目前“大数据”在冷轧带钢板形数据中的应用多集中在数据的存储、读取等方面,大部分仅仅是将其用于建立可快速读取的数据平台,而如何将数据挖掘技术与板形带钢数据处理进行紧密地结合仍有待开发。本课题是以国内某冷轧厂1740生产线为研究对象,将数据挖掘用于处理信息量极其庞大的板形数据,开发板形评价系统,对轧制过程中产生的PDA离线数据进行快速分析,从中提取目标信息利用分析处理和模式识别等方法来实现板形质量评定,得出对应钢卷的板形分量趋势及统计结果,明确分析对象的板形控制水平,完善板形评价体系。主要研究结果如下:(1)对国内某冷轧厂1740生产线在生产过程中所存在的板形问题进行了大量分析,并依据分析内容和建厂设计指标,制定新的板形控制技术目标。(2)自主开发完成了一个基于Windows平台的、专为进行冷轧带钢质量分析评定的应用程序。以iba PDA收集的dat板形数据文件为分析对象,支持板形信息的处理与输出、板形测量值的三维显示和四次分量分析、板形目标曲线的输入显示与储存、轧制速度曲线的提取与输出、板形调节手段(轧辊倾斜曲线、工作辊弯辊曲线、中间辊弯辊曲线、中间辊串辊曲线)的提取与输出,实现了冷轧带钢板形数据的提取与分析,解决了大量板形数据仅以索引形式存放而被忽略的问题。(3)按照先普碳后高强的顺序,对国内某冷轧厂1740生产线主要钢种在轧制过程中所产生的板形数据进行了详细分析,发现其主要钢种都存在不同程度的四次浪形缺陷问题。其中高强钢板形问题较为严重,主要集中在对称浪形问题。普碳钢板形相对较好,其四次浪形受宽度和厚度影响较为明显。(4)利用皮尔逊相关性理论对成品板形四次浪形值的影响因素进行了详细分析。针对主要钢种各选取一卷具有代表性的带钢,根据分析结果,在压下量分配、轧制力、弯辊和窜辊这些因素中找到问题产生的原因及轧机中间辊串辊、中间辊弯辊和工作辊弯辊对主要钢种的板形控制规律,给出了优化方案。