D0I:10.13374/j.issn1001-053x.1995.01.017 第17卷第1期 北京科技大学学报 Vol.17 No.I 195年2月 Journal of University of Science and Technology Beijing Feb.1995 板形模式识别的模糊分类方法 张清东 陈先霖 徐金梧 北京科技大学机械工程学院，北京100083 摘要运用模糊分类理论构建了两种板形模式识别的模糊分类方法，并运用于某宽带钢冷轧厂实 测的板形应力信号的识别，有较好结果， 关键词带材轧制，冷轧控制/模式识别，模糊分类 中图分类号TG333.72 Pattern Recognition of Flatness Defect by Fuzzy Method Zhang Qingdong Chen Xianlin Xu Jinwu College of Mechanical Engineering.USTB,Beijing 100083.PRC ABSTRACT Two fuzzy flatness defect pattern recognition methods are developed according to the fuzzy classification principle,and tested by datas measured from industry.A good conclusion is achieved. KEY WORDS strip rolling,cold rolling control pattern recognition,fuzzy classification 板形模式识别是板形闭环控制模型中的关键环节，也是板形控制研究的热点问题.在板 形闭环控制模型中，板形模式识别的任务是通过对板形仪输出的实测的】组板形 应力信号σ()(i=1,2,…,m)的识别，判别出当前带钢中存在的板形缺陷的类型，并以约定 的参量定量地提供给下一控制环节，一殷地，根据被控轧机的板形技术、工艺实况及控制的 要求，定义N种简单的板形缺陷模式作为其基本模式，那么识别的结果就是此组离散板形 信号σ(i)i=1,2,·m)所反映的板形缺陷，是属于某1种基本模式或是几种基本模式的组 合·目前实际使用的板形模式识别方法都是基于最小二乘法的多项式拟合方法~)，存 在一些问题，特别是不能满足新一代板带轧机的在线板形控制的要求).为了解决这一板形 控制中的难点，我们分别运用模糊分类理论和人工神经元网络方法实现了板形模式识别，都 取得了较好结果· 把实测的1组板形应力信号σ()(i=1,2,·,m)作为1个未知模式而待识别的新样本Y= y1…ym],把定义的N种板形缺陷基本模式看作N个已知类别样本Y=[y片·…】 (k=1,·,N),再将待识别样本Y和标准样本Y*进行归一化处理. 1基于加权欧氏距离的择近原则分类(FE法) 1994-05-10收稿 第一作者男29岁博士 *冶金部重点科研项目第 71 卷 第 1期 北 京 科 技 大 学 学 报 1旦巧巧 年 2 月 JO u ma l o f U n i v rse ity o f s巨ne 优 a n d Te hc n o l o g y B e ji ni g V J . 1 7 N o f功 。 1望巧 板形模式识别 的模糊 分类方法 ’ 张 清东 陈先 霖 徐金梧 北 京科技 大学 机械 工 程 学 院 , 北 京 1仪叉〕8 摘要 运 用 模糊 分类理论构建 了 两种板 形模 式 识别 的 模糊分类 方 法 , 并 运用 于某 宽带 钢冷 轧厂 实 测的板形应力信号 的识别 , 有较 好结果 . 关键词 带材轧制 , 冷 轧控制 / 模式识别 , 模糊 分类 中图分类号 T G 33 . 72 P a t t e m R e co g in t i o n o f F l a t nes s l〕℃fe e t b y F u z yZ M e t h o d Z h a n g Qi n g d o n g C h en iX a n li n Xu Ji n 、 、 u C o ll e g e o f M e e h a n i e a l E n g i n e e r i n g , U S T B , B e ij i n g 10 0 0 8 3 , P R C A B S T R A C T T w o fu z z y fl a t n e s s d e fe e t P a t t e r n r e co g n it i o n m e t h o d s a r e d e v e l o P e d a c o r d i n g t o t h e fu z z y c l a s s iif c a t i o n P r i n e i P l e , a n d t e s t e d b y d a t a s m e a s u r e d fr o m in d us t r y . A g o o d e o n e l u s i o n 1 5 a c h i e v e d . K E Y W O R D S s t r i P r o lli n g , e o l d r o lli n g e o n t r o l / P a t t e nr r e e o g n i t i o n , fu z z y c l a s s iif e a t i o n 板 形模 式识 别 是板 形 闭环控 制 模型 中的关 键环 节 , 也 是板 形控 制研 究 的热 点 问题 . 在 板 形 闭 环 控 制 模 型 中 , 板 形 模 式 识 别 的 任 务 是 通 过 对 板 形 仪 输 出 的 实 测 的 l 组 板 形 应力 信号 6 ( i) ( i = 1 , 2 , … , 。 ) 的 识别 , 判 别 出 当前带 钢 中存 在 的板 形 缺 陷 的类 型 , 并 以 约定 的参量定 量 地提 供 给下 一控 制环 节 . 一 般地 , 根 据 被控 轧 机 的板形 技术 、 工 艺实 况及 控制 的 要求 , 定 义 N 种 简单 的板 形缺 陷模 式 作为 其基 本模 式 川 , 那 么 识 别 的结果 就是 此 组 离 散 板 形 信号 以 i ) ( i 二 1 , 2 , … 。 ) 所反 映 的板形 缺 陷 , 是 属 于 某 1 种基 本模 式 或是 几种基 本 模式 的组 合 . 目前 实 际 使 用 的 板形 模 式 识 别 方 法 都是 基 于 最 小 二 乘 法 的 多 项 式 拟 合 方 法 [ ’ 一 ’ 〕 , 存 在一 些 问题 , 特别 是 不 能满 足新 一代 板 带轧 机 的在 线板 形控 制 的要 求 [ ’ } . 为 了解 决 这 一 板形 控制 中的难 点 , 我们 分别 运 用模 糊分 类理 论 和人 工 神经 元 网络方 法 实现 了 板 形模 式识 别 , 都 取得 了较 好结 果 . 把 实测 的 1 组板 形应 力信 号 6 ( i) ( i = 1 , 2 , … , m ) 作 为 1 个 未知模 式 而待 识别 的新 样 本 Y = 沙 , ” · 夕, 】 , 把 定 义 的 N 种 板 形 缺 陷 基 本 模 式 看 作 N 个 已 知 类 别 样 本 r = !君 , … 此 ] ( k = 1 , … , N ) , 再将 待识 别 样本 Y 和 标 准样 本 y 人 进行 归一 化处理 . 1 基 于加权 欧氏距 离 的择近原 则 分类 ( F E 法 ) l望抖 一 0 5一 10 收稿 第一作 者 男 29 岁 博 士 . 冶 金部重 点科研项 目 DOI: 10. 13374 /j . issn1001 -053x. 1995. 01. 017