本发明提供一种基于灰色综合关联度的热轧带钢楔形缺陷诊断方法及系统，该方法包括：获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对曲线进行预处理；将预处理后的精轧出口楔形曲线作为特征行为序列，各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度；对转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度，并与设定的关联度阈值进行比较，得出诊断结果。本发明可快速、自动识别热轧楔形缺陷的成因，帮助提高热轧带钢板形质量与生产效率。
1.一种基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，其特征在于，所述热轧带钢楔形缺陷诊断方法包括：获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对获取到的所有曲线进行数据预处理；
将预处理后的精轧出口楔形曲线作为特征行为序列，将预处理后的各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；
分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度；
对转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度；将所述灰色综合关联度与设定的关联度阈值进行比较，得出诊断结果。
2.如权利要求1所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，其特征在于，所述获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，包括：获取带钢热轧生产过程长度方向上与楔形相关的粗轧机每一道次的过程参数曲线，精轧机各机架的过程参数曲线以及精轧机末机架出口楔形曲线。
3.如权利要求2所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，其特征在于，所述对获取到的所有曲线进行数据预处理，包括：根据带钢体积不变原则，通过以下公式求出各过程参数曲线对应带钢长度，将各过程参数曲线与精轧出口楔形曲线进行长度对应：其中，Wf表示精轧机末机架出口的带钢宽度，Hf表示精轧机末机架出口的带钢厚度，Lf表示精轧机末机架出口的带钢长度；Wi表示轧制过程中粗轧某道次或精轧某机架的带钢宽度，Hi表示轧制过程中粗轧某道次或精轧某机架的带钢厚度，Li表示轧制过程中粗轧某道次或精轧某机架的带钢长度；
对粗轧机逆向道次的过程参数曲线进行头尾调换，将过程参数曲线与精轧出口楔形曲线进行头尾对应；
对获取的所有曲线进行分段线性插值处理，保留最大点数曲线的原始形态，并以所述最大点数曲线为基准，将其他曲线的点数按所述最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一。
4.如权利要求3所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，其特征在于，所述将其他曲线的点数按所述最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一，公式如下：y(x)＝li(x)yi(x)+li+1(x)yi+1(x),x∈[xi,xi+1],(i＝1,2,...,n)其中，y(x)为分段线性插值函数，xi与xi+1为曲线中两个相邻插值基点。
5.如权利要求1所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，其特征在于，所述无量纲及正负转换处理，包括：对所有曲线数据进行正负归一化处理；其中，对于数据整体在0以下的曲线数据，将其归为[-1，0]；对于数据整体在0以上的曲线数据，将其归为[0，1]；对于数据整体在0附近震荡的曲线数据，将其归为[-1，1]；并对与楔形呈负相关的过程参数曲线进行正负转换处理，转为与楔形呈正相关。
6.如权利要求1所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，其特征在于，设系统的特征行为序列为X0(k)＝(x0(1),x0(2),...,x0(n))，系统的相关因素行为序列为Xi(k)＝(xi(1),xi(2),...,xi(n))，(i＝1,2,...,m)；则所述分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度，包括：通过下列公式计算邓氏关联系数：
对计算得到的邓氏关联系数和灰色斜率关联系数分别求均值，得到邓氏关联度和灰色斜率关联度。
7.一种基于灰色综合关联度的热轧带钢楔形缺陷诊断系统，其特征在于，所述热轧带钢楔形缺陷诊断系统包括：曲线获取模块，用于获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对获取到的所有曲线进行数据预处理；
特征及因素序列确定模块，用于将经过所述曲线获取模块预处理后的精轧出口楔形曲线作为特征行为序列，将预处理后的各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；
邓氏及灰色斜率关联度计算模块，用于分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度；
灰色综合关联度计算模块，用于对所述邓氏及灰色斜率关联度计算模块转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度；将所述灰色综合关联度与设定的关联度阈值进行比较，得出诊断结果。
8.如权利要求7所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断系统，其特征在于，所述曲线获取模块具体用于：获取带钢热轧生产过程长度方向上与楔形相关的粗轧机每一道次的过程参数曲线，精轧机各机架的过程参数曲线以及精轧机末机架出口楔形曲线。
9.如权利要求8所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断系统，其特征在于，所述曲线获取模块还用于：根据带钢体积不变原则，通过以下公式求出各过程参数曲线对应带钢长度，将各过程参数曲线与精轧出口楔形曲线进行长度对应：其中，Wf表示精轧机末机架出口的带钢宽度，Hf表示精轧机末机架出口的带钢厚度，Lf表示精轧机末机架出口的带钢长度；Wi表示轧制过程中粗轧某道次或精轧某机架的带钢宽度，Hi表示轧制过程中粗轧某道次或精轧某机架的带钢厚度，Li表示轧制过程中粗轧某道次或精轧某机架的带钢长度；
对粗轧机逆向道次的过程参数曲线进行头尾调换，将过程参数曲线与精轧出口楔形曲线进行头尾对应；
对获取的所有曲线进行分段线性插值处理，保留最大点数曲线的原始形态，并以所述最大点数曲线为基准，将其他曲线的点数按所述最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一。
10.如权利要求7所述的基于灰色综合关联度的热轧带钢楔形缺陷诊断系统，其特征在于，所述特征及因素序列确定模块具体用于：对所有曲线数据进行正负归一化处理；其中，对于数据整体在0以下的曲线数据，将其归为[-1，0]；对于数据整体在0以上的曲线数据，将其归为[0，1]；对于数据整体在0附近震荡的曲线数据，将其归为[-1，1]；并对与楔形呈负相关的过程参数曲线进行正负转换处理，转为与楔形呈正相关。
基于灰色综合关联度的热轧带钢楔形缺陷诊断方法及系统
技术领域
[0001] 本发明涉及冶金技术领域，特别是指一种基于灰色综合关联度的热轧带钢楔形缺陷诊断方法及系统。
背景技术
[0002] 横截面轮廓形状是热轧带钢重要的质量指标，其中楔形又是横截面形状中重要内容，其定义是指带钢两侧距离边部一定范围的厚度之差，厚度差值越大，楔形越大。根据两侧距离大小，如15mm、25mm、40mm，分别可以记作W15、W25、W40等，通常较多采用W40作为热轧出口的楔形指标。如果不能有效控制轧制过程中出现的楔形，将对后续工序生产的运行状态、板廓和平坦度产生显著影响，而且使带钢极易出现跑偏问题，导致生产限速或断带事故，严重影响生产安全和效率，造成极大的经济损失。
[0003] 热轧带钢楔形产生机理比较复杂，主要包括如下几个方面：1)带钢自身因素的影响，如带钢原料两边厚差，带钢两侧温度差异，带钢来料侧弯等；2)轧机状态因素，如轧机辊缝不对称，轧机两侧刚度差异，液压缸压下不同步等；3)轧制过程状态影响，如非对中咬入，操作过度干预，轧辊冷却不均匀等。
[0004] 目前，楔形分析、诊断方案主要集中在两个方面，一是基于人工经验，二是基于仿真分析。其中，基于仿真分析聚焦单个因素对楔形的影响，对楔形的产生机理具有一定的指导意义，而在实际生产过程中对于楔形原因的分析主要采用人工猜测的方法聚焦特定的影响因素，且未能拆分考虑整个流程下各个道次或机架对楔形缺陷的贡献程度，无法反映某一机架内多个因素对于精轧末机架出口楔形的贡献率，从而无法对产生楔形的原因进行明确定位。
发明内容
[0005] 本发明要解决的技术问题是提供一种基于灰色综合关联度的热轧带钢楔形缺陷诊断方法及系统，以解决现有诊断方法未能拆分考虑整个流程下各个道次或机架对楔形缺陷的贡献程度，无法反映某一道次或机架内多个因素对于精轧末机架出口楔形的贡献率，进而无法对产生楔形的原因进行明确定位的问题。
[0006] 为解决上述技术问题，本发明提供一种基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，所述热轧带钢楔形缺陷诊断方法包括：
[0007] 获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对获取到的所有曲线进行数据预处理；
[0008] 将预处理后的精轧出口楔形曲线作为特征行为序列，将预处理后的各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；
[0009] 分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度；
[0010] 对转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度；将所述灰色综合关联度与设定的关联度阈值进行比较，得出诊断结果。
[0011] 进一步地，所述获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，包括：
[0012] 获取带钢热轧生产过程长度方向上与楔形相关的粗轧机每一道次的过程参数曲线，精轧机各机架的过程参数曲线以及精轧机末机架出口楔形曲线。
[0013] 进一步地，所述对获取到的所有曲线进行数据预处理，包括：
[0014] 根据带钢体积不变原则，通过以下公式求出各过程参数曲线对应带钢长度，将各过程参数曲线与精轧出口楔形曲线进行长度对应：
[0015]
[0016] 其中，Wf表示精轧机末机架出口的带钢宽度，Hf表示精轧机末机架出口的带钢厚度，Lf表示精轧机末机架出口的带钢长度；Wi表示轧制过程中粗轧某道次或精轧某机架的带钢宽度，Hi表示轧制过程中粗轧某道次或精轧某机架的带钢厚度，Li表示轧制过程中粗轧某道次或精轧某机架的带钢长度；
[0017] 对粗轧机逆向道次的过程参数曲线进行头尾调换，将过程参数曲线与精轧出口楔形曲线进行头尾对应；
[0018] 对获取的所有曲线进行分段线性插值处理，保留最大点数曲线的原始形态，并以所述最大点数曲线为基准，将其他曲线的点数按所述最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一。
[0019] 进一步地，所述将其他曲线的点数按所述最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一，公式如下：
[0020] y(x)＝li(x)yi(x)+li+1(x)yi+1(x),x∈[xi,xi+1],(i＝1,2,...,n)
[0021]
[0022] 其中，y(x)为分段线性插值函数，xi与xi+1为曲线中两个相邻插值基点。
[0023] 进一步地，所述无量纲及正负转换处理，包括：
[0024] 对所有曲线数据进行正负归一化处理；其中，对于数据整体在0以下的曲线数据，将其归为[-1，0]；对于数据整体在0以上的曲线数据，将其归为[0，1]；对于数据整体在0附近震荡的曲线数据，将其归为[-1，1]；并对与楔形呈负相关的过程参数曲线进行正负转换处理，转为与楔形呈正相关。
[0025] 进一步地，设系统的特征行为序列为X0(k)＝(x0(1),x0(2),...,x0(n))，系统的相关因素行为序列为Xi(k)＝(xi(1),xi(2),...,xi(n))，(i＝1,2,...,m)；则所述分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度，包括：
[0026] 通过下列公式计算邓氏关联系数：
[0027]
[0028] 其中，ρ为分辨系数；
[0029] 通过下列公式计算灰色斜率关联系数：
[0030]
[0031] 对计算得到的邓氏关联系数和灰色斜率关联系数分别求均值，得到邓氏关联度和灰色斜率关联度。
[0032] 相应地，为解决上述技术问题，本发明提供一种基于灰色综合关联度的热轧带钢楔形缺陷诊断系统，所述热轧带钢楔形缺陷诊断系统包括：
[0033] 曲线获取模块，用于获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对获取到的所有曲线进行数据预处理；
[0034] 特征及因素序列确定模块，用于将经过所述曲线获取模块预处理后的精轧出口楔形曲线作为特征行为序列，将预处理后的各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；
[0035] 邓氏及灰色斜率关联度计算模块，用于分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度；
[0036] 灰色综合关联度计算模块，用于对所述邓氏及灰色斜率关联度计算模块转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度；将所述灰色综合关联度与设定的关联度阈值进行比较，得出诊断结果。
[0037] 进一步地，所述曲线获取模块具体用于：
[0038] 获取带钢热轧生产过程长度方向上与楔形相关的粗轧机每一道次的过程参数曲线，精轧机各机架的过程参数曲线以及精轧机末机架出口楔形曲线。
[0039] 进一步地，所述曲线获取模块还用于：
[0040] 根据带钢体积不变原则，通过以下公式求出各过程参数曲线对应带钢长度，将各过程参数曲线与精轧出口楔形曲线进行长度对应：
[0041]
[0042] 其中，Wf表示精轧机末机架出口的带钢宽度，Hf表示精轧机末机架出口的带钢厚度，Lf表示精轧机末机架出口的带钢长度；Wi表示轧制过程中粗轧某道次或精轧某机架的带钢宽度，Hi表示轧制过程中粗轧某道次或精轧某机架的带钢厚度，Li表示轧制过程中粗轧某道次或精轧某机架的带钢长度；
[0043] 对粗轧机逆向道次的过程参数曲线进行头尾调换，将过程参数曲线与精轧出口楔形曲线进行头尾对应；
[0044] 对获取的所有曲线进行分段线性插值处理，保留最大点数曲线的原始形态，并以所述最大点数曲线为基准，将其他曲线的点数按所述最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一。
[0045] 进一步地，所述特征及因素序列确定模块具体用于：
[0046] 对所有曲线数据进行正负归一化处理；其中，对于数据整体在0以下的曲线数据，将其归为[-1，0]；对于数据整体在0以上的曲线数据，将其归为[0，1]；对于数据整体在0附近震荡的曲线数据，将其归为[-1，1]；并对与楔形呈负相关的过程参数曲线进行正负转换处理，转为与楔形呈正相关。
[0047] 本发明的上述技术方案的有益效果如下：
[0048] 本发明的热轧带钢楔形缺陷诊断方法通过对影响热轧带钢楔形的过程参数进行邓氏及灰色斜率两种关联度分析，再通过加权方式计算联合关联度，结合两种关联分析的特点实现自动分析、识别造成楔形缺陷的具体原因及位置，从而可实现对带钢楔形缺陷的诊断，帮助提高热轧带钢板形质量与生产效率。
附图说明
[0049] 图1为本发明的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法的流程示意图；
[0050] 图2为本发明的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法的另一流程示意图；
[0051] 图3为异常楔形曲线示意图；
[0052] 图4为原始辊缝曲线与预处理后辊缝曲线对比图；其中，(a)为原始辊缝曲线图，(b)为预处理后辊缝曲线图；
[0053] 图5为无量纲处理后辊缝曲线图；
[0054] 图6为各因素行为序列灰色综合关联度比较图；
[0055] 图7为曲线对比图；其中，(a)为精轧出口楔形曲线，(b)为粗轧第二道次辊缝差曲线，(c)为精轧F5机架辊缝差曲线。
具体实施方式
[0056] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0057] 第一实施例
[0058] 本实施例提供一种基于灰色综合关联度的热轧带钢楔形缺陷诊断方法，该方法首先获取带钢热轧生产过程长度方向上与楔形相关的过程参数曲线和精轧出口楔形曲线，并对各曲线进行带钢长度对应和头尾对应，通过插值实现各曲线离散点数量统一；然后将精轧出口楔形曲线作为特征行为序列，各过程参数曲线作为因素行为序列，进行无量纲以及正负关系转换；在此基础上分别计算特征行为序列与因素行为序列之间的邓氏与灰色斜率关联系数，并转化为对应的关联度；最后计算灰色综合关联度，并将计算得到的灰色综合关联度与设定的关联度阈值进行比较。如果关联度大于阈值，即认为此过程参数与最终精轧出口楔形缺陷有关，并根据关联度对影响因素进行排序。
[0059] 具体地，如图1和图2所示，本实施例的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法包括：
[0060] S101，获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对获取到的所有曲线进行数据预处理；
[0061] 需要说明的是，上述步骤具体为：
[0062] 获取带钢热轧生产过程长度方向上与楔形相关的粗轧机每一道次的过程参数曲线，精轧机各机架的过程参数曲线以及精轧机末机架出口楔形曲线。
[0063] 根据带钢体积不变原则，通过以下公式求出各过程参数曲线对应带钢长度，将各过程参数曲线与精轧出口楔形曲线进行长度对应：
[0064]
[0065] 其中，Wf表示精轧机末机架出口的带钢宽度，Hf表示精轧机末机架出口的带钢厚度，Lf表示精轧机末机架出口的带钢长度；Wi表示轧制过程中粗轧某道次或精轧某机架的带钢宽度，Hi表示轧制过程中粗轧某道次或精轧某机架的带钢厚度，Li表示轧制过程中粗轧某道次或精轧某机架的带钢长度；
[0066] 由于粗轧机可以对带钢进行可逆轧制，所以某些道次过程曲线和最终的楔形曲线会存在头尾不对应的情况；为此需对粗轧机逆向道次的过程参数曲线进行头尾调换，即反向处理，将过程参数曲线与精轧出口楔形曲线进行头尾对应；
[0067] 对获取的所有曲线进行分段线性插值处理，保留最大点数曲线的原始形态，并以最大点数曲线为基准，将其他曲线的点数按最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一，公式如下：
[0068] y(x)＝li(x)yi(x)+li+1(x)yi+1(x),x∈[xi,xi+1],(i＝1,2,...,n)
[0069]
[0070] 其中，y(x)为分段线性插值函数，xi与xi+1为曲线中两个相邻插值基点。
[0071] S102，将预处理后的精轧出口楔形曲线作为特征行为序列，将预处理后的各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；
[0072] 需要说明的是，为使各曲线具有可比性，且既要考虑趋势关系又要考虑位置关系，需对所有曲线数据进行特殊的正负归一化处理；其中对数据整体明显在0以下的曲线数据归为[-1，0]；对数据整体明显在0以上的曲线数据归为[0，1]；对数据整体在0附近震荡的曲线数据归为[-1，1]；并根据机理关系，对与楔形呈负相关的过程参数曲线进行正负转换处理，转为与楔形呈正相关。
[0073] S103，分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果转换为邓氏关联度及灰色斜率关联度；
[0074] 需要说明的是，上述步骤具体包括：
[0075] 设系统的特征行为序列为X0(k)＝(x0(1),x0(2),...,x0(n))，系统的相关因素行为序列为Xi(k)＝(xi(1),xi(2),...,xi(n))，(i＝1,2,...,m)；
[0076] 通过下列公式计算邓氏关联系数：
[0077]
[0078] 其中，ρ为分辨系数，其值为0.5；
[0079] 通过下列公式计算灰色斜率关联系数：
[0080]
[0081] 对计算得到的邓氏关联系数和灰色斜率关联系数分别求均值，得到邓氏关联度和灰色斜率关联度，公式如下：
[0082] 邓氏关联度为：
[0083] 灰色斜率关联度为：
[0084] S104，对转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度；将灰色综合关联度与设定的关联度阈值进行比较，得出诊断结果。
[0085] 需要说明的是，灰色综合关联度为：
[0086] γ(X0,Xi)＝θ1γ1+θ2γ2
[0087] 其中，θ1为邓氏斜率关联度的权值；θ2为灰色斜率关联度的权值；
[0088] 两种关联度的计算均与数据间的位置关系有关，邓氏关联度以数据间的距离作为计算依据，而灰色斜率关联度则考虑数据间的斜率差，二者主要区别在于对数据差异的区分程度不同。综合关联度的分配权值根据分析过程参数的不同由人工结合机理特征与生产经验给定。
[0089] 下面结合实际统计数据对本实施例的方法作进一步说明:
[0090] 以某2250热连轧生产线为例，从现场获取热轧过程中各个道次和机架的宽厚值，如表1所示。并且从现场获取某块头部楔形异常带钢的热轧过程辊缝差数据与楔形数据，其中包括粗轧机R1与R2共6个道次的曲线，精轧机F1-F7共7个机架的曲线以及精轧出口楔形曲线,总计13条因素曲线，1条特征曲线，如表2所示,其中辊缝差和楔形均由操作侧减去驱动侧求得。
[0091] 表1热轧现场宽厚数据
[0092]
[0093] 表2热轧现场辊缝及出口楔形数据
[0094]
[0095]
[0096] 根据上述数据，利用本实施例的方法对此块带钢楔形缺陷进行诊断如下：
[0097] 步骤1：将粗轧机R1与R2共6个道次、精轧机F1-F7共7个机架以及出口的带钢长度和带钢宽度分别带入上述S101中的带钢长度对应公式，将带钢长度统一对应到精轧出口带钢长度。然后对粗轧R1和R2可逆道次的曲线进行头尾对应，最后通过上述S101中的插值公式将各曲线点数统一。其中楔形异常曲线如图3所示，以1号粗轧机第2道次辊缝差为例，该带钢在粗轧区域以“3+3”道次的形式进行往复轧制，R1 P2道次为1号粗轧机的逆向道次，需要对曲线序列的头尾顺序进行转换，处理前后对比如图4所示。
[0098] 步骤2：该步骤主要目的是使各曲线具有可比性。将步骤1处理后的粗轧机R1与R2的6个道次以及精轧机F1-F7共7个机架的辊缝差曲线作为因素行为序列，精轧出口楔形曲线作为特征行为序列，根据上述S102中的无量纲化要求以及公式，通过计算得到新曲线。以1号粗轧机第2道次辊缝差为例，归一化后曲线如图5所示。由于本例中分析的辊缝差因素与楔形呈正相关关系，因此无需进行正负转换处理。
[0099] 步骤3：根据上述S103中邓氏关联系数求解公式以及灰色斜率关联系数求解公式，将各辊缝差曲线与出口楔形曲线带入公式，得到13个邓氏关联系数序列以及13个灰色斜率关联系数序列。
[0100] 步骤4：对步骤3中的关联系数求均值，得到邓氏关联度与灰色斜率关联度，并根据上述S104灰色综合关联度公式，人为给定加权权值θ1＝0.6,θ2＝0.4，最终得到13个粗轧道次或精轧机架的辊缝差对于楔形的灰色综合关联度，最后将综合关联度与设定的阈值0.8进行比较，其中大于阈值的即为与楔形异常有关的辊缝差及位置。
[0101] 从图6可以看出1号粗轧机第2道次辊缝差曲线灰色综合关联度大于诊断阈值0.8，精轧F5机架灰色综合关联度最低。且从图7中的曲线对比可以得到验证，关联度高的1号粗轧机2道次辊缝差曲线趋势与楔形相似度高，可以初步诊断其与出口头部楔形异常有关。
[0102] 综上，本实施例的诊断方法通过对影响热轧带钢楔形的过程参数进行邓氏及灰色斜率两种关联度分析，再通过加权方式计算联合关联度，结合两种关联分析的特点实现自动分析、识别造成楔形缺陷的具体原因及位置，从而可实现对带钢楔形缺陷的诊断，帮助提高热轧带钢板形质量与生产效率。
[0103] 第二实施例
[0104] 本实施例提供一种基于灰色综合关联度的热轧带钢楔形缺陷诊断系统，所述热轧带钢楔形缺陷诊断系统包括：
[0105] 曲线获取模块，用于获取带钢热轧生产过程长度方向上与楔形相关的各过程参数曲线和精轧出口楔形曲线，并对获取到的所有曲线进行数据预处理；
[0106] 特征及因素序列确定模块，用于将经过曲线获取模块预处理后的精轧出口楔形曲线作为特征行为序列，将预处理后的各过程参数曲线作为因素行为序列，进行无量纲及正负转换处理；
[0107] 邓氏及灰色斜率关联度计算模块，用于分别计算处理后的特征行为序列与因素行为序列之间的邓氏关联系数和灰色斜率关联系数，并将计算结果分别转换为邓氏关联度及灰色斜率关联度；
[0108] 灰色综合关联度计算模块，用于对邓氏及灰色斜率关联度计算模块转换出的邓氏关联度及灰色斜率关联度进行加权求和，得到灰色综合关联度；将灰色综合关联度与设定的关联度阈值进行比较，得出诊断结果。
[0109] 进一步地，上述曲线获取模块具体用于：
[0110] 获取带钢热轧生产过程长度方向上与楔形相关的粗轧机每一道次的过程参数曲线，精轧机各机架的过程参数曲线以及精轧机末机架出口楔形曲线。
[0111] 进一步地，上述曲线获取模块还用于：
[0112] 根据带钢体积不变原则，通过以下公式求出各过程参数曲线对应带钢长度，将各过程参数曲线与精轧出口楔形曲线进行长度对应：
[0113]
[0114] 其中，Wf表示精轧机末机架出口的带钢宽度，Hf表示精轧机末机架出口的带钢厚度，Lf表示精轧机末机架出口的带钢长度；Wi表示轧制过程中粗轧某道次或精轧某机架的带钢宽度，Hi表示轧制过程中粗轧某道次或精轧某机架的带钢厚度，Li表示轧制过程中粗轧某道次或精轧某机架的带钢长度；
[0115] 对粗轧机逆向道次的过程参数曲线进行头尾调换，将过程参数曲线与精轧出口楔形曲线进行头尾对应；
[0116] 对获取的所有曲线进行分段线性插值处理，保留最大点数曲线的原始形态，并以最大点数曲线为基准，将其他曲线的点数按最大点数曲线的点数进行插值，保证所有曲线点数一致，实现各曲线离散点数量统一。
[0117] 进一步地，上述特征及因素序列确定模块具体用于：
[0118] 对所有曲线数据进行正负归一化处理；其中，对于数据整体在0以下的曲线数据，将其归为[-1，0]；对于数据整体在0以上的曲线数据，将其归为[0，1]；对于数据整体在0附近震荡的曲线数据，将其归为[-1，1]；并对与楔形呈负相关的过程参数曲线进行正负转换处理，转为与楔形呈正相关。
[0119] 本实施例的基于灰色综合关联度的热轧带钢楔形缺陷诊断系统与上述第一实施例的基于灰色综合关联度的热轧带钢楔形缺陷诊断方法相对应；其中，该基于灰色综合关联度的热轧带钢楔形缺陷诊断系统中的各功能模块所实现的功能与上述基于灰色综合关联度的热轧带钢楔形缺陷诊断方法中的各流程步骤一一对应；故，在此不再赘述。
[0120] 此外，需要说明的是，本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
[0121] 本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0122] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0123] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
[0124] 还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0125] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
