專利名稱：基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法
技術領域：
本發(fā)明涉及板帶鋼材的冷軋領域，具體地，本發(fā)明涉及一種板帶鋼材的冷軋過程中的板形控制方法，更具體地，本發(fā)明涉及一種基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，根據(jù)所述基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，可以合理地計算出相應的板形調(diào)節(jié)裝置的動作量，從而消除相應的板形缺陷。
背景技術：
板形是冷軋帶鋼的重要質(zhì)量指標。冷軋帶鋼的板形直接影響到汽車、家電、儀表、食品包裝等下游行業(yè)的生產(chǎn)率、成材率和成本的高低以及產(chǎn)品的外觀。硬質(zhì)帶鋼由于材料屈服強度大，因而造成其板形難以控制。森吉米爾20輥軋機是冷軋生產(chǎn)中的重要設備，具有牌坊剛度大、工作輥輥徑小的特點，最適合冷軋硬質(zhì)帶鋼。通·常，森吉米爾20輥軋機主要通過ASU凸度調(diào)節(jié)、一中間輥竄輥及傾斜進行板形調(diào)節(jié)，對于軋制過程中出現(xiàn)的中浪、雙邊浪、邊中復合浪、四分之一浪及單邊浪均有一定的調(diào)節(jié)能力。為了計算板形調(diào)節(jié)裝置的動作量，需通過實測的一組張應力分布值0p(i) (i = 1，2，. . .，m)所反映板形缺陷的識別，判別帶鋼存在的板形缺陷類型。只有板形缺陷識別準確，才能合理地計算出相應的板形調(diào)節(jié)裝置的動作量，從而消除相應的板形缺陷。經(jīng)典的板形缺陷識別是基于最小二乘法的識別技術。該方法存在辨識精度不高，容錯性能較差，抗噪音干擾能力差等問題。針對基于最小二乘法的模式識別方法不足，現(xiàn)有的板形模式識別方法采用人工神經(jīng)網(wǎng)絡(BP網(wǎng)絡)，取得一定效果，日本學者將該技術應用到森吉米爾20輥軋機上。人工神經(jīng)網(wǎng)絡具有很強的非線性逼近能力，因此被廣泛應用到工業(yè)過程中。但是，人工神經(jīng)網(wǎng)絡存在訓練速度慢、容易陷入局部最優(yōu)、過擬和現(xiàn)象以及泛化能力不能令人滿意等問題。另外，人工神經(jīng)網(wǎng)絡要求訓練樣本數(shù)目越多越好，而在大多數(shù)情況下，樣本數(shù)據(jù)是有限的。上述的缺點限制了神經(jīng)網(wǎng)絡在板形缺陷識別中的應用效果。在現(xiàn)有的森吉米爾20輥軋機板形控制中，帶鋼的實際板形是由測張式板形儀進行測量的。測張式板形儀檢測得到一組帶鋼橫向上的張應力分布值σρ，將帶鋼橫向上的張應力分布值σρ與目標板形值％相比較。如果Op= Qs，則表示實際帶鋼板形與給定的帶鋼板形一致，板形滿足要求質(zhì)量要求。如果不相等，說明存在板形偏差Λ σρ= σ3-0ρ。為了準確判斷板形偏差屬于那一類板形缺陷以及隸屬程度，必須進行板形缺陷的模式識別。一般地，根據(jù)森吉米爾20輥軋機的板形控制技術、工藝實況及控制的要求，定義N種簡單的板形缺陷模式作為基本模式，那么模式識別的結果就是板形偏差分布△ σ所反映的板形缺陷，是屬于某一種基本模式或是幾種基本模式的組合。板形缺陷的基本模式可以分為六種，即左邊浪(a)、右邊浪(b)、中浪(C)、邊浪(d)、四分之一浪(e)、邊中復合浪(f),如圖 I (a)-(f)所示。在圖I中，橫軸為歸一化的板寬方向，并取板寬中心為坐標原點，縱軸指歸一化后的板形偏差數(shù)值。選擇勒讓德多項式表示板形缺陷的六種基本模式。則圖I (a)所示的左傾斜的標準歸一化方程Y1 = X圖I (b)所示的右傾斜的標準歸一化方程J2 = -X圖I (c)所示的中浪的標準歸一化方程
權利要求
1.一種基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，所述方法包括下述步驟 (1)首先建立已知板形缺陷的標準樣本； (2)利用已知的標準樣本，對支持向量機特征參數(shù)識別器進行訓練； (3)對實測的板形信號進行預處理，獲得實測板形缺陷樣本； (4)利用已訓練好的支持向量機，根據(jù)實測板形缺陷樣本，得到板形缺陷基本模式的特征參數(shù)； (5)將板形缺陷特征參數(shù)輸出到森吉米爾20輥軋機板形調(diào)節(jié)裝置的動作量計算單元。
2.如權利要求I所述的基于支持向量機的的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，在(I)的建立已知板形缺陷的標準樣本的步驟中，所述已知板形缺陷由基本板形缺陷模式進行線性組合而成。
3.如權利要求2所述的基于支持向量機的的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，所述已知板形缺陷的標準樣本如下表I :
4.如權利要求I或3所述的基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，標準樣本的結構為{(Xij，yik), i = 1,2, .“,44 ； j = 1,2, .“，20 ；k = 1,2,3}， 其中， 輸入樣本Xij e (-1，I)為第i個已知板形缺陷分布Λ σ在位置j處的已知板形缺陷大小， yik e (-1，I)為第i個已知板形缺陷分布Λ σ關于第k個板形缺陷基本模式的特征參數(shù)， 當i = I時，{(Xlj，ylk) ；j = 1,2, -,20 ；k = 1,2,3}對應表I中的第I行的輸入輸出樣本的大小，
5.如權利要求I所述的基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，在(2)的利用已知標準樣本，對支持向量機特征參數(shù)識別器進行訓練的步驟中，對支持向量機特征參數(shù)識別器進行訓練，求出支持向量和非線性最優(yōu)回歸函數(shù)； 支持向量機標準輸入樣本Xj，j = 1，2,-.,20作為支持向量機特征參數(shù)識別器的輸入， 特征參數(shù)識別器的輸出為板形缺陷基本模式的特征參數(shù)yk，k= 1,2,3； 首先，確定支持向量機參數(shù) 支持向量機中的非線性函數(shù)中的an，bn ;非線性函數(shù)
6.如權利要求I或5所述的基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，將上述訓練好的支持向量機特征參數(shù)，即參數(shù)ali; a2i； a3i和bl, b2, b3識別器用于對板形實測信號的板形缺陷模式識別； 支持向量機特征參數(shù)識別器的輸入為板形實測信號，經(jīng)過支持向量機特征參數(shù)識別器的計算，輸出準確的板形缺陷特征參數(shù)。
7.如權利要求I或6所述的基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，在(3)的對實測的板形信號進行預處理，獲得實測板形缺陷樣本的步驟中， 1)對實測的板形信號進行滑動平均處理，得到平滑的實測板形數(shù)據(jù)；
8.如權利要求I所述的基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，在(4)的利用已訓練好的支持向量機，根據(jù)實測板形缺陷樣本，得到板形缺陷基本模式的特征參數(shù)的步驟中，利用已訓練好的支持向量機，根據(jù)實測板形缺陷樣本，得到板形缺陷基本模式的特征參數(shù)； 將實測板形缺陷樣本R作為訓練好的支持向量機模式識別器的輸入，獲得一組對應的輸出，即板形缺陷的特征參數(shù)。
全文摘要
一種基于支持向量機的森吉米爾20輥軋機板形缺陷識別方法，其特征在于，包括下述步驟(1)建立已知板形缺陷的標準樣本；(2)利用已知標準樣本，對支持向量機特征參數(shù)識別器進行訓練；(3)對實測板形信號進行預處理，獲得實測板形缺陷樣本；(4)利用已訓練好的支持向量機，根據(jù)實測板形缺陷樣本，得到板形缺陷基本模式的特征參數(shù)；(5)將板形缺陷特征參數(shù)輸出到森吉米爾20輥軋機板形調(diào)節(jié)裝置的動作量計算單元。根據(jù)本發(fā)明，由于支持向量機的很強的泛化能力，能夠提高板形特征參數(shù)的識別精度。對于確保整個鋼卷長度方向上成品帶鋼板形的一致性、提高帶鋼成材率以及軋制過程的穩(wěn)定性和可靠性具有積極意義。
文檔編號B21B37/28GK102886384SQ20111020221
公開日2013年1月23日 申請日期2011年7月19日 優(yōu)先權日2011年7月19日
發(fā)明者徐江華, 宿德軍, 李山青, 陳軍 申請人:寶山鋼鐵股份有限公司