面向钢铁生产过程质量控制的动态数据挖掘方法

　　0 引言

　　生产过程质量控制是利用生产过程的动态信息进行质量预测和质量控制。由于其实时性和较高的准确性，可以预估质量问题，从而降低钢铁企业的生产成本和经济损失。生产过程质量控制的基础是对生产过程的质量预测。因为只有对未来产品质量参数进行估计，才能在产品质量发生问题前调整生产过程，真正达到提高产品质量的目的。进行质量预测的手段是建立生产过程的质量模型，即以各种决定产品质量的变量为输入，以产品各质量指标为输出的数学模型。但由于影响因素较多而导致机理建模困难等原因，质量模型的建立比一般用于自动控制的对象建模更为困难。数据挖掘是一类从大量数据中自动寻找规律的方法，在过去20年中得到了大量的研究。数据挖掘方法的特点是能从大量的数据中自动分析并提取未知的、潜在有用的知识，因此可用于复杂系统的行为建模和行为预测。传统的数据挖掘应用通常只处理静态的数据，即不包含时间信息的数据。但当将数据挖掘方法用于建立钢铁企业生产过程的质量模型时，由于传感器对生产过程不断采样的原因，获得的生产历史数据通常都是时间序列，即历史数据是和时间相关的一系列值。因此通常用于处理静态数据的数据挖掘方法不能直接应用于钢铁企业生产过程历史数据的挖掘。

　　动态数据挖掘是从海量时间序列数据中寻找规律的数据挖掘方法。将动态数据挖掘方法应用于钢铁企业生产过程质量控制时，主要目标有两个：(1)通过对钢铁生产过程历史记录的数据挖掘，建立产品质量预测模型，并运用于生产过程，进行实时质量预测;(2)在产品质量出现问题后，利用对历史数据的挖掘分析生产工艺对产品质量

　　的影响，找出隐藏的生产规律，为钢铁企业改进工艺提供决策支持。

　　1 问题描述

　　设生产过程P具有n个可测的工艺参数x1，x2，?,xn和m个可测的产品质量指标y1，y2，? ，ym，设这些工艺参数和质量指标均为时间的函数，从t时刻开始的测量值已知，且可表达为以下时间序列的形式，即：

　　式中，xi(t)和yj(t)分别为工艺参数 和质量指标yj从t时刻开始的测量值时间序列;△ti和△Tj分别为采样周期;ni和mj为采样个数。上述任一采样值可能带有分布已知或未知的测量噪声。

　　本文所研究的面向质量控制的动态数据挖掘可表达为以下两类问题的求解过程。

　　(1)质量预测问题。给定工艺参数测量值时间序列x1，x2，?，xn和产品质量指标测量值时间序列y1，y2，?，ym，求解质量预测模型