基于激光測量的板材矯直機智能控制系統(tǒng)的研究.pdf

1、金屬板材的平直度是衡量一個國家工業(yè)化水平的標志之一,而矯直機是提高金屬板材平直度的主要設備。在板材矯直的過程中,多種工藝參數(shù)的選擇是決定矯直后板材平直度的關鍵因素。目前,工藝參數(shù)選擇方法的研究熱點集中在利用智能化方法實現(xiàn)自動化參數(shù)選擇上。隨著原料板材平直度要求的提高和矯直機控制系統(tǒng)的不斷自動化,需要一種更加精確、自動化程度更高的工藝參數(shù)選擇方法來替代傳統(tǒng)的手工參數(shù)選擇法。在國家攻關重點科技新產(chǎn)品試產(chǎn)計劃的資助下,本文對基于激光測量的板材

2、矯直機智能控制系統(tǒng)的方法及其相關技術進行了系統(tǒng)研究。本研究的主要內(nèi)容包括以下幾個部分。1)對比分析國內(nèi)外現(xiàn)有板材表面平直度的多種測量方法,研究了板材表面平直度信息和多種數(shù)字圖像處理技術,選擇基于結構光檢測技術的光學板材平直度作為基礎方案。2)針對板材矯直過程的特點,研究抽象出從矯直過程樣本中提取經(jīng)驗知識的三大特性——增量性、批量性及在線性的特點,比較插值法、人工神經(jīng)網(wǎng)絡、支持向量機回歸方法,優(yōu)化樣本學習算法過程。3)研究利用經(jīng)驗知識選擇

3、矯直機工藝參數(shù)的技術,將工藝參數(shù)選擇問題抽象成多維狀態(tài)空間中的搜索最優(yōu)向量問題；利用遺傳算法良好的全局尋優(yōu)能力尋找最佳的工藝參數(shù),對專家系統(tǒng)、神經(jīng)網(wǎng)絡、增量式SVR(Incremental Support Vector Machine Regression)、批量式SVR(Batch Support Vector Machine Regression)和SVR-GA(Support Vector Machine Regression-G

4、enetic Algorithm)五種智能型工藝參數(shù)進行性能比較研究。4)構建激光檢測設備的理論模型。對由機械式遮光、可控光學成像采集、寬電源穩(wěn)壓電源、顯示控制等四部分組成的裝置具有指導意義。5)研究開發(fā)基于激光測量的板材矯直機智能控制系統(tǒng)。該系統(tǒng)由兩套板形檢測設備系統(tǒng)和工藝參數(shù)選擇系統(tǒng)組成。開發(fā)出入口的板形檢測系統(tǒng)對于優(yōu)化工藝參數(shù)具有重要意義,為矯直機工藝參數(shù)的選擇奠定應用基礎。通過上述研究工作,獲取的主要結論包括：1)根據(jù)多光源結構

5、光理論,改進了激光三角法板形測量方案,通過多條激光內(nèi)部的關系得出延伸率。由此提出了一種新的適用于自動化生產(chǎn)的鋼材板形獲取方法,該方法解決了板材震動和彈跳所帶來的一定誤差,為系統(tǒng)的進一步設計與開發(fā)提供基礎和依據(jù)。2)系統(tǒng)中的圖像主要包含紅色和灰色,為了更好地提取出紅色的激光條,根據(jù)數(shù)字圖像處理技術,論文提出了一種基于灰度的圖像邊緣檢測算法,該算法是對Canny算法中邊緣的閾值確定和邊緣細化方法進行的改進,為延伸率計算提供了精確的邊緣檢測結

6、果。3)基于支持向量機的理論,通過求解二次規(guī)劃,構建了一個新的樣本學習數(shù)學模型,提出了一種新的BIO-SVR (Batch Incremental Online-Support Vector Machine Regression)算法,該算法統(tǒng)籌解決了樣本學習過程中的增量性,批量性與在線性三大特性的問題,提高了板材矯直生產(chǎn)效率和自動化程度。4)根據(jù)BIO-SVR算法,構建了一種新參數(shù)選擇的核心算法模型即,S：(入口平直度ρin,工藝參數(shù)