随着我国装备技术的快速发展,先进设备的加工能力不断进步。钢铁生产线每天产生大量的生产数据,如何有效从这些海量数据中提取有效信息是需要解决的问题。在中厚板轧后冷却领域,冷却控制系统常常会受到外界因素的干扰,所采集的数据可能存在异常,系统的控制精度不够稳定,并且现有的冷却控制系统没有专门的故障诊断模块。为了应对上述问题,本文结合某中厚板轧后冷却产线对冷却参数及冷却控制系统进行研究,建立了中厚板轧后冷却数据清洗模型,将随机森林算法与基于规则和案例的故障诊断技术应用于轧后冷却控制系统,开发出基于灰色关联度的冷却规程计算软件,实现了中厚板轧后冷却系统对控制精度和稳定性的要求。论文主要工作如下:（1）基于反距离权重插值法对高温计数据进行处理,研究了反距离权重插值模型中K系数分别为1、2、3时对计算结果的影响。在数据合法性处理过程中,利用基于密度的离群点检测技术对数据进行清洗,结合实际冷却数据对该方法进行测试,研究了不同的参数对最终清洗结果的影响,为后续生产和模型训练提供高质量数据。（2）建立了轧后冷却控制系统故障诊断模型,提出中厚板轧后冷却的若干故障诊断规则和案例。根据随机森林的特点利用Python语言及Pycharm软件来实现模型,对现场采集的数据处理并进行模型训练,最高精度达到了 91.67%。（3）将层次分析法、灰色关联度与K-means聚类算法相结合,实现规程的计算。将冷却参数的属性提取并建立层次结构模型,一致性比率CR<0.1表明总的一致性可以接受。结合某钢厂的轧后冷却生产线,采用K-means聚类算法对历史数据进行聚类,将数据根据实际情况分为若干簇,以厚度与水流密度为例进行测试,当K大于2且只从一个簇中选取关联度最大的数据时,运算量为初始运算量的3.83%～47.5%。利用灰色关联度算法与K-means聚类算法对冷却规程进行计算,得出对应钢板的冷却规程。（4）参与开发国内某中厚板厂轧后冷却控制系统。诊断出某层别钢板控制精度不稳定和轧后温度低于开冷温度的问题。在应用过程中存在3个问题,包括扫描高温计及前吹扫开关异常等,后期将进一步完善故障诊断模型,实现轧后冷却系统精确地故障诊断。抽样某段时期内的冷却结果,钢板厚度规格为12～40mm,目标温度介于650～700℃之间,平均返红偏差为6.6℃,表明该冷却控制系统具有较好的稳定性和控制精度。