模糊神经网络板形模式识别的研究.pdfVIP

2005年全国自动化新技术学术交流会会议论文集 模糊神经网络板形模式识别的研究 贾春玉1，刘宏民1，周会峰2 (1．燕山大学机械工程学院，河北秦皇岛066004； 2．承德石油高等专科学校，河北承德067000) 摘要：针对高精度板带轧机板形模式识别存在的问题，首次建立了以勒让德正交多项式为基模式、以 模糊逻辑专家经验知识为支撑的只用3个输入信号、3个输出信号的板形模式识别模糊神经网络模型。 该模型不仅结构简单，而且网络内部各层节点的物理意义明确，识别速度快、精度高，可以满足板带 轧机高精度板形控制的要求，为板形模式识别提供了简便实用的新方法。 关键词：板形；模式识别；勒让德多项式；模糊逻辑推理；模糊神经网络 中图分类号：TPl83 文献标识码：A 0 引言 板带钢是最主要的钢材产品，约占钢材总量的45％，在汽车、造船、桥梁、建筑和家用电器等 工业上得到广泛应用。板形(平直度和板凸度)是板带材的重要质量指标，它直接影响板带产品的 成材率和后续深加工产品的质量及深加工的顺利进行。板带轧机是板带材生产的关键设备，板形控 制是大中型板带轧机的关键技术和高难度技术。板形模式识别则是板形控制的关键。早期进行板形 模式识别的方法是基于多项式的最小二乘回归法【11。这种方法的缺点是，理论上存在无法确定逼近 阶n的大小和逼近精度有限两个难题，主要原因是该法存在原理上的近似性，把板形识别带上了寻 找最佳逼近多项式的“歧途，而忽略了板形识别的根本任务是判别板形模式、压缩特征数量为在 线控制服务。后来，人们提出了基于正交多项式的最小二乘回归识别法【2】，该方法克服了早期最小 二乘回归法的缺陷，但选用的偶次项多项式沿板宽的积分值不等于零，不满足残余应力自相平衡的 条件，所以理论上存在缺陷，不符合板形分布的本质。近来，人们提出了板形模式识别的模糊分类 法【3】和人工神经网络法【4】，但选用的正交多项式仍存在上述问题。文献【5】提出用勒让德正交多项式 表示板形基模式。克服了上述缺点，但网络结构复杂，运算量大。 针对上述板形模式识别存在的问题，笔者提出一种新的板形模式识别方法——模糊神经网络 (FNN)识别方法，将神经网络和模糊逻辑二者有机地结合起来，取长补短，进一步简化了网络结构， 达到了大幅度地提高识别速度和识别精度的目的。 1板形基模式的勒让德正交多项式 轧后板形表现为纵向残余应力的横向分布。此残余应力满足其自相平衡的条件，既沿板宽的积 分值为零。工程上常见的板形模式为6种，即左边浪、右边浪、中间浪、双边浪、四分浪、边中浪 等。每一种模式所对应的残余应力仍然满足自相平衡的条件。对上述6种模式的残余应力分布进行 归一化处理，定义为板形的基模式。选用一次、二次、四次勒让德正交多项式Pl(x)，P2(z)，P3(x) 表示上述3对两两互反的6种板形基模式所对应的残余应力分布，则有： 左边浪的标准归一化方程：M=P，(x)=x (1) 2--X 2～Pl【xJ (2) 右边浪的标准归一化方程：Y2 气 ． 1 中间浪的标准归一化方程：Y3=P2(x)=，、。X2一÷ (3) Z Z 气 ． 1 (4) 双边浪的标准归一化方程：Y。=-p2(z)=一(÷x2一去) 110 2005年全国自动化新技术学术交流会会议论文集 (5) 四分浪的标准归一化方程：y，=p3(x)=i(35x-30xz+3) (6) 边中浪的标准