基于矯直機(jī)存在的問題和不足，研究在攻關(guān)重點(diǎn)科技新產(chǎn)品試產(chǎn)計(jì)劃“矯直機(jī)工藝控制專家系統(tǒng)”資助下，以矯直機(jī)系統(tǒng)為對(duì)象，重點(diǎn)研究了板形檢測(cè)技術(shù)和支持向量機(jī)等智能化學(xué)習(xí)算法，結(jié)合矯直機(jī)現(xiàn)場(chǎng)工作過程要求，提出了一種基于激光三角測(cè)量法的改進(jìn)型實(shí)時(shí)板形在線檢測(cè)方案；提出了一種批量樣本的在線增量式學(xué)習(xí)算法（簡(jiǎn)稱BIO-SVR算法）；根據(jù)板形在線檢測(cè)方案和算法構(gòu)建了矯直機(jī)的控制系統(tǒng)模型與檢測(cè)體系；結(jié)合實(shí)際測(cè)試數(shù)據(jù)，對(duì)檢測(cè)體系的正確性進(jìn)行應(yīng)用與驗(yàn)證。
研究工作主要包括以下內(nèi)容：
l)通過查閱大量與板形檢測(cè)技術(shù)和智能化學(xué)習(xí)理論相關(guān)的文獻(xiàn)資料，結(jié)合國(guó)內(nèi)外相關(guān)領(lǐng)域?qū)＜揖桶逍螜z測(cè)和矯直機(jī)工藝參數(shù)選擇問題進(jìn)行了深入的探討，為項(xiàng)目的開展打下了扎實(shí)的理論基礎(chǔ)。
2)針對(duì)板材在線檢測(cè)要求，在前人研究的基礎(chǔ)上，綜合各種檢測(cè)方案的優(yōu)缺點(diǎn)，提出一種基于激光三角測(cè)量法的改進(jìn)型實(shí)時(shí)在線板形檢測(cè)方案。以此獲得板材表面各縱向纖維條的平直度信息及板形三維信息，作為板材矯直工藝參數(shù)選取的依據(jù)。
3)研究和運(yùn)用多種圖形圖像處理技術(shù)，包括圖像的噪聲過濾、灰度化、邊緣檢測(cè)、輪廓提取等，提取出圖像中的光條信息，并對(duì)其進(jìn)行量化，改進(jìn)了Canny算法，構(gòu)建了適用于板材板形檢測(cè)分析的圖像處理流程。
4)在對(duì)多種智能化樣本學(xué)習(xí)算法比較的基礎(chǔ)上，對(duì)傳統(tǒng)的支持向量機(jī)回歸算法進(jìn)行改進(jìn)，提出BIO-SVR算法。鑒于矯直機(jī)工作現(xiàn)場(chǎng)的檢測(cè)流程要求樣本學(xué)習(xí)算法必須具有增量性、批量性及在線性的特點(diǎn)，對(duì)傳統(tǒng)支持向量機(jī)的回歸算法進(jìn)行改進(jìn)，提出了一種批量樣本的增量式在線學(xué)習(xí)算法，即BIO-SVR算法。
5)構(gòu)建了一種基于SVR-CA混合算法的上藝參數(shù)選擇系統(tǒng)，將B10-SVR算法和遺傳算法相結(jié)合建立了一種新的參數(shù)選擇的核心算法。經(jīng)過大量樣本訓(xùn)練后的BIO-SVR算法學(xué)習(xí)機(jī)，作為SVR-GA混合算法的適應(yīng)度評(píng)價(jià)函數(shù)，發(fā)揮了遺傳算法的全局尋優(yōu)能力，建立了的工藝參數(shù)。
6)設(shè)計(jì)和實(shí)現(xiàn)了矯直機(jī)智能控制系統(tǒng)，并將該系統(tǒng)應(yīng)用于工業(yè)化生產(chǎn)之中，通過實(shí)測(cè)數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行了驗(yàn)證，證明所開發(fā)的系統(tǒng)能夠滿足實(shí)際生產(chǎn)的需要。(圖/文www.yj-jz.cn)