矿冶工程

作者：张秀玲, 代景欢, 康学楠, 李金祥, 魏楷伦

单位：1.燕山大学 河北省工业计算机控制工程河北省重点实验室,河北 秦皇岛 066004; 2.燕山大学 国家冷轧板带装备及工艺工程技术研究中心,河北 秦皇岛 066004

关键词：板形识别,主成分分析,多RBF神经网络,遗传算法

基金：河北省自然科学基金-钢铁联合研究基金项目(E2015203354);河北省高校创新团队领军人才培育计划项目(LJRC013);河北省教育厅科学研究计划河北省高等学校自然科学研究重点项目(ZD2016100);2016年燕山大学基础研究专项培育课题(16LGY015)

常规单RBF神经网络板形识别模型不能全面分离出输入变化对每个特征参数的影响, 为此设计了多RBF神经网络板形识别模型, 用多个子网络分别识别不同的特征参数, 能够更直接、更充分的提取出输入与每个输出的关系。仿真研究结果表明: 所设计的多RBF神经网络板形识别模型能够正确识别出全部板形缺陷的类型, 并且识别精度上比单RBF神经网络板形识别模型提高了16.1%。

来源：2019年第6期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2019年第6期