基于云自适应差分和BP神经网络的板形动态影响矩阵控制方法

为了克服传统板形控制中产品质量差、控制速度慢、生成效率低,以及静态影响矩阵控制信息不足等缺点,将云自适应差分算法(CADE)优化的BP神经网络应用到板形控制中,建立板形预测神经网络,并在离线状态下,根据板形轧制的历史数据和板形调控机构中的关键影响因素建立动态影响矩阵表。在线轧制过程中只需要与板形控制关键影响因素对应的动态影响矩阵表和板形识别变化量,就可以很快得到主要板形控制手段的控制量。该方法避免了神经网络的在线训练,提高了板形的控制速度和轧制精度。仿真实验表明,该方法稳定性好,控制精度高,适合用于板形的在线控制。     

基于PSO-BP网络的板形智能控制器

为了解决传统的板形识别与控制中的识别精度低,控制速度慢等问题,将粒子群优化(particle swarm optimization,PSO)算法和误差反传递(back propagation,BP)算法混合训练的PSO-BP网络引入到板形的识别与控制中.首先根据板形轧制的历史数据,建立预测板形的神经网络,得到反映板形控制手段对板形特征参数影响的效应矩阵,同时根据理论数据建立对板形进行模式识别的神经网络.这些都是离线进行的,而且对一批板材只需训练一次神经网络,在线轧制过程中只需要根据识别网络的识别结果和效应矩阵,便可以很快的得到需要的控制量.这种方法可以简化板形控制过程,提高控制速度,最后的仿真实验进一步说明了这种方法的有效性.     

嵌入式DSP冷轧带钢板形信号处理系统研制

针对冷轧带钢在线板形检测问题,基于整辊镶块式板形仪,研制了嵌入式DSP板形信号处理软硬件系统.利用高速DSP技术、信号隔离屏蔽技术和动态信号补偿算法等,提高板形检测信号的稳定性和可靠性,实现了冷轧带钢原始板形信号的实时高速处理,使其准确反映真实的冷轧带钢在线板形状况,为冷轧带钢在线板形闭环控制提供科学依据.该系统应用于...     

一类轧机的板形最优化控制方法

分析了常规四辊CVC轧机板形控制的原理,结合生产实际给出了板形的最优化控制策略及其数学模型,该方法具有不需对板形缺陷进行识别,不用基于最小二乘法的曲线拟合的方法进行板形缺陷的识别的特点.对调节装置的调节量及多个调节装置的调节量采用联合求解方法,具有快速达到最佳优点,可推广到其它同类轧机的板形控制中去.     

基于分散鲁棒控制策略的冷连轧板形板厚多变量系统研究

在冷连轧生产中,通过弯辊来控制板形质量时,在一定程度上会对出口板厚造成影响;而通过调节辊缝来达到控制板厚质量时又会影响板形,这是一个耦合的双入双出过程.针对板形板厚多变量耦合系统,提出一种分散鲁棒控制策略,充分发挥鲁棒控制器的抗干扰性能,将耦合通道人为看作扰动后,针对独立通道分别设计鲁棒控制器,从而在保证各控制通道鲁棒性的同时实现了解耦.仿真实验结果表明了该设计的有效性.     

热轧带钢中板形的计算和控制

热轧带钢中保持良好的板形是生产过程中极其重要的问题。首先,介绍了板形的基础知识包括板形的概念和计算,以及目前生产中板形控制方面实际存在的问题。在此基础上,讨论了影响板形的因素和控制策略,并对由带钢温度引起的缺陷,经过层流冷却获得良好板形的策略做了重点的讨论。从预防的角度阐明了板形的控制方法,并且介绍了一种实际生产中热轧带钢中浪板形控制方法,即PC设定控制方法的具体流程和实际应用效果。     

Elman神经网络的板形模式识别方法

针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点,建立了一个基于Elman神经网络的板形模式识别系统.该系统由于考虑到了神经网络的过学习或过拟合问题,且通过经验公式和对比实验来确定神经网络的隐层节点数,具有简单、有效的优点.系统通过对6种基本板形模式及其组合模式的学习,具有了一定的泛化能力.经仿真验证,实际输出的误差均小于0.1,识别效果良好,可以证明基于Elman动态网络的系统,其板形识别能力要强于BP网络构成的系统.     

铝板带材厚度和板形设定补偿解耦控制策略

在铝薄板带材冷轧生产过程中,板厚控制和板形控制本质上都是对轧制过程中有载辊缝的控制,两者存在很强的耦合关系.针对板厚板形控制系统存在耦合问题,提出板厚板形解耦设定补偿思想,包括预设定补偿控制和自适应穿带解耦控制.前者是解决设定过程中弯辊力对板厚板形耦合系统的影响;后者是针对穿带过程中轧制力预报不精确的板厚板形解耦方法.仿真结果及现场应用表明,解耦设定补偿提高了板厚板形的控制精度,满足了铝带板质量综合控制的要求.     

工作辊可水平移动的六辊轧机板形控制算法

板形控制算法是开发板形控制系统的关键技术之一.结合工作辊可水平移动的六辊轧机板形调节机构的特点对板形闭环控制系统的功能、构成及工作原理进行了系统阐述.重点介绍了板形控制算法,详细描述了各板形调节机构的调节效率和板形控制模型的构建过程.通过MATLAB模拟实际运算过程对板形控制算法的可行性、准确性及系统的收敛性进行了验证.结果证明,各评估点板形误差的总体趋势在逐渐减小,减小到一定值后保持稳定状态,整体板形显著改善.     

基于实时操作系统的预测控制算法

为了实现实时控制,达到预测的目的,动态矩阵控制(DMC)要求实时计算控制增量,以此作为下一次的控制量.在深入理解动态矩阵控制算法和嵌入式实时操作系统μC/OS-II的基础上,提出了新的动态矩阵控制实现方式.通过嵌入式实时操作系统μC/OS-II的任务调度功能,实现动态矩阵控制算法,使动态矩阵控制的应用更加简化,减少了计算时间,运算速度得到提高.基于这一实现方式提出了实验方案,并通过实验平台进行研究,证实了算法的有效性.