2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩95頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著軋制技術的不短進步,現(xiàn)代熱連軋工業(yè)現(xiàn)場對帶鋼產品的規(guī)格、質量、產量等方面的要求越來越高。熱連軋精軋過程中對活套高度(角度)和軋件張力的控制在很大程度上決定了帶鋼產品的性能,因此對活套高度和軋件張力控制方法的研究始終在不斷進行當中。
   本文首先結合熱連軋帶鋼的生產工藝和軋制技術的發(fā)展介紹了熱連軋活套高度和軋件張力控制的發(fā)展情況;其次分析了軋件上張力產生的原因,建立了活套高度和軋件張力模型;以活套高度和軋件張力為研究對象,對

2、目前已有的幾種控制方法進行了深入的研究,包括:傳統(tǒng)控制方法、互不相關解耦控制方法及其改進、最優(yōu)多變量控制和逆線性二次型(ILQ)解耦控制方法;分析了已有控制方法的優(yōu)缺點,并對其中幾種已經應用于現(xiàn)場的控制方法進行仿真實驗。
   此外,本文對逆控制方法的解耦原理進行了研究,并深入分析神經網絡逆控制方法;概括說明了神經網絡α階逆控制方法的核心原理,結合神經網絡逆控制思想進行了分析總結,并針對活套高度和軋件張力模型進行了仿真實驗;研究

3、分析了目前活套高度和軋件張力解耦控制方法存在的主要問題,基于神經網絡逆控制思想,提出了動態(tài)神經網絡逆控制方法,設計出動態(tài)神經網絡逆控制系統(tǒng)的結構,并基于對角回歸型神經網絡針對活套高度和軋件張力模型進行了仿真實驗;將粒子群優(yōu)化算法和對角回歸型神經網絡的算法相結合編寫了算法,優(yōu)化了對角回歸型神經網絡的初始網絡權值,推導出使對角回歸型神經網絡輸出穩(wěn)定的學習速率的范圍,對動態(tài)神經網絡逆控制方法進行改進,通過仿真實驗驗證,該方法可以取得良好的效果

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論