板形作为衡量冷轧薄带钢产品的重要指标,已愈来愈引起广大轧钢自动化工作者的重视。但是目前的板形理论尚处于试验研究阶段,板形模式识别技术还不成熟。我国的大部分钢铁企业的板形模式识别仍停留在比较初级的水平。近年来,神经网络理论的研究进入了自动控制界,“神经控制(Neuralcontrol)”这一新名词已然兴起。神经网络具有很强的自学习和自适应功能,将其应用于模式识别能取得满意的结果。本文在深入研究冷轧机板形模式识别的基础上,针对复杂而具有不确定性的轧钢过程,将神经网络知识引入板形模式识别系统中。论文的主要工作有:1.介绍板形模式识别技术及其控制设备的现状及发展趋势,探讨了板形缺陷识别所需要解决的问题;2.对板形缺陷模式进行了分析,重点研究了板形模式的建立并进行了归一化;3.研究了BP神经网络的学习算法,采用改进的学习算法来训练神经网络;4.重点研究了采用BP神经网络对板形缺陷进行识别,通过优化网络结构,建立了最优的板形缺陷识别神经网络模型。用BP神经网络对板形模式进行识别,可以满足高精度、实时板形控制的要求。由于标准板形模式的设定非常灵活,因此在轧机执行机构允许的情况下,可以对任意复杂的板形缺陷进行模式识别。
本文来源: https://www.lw50.cn/article/2ca7035fee84142c332edb68.html