随着现代化建设脚步的不断加快,无缝钢管的应用领域不断扩大,需求也不断增长。连轧生产过程作为无缝钢管生产过程的第二道变形工序对整个钢管生产起着非常重要的作用。同时连轧得到的荒管的质量也对最终成品的质量影响很大。由于连轧生产过程非常复杂,并且具有时段性、非线性等特点,所以连轧过程与变量之间的关系很难利用机理模型来确定。因此本文通过数据建模建立了连轧生产过程的监测模型以及质量预报模型。连轧生产过程属于典型的间歇生产过程,因此可以利用间歇建模的方法建立监测与故障诊断模型。本文采用将生产工艺和K-means聚类算法相结合的方法对数据进行子时段的划分,进而建立了基于多阶段MPCA方法的连轧过程监测与故障诊断模型。通过实验仿真表明,基于多阶段MPCA方法的无缝钢管连轧过程监测模型有效性地实现了对无缝钢管连轧生产过程的监测与故障诊断。为了对连轧生产过程所得到的荒管进行质量预报,本文以SVM方法为核心,通过构造混合核函数的方法,即将RBF核函数与多项式核函数按一定的比例系数组合起来,构造出同时拥有良好学习能力和泛化能力的质量预报模型,并通过交叉验证进行了参数优化,最终实现了对荒管横向壁厚的预测。最后建立无缝钢管连轧过程的有限元模型。基于对软测量模型得到的参数进行试验的目的,建立了模拟生产现场的DEFORM-3D有限元模型。