基于矫直机存在的问题和不足，研究在攻关重点科技新产品试产计划“矫直机工艺控制专家系统”资助下，以矫直机系统为对象，重点研究了板形检测技术和支持向量机等智能化学习算法，结合矫直机现场工作过程要求，提出了一种基于激光三角测量法的改进型实时板形在线检测方案；提出了一种批量样本的在线增量式学习算法（简称BIO-SVR算法）；根据板形在线检测方案和算法构建了矫直机的控制系统模型与检测体系；结合实际测试数据，对检测体系的正确性进行应用与验证。
研究工作主要包括以下内容：
l)通过查阅大量与板形检测技术和智能化学习理论相关的文献资料，结合国内外相关领域专家就板形检测和矫直机工艺参数选择问题进行了深入的探讨，为项目的开展打下了扎实的理论基础。
2)针对板材在线检测要求，在前人研究的基础上，综合各种检测方案的优缺点，提出一种基于激光三角测量法的改进型实时在线板形检测方案。以此获得板材表面各纵向纤维条的平直度信息及板形三维信息，作为板材矫直工艺参数选取的依据。
3)研究和运用多种图形图像处理技术，包括图像的噪声过滤、灰度化、边缘检测、轮廓提取等，提取出图像中的光条信息，并对其进行量化，改进了Canny算法，构建了适用于板材板形检测分析的图像处理流程。
4)在对多种智能化样本学习算法比较的基础上，对传统的支持向量机回归算法进行改进，提出BIO-SVR算法。鉴于矫直机工作现场的检测流程要求样本学习算法必须具有增量性、批量性及在线性的特点，对传统支持向量机的回归算法进行改进，提出了一种批量样本的增量式在线学习算法，即BIO-SVR算法。
5)构建了一种基于SVR-CA混合算法的上艺参数选择系统，将B10-SVR算法和遗传算法相结合建立了一种新的参数选择的核心算法。经过大量样本训练后的BIO-SVR算法学习机，作为SVR-GA混合算法的适应度评价函数，发挥了遗传算法的全局寻优能力，建立了的工艺参数。
6)设计和实现了矫直机智能控制系统，并将该系统应用于工业化生产之中，通过实测数据对系统进行了验证，证明所开发的系统能够满足实际生产的需要。(图/文www.wxlgjx.cn) | 
