一种冷轧板带信号模式识别的方法技术

一种冷轧板带信号模式识别的方法，该方法内容包括以下步骤：采集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，得到各测量段板形值；将板形仪输出的原始数据输入到一个n层的神经网络作为特征提取层，主要通过训练让网络自动提取特征以排除人工的痕迹；使用基于遗传算法的改进型量子神经网络进行板形识别。本发明专利技术将遗传算法优化的多层激励函数的改进型量子神经网络应用到板形模式识别技术中，显著提高了网络的训练效率，有效解决了传统板形识别方法中遇到的精度和实时性不够理想、网络结构复杂且训练时间长和稳定性和鲁棒性差等问题。

Signal pattern recognition method for cold rolled strip

A method of strip pattern recognition signal, the method includes the following steps: the width of strip acquisition shapemeter online measurement of the measurement period of flatness measurement, the measuring section shape; the original data will shapemeter output input to the neural network and a n layer as a feature the extraction layer, mainly through the training network automatic feature extraction to eliminate artificial traces; use of shape recognition of improved quantum neural network based on genetic algorithm. The invention of the improved quantum neural network is applied to flatness pattern recognition technique of multi excitation function optimized by genetic algorithm, significantly improve the network training efficiency, effectively solve the traditional shape recognition methods meet the accuracy and real-time performance is not ideal, the complex network structure and long training time and stability and robustness etc..

【技术实现步骤摘要】
一种冷轧板带信号模式识别的方法
本专利技术属于冷轧板带领域，涉及到一种冷轧板带信号模式识别的方法。
技术介绍
在冷轧板带生产过程中，冷轧板形的模式识别是冷轧板形控制系统的重要组成部分，在这个环节中对板形缺陷状态的识别精度对后续板形控制效果有至关重要的作用。通过板形仪采集生产现场板材中的应力信号数据进行辨识，判断出当前板形缺陷状态的类型，并反馈到板形的控制机构，通过控制执行机构的调整来降低板形的缺陷度，最后使板形的输出满足工艺的生产标准,所以应该寻求和研究高精度板形缺陷模式的识别方法。传统的板形信号模式识别方法是基于最小二乘法的多项式分解方法以及改进的正交多项式回归分解方法，这些方法抗扰能力差，在理论上存在缺陷，不符合板形缺陷分布的本质，难以满足高精度板形控制需求。基于模糊原理的板形识别方法简单有效，但是精度和实时性不够理想，实际应用的很少。近年来，本领域内的专家学者研究了基于神经网络的板形信号识别和应用等方面的技术，取得了非常好的效果。但是由于神经网络的复杂性和现有优化技术的不足，导致基于神经网络模式识别系统的辩识模型结构复杂，并且存在网络训练时间长，稳定性差等问题。板形是指板带材内本文档来自技高网...

【技术保护点】
一种冷轧板带信号模式识别的方法，其特征在于：该方法内容包括以下步骤：步骤1采集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，得到各测量段板形值；令测量段的个数为m，第

【技术特征摘要】
1.一种冷轧板带信号模式识别的方法，其特征在于：该方法内容包括以下步骤：步骤1采集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，得到各测量段板形值；令测量段的个数为m，第i个测量段板形测量值为Fi；步骤2将板形仪输出的原始数据输入到一个n层的神经网络作为特征提取层，主要通过训练让网络自动提取特征以排除人工的痕迹；因板形主要有左边浪、右边浪、中间浪、双边浪、右三分浪、左三分浪、四分浪和边中浪八种缺陷模式，所以使网络输出为ai,i＝1,2,3...m，其中m为输出个数,这里取m＝8，则网络每一层的计算公式如下：ali＝f(Wlxl+bl),l＝1,2,...n其中l为网络的第l层；Wl为第l层网络权值；xl为第l层输入；步骤3使用基于遗传算法的改进型量子神经网络进行板形识别，将数据处理模块的输出ai作为量子神经网络的输入，量子神经网络的输出u1,u2,u3,u4为板形的隶属度；若u1>0，表示板形具有左边浪，若u1<0，表示板形具有右边浪；若u2>0，表示板形具有中间浪，若u2<0，表示板形具有双边浪；若u3>0，表示板形具有左三分浪，若u3<0，表示板形具有右三分浪；若u4>0，表示板形具有四分浪，若u4<0，表示板形具有边中浪。2.根据权利要求1所述的一种冷轧板带信号模式识别的方法，其特征在于：所述基于遗传算法的改进型量子神经网络，其建立过程包括如下步骤：1)确定用于板形模式识别的量子神经网络训练学习的控制参数：具体控制参数包括：用于网络训练遗传算法的初始种群个数NP，遗传算法的最大学习代数N，网络训练效果的目标值e，以及训练样本数目M；2)训...

【专利技术属性】
技术研发人员：张秀玲，程艳涛，代景欢，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13