基于矯直機存在的問題和不足，研究在攻關重點科技新產品試產計劃“矯直機工藝控制專家系統”資助下，以矯直機系統為對象，重點研究了板形檢測技術和支持向量機等智能化學習算法，結合矯直機現場工作過程要求，提出了一種基于激光三角測量法的改進型實時板形在線檢測方案；提出了一種批量樣本的在線增量式學習算法（簡稱BIO-SVR算法）；根據板形在線檢測方案和算法構建了矯直機的控制系統模型與檢測體系；結合實際測試數據，對檢測體系的正確性進行應用與驗證。
研究工作主要包括以下內容：
l)通過查閱大量與板形檢測技術和智能化學習理論相關的文獻資料，結合國內外相關領域專家就板形檢測和矯直機工藝參數選擇問題進行了深入的探討，為項目的開展打下了扎實的理論基礎。
2)針對板材在線檢測要求，在前人研究的基礎上，綜合各種檢測方案的優缺點，提出一種基于激光三角測量法的改進型實時在線板形檢測方案。以此獲得板材表面各縱向纖維條的平直度信息及板形三維信息，作為板材矯直工藝參數選取的依據。
3)研究和運用多種圖形圖像處理技術，包括圖像的噪聲過濾、灰度化、邊緣檢測、輪廓提取等，提取出圖像中的光條信息，并對其進行量化，改進了Canny算法，構建了適用于板材板形檢測分析的圖像處理流程。
4)在對多種智能化樣本學習算法比較的基礎上，對傳統的支持向量機回歸算法進行改進，提出BIO-SVR算法。鑒于矯直機工作現場的檢測流程要求樣本學習算法必須具有增量性、批量性及在線性的特點，對傳統支持向量機的回歸算法進行改進，提出了一種批量樣本的增量式在線學習算法，即BIO-SVR算法。
5)構建了一種基于SVR-CA混合算法的上藝參數選擇系統，將B10-SVR算法和遺傳算法相結合建立了一種新的參數選擇的核心算法。經過大量樣本訓練后的BIO-SVR算法學習機，作為SVR-GA混合算法的適應度評價函數，發揮了遺傳算法的全局尋優能力，建立了的工藝參數。
6)設計和實現了矯直機智能控制系統，并將該系統應用于工業化生產之中，通過實測數據對系統進行了驗證，證明所開發的系統能夠滿足實際生產的需要。(圖/文m.hseshg.com)