基于支持向量机的森吉米尔20辊轧机板形缺陷识别方法.pdf

一种基于支持向量机的森吉米尔20辊轧机板形缺陷识别方法，其特征在于，包括下述步骤：(1)建立已知板形缺陷的标准样本；(2)利用已知标准样本，对支持向量机特征参数识别器进行训练；(3)对实测板形信号进行预处理，获得实测板形缺陷样本；(4)利用已训练好的支持向量机，根据实测板形缺陷样本，得到板形缺陷基本模式的特征参数；(5)将板形缺陷特征参数输出到森吉米尔20辊轧机板形调节装置的动作量计算单元。根据本发明，由于支持向量机的很强的泛化能力，能够提高板形特征参数的识别精度。对于确保整个钢卷长度方向上成品带钢板形的一致性、提高带钢成材率以及轧制过程的稳定性和可靠性具有积极意义。

权利要求书一种基于支持向量机的森吉米尔20辊轧机板形缺陷识别方法，其特征在于，所述方法包括下述步骤：
(1)首先建立已知板形缺陷的标准样本；
(2)利用已知的标准样本，对支持向量机特征参数识别器进行训练；
(3)对实测的板形信号进行预处理，获得实测板形缺陷样本；
(4)利用已训练好的支持向量机，根据实测板形缺陷样本，得到板形缺陷基本模式的特征参数；
(5)将板形缺陷特征参数输出到森吉米尔20辊轧机板形调节装置的动作量计算单元。
如权利要求1所述的基于支持向量机的的森吉米尔20辊轧机板形缺陷识别方法，其特征在于，在(1)的建立已知板形缺陷的标准样本的步骤中，所述已知板形缺陷由基本板形缺陷模式进行线性组合而成。
如权利要求2所述的基于支持向量机的的森吉米尔20辊轧机板形缺陷识别方法，其特征在于，所述已知板形缺陷的标准样本如下表1：



其中，输出样本m1，m2，m3表示已知板形缺陷基本模式的特征参数，m1～m3范围在[‑1.0 1.0]；
输入样本Δσ为向量形式，即[Δσ1 Δσ2 Δσ3...Δσ20]，表示已知板形缺陷分布，Δσ1～Δσ20范围在[‑1.0 1.0]。
如权利要求1或3所述的基于支持向量机的森吉米尔20辊轧机板形缺陷识别方法，其特征在于，标准样本的结构为：{(xij，yik)，i＝1，2，…，44；j＝1，2，…，20；k＝1，2，3}，
其中，
输入样本xij∈(‑1，1)为第i个已知板形缺陷分布Δσ在位置j处的已知板形缺陷大小，
yik∈(‑1，1)为第i个已知板形缺陷分布Δσ关于第k个板形缺陷基本模式的特征参数，
当i＝1时，{(x1j，y1k)；j＝1，2，…，20；k＝1，2，3}对应表1中的第1行的输入输出样本的大小，
x1 1＝Δσ1，x1 2＝Δσ2，......x1 20＝Δσ20；
y1 1＝m1＝1.0；y1 1＝m2＝0.0 y1  3＝m3＝0.0
当i＝2时，{(x2j，y2k)；j＝1，2，…，20；k＝1，2，3}对应表1中的第2行的输入输出样本的大小，
同理，
当i＝44时，{(x44j，y44k)；j＝1，2，…，20；k＝1，2，3}对应上表中的第44行的输入输出样本的大小。
如权利要求1所述的基于支持向量机的森吉米尔20辊轧机板形缺陷识别方法，其特征在于，在(2)的利用已知标准样本，对支持向量机特征参数识别器进行训练的步骤中，对支持向量机特征参数识别器进行训练，求出支持向量和非线性最优回归函数；
支持向量机标准输入样本xj，j＝1，2，…，20作为支持向量机特征参数识别器的输入，
特征参数识别器的输出为板形缺陷基本模式的特征参数yk，k＝1，2，3；
首先，确定支持向量机参数：
支持向量机中的非线性函数中的a1i，b1i；非线性函数中的a2i，b2i；非线性函数中的a3i，b3i；
支持向量机的类型为标准支持向量机，核函数采用径向核函数，如下所示：