活套多变量系统建模与智能解耦控制研究

活套系统控制的好坏,直接影响成品带钢的宽度、厚度等性能指标。活套系统的控制目标是恒定活套量下保持张力波动尽可能小,即降低活套张力控制和高度控制的相互干扰,使系统更加稳定。控制系统能够根据检测到的活套辊摆角的变化,一方面给出控制率去调整上游机架的轧辊速度以保持套量不变;另一方面在带钢轧制过程中,为了保持恒定带钢张力,活套输出的张力矩就必须随着活套角度的不同而相应地改变。针对活套系统非线性、强耦合、多约束等特点,以鞍钢1700热连轧精轧机组为背景,建立了活套系统的动态数学模型。针对该模型提出了一种新型控制策略--单神经元PID与小脑模型复合控制算法来实现活套系统的多变量解耦控制。仿真结果验证了本算法的有效性,其解耦响应速度和抗干扰能力明显优于传统PID解耦控制效果。     

基于相位补偿的轧辊偏心控制

介绍了鞍山钢铁股份集团有限公司(鞍钢)1 700热连轧AGC系统中抑制轧辊偏心扰动的一种有效的方法--CTA轧制力偏心滤波器,分析了其特点及基于相位补偿控制算法的优越性.试验结果表明,通过对剩余偏心成分的补偿分析,进一步调节控制量,有助于提高偏心控制的效果及轧件厚度的精度,并给出了F3机架轧制力实际的滤波效果.     

基于LM I 的H ∞解耦及活套高度张力控制

通过对全解耦、近似解耦和能量解耦的分析并结合工程实际,提出一种基于LMI的输入输出H∞解耦控制方法.该方法综合考虑了耦合通道和控制通道的控制效果,将解耦问题视为干扰抑制和多自由度跟踪的复合控制问题.在解耦控制设计中有更多的自由度,可依工程实际要求作相应调整,获得最优的综合指标.将该解耦方法应用于热连轧高度和张力控制系统,仿真结果表明可获得良好的解耦效果和控制特性.     

快速监控FMN在热连轧上的应用研究

研究了快速监控FMN在热连轧上的应用,提高头部命中率是投入绝对AGC所要求的,它的重要手段是靠提高设定模型精度、模型自学习的收敛速度。为进一步提高带坯全长厚控精度及控制品质,依靠液压压下快速移动特性及利用快速监控FMN功能。以热连轧模型增量方程为核心,对不同轧制规程,给出了兼顾板厚与板形FMN动作表。在鞍钢1700ASP热轧现场中的实际应用表明,此算法是正确的,它可大幅度地改善板卷头部的厚度精度。     

活套高度和张力系统的神经网络自适应解耦控制

通过对活套系统动态耦合过程的分析，在工作点附近，以实际热轧现场数据为依据，建立控制对象的动态数学模型．提出了BP—RBF神经网络自适应控制策略以减弱系统的耦合影响，证明了所设计的控制器能确保闭环系统渐近稳定．最后的仿真结果验证了本算法的有效性，表明解耦后的活套控制系统可获得更好的控制效果．     

随机变批次长度的反馈辅助PD型量化迭代学习控制

针对离散线性系统,研究批次长度随机变化的反馈辅助PD型量化迭代学习控制问题.考虑系统信号经量化后传输到控制器或执行器的情况,给出两种量化方案:跟踪误差信号量化和控制输入信号量化.基于两种不同的量化信号,在批次长度和初始条件随机变化前提下设计反馈辅助PD型迭代学习控制算法.采用扇形界的处理方法和堆积系统框架,推导数学期望下的学习收敛条件:在误差信号量化情况下,所提出控制算法可以保证跟踪误差渐近收敛到零;在控制输入信号量化情况下,所提出控制算法能够保证跟踪误差有界收敛.仿真示例对比验证了两种量化方案下所提出方法的有效性和优越性.     

板形设定模型参数优化与控制技术应用

 板形设定模型是整个板形自动控制系统中非常重要的一部分，决定着带钢头部板形的控制精度。板形精度既为热轧带钢的一项重要质量指标，又为衡量产品市场竞争力的主要因素。板形控制是带钢热轧的核心技术，为目前轧制技术研究开发的热点。阐述了鞍钢1780线PC轧机板形设定模型功能和构成，对轧辊热凸度模型参数进行了优化，在模型自学习中对各机架给予适量的平直度及凸度反馈，从而提高了板形设定模型精度。由于实际轧制过程的非线性、时变性，传统PID的控制已近极限，为进一步提高控制品质，板带平直度反馈采用非线性PID控制策略，其参数整定范围较宽，易于工程实现。通过对现场大量的轧制数据统计，在应用模型参数优化程序后，热轧板的平直度与凸度的头部命中率有了一定的提高。