基于徑向基網(wǎng)絡(luò)和支持向量機(jī)算法的板形缺陷識(shí)別的研究.pdf

1、鋼材是國(guó)民經(jīng)濟(jì)發(fā)展中必不可少的物質(zhì)基礎(chǔ)，帶鋼作為主要的鋼產(chǎn)品，已成為電氣、汽車、民用等行業(yè)廣泛使用的原材料。冷軋帶鋼在連續(xù)生產(chǎn)過(guò)程中，會(huì)出現(xiàn)各種各樣的板形缺陷，影響后續(xù)軋制和帶鋼質(zhì)量。因此，如何通過(guò)板形檢測(cè)數(shù)據(jù)和模式識(shí)別方法，得到帶鋼板形缺陷類型和特征參數(shù)，提高板形識(shí)別的速度和精度，使后續(xù)軋制出的板形滿足用戶對(duì)帶鋼平直度的要求，是一個(gè)十分關(guān)鍵的問(wèn)題。
　　本文主要對(duì)板形缺陷模式識(shí)別進(jìn)行研究，通過(guò)模型識(shí)別出的板形特征參數(shù)，分析板形缺

2、陷識(shí)別方法的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上提出板形缺陷識(shí)別的新方法。
　?。?）針對(duì)傳統(tǒng)最小二乘法不能識(shí)別復(fù)雜板形，而BP神經(jīng)網(wǎng)絡(luò)識(shí)別法權(quán)值難以確定的問(wèn)題，將 GA優(yōu)化后的 BP神經(jīng)網(wǎng)絡(luò)用于板形識(shí)別中。通過(guò)仿真分析，GA優(yōu)化的識(shí)別模型，識(shí)別精度高于BP網(wǎng)絡(luò)，但識(shí)別速度明顯變慢，不適用于在線板形識(shí)別。
　?。?）將K-均值RBF神經(jīng)網(wǎng)絡(luò)運(yùn)用到板形缺陷識(shí)別中，通過(guò)K-均值聚類確定徑向基函數(shù)的中心Ci，方差σi。針對(duì)網(wǎng)絡(luò)輸入較多，擬合復(fù)雜性

3、增加的問(wèn)題，采用加權(quán)歐式距離差將輸入量由20個(gè)減少到3個(gè)。經(jīng)過(guò)仿真實(shí)驗(yàn)，將GA-BP、GA-RBF和K-RBF識(shí)別方法進(jìn)行比較，結(jié)果表明K-均值聚類的RBF方法能夠準(zhǔn)確識(shí)別出六種常見的板形缺陷類型，識(shí)別精度較高，速度最快。
　?。?）由于最小二乘支持向量機(jī)（LSSVM）在非線性、小樣本情況下模式識(shí)別效果較好，將LSSVM用在板形缺陷識(shí)別中。通過(guò)仿真表明LSS VM可以精確的識(shí)別出板形特征參數(shù)，五組樣本的識(shí)別誤差略低于K-RBF法，