2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩69頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

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,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論