[发明专利]一种冷轧板形信号在线模式识别方法

权利要求书

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：

Dj=Σi=1m(Δgi-pj(xi))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。

2.根据权利要求1所述的冷轧板形信号在线模式识别方法，其特征在于：所述步骤4)基于差分进化智能优化算法的径向基神经网络的建立过程为：

a、确定用于板形模式识别的径向基神经网络训练学习的控制参数：

具体控制参数包括：用于网络训练的差分进化智能优化算法的种群个数NP，差分进化智能优化算法的最大学习代数N，网络训练效果的目标值f，以及训练样本数目M；

b、依据控制参数生成训练样本数据：

M组训练样本生成的规则是：分别在区间[-1，1]按照均匀概率分布生成一个a₁，然后在区间[-1+|a₁|，1-|a₁|]按照均匀概率分布生成一个a₂，最后在区间[-1+|a₁|+|a₂|，1-|a₁|-|a₂|]按照均匀概率分布生成一个a₃；则此次生成的一组a₁、a₂和a₃作为一组训练样本数据的网络输出值，对应每一组a₁、a₂和a₃，利用公式生成其对应的板形偏差分布曲线σ(x_i)：

σ(x_i)＝a₁×p₁(x_i)+a₂×p₃(x_i)+a₃×p₅(x_i)，

利用公式计算该组σ(x_i)与6个板形基本样式之间的欧式距离作为一组训练样本数据的网络输入值：

Dj=Σi=1m(σ(xi)-pj(xi))2,]]>

c、设径向基神经网络隐含层节点个数n的初始值为2；

d、将基函数中心点、基函数方差、隐含层到输出层的权值定义为差分进化智能优化算法的个体向量，按照等概率随机分布确定NP个个体向量的种群初始值；

共有n个基函数中心点c₁，l＝1，2...，n；n个基函数方差σ₁，l＝1，2...，n；3n个隐含层到输出层的权值w_1w，l＝1，2...，n，w＝1，2，3，则对应的差分进化智能优化算法的个体向量为Y_m＝(y_m1，y_m2，...，y_mv)，m＝1，...，NP，v＝1，2，...，5n，按照等概率随机分布在可行区间内确定NP个个体向量Y_m的种群初始值；

e、按照差分进化智能优化算法的变异操作、交叉操作和选择操作进行个体向量的优化学习；使用优化学习得到的Y_i来配置径向基神经网络参数，再将M个训练样本数据代入该径向基神经网络来计算网络输出值，继而通过计算上述M个训练样本数据对应的3M个网络输出值与其实际值之间的算术差的平方和，该算术差的平方和定义为误差指标函数值；若误差指标函数值小于网络训练效果的目标值g则意味着网络训练成功，这里网络训练效果的目标值g应当根据径向基神经网络规模来选取和调整，或者差分进化智能优化算法学习代数超过设定的最大值N，则停止进一步学习；否则增加径向基神经网络隐含层节点个数，使得n＝n+1转至步骤d继续学习；

f、记录训练学习的网络参数，得到一个6输入3输出的基于差分进化智能优化算法的径向基神经网络；

按上述步骤建立好基于差分进化智能优化算法的径向基神经网络后，再进行板形模式识别。