D0I:10.13374j.issnl00103x.1998.04.018 第20卷第4期 北京科技大学学报 VoL.20 No.4 1998年8月 Journal of University of Science and Technology Beijing Aug.1998 智能自动化的模式识别方法* 瞿寿德 北京科技大学信息工程学院，北京100083 摘要对于那些无法用数学方程式表述的复杂生产过程，提出一种基于模式识别原理的智能自 动化新方法，该方法的基本点在于：从信息的角度出发，采用特征变量来描述过程工况，再用时间 序列分析法建立预测模型，从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成 像装置，并给出了建立预测模型的神经网络算法， 关键词动态模式识别；计算机视觉检测系统：智能自动化：神经网络 分类号TP11 在冶金、建材行业有许多煅烧与熔炼生产过程，其机理十分复杂，即使用偏微分方程组也 难以描述.这类复杂生产过程不同于一般意义下的复杂系统们.现代控制理论对此显得无能 为力，通常的专家控制、模糊控制也由于缺乏获取工况信息和过程知识的能力而力不从心，模 式识别要想解决这些复杂生产过程自动化问题，就不能依赖数学模型，而必须另觅蹊径，乌克 兰科学院控制论研究所在80年代前曾运用模式识别原理研制转炉炼钢的仿人智能控制，由 于他们未能解决建立动态模型的问题，而且也不曾注意到采用计算机视觉检测和图像识别作 为获取当前工况有用信息的手段，所以这项研究未能获得成功的应用.此后多年，也没有这 方面的突破性进展见诸报道， 对于这类多输入变量、多质量指标的复杂生产过程，我们提出从信息科学的角度，凭借计 算机视觉检测系统提供的工况图像序列，对工艺过程实行特征变量描述，用模式识别和时间 序列分析相结合的方法，为实现智能自动化另辟一条新途径 1模式识别方法用于获取工况信息与过程知识 为了实现复杂生产过程的智能自动化，一是要充分获取有关生产过程的工况信息，二是 要掌握工况数据和产品质量指标之间的多元对应关系，就过程控制而言，前者显得更为重要， 技术难度也更大.由于生产过程极其复杂，仅仅依靠常规仪表不足以获取必要的工况数据，可 是有关工艺的合理性与产品质量的大量信息却能够由有经验的操作工人凭肉眼从看火孔观 察到.因此，在冶金行业和建材行业现在都普遍安装了工业电视.但是，工业电视只能提供定 性的观察结果，却不能给出确切的工况数据，也不能和计算机网络相联.工业电视最大的缺点 在于不能测温，而温度场的检测往往具有极大的重要性.因此，必须采用热成像技术，实行工 业电视红外化，再加上计算机图像处理与识别，组成计算机视觉检测系统.我们课题组研制成 功了红外CCD热成像装置，如图1所示.图中金属防护外壳1正前方的中央部分是一块石英 1997-10-05收稿程寿德男，岁，教授 ·国家自然科学基金资助课题(N0.69472023)DOI: 10. 13374 /j . issn1001 -053x. 1998. 04. 018