钢铁作为国民经济的基础产业在工业现代化中一直占据着重要的地位。随着各种冷轧热轧产品在建筑、国防工业、汽车制造以及仪器加工等行业广泛应用,对热轧与冷轧产品质量的要求也在不断的提高。目前世界上的发达国家已经从追求量产上升转变到追求质量提升的层次上,产品的表面质量与板形是否符合要求是钢材的重要质量指标,对其识别工作一直是研究的热点问题。板形识别问题可以分为表面缺陷识别与板形缺陷识别两方面,表面缺陷主要指成品的表面存在的缺陷问题,板形缺陷这里指钢板在平面上的服帖程度,本文分别就这两种情况进行了研究。Petri网作为一种能够清晰、直观、准确的描述系统状态变化的建模工具,正不断发挥着其在实际应用中的作用,尤其是在故障诊断与模式识别方面更是凸显了其巨大优势。本文阐述了Petri网、模糊Petri网(Fuzzy Petri Net,FPN)以及板形识别的研究现状,对模糊理论与Petri网理论结合产生的模糊Petri网的基本理论与推理算法进行了详细研究。本文主要做了以下几方面的工作:(1)对板形表面缺陷识别问题,归类为故障诊断问题。针对莱钢轧钢厂的H型钢生产线获得的生产数据,对H型钢产品缺陷中的“废品”缺陷产生的原因进行了详细的分析,选取了一组废品诊断的特征参量,由这些参量分析能够得出废品产生的原因。(2)在分析模糊Petri网优点的基础上,利用模糊Petri网建立H型钢表面缺陷的诊断知识库专家系统,将表面缺陷诊断知识规则与模糊Petri网相对应,建立模糊Petri网的诊断系统,并利用正反推理相结合的推理模式实现了模糊推理。最后利用Microsoft Visual C++6.0(VC6)软件,基本实现了对该专家系统的仿真研究,并与传统的故障诊断方法比较得到此方法的优越性。(3)对于板形缺陷的模式识别问题,由于没有具体的产生式规则,针对此类问题将模糊Petri网类比为神经网络,模糊Petri网采用类似神经网络结构的神经Petri网络模型,采用误差反向传播算法实现网络仿真。针对其易陷入局部最优解的问题,将遗传算法引入到网络参数的训练中来,实现了对网络的改进。通过实验,证明了该识别方法的有效性与准确性。本文将热轧H型钢表面缺陷识别与冷轧的板型识别问题利用Petri网进行了建模与分析研究,对模糊Petri网在模式识别方面的应用做出了进一步的研究。