基于径向基网络的钢板表面缺陷检测算法研究.doc

摘要

作为钢铁工业的主要产品形式之一,钢板已经成为汽车、机械制造、化工、航空航天和造船等工业不可缺少的原材料,因此其表面质量的优劣将直接影响这些产品的最终性能和质量。在钢板制造过程中,由于连铸钢坯、轧制设备、加工工艺等多方面的原因,导致钢板表面出现裂纹、氧化皮、结疤、辊印、刮伤、空洞、针眼、折叠、表面分层等不同类型的表面缺陷,这些缺陷不仅影响产品的外观,更严重地降低了产品的抗腐蚀性、耐磨性和疲劳强度等性能。

神经网络理论作为一门新兴学科,近年来被广泛应用于钢板的表面缺陷检测中,但大部分都是基于BP神经网络进行识别的,BP网络的缺点是对于干扰量非常敏感、隐含层节点数需要经过多次尝试、学习速度慢且易陷入局部极小点。

本文使用RBF神经网络(RBFNN)对钢板缺陷数据集进行计算机仿真,将缺陷识别结果与期望结果进行对比。由于其结构简单,每个隐含层节点映射函数是不同的非线性函数,所以可以保证快速的学习速度,并且是全局最优。

关键词：径向基函数（RBF）；人工神经网络；钢板表面缺陷；缺陷识别

Abstract

Asoneofthemajorformsofproductioninsteelindustry，steelsheethasnowbecomeakindofindispensablematerialformanyindustrieslikeautomobile，mechanicalmanufacturing，chemistry，aviation，astr0navigation，shipbuilding，etc．Itssurfacequalityaffectsthefinalproduction’Sperformanceandquality.Insteelmanufacturingprocess,becausecontinuouscastingbillet,rollingequipment,processingtechnologyandsoonvariouscauses,thesteelplatesurfaceoccurrencecrackle,descaling,scarringandrollerandscratches,hollow,needle,folding,surfacelayeretcofdifferenttypesofsurfaceflawsthatnotonlyaffecttheproductsappearance,themoreseverelyreducedproductscorrosionresistance,abrasionresistanceandfatiguestrengthofperformance.

Neuralnetworktheory,asanewsubject,widelyusedinrecentyearsinthesteelsheetsurfacedefectsdetection,butmostlybasedonBPneuralnetworktoidentify,BPnetworkdrawbackisforinterferencequantityquitesensitive,hiddennodesseveralneedaftermanyattempts,theslowlearningspeedandeasyintothelocalminimumpoints.

ThepaperusesRBFneuralnetwork(RBFNN)torecognizethefaultdatasetofironsheetsusingcomputersimulations.Therecognizedresultsarecomparedwiththeexpectedoutputs.Duetoitssimplestructure,avarietyofmappingfunctions,andrapidlearningspeed,RBFNNcanachieveaglobaloptimization.

Keywords:RadialBasisFunction(RBF);ArtificialNeuralNetwork;SurfaceDefect;DefectRecogniti