基于神经网络的板形信号模式识别方法的研究

为了提高带材板形识别的精度，应用神经网络和最优化方法，构建了一种新的板形信号模式识别方法。该方法克服了现有板形识别方法的不足，具有较强的抗干扰能力，有效提高了识别的精度和速度，可以满足板带轧机高精度板形控制的要求，易于在实际板形控制系统中实现。     

基于粒子群理论的板形模糊模式识别方法

带钢板形的模式识别是板形闭环控制的关键环节,板形模式的识别结果直接影响着板形控制精度.随着板形控制手段的不断更新,对板形模式识别方法提出更高的要求.为克服传统板形模式识别方法抗干扰能力差、逼近阶难以确定的缺点,依据模糊分类原理,运用欧式距离的择近原则对板形模式进行分类,完成板形信号的模式识别.在此基础上,为进一步提高识别精度,将20世纪90年代发展起来的具有全局优化能力的粒子群理论应用于板形模式识别,对模式识别的结果进行优化,并将其与单纯形法优化结果进行对比.试验结果证明了粒子群优化算法的有效性,该算法能够提高识别精度,使优化后的结果能更精确地控制板形调控机构,以适应高精度板形控制要求.     

基于径向基函数神经网络的板形模式识别研究

针对板带轧制过程中用于辨识板形模式的网络精度较低、在线速度较慢和获得网络辨识模型较复杂的问题,提出了一种基于径向基函数神经网络（RBF）的板形模式识别方法。该方法使输入节点减少,网络模型简化,并用模糊C均值算法和伪逆法确定RBF网络的参数,解决了传统方法学习时间较长的问题。实验表明,该方法能有效的提高板形模式识别的精度和速度。     

基于虚拟仪器的板形模式识别系统研究

介绍了气动板形检测辊的板形信号检测原理,详细阐述了普通多项式最小二乘法、正交多项式最小二乘法和基于欧氏距离的模糊模式识别法,利用虚拟仪器LabVIEW软件开发了基于上述三种方法的板形模式识别系统。通过气动板形仪在线测试了300型可逆冷轧机板形张力信号,并对张力信号进行了模式识别。实验表明：该板形模式识别系统具有良好的稳定性和有效性,良好的图形交互界面和实时测试性能为板形闭环控制提供了方便。     

采用激振测频法检测板形

提出了采用次声激振测频法检测板形的方法，即用该方法测出板带横向各点的振动频率，由此,可求出板带所测横向各点的张力，进而可以获各板带的板形指标。该检测方法简单易行,而且测量精度较高。     

基于极限学习机的板形预测模型

高效地建立起板形模型有利于提高板带轧制过程中的板形精度和有效实现板形控制。提出了一种基于极限学习机(ELM)的板带轧制过程中板形预测模型,不但可以简化参数选择过程,在核函数选择上可以根据训练样本值自动选择无须手动选择,而且可以提高模型的训练速度。结合铝板带四连轧机组在线实测数据进行模型训练,实现对轧制过程板形的预测且得到实验验证。本算法与支持向量机(SVM)模型预测对比,在训练样本数量较少的情况下,模型预测精度都能达到期望精度值,且具有同样甚至更高的预测精度,还具有急速的特点和更强的泛化能力。     

基于柔性转子动力学建模的热轧板带凸度在线预测模型

现代加工技术的发展对金属板带产品的质量标准要求越来越高,因此在板带轧制过程中对板形进行控制具有重要意义。板带凸度是描述轧制过程板形的重要参数。提出一种基于柔性转子动力学建模的低阶板带凸度在线预测模型,结合动力学机理建模和数据挖掘技术,计算速度快,既能弥补解析模型精度不足的缺点,也能解决智能方法不能适应轧制条件变化的问题。结合铝板带四连轧机组在线实测数据进行模型建立以后,实现对轧制过程板带凸度的预测并得到验证,测试结果表明,模型的预测精度较高,较低的模型阶数适合于轧制过程板带凸度的在线控制器设计。     

基于小波消噪和优化支持向量机的板形模式识别

提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。     

四辊轧机辊系变形的影响函数法

快速反应液压AWC和AGC的应用使板带材的宽度和厚度精度基本满足用户需求,相比之下,板凸度和板形问题仍然是主要的研究课题。辊系的弹性变形对板带的横向厚度分布有很大影响,影响函数法是研究辊系弹性变形的一种有效方法。     

引入单纯形算子的粒子群优化算法在板形模式识别中的应用

将粒子群理论引入板形模糊模式识别系统，对识别后的板形进行优化，提高了板形识别的精度。粒子群算法作为一种全局优化算法，对于复杂优化问题，存在容易陷入局部极值的不足，因此，提出了粒子群和单纯形混合优化算法，将具有良好局部搜索能力的单纯形法与粒子群算法的全局搜索能力结合起来，有效地提高了板形模式识别优化的收敛速度，同时也提高了识别精度。     

Shape recognition performance analysis and improvement in Sendzimir rolling mills

Twenty-high Sendzimir rolling mills (ZRMs) typically use small diameter work rolls to provide massive pass reduction. Because of the small diameter of the work rolls, a rolled steel strip has a complex shape mixed with quarter, edge, and center waves. When the strip shape is controlled automatically, actuator saturation occurs in the shape actuator such as AS-U rack. These problems affect productivity and the quality of products made from the rolled material. We analyzed problems on the shape control system of a ZRM. The shape recognition performance was analyzed by comparing the measured and recognized shapes by multi-layer perceptron (MLP) method. In addition, neural network using the radial basis function (RBF) method was proposed to improve the shape recognition performance of the shape control system in a ZRM. P-gain which compensates the scale of the strip shape is added to prevent actuator saturation. Finally, we verify the variation of actuator position using ZRM’s shape control simulator. Through simulation results, we found that shape recognition performance can be improved by the proposed method based on RBF neural network and actuator saturation problem can be improved by increasing shape recognition performance.     

版图分类法在带钢表面缺陷识别中的应用研究

针对现有带钢表面缺陷模式识别分类器所用算法的不足,提出了一种新型的分类算法——版图法。该算法结构简单,在时间消耗较少的情况下,具有更高的识别精度和更好的适应性。类别众多、形态复杂、类别边界交叠的带钢表面缺陷图像分类实验所得结果令人满意。     

封闭式高速压电板形仪研制及其工业应用

为适应高速冷轧条件下的板形检测需求,实现板形检测技术研究制造的国产化,自主研制一套适用于冷轧带钢板形检测的新型内封闭式高速压电板形仪,并成功将其应用于国内某厂四机架六辊900 UCM冷连轧机组。自主开发配套的板形仪标定分析平台并对其进行整机测试,综合研究检测辊转速、包角、辊体挠曲变形、带钢卷取附加应力和带钢边部局部加载等因素对板形检测信号的影响规律及其相应的补偿方法。解决了压电信号电磁干扰、机电信号耦合、红外无线信号传输、电路自封闭等难题。工业现场连续无故障运行,验证了该板形仪结构合理,性能稳定,检测信号能准确反映现场板形,检测精度满足现场要求,为冷连轧带钢高速板形闭环控制提供了良好的检测条件。     

基于图像处理的光纤预警系统模式识别

针对相位敏感光时域反射计(Φ-OTDR)光纤预警系统对一维信号进行模式识别产生的误报和较低的识别效率,提出基于形态学方法提取时空二维信号特征,并利用相关向量机(RVM)分类器对事件进行分类识别的方法。首先,将Φ-OTDR采集到的时空二维信号当作图像,根据信号在图像上的特征采用图像处理的方法对不同入侵事件信号进行阈值分割。然后,基于本文提出的特征提取方法,利用不同事件区域在幅值、面积、形状以及区域间隔上的差别提取不同信号特征。最后,利用相关向量机分类器对不同事件信号进行识别并采用"一对一"的多分类策略。对3种管道安全事件进行了实验。实验结果表明,本文提出方法的识别精度能够达到97.8%,而算法时间不到1s。与传统模式识别方法相比,提出的算法大幅度地改善了系统性能,且简便易行,能够满足Φ-OTDR光纤预警系统在线实时监测的要求。     

基于小波和灰度共生矩阵的带钢表面缺陷识别

提出了一种基于小波变换和灰度共生矩阵的带钢表面缺陷识别方法。采用小波变换分解缺陷图像并提取其低频子带信息。通过在低频子带上构造0°、45°、90°和135°四个方向的灰度共生矩阵,分别计算角二阶矩、熵、对比度和逆差矩4个特征值,共获得16个特征值,并将其输入支持向量机,完成对6类共1800张带钢表面缺陷图像的识别,总体识别精度大于96%。实验结果表明,小波变换与灰度共生矩阵结合能有效描述带钢表面缺陷纹理特征,具有较好的识别效果。     

1400F铝带轧机板形缺陷识别处理

要对铝带材的板形进行有效的控制,必须对实际的板形进行识别,以判断当前带材板形的缺陷模式,才能有效的利用轧机装备的板形控制装置对板形实施控制。本文通过最小二乘法,建立板形缺陷的识别理论,并根据实际数据和现场应用,证明了该理论的可行性。     

万能凸度轧机非对称板形调控特性与广义整体板形控制策略研究

随着板形质量精度要求的不断提高以及板形控制技术的显著进步,非对称板形缺陷逐渐凸显为带钢轧制质量控制的重要技术难点。根据目前新建万能凸度轧机(Universal crown mill,UCM)逐渐具备新型非对称板形控制手段——反对称弯辊的有利条件,通过ANSYS有限元仿真计算软件,建立高精度辊系—轧件一体化耦合模型,分析UCM各对称与非对称板形控制手段沿带钢全宽调控特性的差别,并以板形调控功效矢量的形式进行定量表示。在仿真基础上,提出基于板形调控功效矢量的广义整体板形控制策略,并设计完整的板形设定计算模型与闭环控制模型。通过仿真试验表明,该控制策略能够很好地通过各对称与非对称板形控制手段的有效配合实现对复杂模态板形的有效控制,具有广阔的研究与应用前景。     

板形标准曲线的理论计算方法

联立板形预报模型和板形判别模型,提出板带轧机板形标准曲线的理论计算方法。该理论计算方法的思路和原则是最大限度地消除板凸度并同时兼顾板形良好,最终使板形趋于最好,这种计算方法的目标是实现板形和板凸度的综合最优控制。以1 220 mm五机架带钢冷连轧机和900 mm单机架带钢冷轧机5道次轧制为例,分别对轧制中凸板和中凹板的情况进行计算,计算结果证实了理论分析计算的正确性。这种板形标准曲线的理论计算方法为进一步从理论上定量研究板形标准曲线模型奠定了良好的理论基础。     

板带连轧跑偏信号的混沌特性及尾部跑偏预测

板带连轧过程中,板带中心线偏离轧制系统设定中心线的现象称做跑偏。以铝板带轧制现场跑偏数据为基础,分析跑偏信号的混沌分形特征．提出一种基于改进模糊c-均值聚类的模式分类方法并以此划分跑偏模式,构建板带连轧跑偏零阶加权局域预测模型。经现场数据测试,预测结果达到预期精度。