《基于实时数据流的算法建模及工业应用》

数据流是一种广泛存在的数据形态,具有实时性强,数据维度高,噪声比大等特性。生产过程控制系统产生大量带有时间标签的数据流,这些数据流蕴含着有效的生产模式,针对这些数据流做实时分析,分析结果直接用于提升生产效率,提高产品质量。项目组对冶金生产过程工艺数据进行有效的采集存储,提出实时数据流的增量网格密度维度树(IGDDT)聚类算法和长短时记忆(LSTM)预测方法,原创性地利用IGDDT聚类和LSTM预测方法对工艺过程数据进行产品质量分析建模,发现了产品质量与工艺参数之间的内在关系,解决了工艺参数异常预警等关键性技术问题,形成了基于实时数据流的算法建模及工业应用技术,具体创新性成果如下:

1、提出了数据流聚类IGDDT模型,实时发现数据流中的各种有效模式针对高速钢铁生产过程中,如何找出产品质量和工艺参数之间互相影响的关系,设计和实现了IGDDT聚类方法。建立了动态模型发现机制和动态模型的存储方法,识别了工艺过程中有效的生产模式,发现了影响产品质量的因素。应用于冶金轧制生产中,使产品改判率由5%下降到2.6%,汽车板成材率由97.41%提高到98.50%。

2、提出了数据流趋势预测LSTM组合模型,实时预判工艺数据的异常以及未来取值针对高速生产线的工艺参数异常波动和未来测量实时预判关键生产线的工艺参数状况的问题,提出了实时数据流的LSTM组合模型。分别利用一维和三维实时数据流的LSTM模型进行预测及其融合表示,可以在线检测工艺参数异常波动情况和未来取值的预报,解决了工艺参数可能故障的预警预判问题。提高了设备运行的稳定性,减少了因停机检修带来的损失,使设备故障时间由4小时/月缩减为2.2小时/月。

3、研制基于PI/SPC的数据流监控模型,实时监控和追踪产品质量针对高速生产过程中无法对生产线作实时监测和产品质量判定不及时等问题,融合生产工艺实时数据流、产销数据和质检数据构建了企业基础数据平台,发明了一种长度方向的生产质量监测方法,提出了一种具有实时监测、报警的监控模型。解决了产品瑕疵定位的问题,可让每个产品附有生产工艺数据,有效地解决了上下工序排查困难的难题。关键工艺(酸槽温度)合格率由原来的95.50%提高到99.95%,机组关键设备精度达标率由原来的94.62%提升至99.54%。

成果在武汉钢铁有限公司等多家单位得到应用。取得授权发明专利5项,申请发明专利2项,出版专著1部,获软件著作权5项,发表论文38篇,直接经济效益8.6亿元。所研制的方法和技术,具有普适性,可以进一步推广到其他生产制造行业,显著推动行业及社会进步。

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。