[發明專利]一種冷軋板形信號在線模式識別方法

有效

• 申請號: 201310255047.8
• 申請日: 2013-06-25
• 公開（公告）號: CN103341505A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 趙昊裔
• 申請（專利權）人: 中冶南方工程技術有限公司
• 主分類號: B21B37/28
• 分類號: B21B37/28;B21B38/02
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹

技術領域

本發明屬于冷軋帶鋼領域，尤其涉及一種冷軋板形信號在線模式識別方法。

背景技術

在冷軋帶鋼生產過程中，冷軋板形模式識別是冷軋板形控制系統的重要組成部分。板形模式識別就是對板形儀輸出的實測板形信號進行識別和分類，從而準確判斷板帶材存在的板形缺陷類型，為控制系統提供控制依據，最終生產出高質量的冷軋板帶材產品。

傳統的板形信號模式識別方法是基于最小二乘法的多項式分解方法以及改進的正交多項式回歸分解方法，這些方法抗干擾能力差，在理論上存在缺陷，不符合板形分布的本質，難以滿足高精度板形控制需求。基于模糊分類原理的板形模式識別方法簡單實用、快速有效，但精度和實時性仍不夠理想，對樣本依賴性強，其實際應用價值并不大。近年來，本領域內的專家學者開展了基于神經網絡技術的板形信號模式識別研究和應用工作，所得技術方案具有較強的容錯能力和較高的識別精度；但是，由于在網絡節點的確定和權值的學習上的技術不足，導致所得神經網絡模式識別系統的辨識模型結構復雜并且網絡訓練時間過長、穩定性和魯棒性較差等技術問題，很大程度上限制了神經網絡技術在冷軋帶鋼工業生產上的應用。

板形是指板帶材內部殘余應力沿板寬方向的分布狀況，板形識別的任務就是把在線檢測的一組張力分布離散值經過一定的數學處理映射為較少的幾個特征參數，二者幾個特征參數能夠較好的反映板形缺陷的分類情況。徑向基神經網絡(RBF)具有良好的泛化能力和很強的逼近性能，其擅長于處理非線性映射逼近問題。值得指出的是，已有使用徑向基神經網絡進行冷軋板形信號模式識別的技術方案并不能直接應用到冷軋帶鋼板形控制的現場中，這主要是因為神經網絡訓練選用的學習方法不能使得網絡快速收斂到最優解。

另一方面，智能優化技術在最近十幾年里得到了快速發展，通過智能優化方法可以獲得很多非線性優化問題的最優解。從科學角度上講，將智能優化技術應用到徑向基神經網絡的網絡訓練中，提高建模精度和效率，是非線性建模領域的富有前景和應用價值的研究方向。這也為高精度和高效率的冷軋板形信號在線模式識別技術問題提供了技術支持和理論依據。

綜上所述，研發兼具高精度和高效率的冷軋板形信號在線模式識別方法，為控制系統提供可靠的控制依據，從而生產出高質量的冷軋板帶材產品，是進一步提高當前冷軋帶鋼板形控制水平的一個亟待解決關鍵技術問題。

發明內容

本發明的目的在于提供一種冷軋板形信號在線模式識別方法，該方法可以有效解決使用傳統板形模式識別方法時經常會遇到的精度和實時性不夠理想、辨識模型結構復雜并且網絡訓練時間過長、穩定性和魯棒性差的技術問題，可以為控制系統提供可靠的控制依據，為提高冷軋帶鋼的板形控制質量提高有力保證。

為了解決上述技術問題，本發明提供的技術方案為：一種冷軋板形信號在線模式識別方法，其特征在于：它包括以下步驟：

1)接收板形儀在線測量的冷軋帶鋼寬度方向各測量段板形測量值，將其與設定的對應目標板形分布值比較，得到各測量段板形偏差值；令測量段的個數為m，第i測量段板形測量值為F_i，第i測量段目標板形分布值為T_i，第i測量段板形偏差值為ΔF_i；

2)確定ΔF_i的絕對值最大值：ΔF_max＝max|ΔF_i|，并對各測量段板形偏差值進行歸一化處理，第i測量段歸一化處理后的板形偏差值Δf_i＝ΔF_i/ΔF_max；

3)對歸一化處理后的各測量段板形偏差值進行粗濾波處理：

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為第i測量段粗濾波處理后的板形偏差值；

x_i為第i個測量段對應的歸一化橫坐標，其計算公式為：

其中，d_i為第i個測量段寬度，k為正整數，表示第k個測量段的序號；