基于支持向量机预报模型的CVC轧机板形智能控制系统

板形控制系统的控制对象是一个有惯性、纯滞后、大扰动、多变量、强耦合的非线性系统,难以建立精确的数学模型.以板形机理及其控制方法的基础上进行改进,提出了一种基于支持向量机的板形预报模型,结合BP网络提供参数的智能PID实现板形闭环控制,从而实现板型控制系统智能化.针对板型控制系统的需要对神经网络进行了改进,有效提高其收敛速度、精度及有效性.生产实践表明该预报控制系统对控制精度和鲁棒性都有较大改进,有效提高了轧制前段板形的平直度和板材的成材率.     

一种新型混沌PSO算法在板形智能控制中的应用

提出一种新型混沌PSO算法优化RBF神经网络并对板形进行识别,使用神经网络预测和效应矩阵控制器对板形进行预测控制。仿真过程表明,新型混沌PSO算法对优化神经网络的结构和参数都有明显的效果,使用板形识别模型和带预测过程的效应函数可以有效控制板形系统。     

一种新型混沌PSO算法在板形智能控制中的应用简

提出一种新型混沌PSO算法优化RBF神经网络并对板形进行识别,使用神经网络预测和效应矩阵控制器对板形进行预测控制.仿真过程表明,新型混沌PSO算法对优化神经网络的结构和参数都有明显的效果,使用板形识别模型和带预测过程的效应函数可以有效控制板形系统.     

板带轧机板形控制倾辊弯辊神经模糊PID模型

板形是板带轧制的重要质量指标,倾辊和弯辊是板形控制的重要手段.目前常规的PID控制算法被广泛应用到板带轧机倾辊和弯辊板形控制系统中,但由于实际系统随机干扰严重,具有多变量、非线性、强耦合的特征,难以建立较为准确的数学模型,常规的PID控制算法很难满足板形高精度控制的要求.为能提高倾辊和弯辊板形控制系统的性能,在常规PID控制算法的基础上,建立基于神经网络的模糊PID倾辊弯辊板形控制模型,通过神经网络的自学习能力和模糊控制的"概念"抽象能力的有机结合寻找一个最佳的P、I、D非线性组合控制律,增强对控制环境变化的适应能力和自学习能力.仿真试验结果表明,该模型能很好地跟踪板形的目标设定值,响应快,超调小,鲁棒性强,可提高倾辊和弯辊对板形的控制精度,为板形高精度控制提供了一种新方法.     

基于模糊修正的Elman动态递归网络板形高精度预报

采用Elman动态递归网络方法,以生产实测数据为基础,建立了冷连轧机板形预报模型。进而将基于误差反馈和专家经验的闭环模糊控制引入板形预报中,用于修正预报输出、提高预报精度和鲁棒性。仿真结果表明,该方法有效且预报精度优于BP网络方法。预报结果的相对误差限制在±3%以内,实现了冷连轧机板形的高精度预报。     

基于预报误差补偿的液压弯辊预测控制策略的研究

针对轧机液压弯辊板形控制系统滞后、非线性和时变等特性，提出了一种基于广义预测控制的液压弯棍板形控制方案。利用时间序列预报策略，建立了弯辊控制系统未来输出误差预报模型。对预测控制算法进行了改进，将预测的输出误差作为预测控制的补偿校正量，提高了系统的抗干扰能力。利用预测信息修正控制量来减小系统为实现快速性而产生的超调，从而提高系统的控制精度。仿真结果验证了算法的优越性。     

横切机组矫直过程板形变化机理及其预报模型

充分考虑横切矫直机组设备和工艺特点,对矫直机组成品板形的变化机理进行了分析,并在此基础上进行了试验研究,探究矫直辊系对板形的影响,得出矫直机组的矫直过程是通过对带钢的多次弯曲拉直实现的;对试验数据分析处理后,进行带钢所受矫直辊的压应力和摩擦力求解,得出矫直过程板形变化数学模型,从而建立了一套完整的适合横切机组矫直过程的板形预报模型。在此基础上编制了相应的横切机组矫直过程板形预报软件,该软件能够快速求出矫直后带钢的板形分布。将软件应用到某1220横切机组的生产实践,可以明显地看出矫直后带钢的板形计算值和实测值几乎相等,板形预报结果符合现场生产实际。     

热镀锌连退过程带钢横向拉窄量控制技术的研究

在连退过程中带钢存在横向拉窄量较大或横向不均匀拉窄的问题,这会增加带钢板形缺陷的风险,同时带钢的尺寸精度不能有效保证。首先建立连退过程带钢横向拉窄量预报模型,并在此基础上分析得到影响带钢横向拉窄的可控因素有张力、温度以及工艺段内板形。为兼顾下个工艺段板形对拉窄量的影响,将本工艺段内板形加以控制,从而降低板形对下个工艺段的影响。由此以张力和温度为优化变量,建立以连退过程带钢横向拉窄量为目标函数的控制方法,综合优化本工艺段板形及横向拉窄量。最后,将本控制方法应用于某机组实际生产,取得良好效果。     

HC轧机板形板凸度控制特性的计算机模拟

用三次样条流线条元法分析带材的三维塑性变形，用影响系数法分析辊系的弹性变形用，BP神经网络方法对轧后带材板形进行模式识别，将三者联立，对900mmHC轧机板形板凸度控制特性进行了计算机模拟。结果表明：HC轧机控制二次板形能力很强，对四次及更高次板形控制能力较弱；中间辊横移和工作辊弯辊对板形板凸度的控制需要相互配合。对板凸度的控制应着重在开始道次进行。     

基于MATLAB的神经网络模型参考控制仿真

基于神经网络在系统辨识和动态系统控制中的成功使用,介绍了典型前向网络的BP算法,采用模型参考控制的神经网络控制结构对一简支梁进行了振动主动控制研究,并详细阐述了在MATLAB环境下的仿真过程和仿真结果,最后展望了神经网络在冶金行业板形控制中的应用。     

基于神经网络的金属切削毛刺专家系统的研究及应用

机械加工中毛刺的形成与存在影响、制约着精密与超精密加工和自动化加工技术的发展。基于神经网络理论,构建并开发了金属切削毛刺专家系统(Ujs),通过对神经网络的设计,并作为推理机制,以数据库为训练样本,建立了毛刺形态、尺寸与切削条件之间的映射模型,应用于金属切削毛刺的控制及预报。结合车削实验,比较了系统预报结果与实验结果,取得了较好的吻合。神经网络专家系统的建立为解决毛刺预报与控制提供了一条有效的途径。     

基于神经网络的板形信号模式识别方法的研究

为了提高带材板形识别的精度，应用神经网络和最优化方法，构建了一种新的板形信号模式识别方法。该方法克服了现有板形识别方法的不足，具有较强的抗干扰能力，有效提高了识别的精度和速度，可以满足板带轧机高精度板形控制的要求，易于在实际板形控制系统中实现。     

板形控制的传递矩阵方法

建立板形调节量与板形偏差特征量之间的数学模型是实现快速准确板形控制的关键。在建立板形控制传递函数概念和数学模型的基础上,提出了传递矩阵(控制矩阵)的概念和数学模型。以900mm HC六辊轧机为对象,基于GA-BP网络模型,建立了该轧机板形控制的传递矩阵,并进行了实际应用,取得了好的效果。为板形控制的研究和应用,提供了一个新的理论方法。     

八辊轧机板形预报模型及应用

在分析八辊轧机结构特点的基础上,结合八辊轧机的设备与工艺特点,对金属塑性变形模型和辊系弹性变形模型两个模型进行耦合,开发了一套适合于八辊冷轧机组的板形预报模型,给出了相应的板形计算流程图,并将模型应用到某冷轧厂1450八辊冷轧机组的生产实践中,开发出了相应的板形预报软件。现场使用效果表明：预报软件预报效果良好,能够较大幅度地降低板形封闭率,给企业带来较大的经济效益。     

连续热镀锌线板形控制技术研究

通过对平整变接触支持辊轧制策略的有限元仿真分析和上机试验,以及拉矫工艺参数的神经网络在线设定及卷取过程钢卷内部应力场的逐层迭代计算分析,形成了一套热镀锌机组板形控制技术和工艺对策,经现场实际应用,取得了良好的板形控制效果,使机组产品的板形质量和成材率明显提高。     

轧制过程中板形控制的计算机模拟

采用三维弹塑性有限元法同时考虑材料、几何双重非线性对板带轧制过程中影响板形的几大关键因素（诸如接触摩擦、辊缝形状、板凸度和前后张力）进行了广泛研究,建立了与之相应的力学模型并编写了大型程序EPFEP3。采用基于UL法的Lagrange描述,从非稳态咬入到稳态轧制在VAX11/780计算机上实现了对板形控制参数设定量值化的研究。以图形跟踪形式给出了大量金属流动信息和应力分布信息,为板形控制过程模拟、预报以及缺陷形成机理提供一种准确而有效的分析方法。     

1400F铝带轧机板形缺陷识别处理

要对铝带材的板形进行有效的控制,必须对实际的板形进行识别,以判断当前带材板形的缺陷模式,才能有效的利用轧机装备的板形控制装置对板形实施控制。本文通过最小二乘法,建立板形缺陷的识别理论,并根据实际数据和现场应用,证明了该理论的可行性。     

用误差预报校正的电液伺服系统预测控制的研究

通过对轧机电液伺服弯辊控制系统的非线性、时变性以及随机干扰严重的特性分析,将具有强鲁棒性能的广义预测控制应用于液压弯辊板形控制系统。为提高控制系统跟随精度,基于随机序列预报方法建立系统输出误差预报模型,预报液压弯辊力未来序列输出误差并给予补偿,从而使系统具有较强的抗干扰能力和鲁棒性,提高了液压弯辊控制系统的精度。仿真结果验证了该方案的可行性和有效性。     

基于电流信号钻头磨损状态预报系统

介绍了一个钻头磨损状态在线预报系统。通过监测主电机电流信号建立神经网络动态预报模型 ,对钻头后刀面磨损量分类建立在不同磨损类别下的神经网络模型 ,以神经网络模型估算的电流值作为模糊聚类中心 ,根据预报电流值对钻头磨损状态进行模糊分类 ,从而预报磨损状态。实验表明 ,此预报系统具有较高的成功率和可靠性     

动态板形辊平整机板形控制机理模型研究

建立了动态板形辊（DSR）平整机板形控制特性分析的理论模型。综合考虑了DSR技术独特的板形控制机理,以及其空心辊套和分段压块的特殊结构,基于分割模型的影响函数法,建立了DSR平整机辊系变形的理论模型;在此基础上,考虑平整轧制的特殊要求,将针对平整过程的金属模型和辊系模型进行耦合计算,建立了板形控制分析的整体模型,并编写了模型的计算流程和程序,以此对DSR平整机的板形控制能力进行研究。