層流冷卻控制系統(tǒng)的設計與仿真.pdf

1、板帶層流冷卻控制系統(tǒng)是整個熱軋生產線上的一個重要的環(huán)節(jié)。要完成板帶離開精軋機，經過層流冷卻系統(tǒng)后達到目標卷取溫度的要求，層流冷卻系統(tǒng)的控制模型的實施，就必須滿足精軋速度和卷取速度的要求，在各生產環(huán)節(jié)協調的基礎上進行。確切地說，水冷區(qū)冷卻水段的計算公式只能認為是一種理想情況下的靜態(tài)數學模型。在實際控制中，計算出開閥個數值，并不是立刻就打開相應數目的冷卻水段。由于軋制速度的變化，導致板帶在輸出輥道上的運動是一個變速的過程，為了在實際的復雜工

2、況條件下準確控制板帶各點的卷取溫度，必須解決動態(tài)設定計算、動態(tài)跟蹤和動態(tài)控制的問題。 在熱軋帶鋼生產線上，卷取溫度的精確控制對帶鋼質量是至關重要的。本文詳細研究了一個實際的熱軋帶鋼卷取溫度控制系統(tǒng)。通過研究層流冷卻控制系統(tǒng)的工藝，根據國內外應用的一些數學模型的特點，推導并分析了寶鋼2050的一階模型。通過建立了一種簡化的動態(tài)控制模型，并用一個改進的算法在線調整模型的參數?；谠撃Ｐ吞岢隽艘粋€包括冷卻反饋控制、前饋及自適應聯合控制

3、算法的控制器，并對其過程進行了分析，對于卷取溫度控制精度主要影響原因進行了進一步的分析。 建立精確的熱軋帶鋼卷取溫度的數學模型是很困難的，傳統(tǒng)的模型需求解復雜的微分方程。此外，數學模型都需要大量的參數來辨識，有些參數不能精確的獲得。采用人工神經網絡的方式來訓練模型參數即模型誤差，大大提高了卷取溫度的精度。本文采用變梯度BP算法神經網絡，即CGBP(conjugategradientbackpropagation)的方法并結合大量

4、的現場數據，對熱軋帶鋼層流冷卻數學模型中的模型誤差進行預測，將結果應用于計算卷取溫度的數學模型中，可以很好的補償預測帶鋼的卷取溫度，大大提高了卷取溫度預測的精度，取得了很好實際應用效果。利用MATLAB仿真程序對模型誤差BP神經網絡模型進行了離線訓練和測試，動態(tài)控制模型和CGBP神經網絡相結合用于控制卷取溫度，分析模型參數和神經網絡的預測模型誤差的結果是比較理想的。所提出離線仿真結果和在線應用的方法被證明是有效的。 通過建立一個