[发明专利]冷轧带钢板形智能综合评价方法

摘要

本发明公开了一种冷轧带钢板形智能综合评价方法，该方法以模糊综合评判理论以及模糊神经网络理论为理论基础，结合板形理论以及板形在线检测方法，对宏观板形以及各板形分量进行综合的评价。本发明应用基于勒让德多项式最小二乘法的模式识别方法对板形进行在线实时模式识别，然后应用模糊综合评价理论建立板形综合评价指标模型，同时应用宏观板形数据以及各板形分量数据建立T-S型模糊神经网络，对宏观板形平均值以及各板形分量平均值进行综合的评价。本发明将各种板形数据有机得结合起来，建立了综合评价指标模型，实现了对板形质量的智能综合评价。

主权项

1.一种冷轧带钢板形智能综合评价方法，其特征在于：其内容包括以下步骤：a1、根据实际生产需要，设定宏观板形档次级别的区间值，并设定1～4次板形分量档次级别的区间值x_ij(i=h,1,2,3,4,j=1,2,3,4)： 优良合格不合格宏观板形/(I)(I_hmin,x_h1](x_h1,x_h2](x_h2,x_h3](x_h3,I_hmax]1次板形/(I)(I_1min,x₁₁](x₁₁,x₁₂](x₁₂,x₁₃](x₁₃,I_1max]2次板形/(I)(I_2min,x₂₁](x₂₁,x₂₂](x₂₂,x₂₃](x₂₃,I_2max]3次板形/(I)(I_3min,x₃₁](x₃₁,x₃₂](x₃₂,x₃₃](x₃₃,I_3max]4次板形/(I)(I_4min,x₄₁](x₄₁,x₄₂](x₄₂,x₄₃](x₄₃,I_4max]其中I_ij(i=h,1,2,3,4；j=min，max)是宏观板形以及1～4次板形分量的最小值与最大值；a2、根据步骤a1计算宏观板形平均值以及各板形分量平均值的临界值： 优(I级)良(II级)合格(III级)不合格(IV级)宏观板形平均值/(I)≤x_h1x_h2x_h3x_h3+x_h3/31次板形平均值/(I)≤x₁₁x₁₂x₁₃x₁₃+x₁₃/32次板形平均值/(I)≤x₂₁x₂₂x₂₃x₂₃+x₂₃/33次板形平均值/(I)≤x₃₁x₃₂x₃₃x₃₃+x₃₃/34次板形平均值/(I)≤x₄₁x₄₂x₄₃x₄₃+x₄₃/3其中x_ij(i=h,1,2,3,4；j=1,2,3,4)与步骤a1中所设定的板形区间值的x_ij大小相同；a3、在线检测板形数据，利用板形仪对冷轧带钢进行实时在线的板形测量，得到实时的板形数据；a4、对检测的板形数据进行模式识别，其识别方法采用基于勒让德多项式的最小二乘法，选择1次、2次、3次、4次勒让德多项式作为板形缺陷的表达式，其识别结果是计算出各次分量的特征值a₁、a₂、a₃、a₄，并换算为各板形分量的板形值；a5、根据步骤a3和步骤a4将宏观板形数据以及各板形分量数据构建为板形数据矩阵T，T=t11t12t13...t1nt21t22t23...t2nt31t32t33...t3nt41t42t43...t4nt51t52t53...t5n,]]>其中第1行表示宏观板形检测数据，第2行至第5行表示与宏观板形数据对应的1～4次板形分量数据，n为板形检测数据的个数；a6、根据步骤a2所设定的板形级别临界值计算步骤a5中T矩阵每列数据的级别，得到向量X=(x₁,x₂,x₃...x_n)，其中，x_i(i=1,2,3,…n)表示T矩阵中第i列板形数据按照步骤a2的等级划分计算的板形级别；a7、对由步骤a5计算的矩阵T按行进行归一化处理，使t_ij∈[-1,1]，应用归一化的矩阵T以及由步骤a6计算的向量X构建T-S型模糊神经网络；a8、对由步骤a7构建的T-S型模糊神经网络进行训练，设定训练参数：最大迭代次数为500，网络的学习系数α=0.05；a9、对所检测的板形数据进行处理，计算宏观板形的平均值，同时计算1～4次板形分量的平均值，得到板形平均值的向量x，其中是宏观板形平均值，是1～4次板形分量的平均值；a10、用步骤a8训练过的T-S型模糊神经网络和步骤a9所得的板形平均值向量x计算板形等级k，k=1,2,3,4分别代表：优(I级)、良(II级)、合格(III级)、不合格(IV级)四个等级；a11、由步骤a5得到的板形数据矩阵T，按照步骤a1的档次划分计算各档次级别下的板形概率p_ij(i=1,2,3,4,5；j=1,2,3,4)： 优良合格不合格宏观板形概率p₁₁p₁₂p₁₃p₁₄1次板形概率p₂₁p₂₂p₂₃p₂₄2次板形概率p₃₁p₃₂p₃₃p₃₄3次板形概率p₄₁p₄₂p₄₃p₄₄4次板形概率p₅₁p₅₂p₅₃p₅₄a12、令r_ij=p_ij(i=1,2,3,4,5；j=1,2,3,4)，得到矩阵R~=r11r12r13r14r21r22r23r24r31r32r33r34r41r42r43r44r51r52r53r54;]]>a13、设定宏观板形的权重d₁，设定1～4次板形分量的权重d₂～d₅，得到权重向量D~=[d1,d2,d3,d4,d5];]]>a14、按最大—最小法则计算板形综合评价矩阵其中(j=1,2,3,4)，其中“∨”表示最大运算，“∧”表示最小运算，若则使其归一化处理，计算结束。