一种冷轧板形信号在线模式识别方法

摘要

本发明提供一种冷轧板形信号在线模式识别方法，接收板形仪在线测量的冷轧带钢宽度方向各测量段板形测量值，将其与设定的对应目标板形分布值比较，得到各测量段板形偏差值；确定板形偏差值的绝对值最大值，并对各测量段板形偏差值进行归一化处理；对归一化处理后的各测量段板形偏差值进行粗滤波处理；使用基于差分进化智能优化算法的径向基神经网络进行板形模式识别；判断板形模式识别结果。通过对各测量段板形偏差值进行归一化处理和粗滤波处理，可显著消除板形测量值坏点数据对板形模式识别的不利影响，提高板形模式识别精度；将差分进化智能优化算法应用到基于径向基神经网络的板形模式识别中，显著提高建模精度和网络训练效率。

主权项

1.一种冷轧板形信号在线模式识别方法，其特征在于：它包括以下步骤：1)接收板形仪在线测量的冷轧带钢宽度方向各测量段板形测量值，将其与设定的对应目标板形分布值比较，得到各测量段板形偏差值；令测量段的个数为m，第i测量段板形测量值为F_i，第i测量段目标板形分布值为T_i，第i测量段板形偏差值为ΔF_i；2)确定ΔF_i的绝对值最大值：ΔF_max＝max|ΔF_i|，并对各测量段板形偏差值进行归一化处理，第i测量段归一化处理后的板形偏差值Δf_i＝ΔF_i/ΔF_max；3)对归一化处理后的各测量段板形偏差值进行粗滤波处理：Δg_i＝min{Δf_i，p₁(x_i)，p₂(x_i)，p₃(x_i)，p₄(x_i)，p₅(x_i)，p₆(x_i)}，i＝1，2，…，m；式中，Δg_i为第i测量段粗滤波处理后的板形偏差值；x_i为第i个测量段对应的归一化横坐标，其计算公式为：其中，d_i为第i个测量段宽度，k为正整数，表示第k个测量段的序号；令j＝1，2，…，6，p_j(x_i)为板形缺陷的6种基本模式的数学公式，其数学表达式为：左边浪p₁(x_i)＝x_i，右边浪p₂(x_i)＝-x_i，中间浪p₃(x_i)＝1.5x_i²-0.5，双边浪p₄(x_i)＝-1.5x_i²+0.5，四分浪p₅(x_i)＝(35x_i⁴-30x_i²+3)/8，边中浪p₆(x_i)＝-(35x_i⁴-30x_i²+3)/8；4)使用基于差分进化智能优化算法的径向基神经网络进行板形模式识别：计算Δg_i与板形缺陷的6种基本模式之间的欧式距离D_j：$D_j=\sqrt{\underset{i=1}{\overset{m}{\Sigma }}{(\Delta g_i-p_j\left(x_i\right))}^2},$将D_j作为网络输入，代入基于差分进化智能优化算法的径向基神经网络进行板形模式识别，网络输出为a₁、a₂和a₃；5)判断板形模式识别结果：若a₁＞0，表示板形具有左边浪，输出幅值为：a₁×ΔF_max；若a₁＜0，表示板形具有右边浪，输出幅值为：-a₁×ΔF_max；若a₂＞0，表示板形具有中间浪，输出幅值为：a₂×ΔF_max；若a₂＜0，表示板形具有双边浪，输出幅值为：-a₂×ΔF_max；若a₃＞0，表示板形具有四分浪，输出幅值为：a₃×ΔF_max；若a₃＜0，表示板形具有边中浪，输出幅值为：-a₃×ΔF_max。