買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 附件 1 外文資料翻譯 譯文 1 熱軋鋼數據挖掘方法的缺陷尺度的預測 . . . O 500 要 規模缺陷是在熱軋鋼表面常見的缺陷。這種缺陷的原因并不簡單。隨著數據挖掘方法的提高，過程變量之間的依存關系多維化和產品成分可以被發現。 對于本研究中，一個高維數據集來自芬蘭的拉赫 司等資料得集合。數據同時載有平均價值和工藝價值測量的不同的頻率。同時該變量以及分配在鋼帶測量前建模階段得到解決。這項研究使軋制過程的模擬和規模缺陷得以可見。 自組織系統映射（ 被用于這些任務。 關鍵詞 數據挖掘，神經網絡，熱軋鋼，規模 缺陷 1介紹 規模缺陷是一種常見的表面缺陷在熱軋鋼中，因此它是認識鋼表面風險重要的因素，從而導致對鋼鐵表面的規模缺陷。熱軋鋼帶被選為本研究中，由于其要求有嚴格的表面質量。 鋼的氧化導致了 3 層礦組成的規模維氏體， 磁鐵礦和赤鐵礦 組成維氏體，它是最里層，只有在穩定溫度高于 570 C 的在熱軋過程它構成條件缺陷 規模大約 95。擁有幾個規模不同類型的機制形買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 成。軋在規模開發時或黑色更難氧化物滾到 1在表面整理過程。紅色規模主要與一高硅含量，雖然這不是一個必要條件 2。在紅色規模的檢測，只有一個小的可能性為混淆與其他一些缺陷紅色規模 4。當這兩種類型是一致時，它有可能推測出一些中規模缺陷將被忽略的檢測系統，并超過 硅含量，因此帶人調查只對紅色的規模和其他部分數據滾規模。 定額缺陷的起源一直是為許多研究項目感興趣的主題，但它仍然是很難找到造型上的缺陷相關的文獻。沒有規模的物理模型成立至今已制訂。對于這個問題建模是由于高維變組它們的相互作用。為形成規模的幾個原因在文獻中提到，包括對其的影響溫度和時間 1,3,5,6，軋制力和減少 1,6，鋼的成分 7和天 然氣的氣氛。硅含量和加熱溫度 3也有關的因素，因為熔融鐵橄欖石， 快結垢速率 2。此外，不平衡冷卻在 5 因素 中有人提到。然而，目前關于如何處理知識條件和鋼級的最終性能影響高等教育規模零散 1。溫度被認為是一個最明顯的潛在規模因素形成，但這一研究卻取得了自相矛盾的結果。 剪切機 破碎 溫計 卷材箱 高溫計 規模 表面檢查系統 圖 I 型精軋機布局圖 首次出版的按比例縮放表面質量模型研究，引起的一項申請書（奧鋼聯 - 日前出版發行 6。這種模式進行訓練與整個加工過程運用了大量的樣本，例如使用高溫 X 射線 量。該系統的預測能力等同規模階段，這些資料被利用在信息處理過程中。 本研究在許多細節中采取了不同的方法。我們的目標是找到高風險的過程和引起這一進程的一部分而導致規模缺陷的原因。高頻在軋制過程中的測量功能被激活在當分析規模缺陷對不同部位鋼 帶時。該攝像機的機反應利用視覺系統在神經培訓模型。預測模型被實在施神經網絡（多層感知和自我組織地圖）。這項研究被激活在雙方的可視化軋制工藝和規模缺損模型中。 買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 2數據資料 在研究開始時，數據進行了收集和反復的分析。最后是收集數據集匯總在芬蘭拉赫 司，在 2003 年 8 月 15 日 8 月 27 日，它包括 1326 鋼帶和 59 變化的從診斷學的測量和 127 變量包含在內的平均價值。平均價值如同反映復合鋼鐵的產品性能，目標值，尺寸和烤箱鑒定數。米爾診斷時間序列資料從粗軋機精軋溫度聚集。平均 值變量選擇與幫助數據挖掘技術，利用專家的知識。前處理和變量的選擇使用數據集進行了超過 15000 條組成由兩個獨立的 1 個月的時間。平均有從每個軋線部分的價值，但由于有診斷信息可從各地精軋，其中一些人替換時間序列資料。診斷數據包括溫度，軋制力和速度，冷卻水流動的規模和斷路器的壓力。 在時間序列數據集測量間隔之間變化在 。因此，有數以萬計的高頻率測量數千變量每帶。熱軋帶鋼軋制是一個相當復雜的從過程的角度測量和數據：在這個過程中，一鋼板穿過塑料變形，從而增加其長度之間點測量不同的變量。此外， 軋制速度變化時，它是用來作為一個平均控制溫度。數據同步和分配問題帶鋼后方可數據分析解決。因此，對資料進行修改時，索引以距離為基礎的軸所有變量的共同信號。目標變量，即規模的缺陷數，記錄最后完成之間的看臺及冷卻段。該攝像機的機器視覺系統在表面質量檢測， 迪斯 示在在圖 1 的權利。該地帶的頂部是分析，由于頂部的錄音更較可靠的底部。機器視覺系統能檢測多達 90的規模缺陷概率，并表明了各自的精確位置缺陷。有一個可能的缺點，但是，由于唯一的缺陷數為衡量，但無論是大小也不是在缺損區的嚴重性。 3方 法 一個預測系統預測誤差應在其發生。由于大部分的診斷測量完成在精軋，但是，它是不可能的作出預測上限，以調整進程在帶鋼軋制參數。相反，由預測系統可以給出估計值與實測值執行比對。該結果比較可能被用來促進決策關于軋機設定為以下剝離或對服務的需求（預測維修）。 小心數據預處理是在前建模階段所必要的。從應用領域涉及多個的問題，限制了特征提取可用性方法。首先，這個過程包含了一些爭議屬性。例如，表面溫度由于受規模厚度的影響，因為氧化層會降低傳熱 1。因此作用于剪切溫度測買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 量前的規模斷路器測量可能不準確。此外，規模厚度會使 降低軋制比例減少，但同時減少的數額會增加難度氧化物和缺陷，由于規模的缺陷可能引開裂。其次，變量的組合是巨大的。第三，嚴重缺乏處理故障導致了低數量規模的缺陷，這是一個從問題數據挖掘的觀點。該方法是收集未經處理的實驗數據，例如通過減少規模斷路器壓力。但是，故意產生的故障情況不會有所幫助時正常工藝條件為基礎。由于模化的先決條件是相當苛刻的和由于樣本規模含量低，第一項任務是要找出影響最大的變數額的規模。 步性 進程狀態是不斷變化的過程和造型的困難原因在沒有告知關于進程的信息可用的動態力度變化情況下 8。高 頻測量要找出在整個地帶的條件長度。米爾傳感器位于不同的位置沿生產線和測量，因此在不同的時間記錄。同步的變量和對鋼材的測量分配地帶后方可數據分析解決。有在每一個時間序列的開始時間戳記，但由于引發了一系列測量前地帶到達適當的位置，該指示它的測量范圍內的系列的一部分屬于加沙地帶的長度都必須解決。特征提取技術（如派生）的溫度和使用軋制力信號找到了加沙地帶的領先優勢。此外，加沙地帶邊緣提取的滾動力信號被用來相稱的帶鋼速度站到線程之間的速度，這是一個絕對的價值。在不同的地點進行測量速度同步通過搜索最大相關在不同信號之間 的滯后值。基于知識的速度超過帶鋼長度和時間加沙地帶的前沿，其它測量可以找到。每一個變量的值是作為一個（測量，位置）為后續利用對例如在建模。 征提取與變流量減少 測量位置對進一步處理由計算方式為每個 10 米部分的功能描述性統計和傅立葉變換。的特點為平均值，標準差，最小值，最大值，衍生金融工具，能源在1 - 5頻率間隔和 5 - 20最大振幅和頻率與相關在 1 - 25敏。此外，絕對幅度規模缺損比例向加沙地帶面積段。 該功能必須與相連的規模缺陷資料，以便找到關鍵條件形成規模。阿高級官員會議 9采用可視化上規模的缺陷依存關系映射的變量對規模不同的變量組合缺陷。該亞太經合組織高官會是可以想像的非線性依賴性，并如已被用于許多工業應用至在鋼鐵產品質量軋制模型 10,11。冗余和非影響因素的基礎上被拆除可視化。圖 2 顯示了變量和一些他們的共同生存與滾規模。可以看出， 頂買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 部冷卻， 少數量檢測規模。此外，高加工溫度， 乎并沒有產生負面影響，如果有足夠的冷卻輥之間的第一對。除垢精軋前應清除所有大規模集結，這意味著在此之前，拖延點應該不會造成大規模的缺陷。然而，延誤分 析，以驗證這一點，因為至少紅色規模編隊已連接到非規模完善搬遷的合物造成的 2。但是，有關規模效應不顯著缺陷延誤被發現。 陷分析及規模預測 在早期分析階段，樣品進行了分類到 3 日和 5 質量的基礎類的嚴重性規模缺陷。數據群集使用的 類器與集群的區別進行了研究。可視化的計算也做了總結規模以上缺陷的價值觀不同范圍相每個變量。原來，錳含量不紅色形成規模影響，這是一個眾所周知的事實 2。錳紅色似乎影響形成規模，但進一步分析表明，所造成的影響是由 。當錳存在單獨的 數量紅色的規模很小。 預測模型是通過使用神經網絡。兩個多層感知器，總綱發展藍圖 12，和神經網絡使用了。 模型，基于 50 * 30 大小的地圖包含變量向量。權重地圖的單位被用來尋找最佳匹配單元，德國環境部，供參照樣本每個向量。在擦窗還包含了訓練數據均值規模缺陷變量，它被作為輸出使用模型。采用 型網絡患不均目標變量的分布，這是一個舉足輕重的小數目的缺陷。訓練算法盡量減少平均誤差，從而導致對窮人的推廣罕有。分配不偏可能沒有浪費太多的數據。因此，只有沒有缺陷的樣本數量是有限的一些分析。 對 規模在輥縫的行為是很難預測 13。因此，而不是物理神經模型的使用模型是合理的。此外，它也是良好的基礎研究不同產品分別因報道規模大的變化，甚至失效機理與化學成分的微小變化 7。 表 1。范本客戶素質。 作物剪之前和之后精軋溫度，分別。 買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 圖 2。 可視化的 9 變量。一組數據低 9 - 質量的審查。 4結果 關于規模的形成溫度的影響被發現被視為復雜，在文獻中指出。雖然，在平均值軋制數據的規模與增長終軋溫度增加，有部分鋼材產品在那里 的影響不是那么簡單。這可能是由于不同的帶鋼冷卻策略，其中各有不同，帶材尺寸帳戶。在建模階段，這是考慮到由使不同的模型，其中一個有限的范圍內一定范圍內的尺寸和其他參數。 兩種不同的鋼質量被選定為說明例子。他們研究了滾規模。上一平均軋制中規模觀察數質量 和 量乙這些優點，性能列于表 1。獨立設置的培訓和測試，以便挑選不能有從兩組相同地帶樣品。一個“警率”，為了方便和選擇無關以拒絕的風險，被選為 參數和各種不同的號碼組合進行了測試。取得最好 的結果 10 特點：錳，鈦，鉻， 文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 目標，滾規模。對于質量 B 的最佳 型給出了一個正確的報警 44 次了 81，假警報數為 6。平均預測誤差為 練集的大小用的是4366 樣本，測試集包括 3390 樣品分別。相比之下，報誤差，并只能檢測的報警八十一分之一十三。除了該總綱發展藍圖為基礎模型給了 32 虛驚。可以看出，在圖 3 中最好 的 型發現缺陷峰的 7 / 8100 個樣本集。 圖三 預測（帶圓圈標出）和測量（灰色實線）的規模為 100 個樣本的質量使用有機質B 含量 5結論 非均勻數據和復雜性基本進程中取得的數據同步 1 具有挑戰性的任務，這是圓滿完成前的數據進行分析。此外，部分信息的信號，必須脫離診斷測量。此外，新的變數描述性統計和傅立葉變換是計算。前處理繼續與選擇最有意義的變量利用一個高級官員會議，以及變量的數目從 186 個減少至 10 日建模階段。 在建模的重點是在規模數量精軋機后，由于現有的規模缺陷檢測系統檢測后，才完成規模軋機。 模擬整個規模形成過程將所需的規模，在整個檢測軋制過程 安德費爾等。他們的文章中指出了 6認為分類表面檢測系統的準確性值得懷疑。事實上，在規模效益檢測系統是高度依賴環境條件，以及平均精度系統可能低于 90最佳。 買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 因此，它可以說是規模內容建模盡可能利用高頻數據同步。該一項被稱為建模工具的使用是可行的高級官員。該方法本身是健全和更好地估計了與不均分布式比采用 出變量。 形成規模不同的產品之間的不同性質，和造型都集中在一定的質量組。因此，應進一步分析更適用廣泛地向其他團體。作為知識大規模群體行為的不同質量的增加，下一步將是一個聯機模式的實施。該模型應該在網上學習，因為有一差異顯著的規模缺陷的數量從數據集之間的不同時期。 鳴謝 作者們想表達他們的感激先生米克熱胡拉與預處理的數據，并協助哈里霍爾凱斯托分析和在芬蘭的拉赫 生，支持他的專業知識。研究是由國家技術局資助。 參考文獻 1 F. H. X. S. F. of of of 2 T. H. Y. of 34(11) 1994, 9063 V. 1989) 4 in 1996). 5 of on of 27( 4), 2000, 476 J. D. R. K. J. D. G. in 003, 6th 買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 7 M. 2(7), 2001, 2508 Y. P. in 147(6), 2000, 6339 T. 1995). 10 E. J. O. J. 6(1), 1999, 3譯文 2 監測系統防止停工 一個在線監測系統安裝在 金尼格羅夫軋機上，在英國的重型機械設備中，發現兩個軸承故障在它的第一個星期的運作中。 一個軋鋼廠通過引入狀態監測系統避免了昂貴的故障數。 在英國近沙特伯恩，拜斯海斯金尼格羅夫工廠，是 團的一部分，生產土方機械，材料處理，造船和采礦業的熱軋鋼片。 支持主軸軸承的 6 對監測雙機架可逆軋機以前就有工作人員在停機天進行維護。這涉及兩名工人剝離下來的軸承座及手動檢查他們。如果沒有新發現，同樣的軸承被重新組裝和改 裝入磨。 現在的任務是做旋轉，使每軸承配對視察每 6 個星期。 惡劣環境 在設備運作中，由于惡劣的環境，使軸承內微粒污染在拆卸和再安裝過程中增加了風險。 該小組必須確保，當他們改裝了的軸承有正確的軸承間隙，而這需要很多時間。 買文檔就送您 紙全套， Q 號交流 401339828 或 11970985 專業論文設計圖紙資料在線提 供，優質質量，答辯無憂 2008 年初，繼從斯金尼格羅夫要求 鋼廠狀態監測（ 小組進行巡邏監測軸承。通過使用便攜式振動監測設備以獲取數據軸承缺陷頻率，他們報告了一些有趣的發現。 在 商務開發工程師泰勒和伊恩說：“我們發現，從我們的手持設備中可以得到一些非常可靠的數據，讓我們來了解 六對軸承和確定何時會失敗的情況。” “不過由于健康和安全原因，要求我們安裝在線狀態監測系統。” 振動系統 2008 年