对国内外关于板形模式识别技术的研究现状和发展趋势进行了综述.通过比较,提出了传统的基于最小二乘法的多项式拟合法存在的不足,并对模糊分类、神经网络、遗传算法、混沌优化等智能识别方法在板形模式识别中所具有的优势进行了归纳和总结.最后,对智能方法在板形识别问题中的应用以及板形识别技术的发展趋势进行了展望,为板形检测环节得到理想板形信号提供理论研究方法,并将逐步应用于钢铁板形控制的工业过程中.
The recent research progress and development trend of flatness pattern recognition are presented. The disadvantages of traditional least square method (LSM) for flatness pattern recognition and the advantages of intelligent recognition methods of fuzzy theory, neural network, genetic algorithm and chaotic optimization are found by comparison. Also, both the application of intelligent methods for flatness recognition and the development trend of the technology have been presented. The method of theory research has been presented for providing anticipative flatness signals in the segment of flatness detection. They will be used for industrial strip flatness control.
参考文献
| [1] | 王益群,刘建,李连平,宁淑荣.基于虚拟仪器的板形模式识别系统研究[J].中国机械工程,2008(03):334-337. |
| [2] | 戴江波,吴文彬,张清东,王俊飞,王慧.宝钢2030冷轧带钢板形识别和统计系统[J].北京科技大学学报,2003(06):572-574,583. |
| [3] | 王益群,尹国芳,孙旭光.板形信号模式识别方法的研究[J].机械工程学报,2003(08):91-94. |
| [4] | 张秀玲,刘宏民.变结构神经网络在板形信号模式识别方面的应用[J].钢铁研究学报,2001(02):62-66. |
| [5] | 冯晓华,马坚,郑岗.基于模糊距离的RBF神经网络板形模式识别[J].西安工业大学学报,2006(05):427-430. |
| [6] | 张秀玲,刘宏民.板形模式识别的GA-BP模型和改进的最小二乘法[J].钢铁,2003(10):29-34. |
| [7] | 林川,冯全源.一种新的自适应粒子群优化算法[J].计算机工程,2008(07):181-183. |
| [8] | 刘建昌,陈莹莹,张瑞友.基于PSO-BP网络的板形智能控制器[J].控制理论与应用,2007(04):674-678. |
| [9] | 刘建,王益群,孙福,宁淑荣.基于粒子群理论的板形模糊模式识别方法[J].机械工程学报,2008(01):173-178. |
| [10] | 郑德忠,闫涛,王志勇.基于改进的微粒群算法的板形模式识别方法[J].冶金自动化,2007(06):16-19,22. |
| [11] | 郑德忠,王志勇,闫涛.基于混沌优化的板形信号模式识别的研究[J].计量学报,2007(04):375-378. |
- 下载量()
- 访问量()
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%