轧机异常振动是冷轧过程中最常见的问题之一。轧机异常振动不仅会降低轧制生产效率而且会造成产品质量缺陷,严重时甚至会损害设备、危害人身安全,使企业承受巨大的经济损失。因此,对轧机振动进行预测实现轧机异常振动的早期预警,在轧机出现异常振动时给出有效的抑振措施,具有重要的研究意义。以往,学者们主要采用机理模型法对轧机振动进行研究。然而,该方法不能完整解释轧机振动内部机理,并且难以适应现场轧制过程实时监控和快速诊断的需求。随着现代轧机自动化水平的提高,在轧制过程中产生了大量的生产过程数据,这些数据背后隐藏着与轧机振动密切相关的信息。如何有效利用这些数据,实现钢铁生产过程的智能化升级是未来研究的重点。本文采用数据驱动的方法对轧机振动问题进行研究,实现了利用轧制过程工艺参数预测轧机振动的目的,并给出了抑制轧机异常振动的措施。本文的主要研究内容如下:（1）分析轧机振动致振工艺参数,设计振动数据和工艺参数采集及处理方案。首先,根据轧机振动机理模型得到十四个与轧机振动相关的轧制工艺参数。然后,根据冷轧振动的特点,选取工作辊、中间辊、支撑辊以及机架牌坊作为轧机振动信号测点,采集轧机振动数据。同时,收集与轧机振动同一时刻的生产过程监测数据（PDA数据）。最后,为了还原振动数据的真实性,对不同工况下的振动数据进行了清洗和平滑处理。为了消除量纲不同导致的数据间的数量级差异,还对数据进行了归一化处理。（2）建立人工神经网络、支持向量机回归和随机森林回归的轧机振动预测模型。分别搭建人工神经网络、支持向量机回归和随机森林回归模型,将致振工艺参数作为输入,轧机振动数据作为输出,对模型进行训练。以模型预测值和真实值之间的相关性系数（R）与均方误差（MSE）为评价指标,对三种模型的结构和参数进行优化设计。结果分析表明,随机森林回归的预测模型精度高于其他两种模型。（3）为了实现优化致振工艺参数,抑制轧机振动的目的,本文首先利用随机森林的方法,定量分析了各致振工艺参数对轧机振动的贡献率。结果表明轧制速度、工作辊累计轧制里程和轧件平均变形抗力为主要致振工艺参数。然后,利用轧机振动数据及致振工艺参数实测数据分析了轧制速度、工作辊累计轧制里程和轧件平均变形抗力贡献率的方向性。最后,根据主要致振工艺参数贡献率的方向性给出了优化工艺参数抑制轧机振动的措施。