本文主要对板形缺陷模式识别进行了研究,分析、比较了识别板形缺陷的各种方法的优缺点,并在此基础上提出了板形缺陷模式识别的新方法。本文提出了基于模糊距离的RBF网络板形缺陷模式识别法。RBF网络是一种局部逼近的神经网络,它在逼近能力、分类能力和学习速度等方面都优于BP网络。将模糊距离与RBF网络相结合进行模式识别的仿真实验结果表明,基于模糊距离的RBF网络识别法与FBP网络方法相比,网络收敛速度较快,而且识别精度较高。针对BP网络直接识别法存在的网络结构由板宽变化所决定这一不足,基于模糊距离的神经网络间接识别方法虽然解决了这一问题,但对于不同板宽,网络要经过不同的训练,才可识别不同板宽的板形,这样增加了软件的复杂性。本文提出了改进的BP网络直接识别法,只需一次网络训练,即可在线识别不同板宽的板形情西安理工大学硕士学位论文况,软件简洁明了。文中采用了GA一BP网络优化算法,来弥补单纯使用BP网络收敛速度慢,易陷入局部极小的缺陷。仿真实验结果表明,该方法是一种可行的方法。 本文最后探索了用支持向量机方法进行板形识别,通过分析,给出了一些建设性的意见。关键词:板形,模式识别,模糊距离,神经网络,遗传算法,支持向量机