[发明专利]一种基于大数据技术的特钢棒材质量监控与诊断方法

权利要求书

1.一种基于大数据技术的特钢棒材多工序工艺质量监控与诊断方法，其特征在于：包括下列步骤：

S1、结合实际现场轧制工艺建立适应现场定制化生产要求的特钢棒材各项工艺产品质量标准规则库；

S2、通过自动化、信息化和智能化技术构建特钢棒材轧制工艺全流程数据集成以及质量监控信息平台；

S3、采用基于聚类模式的数据清洗模型进行在线数据清洗，并对清洗后的数据进行转换处理；

S4、采用NBC方法对大数据进行特征分析处理，并结合KPCA方法建立基于核方法的生产过程质量监控及异常追溯模型，实现对特钢棒材多工序生产过程工艺质量监控与诊断。

2.根据权利要求1所述的一种基于大数据技术的特钢棒材质量监控与诊断方法，其特征在于：所述S1中运用历史数据建立特钢棒材质量监控与诊断标准数据库包括：特钢棒材轧制历史数据以及根据大量历史数据建立满足现场要求的特钢棒材拆捆、喷漆、标准样取放、直径、轮廓以及矫直、倒棱、抛丸、探伤、修磨、涂油、贴标及成品取放等全过程多项质量指标准则和质量标准数据库。

3.根据权利要求1所述的一种基于大数据技术的特钢棒材质量监控与诊断方法，其特征在于：所述S2中通过自动化、信息化和智能化技术构建特钢棒材轧制工艺全流程数据集成以及质量监控信息平台（如图1所示）包括下列步骤：

S2.1、首先设定所需检测的特钢棒材质量标准数据特征信息，包括棒材拆捆、喷漆、标准样取放、直径、轮廓以及矫直、倒棱、抛丸、探伤、修磨、涂油、贴标及成品取放等过程机器人功能，配置各类型智能机器人；

S2.2、研究矫直后特钢棒材直线度检测技术、倒棱后端面质量检测技术以及探伤后表面缺陷定位技术，实现矫直、倒棱、修磨过程的在线反馈控制；

S2.3、通过特钢棒材结构光畸变点高精度、双目图像立体特征匹配、直线动态追踪、数据深度学习等技术，实现对成捆特钢棒材绑丝的自动识别、测距、直径检测以及棒材端面中心的识别定位，实现特钢棒材全流程的信息传递；

S2.4、联合探伤机检测信息，采用末端执行器的视觉识别技术和相关智能算法，实现对特钢棒材局部缺陷的精确定位和特征识别；

S2.5、开发特钢棒材侧面的机器人涂油技术和端面的机器人喷漆工艺，满足棒材不同喷涂的质量要求；

S2.6、采用基于视觉传感器、红外及各类测距传感器的障碍检测以及基于模型的障碍预测等多种方式结合的信息化技术，实现机器人与人、机器人与设备、机器人与机器人之间的障碍自主规避，确保人、设备、机器人间的安全协作及高效运转；

S2.7、通过以上自动化、信息化和智能化技术构建特钢棒材轧制工艺全流程数据集成以及质量监控信息平台。

4.根据权利要求1所述的一种基于大数据技术的特钢棒材质量监控与诊断方法，其特征在于：所述S3中采用基于聚类模式的数据清洗模型进行在线数据清洗（如图4所示），剔除异常数据，避免噪声干扰，并对清洗后的数据进行转换处理，公式如下：

其中，Max_A，Min_A分别表示属性A的最大值与最小值。

5.根据权利要求1所述的一种基于大数据技术的特钢棒材质量监控与诊断方法，其特征在于：所述S4中采用NBC方法对大数据进行分析处理并结合KPCA方法建立基于核方法的生产过程质量监控及异常追溯模型（如图2、3所示），实现特钢棒材多工序生产过程工艺质量监控与诊断，其中，NBC方法对数据特征信息进行分类及处理过程包括如下步骤：

S4.1、用一个n维特征向量X=[x₁，x₂，L,x_n]表示每个数据样本，n维特征向量分别描述n个属性A₁,A₂,L,A_n样本的n个度量；

S4.2、假定有m个类C₁，C₂，L，C_m，给定一个未知的数据样本X，分类器将预测X属于最高后验概率的类；

S4.3、计算；

S4.4、给定样本的类标号，假定属性值相互条件独立，有：

其中，概率可由学习样本估值；

S4.5、对未知样本进行分类；

其中，是高斯分布函数，分别为平均值和标准差。