基于偏差组合专家PID的过渡包内压力智能控制

针对超薄非晶合金生产过程中过渡包内压力波动较大时会引起超薄非晶合金厚度不均匀且过渡包内压力受多种因素影响，常规PID控制效果不佳的问题，提出一种基于偏差组合专家PID的控制策略。分析过渡包内压力影响因素，提出一种自适应粒子群算法，用于优化BP神经网络的权值和阈值，构建过渡包内压力预测模型，得到过渡包内压力预测值，计算预测偏差；由设定值和测量值得到压力测量偏差，并将预测偏差和测量偏差通过权重因子进行组合；最后采用偏差组合后的专家控制器，在线调整PID系数，实现基于偏差组合专家PID的过渡包内压力控制。以某钢厂实际生产数据进行研究，结果表明：提出的控制方法上升时间小于30 s，超调量小于1%，稳态误差小于0.05 kPa，且可以稳定地跟踪过渡包内压力设定曲线，跟踪误差小于0.05 kPa，满足现场生产要求。与其他算法相比，该方法的控制效果更好，可用于超薄非晶合金生产过程中过渡包内压力控制。     

模糊神经网络融合建模方法及其在轧制力控制中的应用

针对目前热轧中神经网络控制模型不能满足一些特殊轧制规律钢种精度要求的问题,在深入研究现有热轧模型建立与优化的基础上,结合模糊控制技术,提出在神经网络的基础上建立基于模糊规则补偿模型的融合建模方法。针对两类特殊钢种的特性,详细阐述了基于模糊规则补偿模型的建立及实际应用过程,并根据实际生产经验给出建模中规则库的建立过程。实际生产过程应用结果表明,所提出的模糊神经网络融合建模方法可以有效提高轧制力计算精度和厚度控制精度,从而提高热轧带钢产品质量。