冷轧卷板板形在线监测与缺陷识别评价系统设计

发布时间：2017-09-08 16:00

  本文关键词：冷轧卷板板形在线监测与缺陷识别评价系统设计

  更多相关文章： 冷轧检测 智能评价 缺陷识别 可视化 数据挖掘

【摘要】：近年来,随着钢铁行业飞速发展,我国钢铁产量逐年增加。但是在精密板材轧制和控制方面,缺乏先进的加工与检测技术,导致我国在成品钢材领域缺乏国际竞争力。为了促进冷轧产业向信息化高端领域转型,提高卷板的生产效率和质量,本论文把实现冷轧工艺的自动化、智能化控制和高精度板形检测作为目标,研究设计了冷轧板形数据实时显示和识别评价软件系统,对用户提供板材质量可视化显示、智能评价和缺陷识别等多种服务。主要研究内容包括:首先,对冷轧卷板检测存在的问题进行深入探讨,根据冷轧生产实际,进行需求分析和系统业务划分,并明确所需的软硬件相关技术。其次,依据板形检测数据处理要求,选取了UDP与硬件采集电路进行通信,通过事务存储数据,并对系统并发编程进行详细说明,使用线程池对其集中管理。再次,对轧制板形检测原理进行了深入分析,根据板形与检测仪间的受力数学模型,实现了对板形的标准化质量表示和评价。并对板形多项式拟合分析和BP神经网络缺陷分类原理进行了研究。最后,设计完善了板形采集评价中央管理平台,完成了包括数据预处理和可视化显示、多维度数据分析、通信协议集开发、模式识别、软件界面美化和系统运维功能。并在板形综合检测平台上进行了实验测试。本论文设计实现的板形检测评价系统化解决方案,经过实验验证具有准确地监测和一定的专业评价分析能力。该研究工作一方面避免了用户使用繁琐的数据处理获取板形信息的不确定性,另一方面有效提高冷轧工艺信息的反馈率,保证闭环控制的时效性,具有广泛的实用前景和重要的参考价值。
【关键词】：冷轧检测 智能评价 缺陷识别 可视化 数据挖掘
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG334.9;TP274.2
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-17
• 1.1 课题研究背景及意义10-12
• 1.1.1 研究背景10-11
• 1.1.2 本课题研究意义11-12
• 1.2 板形检测评价系统研究现状12-16
• 1.2.1 钢板板形及表示方法12-14
• 1.2.2 钢板常见缺陷14
• 1.2.3 钢板检测方法研究进展14-16
• 1.3 本文的主要内容和结构安排16-17
• 第2章 板形检测评价系统需求分析及总体设计17-24
• 2.1 引言17
• 2.2 板形检测系统需求分析17-18
• 2.3 系统业务模块说明18-22
• 2.4 系统软硬件技术选取22-23
• 2.5 本章小结23-24
• 第3章 板形数据通信和存储方案24-32
• 3.1 引言24
• 3.2 数据库和文件系统24-27
• 3.2.1 数据库选取和设计24-25
• 3.2.2 数据库操作语言及事务管理25-27
• 3.3 单文档框架介绍和使用27-28
• 3.3.1 单文档框架27
• 3.3.2 连接SQL SERVER 2005数据库27-28
• 3.4 网络通讯和并发编程28-31
• 3.4.1 通信协议简介28-29
• 3.4.2 套接字技术29-30
• 3.4.3 并发编程30-31
• 3.5 本章小结31-32
• 第4章 板形预处理和缺陷识别32-45
• 4.1 引言32
• 4.2 板形检测原理和相关数据处理32-36
• 4.2.1 板形检测原理32-34
• 4.2.2 板形数据整合预处理34-35
• 4.2.3 板形标准化评价35-36
• 4.3 板形缺陷识别36-44
• 4.3.1 最小二乘法与多项式拟合37-39
• 4.3.2 多项式拟合误差39-40
• 4.3.3 人工神经网络40-44
• 4.4 本章小结44-45
• 第5章 板形采集及缺陷识别评价程序设计45-62
• 5.1 引言45
• 5.2 系统总体功能介绍45-46
• 5.3 权限管理模块设计与实现46-47
• 5.3.1 用户登陆和管理46-47
• 5.3.2 数据加密实现47
• 5.4 板形信号采集处理设计与实现47-58
• 5.4.1 与硬件采集系统交互指令47-50
• 5.4.2 板形信号预处理50-51
• 5.4.3 数据库设计实现51-53
• 5.4.4 系统参数设定界面53-54
• 5.4.5 板形模式识别和智能评价54-58
• 5.5 系统界面设计与实现58-60
• 5.5.1 系统主界面58-59
• 5.5.2 历史查询界面59-60
• 5.5.3 系统运维和故障处理60
• 5.6 本章小结60-62
• 结论62-64
• 参考文献64-68
• 攻读硕士学位期间发表的论文及科研成果68-69
• 致谢69

【相似文献】

中国期刊全文数据库 前10条

1 高顶;张长明;李国庆;张晓光;;基于粗糙-模糊神经网络的焊接图像缺陷识别[J];华东理工大学学报(自然科学版);2006年09期

2 陈天璐;阙沛文;;基于超声衍射反射回波渡越时间的缺陷识别技术[J];化工自动化及仪表;2006年04期

3 焦敬品;马婷;刘德宇;吴斌;何存富;;基于脉冲压缩技术的相邻缺陷识别方法研究[J];仪器仪表学报;2014年07期

4 何辅云;石油管道的高速检测与缺陷识别[J];无损检测;2000年05期

5 陈琴;基于有限元及修正梯度法的材料二维缺陷弹性波识别[J];南通大学学报(自然科学版);2005年03期

6 刘元祥;张晓光;高顶;;基于支持向量机的射线检测焊接图像中缺陷识别[J];煤矿机械;2006年05期

7 刘清坤,阙沛文,宋寿鹏;基于支持向量机的石油管线缺陷识别方法研究[J];传感器技术;2005年03期

8 段志娟;周新星;陈分雄;孙林;;基于独立成分分析的冷轧带钢表面缺陷识别[J];钢铁研究学报;2011年10期

9 钱彦岭,罗飞路,彭涛;涡流检测缺陷模糊认识的新方法[J];焊管;1997年02期

10 易方;李著信;吕宏庆;马维平;;基于模糊核支持向量机的管道磁记忆检测缺陷识别[J];石油学报;2010年05期

中国重要会议论文全文数据库 前7条

1 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年

2 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会土木工程计算机应用文集[C];1999年

3 张毅刚;;结构缺陷识别的参数判定法[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

4 尚钢;陈立耀;李卓球;王建平;;神经网络在梁体结构缺陷识别中的应用[A];第七届全国结构工程学术会议论文集（第Ⅰ卷）[C];1998年

5 张潜;高立群;王贞祥;;基于小波分析的板型缺陷识别方法[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年

6 戴飞虎;;特厚板AUT典型缺陷识别[A];2011年全国中厚板生产技术交流会论文集[C];2011年

7 原培新;孙丽娜;;基于图像处理的X射线胶片缺陷识别[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

中国博士学位论文全文数据库 前1条

1 赵向阳;基于神经网络的钢板表面缺陷识别若干问题的研究[D];大连理工大学;2006年

中国硕士学位论文全文数据库 前10条

1 李佳;基于压缩感知的多模型木材图像缺陷识别[D];东北林业大学;2015年

2 马云修;黄青线管道内检测缺陷识别及定位技术研究[D];中国石油大学(华东);2014年

3 王亚圣;冷轧卷板板形在线监测与缺陷识别评价系统设计[D];燕山大学;2016年

4 李梦园;深度学习算法在表面缺陷识别中的应用研究[D];浙江工业大学;2015年

5 李建文;磁粉探伤缺陷识别自动化系统设计与开发[D];南京理工大学;2012年

6 侯晓琴;基于射线成像的缺陷自动识别方法研究及应用[D];重庆大学;2009年

7 毛锋;面向成型生产的视觉式缺陷识别技术及应用研究[D];浙江大学;2010年

8 吕作超;荧光磁粉探伤缺陷识别系统图像处理技术研究[D];南京理工大学;2006年

9 张宏军;太阳能电池缺陷识别的研究与实现[D];东华大学;2012年

10 刘冰清;基于机器视觉的印刷品缺陷识别系统研究[D];西安科技大学;2010年

，

本文编号：814935