基于PLS的热连轧过程故障检测与诊断张飞，郭强，中屠南凯(北京科技大学高效轧制国家工程研究中心，北京100083)摘要：为了解决在生产过程中进行故障检测和诊断问题，讨论了基于主元分析(PCA)和偏最小二乘(PLS)的过程故障检测与诊断的原理，运用T2统计、Q统计方法结合贡献图对轧钢过程进行了分析。结果表明，PLS方法比PCA方法能更好地检测与诊断故障。关键词：故障检测与诊断；偏最小二乘；主元分析；贡献图中图分类号：TG335．11；TP274文献标识码：A文章编号：1003—9996(2008)06—0045—051前言在热连轧过程中影响带钢质量的因素较多，且相互关联，在对轧制过程进行在线监测时，很难及时有效地诊断轧制过程中出现的异常状况。本文通过计算过程变量数据项对于模型的Q统计量和HotellingT2统计量，比较了主元分析PCA(PrincipalComponentsAnalysis)与偏最小二乘PLS(PartialLeastSquares)模型对热连轧生产过程中故障检测与诊断的能力。在正常条件下，大多数传感器得到的测量值是高度相关的。这就为传感器故障诊断提供了宝贵的解析冗余。这些测量值的相关性主要源于支配过程运行的物理与化学原理，如质量与能量平衡等。某一故障传感器通常会破坏与其他传感器正常的相关性。当异常条..