小波包分解与单节点重构改进算法在轧辊偏心补偿中的应用

针对小波包算法在从复杂的轧制力信号中提取轧辊偏心信号时的频率混淆问题,提出了一种小波包分解与单节点重构改进算法的偏心信号提取新方法,并将其应用到轧辊偏心的补偿中。仿真结果表明:该算法能够有效地提取并重构轧辊偏心信号模型,对轧辊偏心的控制效果明显。     

改进自适应变空间差分进化算法

在基本差分进化算法的基础上融入自适应变空间思想,提出自适应变空间差分进化算法,在进化代数达到预设周期整数倍时,按变空间算法自动扩展或收缩搜索空间,实现了自动寻找合适搜索空间、提高收敛速度和精度的目的.此外为了进一步的加快收敛速度,对原变空间算法进行了改造,对其上下限的变化规则进行了修改和添加,提出了改进的变空间算法.仿真结果表明改进方法在收敛精度、速度上优于基本差分进化算法和基于原变空间算法的差分进化算法.最后将其应用到热连轧机精轧机组负荷分配优化计算中,为其提供了一种有效的优化手段.     

基于EEMD的轧辊偏心补偿控制

针对傅里叶变换、小波算法等传统信号处理方法在非线性信号的提取与重构中存在的缺陷,提出了基于聚合经验模态分解的轧辊偏心信号提取新方法。另外,针对传统自动厚度控制系统(AGC)在偏心补偿控制中的不足,设计了有偏心补偿环节的 AGC系统。新方法将轧制力信号分解为多个不同特征模态函数,从中提取表征偏心信号的特征模态函数,并用此重构偏心信号,最后将新方法重构的偏心信号投入到此系统中控制轧件厚度。仿真及实验结果表明,利用聚合经验模态分解方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,补偿效果优于小波算法。     

基于T-S模糊神经网络模型的高炉铁水温度预测建模

 针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于T-S模糊神经网络的高炉铁水温度预测模型。最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性。     

基于无线传感器扭矩检测的轧机扭振前馈控制

 针对轧机轧辊反复正反转咬钢抛钢受到突然强有力的冲击时扭振现象极为严重的情况,研究采用扭矩无线传感器实时采回负载干扰值,解决了现有的扭振抑制方法中采用扭振预估器计算扭振时容易出现偏差的问题;利用前馈能在扰动发生时提前做出干扰补偿的原理,在大型轧机交交变频调速系统定子转矩电流与转速双闭环的基础上,在转矩控制器的输入端加入负载扭矩扰动补偿,提前控制定子电流转矩分量而达到控制扭振的目的,并用Simulink对上述过程进行仿真。结果表明：基于无线传感的扭振前馈抑制方式对扭振的控制效果非常明显,几乎可以彻底消除扭振,更贴近实际。     

基于Fuzzy-PI方法的可逆式冷轧机液压压下系统的控制

针对可逆式冷轧机液压压下系统的特点，提出了基于Fuzzy-PI复合控制的方法，并进行了计算机仿真，取得了较好的控制效果。     

环形炉的烟气控制燃烧系统

环形炉是钢铁企业主要的能源消耗设备,通过控制环形炉炉内燃烧达到最佳状态,实现节约资源,减低环境污染,提高生产效率的目的.要达到燃烧最佳状态,就需要提高对环形炉燃烧的自动化控制.     

数字图像识别的代价函数选择和性能评价

针对传统二次代价函数在卷积神经网络训练过程中图像识别准确率不高的问题,提出基于交叉熵代价函数的卷积神经网络算法。经数学推导,证明交叉熵代价函数较二次代价函数在图像识别中精度更高,并应用MNIST数据集和CIFAR-10数据集,使用AlexNet卷积神经网络,分别采用二次代价函数和交叉熵代价函数对图像识别模型进行训练,当数字图像识别精确率和损失值稳定后,使用测试数据对代价函数进行多次测试,对比识别准确率。仿真结果表明,此方法不仅能提高数字图像识别的准确率,而且相较于传统的代价函数,训练模型速度更快,明显缩减了训练深度神经网络模型的过程。     

冷轧机的轧辊偏心鲁棒重复控制

设计了用于冷轧机的轧辊偏心补偿的鲁棒重复控制器.首先根据对象的期望闭环特性及扰动信号频率,确定低通滤波器的截止频率,然后通过引入状态反馈来保证闭环系统的鲁棒稳定性,把重复控制器的设计问题转化为H∞状态反馈控制器的设计问题,给出了控制器参数整定算法,最后通过在控制系统中引入一个前向系数来进一步改善和提高系统的动态性能与稳态控制精度,给出了前向系数的整定方法.仿真结果表明,当系统对象参数存在摄动时,这种控制器仍然能够实现对轧辊偏心的高精度补偿.     

基于H_∞混合灵敏度的冷连轧机多变量解耦鲁棒控制

冷连轧过程中的厚度和张力系统具有多变量、强耦合和不确定特点,为了提高系统的控制精度和控制性能,提出了基于不变性原理解耦的H∞混合灵敏度鲁棒控制策略.首先,建立了厚度和张力系统的动态耦合模型,并应用不变性解耦原理实现了对厚度和张力系统的解耦.其次,针对系统存在的建模误差、参数摄动和外部扰动等不确定性,采用H∞混合灵敏度方法设计了鲁棒控制器来保证系统的鲁棒稳定性和鲁棒性能.仿真结果表明解耦后的厚度和张力系统可以获得更好的控制效果,验证了本算法的有效性.