轧机卷取机的张力控制系统是保证金属带材在卷绕过程中,维持卷取张力的恒定,使其避免由于轧机在轧制速度变化时,所引起的张力波动。卷取机在卷绕带材时,过大或者过小的卷取张力都会影响产品的最终质量,特别是对于金属薄带板型的影响尤其明显。因此对卷取张力控制过程中发生的故障进行诊断,不仅有利于设备的故障维修,而且还是保证产品最终质量的关键。本文以卷取张力控制系统为研究对象,采用基于数据驱动的故障诊断技术对带材卷取张力控制过程进行故障的检测与诊断。论文的主要研究内容如下:1)阐述了论文的研究背景和意义。介绍了故障的定义和分类,故障的诊断步骤和诊断方法分类。分析了目前应用于卷取张力控制过程的故障诊断技术。最后,结合设备自身的特点,提出采用基于数据驱动的故障诊断技术对轧机卷取张力控制过程进行故障诊断。2)介绍了卷取张力控制系统的基本构成,分析了组成卷取张力控制系统的三种方法,间接控制法、直接控制法、复合控制法。针对间接控制法分析研究了影响卷取张力控制的因素。3)介绍了基于数据驱动的故障诊断技术。基于数据驱动的故障诊断技术是对过程运行数据进行分析处理,从而在不需知道系统精确解析模型的情况下完成对系统的故障诊断。这类方法可以分为机器学习、统计分析、信号处理等。其中偏最小二乘法(partial least squares,PLS)就是统计分类法中的一种。本文着重介绍了偏最小二乘法的原理、算法、特征提取、检测指标等。4)介绍了应用PLS方法进行故障诊断的一般流程。采集了影响卷取张力控制的信号数据,并应用PLS方法对控制过程中常见的三种故障进行了检测和诊断。仿真结果表明,基于PLS方法的故障诊断,虽然会产生一定的误报,但就整体而言该方法是准确的、可行的。5)介绍了小波变换的理论。分析了小波消噪技术的原理和实现方法,并将小波消噪技术应用于卷取张力控制过程的故障诊断。仿真结果表明,经过消噪处理后的信号数据比未经处理的数据更易于对故障进行检测与诊断。