带钢热连轧过程是钢铁生产中的重要环节,生产过程的正常运转关系到生产的安全性和产品质量。针对带钢热连轧过程的故障检测与诊断,由于系统的复杂性,无法建立精确的数学模型,因此采用基于多元统计分析的故障检测与诊断方法。该类方法不需要明确系统的结构和原理,仅需要对过程数据进行分析和处理,就可以判断系统的运行状态。由于各种因素的影响,实际测得的带钢热连轧过程数据具有非高斯性和非线性,而独立元分析方法不需要数据服从高斯分布,因此将重点研究基于独立元分析方法的故障检测。在此基础上,通过引入核函数,采用核独立元分析方法对带钢热连轧过程进行故障检测。仿真结果表明,基于核独立元分析方法比独立元分析方法的故障检测准确性平均提高了35.26%。为了提高故障检测的准确性,提出了小波包结合改进核独立元分析的方法。小波包分析方法可以去除实测数据中的噪声干扰,为后续建立系统模型提供更准确的数据。通过在核独立元分析方法中引入超松弛因子,解决快速固定点算法初始权值随机赋值的问题,以提高算法收敛的稳定性。在带钢热连轧过程上的仿真结果表明,小波包结合改进核独立元分析方法在无故障样本点的平均假报警率降低了7.24%,验证了该方法的有效性。针对带钢热连轧过程非线性数据诊断困难的问题,提出利用改进核Fisher判别分析方法进行故障诊断。通过引入距离函数对类间距进行加权,解决类间距差异大导致分类结果不好的问题。在带钢热连轧过程上的仿真结果表明,改进类间距的核Fisher判别分析方法比传统核Fisher判别分析方法的故障诊断准确率平均提高了6.38%。图25幅;表4个;参55篇。