热轧板带材表面质量缺陷是影响板带质量的重要因素之一,随着在轧制领域热轧代替冷轧趋势的发展,更加凸显对于热轧板带表面缺陷诊断研究的重要性。如何在生产过程中有效的减少板带材表面缺陷的发生几率,已是目前轧制领域研究热点。本文通过数据驱动的方式建立常见热轧板带表面缺陷的预判和溯源诊断模型,经过现场实际数据验证具有一定指导意义和应用价值。本文论述了轧制板带材表面缺陷诊断现状,数据驱动的发展现状及利用数据驱动在热轧板带表面缺陷诊断方面的应用,并针对目前研究不足提出在机理分析基础上引入数据驱动的研究意义。针对常见的热轧板带边部翘皮、铁皮印和毛刺缺陷梳理出相关缺陷的关联数据作为后续数据模型的数据源。基于深度置信网络提出一种融合各降维层的深度置信网络模型,建立缺陷相关的前测影响因素和具体缺陷间的数据关系,实现通过监测前测参数的波动对最终产品表面质量进行缺陷预判,并利用现场实际数据进行测试,预判模型整体预判精度能够达80%以上。在热轧板带表面缺陷预判模型的基础上,设计了一种引入贡献因子的故障树方法对缺陷进行溯源,并与常见贡献图法和传统故障树方法进行对比,引入贡献因子的故障树方法可以更方便准确的定位缺陷源,并和现场实际结果一致。在热轧板带表面缺陷预判和溯源的基础上,设计了基于工业现场实测数据源,计算机硬件系统,LabVIEW虚拟仿真平台和MATLAB数学计算软件的热轧板带表面缺陷诊断系统,搭建数据输入,缺陷预判,溯源和信息存储等软件功能。