矿冶工程

作者：张秀玲, 代景欢, 李家欢, 张逞逞

单位：1.Key Laboratory of Industrial Computer Control Engineering of Hebei Province, Yanshan University, Qinhuangdao 066004, Hebei, China; 2.National Engineering Research Center for Equipment and Technology of Cold Strip Rolling, Yanshan University, Qinhuangdao 066004, Hebei China

关键词：PCA,RBF神经网络,板形缺陷,板形识别,现场可编程门阵列

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(ZD201610);2016年燕山大学基础研究专项培育课题(16LGY015)

针对常规神经网络板形识别方法中存在的不足,提出了以PCA替代欧氏距离作为提取特征的手段,并将所设计的PCA-RBF板形识别模型以FPGA为硬件实现载体进行了仿真研究。仿真结果表明,设计的PCA-RBF板形识别模型能够正确识别出板形缺陷,网络结构比常规RBF板形识别模型相对简化,同时识别精度提升了59%,抗干扰能力提升了82%。FPGA仿真结果在精度和实时性上可以满足实际工程需要。

来源：2019年第1期

《矿冶工程》期刊编辑部

查看矿冶工程杂志2019年第1期