残差空间。这种算法在复杂工业过程的监测和建模中取得了较好的应用效果。基于此本文提出一种基于核偏最小二乘法的板形过程监测方法。

板形缺陷

直观上说板形是描述板带材形状的一个综合性概念，板形缺陷是指钢材在现代轧制生产中及生产后的产品中出现的翘曲以及横向厚度的残差的总称。……