高精度寬帶鋼冷軋機(jī)板形模糊神經(jīng)控制的研究.pdf

1、本文以人工智能理論為基礎(chǔ)，選擇具有理論和工程實際意義的高精度寬帶鋼冷軋機(jī)板形智能控制為研究課題，進(jìn)行了深入的理論研究、仿真研究和工業(yè)實驗研究，取得了新的研究成果。 板形模式識別是板形控制的關(guān)鍵。針對板形模式識別的傳統(tǒng)識別方法、模糊識別方法和神經(jīng)網(wǎng)絡(luò)識別方法等各自存在的問題，首次建立了以勒讓德正交多項式為基模式、以模糊邏輯專家經(jīng)驗知識為支撐、基于遺傳-BP算法混合優(yōu)化、只用3個輸入信號、3個輸出信號的板形模式識別模糊神經(jīng)網(wǎng)絡(luò)模型。

2、該模型不僅網(wǎng)絡(luò)內(nèi)部各層節(jié)點的物理意義明確，而且自適應(yīng)能力和抗干擾能力強(qiáng)、識別速度快、精度高，可以滿足帶鋼冷軋機(jī)高精度板形控制的要求，為板形模式識別提供了簡便實用的新方法。 液壓彎輥是板形控制系統(tǒng)最基本的環(huán)節(jié)，它的動態(tài)特性和穩(wěn)態(tài)性能對于整個板形控制系統(tǒng)的性能起著至關(guān)重要的作用。針對液壓彎輥板形控制系統(tǒng)，建立了電液伺服壓力(油壓)控制系統(tǒng)的數(shù)學(xué)模型，制定了一種遺傳單神經(jīng)元自適應(yīng)模糊控制策略并應(yīng)用于帶鋼板形控制中，以提高帶鋼的成材率，

3、充分發(fā)揮液壓彎輥力對板形的調(diào)整作用，改善軋機(jī)系統(tǒng)的動態(tài)特性。探索了一種非解析原理的彎輥板形自動控制建模方法，解決了系統(tǒng)建模帶來的諸多困難。 板形預(yù)報模型是板形控制系統(tǒng)設(shè)計的重要基礎(chǔ)，無論是板形控制系統(tǒng)中的調(diào)節(jié)機(jī)構(gòu)控制特性分析，還是在線實時控制，都需要精確的板形預(yù)報模型?？焖倬_的板形預(yù)報模型必將提高板形控制系統(tǒng)的控制精度。傳統(tǒng)的機(jī)理模型通過研究軋制金屬內(nèi)部三維塑性變形和軋輥的彈性變形，建立板形預(yù)報模型。由于受到金屬本性、軋制條件

4、、軋制設(shè)備等多方面因素的制約，同時板形控制系統(tǒng)是一個多變量、非線性、強(qiáng)耦合和純滯后的控制系統(tǒng)，很難建立其精確的數(shù)學(xué)模型，因此機(jī)理模型難于用在板形在線預(yù)報中。為了提升板形預(yù)報模型的快速性和準(zhǔn)確性，本文以生產(chǎn)實測數(shù)據(jù)為基礎(chǔ)，建立了模糊神經(jīng)組合式板形在線預(yù)報模型。將Elman動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)及模糊控制技術(shù)引入到了板形預(yù)報中，它克服了機(jī)理模型中的反復(fù)迭代、計算時間長、無法考慮在線動態(tài)擾動及多層前饋神經(jīng)網(wǎng)絡(luò)存在的易將動態(tài)建模變成靜態(tài)建模問題的缺點

5、，探索了一種非解析原理的板形建模方法，解決了復(fù)雜系統(tǒng)建模帶來的諸多困難。 板形控制系統(tǒng)具有多變量、非線性、強(qiáng)耦合和純滯后的特點，使用基于經(jīng)驗?zāi)Ｐ偷慕?jīng)典控制方法和現(xiàn)代控制方法很難得到較好的控制效果。針對這一問題，本文提出了一種板形控制的智能化方法，建立了參數(shù)自調(diào)整模糊-自適應(yīng)單神經(jīng)元網(wǎng)絡(luò)雙模控制模型。通過使模糊控制和神經(jīng)元控制并行結(jié)合，實現(xiàn)兩種智能方法的優(yōu)勢互補(bǔ)，充分發(fā)揮軋機(jī)的板形控制能力。設(shè)計了一種模糊切換模式，以實現(xiàn)雙?？刂颇?/p>

6、型兩種控制信號間的平穩(wěn)切換，產(chǎn)生控制作用信號，實現(xiàn)兩種控制模式的優(yōu)勢互補(bǔ)和控制性能的明顯改善。 將提出的板形模式識別模型、液壓彎輥控制模型、板形預(yù)報模型和板形控制模型集成并編制了相應(yīng)的仿真軟件，建立了工業(yè)帶鋼冷軋機(jī)板形智能控制系統(tǒng)，改變依賴經(jīng)驗和機(jī)理模型進(jìn)行板形控制的局面，為板形控制提供了智能模型。 選擇具有理論和工程實際意義的高精度寬帶鋼冷軋機(jī)板形模糊神經(jīng)控制為研究課題，對板形模式識別、液壓彎輥控制、板形在線預(yù)報、板形