隨著社會的不斷發(fā)展,各個(gè)行業(yè)對高質(zhì)量板帶鋼的需求也越來越迫切。板形是衡量板帶鋼生產(chǎn)水平的重要指標(biāo)之一,想要生產(chǎn)出符合標(biāo)準(zhǔn)的板帶鋼,板形的識別與控制必須滿足一定的精度和實(shí)時(shí)性要求。近些年人工智能、深度學(xué)習(xí)理論發(fā)展迅速,為許多傳統(tǒng)行業(yè)注入了新的活力,數(shù)據(jù)驅(qū)動的建模方法得到了廣泛應(yīng)用。本文在板形識別的工程背景下,改進(jìn)了常規(guī)的徑向基函數(shù)(Radical Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)板形識別模型,并以現(xiàn)場可編程門陣列(Field Programmable Gate Array,FPGA)為載體對RBF板形識別模型的實(shí)現(xiàn)技術(shù)做了進(jìn)一步的研究。首先,對常規(guī)RBF神經(jīng)網(wǎng)絡(luò)板形識別模型進(jìn)行了深入研究,針對其人為提取特征的局限性,引入了主成分分析(Principal Component Analysis,PCA)的方法進(jìn)行改進(jìn),構(gòu)建了基于PCA特征提取方法的RBF神經(jīng)網(wǎng)絡(luò)板形識別模型。分別以模擬板形數(shù)據(jù)、某900HC可逆冷軋機(jī)實(shí)測板形數(shù)據(jù)來驗(yàn)證方法的可行性,仿真結(jié)果表明了該方法的有效性。其次,借鑒多模型控制縮小建模范圍來提高精度的思想,建立了多RBF神經(jīng)網(wǎng)絡(luò)板形識別模型。該模型中各子網(wǎng)絡(luò)以遺傳算法(Genetic Algorithms,GA)分別優(yōu)化,從而細(xì)化模型輸入對于每個(gè)板形特征參數(shù)的影響。仿真結(jié)果表明模型對每個(gè)特征參數(shù)識別精度都有所提高,達(dá)到了整體上提高板形識別精度的目的。最后,本文在理論研究的基礎(chǔ)上進(jìn)一步聯(lián)系實(shí)際,把在MATLAB(Matrix Laboratory)中建立的RBF板形識別模型向ISE(Integrated Software Environment)做了映射實(shí)現(xiàn)研究。仿真結(jié)果表明精度和實(shí)時(shí)性可以滿足實(shí)際工程需要,證明FPGA是一種可行、可靠的模型實(shí)現(xiàn)技術(shù),為設(shè)計(jì)應(yīng)用到實(shí)際生產(chǎn)奠定了基礎(chǔ)。
【學(xué)位單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN791;TG115;TP183
【部分圖文】：

圖 1-1 論文結(jié)構(gòu)關(guān)系圖主要內(nèi)容有如下 5 個(gè)方面：(1) 第 1 章首先詳細(xì)說明了課題的研究背景及意義，主要從板形生產(chǎn)、建模方法實(shí)現(xiàn)應(yīng)用三個(gè)方面進(jìn)行闡述；其次分析并總結(jié)了課題相關(guān)的國內(nèi)外研究現(xiàn)狀，主要由板形識別研究、神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)研究兩大部分，其中作者將板形識別研究又做了細(xì)致的劃分；最后介紹了論文的結(jié)構(gòu)安排和主要內(nèi)容。(2) 第 2 章介紹了基于歐氏距離特征提取方法的常規(guī) RBF 板形識別模型，主要

第 2 章 基于歐氏距離的 RBF 板形識別模型第 2 章 基于歐氏距離的 RBF 板形識別模型年以來，神經(jīng)網(wǎng)絡(luò)在許多工程背景下都得到了廣泛的應(yīng)用，并且線性系統(tǒng)建模上的優(yōu)勢取得了很好的識別和控制效果。本章在板背景下，利用歐氏距離方特征提取方法和典型的淺層 RBF 神經(jīng)網(wǎng)識別模型。BF 神經(jīng)網(wǎng)絡(luò)RBF 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和工作原理F 神經(jīng)網(wǎng)絡(luò)是淺層神經(jīng)網(wǎng)絡(luò)中的一種典型前饋型局部逼近網(wǎng)絡(luò)，不斂，而且學(xué)習(xí)速度快、函數(shù)逼近精度高。其拓?fù)浣Y(jié)構(gòu)如圖 2-1 所示層、輸出層。

22邊浪： 2123242Y pyy三分浪： Y py5y3y21353 三分浪： Y py5y3y21363 分浪： 35303814274Y py y y 中浪： 35303814284Y py y y 上各式中板寬中心為坐標(biāo)原點(diǎn)， y [ 1,1]是歸一化后板寬坐標(biāo)。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王柳艷;陳新華;王偉;;基于RBF神經(jīng)網(wǎng)絡(luò)的絞吸挖泥船施工產(chǎn)量預(yù)測研究及分析[J];中國港灣建設(shè);2019年12期

2 張勇;王坤祥;歐健;柳亞;;基于RBF神經(jīng)網(wǎng)絡(luò)的車內(nèi)聲品質(zhì)預(yù)測及分析[J];控制工程;2019年11期

3 馬杰;江亞峰;強(qiáng)東鑫;徐志佑;袁明新;;基于RBF網(wǎng)絡(luò)的手勢識別裝置設(shè)計(jì)[J];信息技術(shù);2019年12期

4 祁子怡;高坤;趙寶芳;李勇;李偉;;基于RBF神經(jīng)網(wǎng)絡(luò)在轉(zhuǎn)爐煉鋼終點(diǎn)預(yù)報(bào)中的應(yīng)用研究[J];無線互聯(lián)科技;2017年04期

5 范九倫;伍鵬;;基于RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測方法[J];西安郵電大學(xué)學(xué)報(bào);2017年02期

6 李yN琛;何亞伯;汪洋;;基于粗糙集RBF神經(jīng)網(wǎng)絡(luò)村鎮(zhèn)山洪災(zāi)害損失預(yù)測研究——以神農(nóng)架林區(qū)為例[J];災(zāi)害學(xué);2017年02期

7 孫麗萍;李元;張冬妍;劉亞秋;;中央制冷空調(diào)冷凍水系統(tǒng)模糊RBF控制研究[J];電機(jī)與控制學(xué)報(bào);2017年05期

8 張永強(qiáng);馬憲民;梁蘭;;基于RBF的模糊積分多傳感器數(shù)據(jù)融合的刮板輸送機(jī)電機(jī)故障診斷[J];西安科技大學(xué)學(xué)報(bào);2016年02期

9 張雅潔;張杰;卞曉峰;;基于RBF的安徽省資源環(huán)境壓力動態(tài)預(yù)警[J];中國農(nóng)學(xué)通報(bào);2015年01期

10 靳輝;;基于RBF神經(jīng)網(wǎng)絡(luò)的高校數(shù)字圖書館服務(wù)質(zhì)量評價(jià)[J];金融理論與教學(xué);2015年02期

相關(guān)會議論文 前10條

1 韓璐;謝俊奇;;RBF模型在土地利用效益評價(jià)中的應(yīng)用研究——以甘肅省榆中縣為例[A];中國山區(qū)土地資源開發(fā)利用與人地協(xié)調(diào)發(fā)展研究[C];2010年

2 馬濤;傅周興;孫靜;;基于模糊控制的RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[A];第十八屆全國煤礦自動化學(xué)術(shù)年會中國煤炭學(xué)會自動化專業(yè)委員會學(xué)術(shù)會議論文集[C];2008年

3 譚偉聰;蔣金良;;基于確定性退火方法的RBF模型在短期負(fù)荷預(yù)測中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

4 朱華;王付財(cái);;半主動懸架RBF神經(jīng)網(wǎng)絡(luò)滑�？刂芠A];2011中國汽車工程學(xué)會年會論文集[C];2011年

5 祝煜;梁雪春;肖迪;;基于動態(tài)聚類RBF網(wǎng)絡(luò)的小企業(yè)信貸預(yù)測研究[A];江蘇省系統(tǒng)工程學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

6 周俊武;孫傳堯;;RBF網(wǎng)絡(luò)在硫化礦浮選過程建模中的應(yīng)用研究[A];首屆全國有色金屬自動化技術(shù)與應(yīng)用學(xué)術(shù)年會論文集[C];2003年

7 何濤;龔立雄;鐘飛;譚中軍;鄭曉斌;;基于RBF神經(jīng)網(wǎng)絡(luò)的機(jī)械加工誤差質(zhì)量模型[A];全國第十屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)年會論文集[C];2006年

8 王硯;魏建榮;張立毅;;基于RBF神經(jīng)網(wǎng)絡(luò)的多用戶檢測算法的研究[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（上）[C];2006年

9 張琳;李海森;;基于模糊聚類算法的RBF網(wǎng)絡(luò)在漏鋼預(yù)報(bào)中的應(yīng)用[A];中國計(jì)量協(xié)會冶金分會2007年會論文集[C];2007年

10 張琦;肖順根;;基于奇異值分解和RBF神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷[A];2017年第七屆全國地方機(jī)械工程學(xué)會學(xué)術(shù)年會暨海峽兩岸機(jī)械科技學(xué)術(shù)論壇論文集[C];2017年

相關(guān)博士學(xué)位論文 前7條

1 羅紹華;基于RBF網(wǎng)絡(luò)逼近的機(jī)器人自適應(yīng)動態(tài)面控制方法研究[D];重慶大學(xué);2013年

2 趙斌;基于RBF網(wǎng)絡(luò)的北方溫室溫濕度控制機(jī)理的研究[D];東北林業(yè)大學(xué);2010年

3 曾祥萍;自適應(yīng)組合RBF濾波器理論及其應(yīng)用研究[D];西南交通大學(xué);2013年

4 呂士欽;RBF配點(diǎn)法在多層介質(zhì)熱傳導(dǎo)反問題中的應(yīng)用研究[D];太原理工大學(xué);2013年

5 王琳霖;幾種ESPI濾波方法的比較及基于RBF散斑信息提取方法的研究[D];天津大學(xué);2012年

6 牟洪波;基于BP和RBF神經(jīng)網(wǎng)絡(luò)的木材缺陷檢測研究[D];東北林業(yè)大學(xué);2010年

7 薛富強(qiáng);進(jìn)化RBF神經(jīng)網(wǎng)絡(luò)分類器研究[D];解放軍信息工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 代景歡;基于RBF的板形識別模型設(shè)計(jì)與FPGA實(shí)現(xiàn)[D];燕山大學(xué);2019年

2 陳濤;基于RBF的三維飽和與非飽和層滲流機(jī)理研究[D];福州大學(xué);2018年

3 徐通;基于優(yōu)化RBF網(wǎng)絡(luò)的油田智能故障診斷系統(tǒng)研究[D];西安石油大學(xué);2019年

4 牛婷婷;RBF神經(jīng)網(wǎng)絡(luò)在帶式輸送機(jī)張緊力控制系統(tǒng)的應(yīng)用[D];太原理工大學(xué);2019年

5 于海濤;RBF多標(biāo)記學(xué)習(xí)算法研究與改進(jìn)[D];太原理工大學(xué);2019年

6 胡貴妹;基于RBF神經(jīng)網(wǎng)絡(luò)逆辨識的電弧爐電極控制系統(tǒng)研究[D];安徽工業(yè)大學(xué);2018年

7 劉洋;信息反饋RBF網(wǎng)絡(luò)估值的不完整數(shù)據(jù)模糊聚類算法研究[D];遼寧大學(xué);2018年

8 戴賽;基于模糊RBF神經(jīng)網(wǎng)絡(luò)的磁懸浮系統(tǒng)研究[D];哈爾濱理工大學(xué);2012年

9 趙福立;基于RBF海雜波微弱目標(biāo)的檢測與提取[D];吉林大學(xué);2013年

10 肖長冬;RBF網(wǎng)絡(luò)的改進(jìn)及其在焊膏印刷厚度預(yù)測中的應(yīng)用[D];西安電子科技大學(xué);2010年

本文編號：2818626