基于小波神经网络的板形板厚综合系统逆控制

针对板形板厚综合系统具有强耦合、非线性、含纯滞后环节的特点,提出一种基于小波神经网络的逆控制方案.利用两个结构相同的小波神经网络构造Smith预估器,预估器的输入参数与时延阶次无关,能较好地解决小波神经网络对维数较为敏感的问题.采用神经网络逆控制的思想设计小波神经网络控制器,引入多步预测性能指标函数对控制器权值进行在线训练.仿真研究表明,该控制方案具有较快的响应速度和良好的动态性能.     

基于递阶遗传算法的RBF神经元网络板形板厚综合控制

该文首先用递阶遗传算法（HGA）设计RBF神经网络，不仅可以同时确定网络参数（连接权、隐节点中心和宽度），而且解决了网络拓扑结构的优化训练问题，而后针对板带材轧制是一个复杂的非线性过程，板形控制（AFC）和板厚控制（AGC）又是相互耦合的一个综合系统等特点，建立了基于过程最优的权值在线自学习算法的RBF神经元网络的板形板厚多变量综合控制系统，仿真结果证明了此AFC－AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

基于解耦的板形板厚系统鲁棒控制策略

针对多变量系统中前馈解耦效果依赖于系统模型的问题,提出了一种基于前馈解耦的鲁棒控制策略来保证系统参数变化时的解耦效果.针对连续轧制过程中强耦合的板形板厚系统,首先依据经验数学模型设计前馈解耦器,然后对消除耦合影响后的多变量系统设计鲁棒控制器,用多变量鲁棒控制抑制破坏解耦效果的各种不确定性因素的影响.针对实际系统中可能存在的干扰信号进行了抗干扰能力实验,针对系统参数可能存在的不确定性进行了抗参数摄动实验;仿真结果显示了良好的解耦效果,这也说明了该控制策略的有效性.     

基于动态RBF神经网络的板形板厚综合控制仿真研究

基于RBF神经网络的特点提出了一种动态调节隐含层隐节点个数的方法，由2部分组成：首先以网络输出数据的均方误差及其变化率为标准来调节隐含层节点的数目，然后调节优化隐含层节点的中心值，根据广义逆矩阵的方法求出输出层权值．所设计的神经网络具有最少的隐含层节点数，提高了学习训练速度，构造了板形板厚综合控制的数学模型，采用新的模型处理方法，用动态RBF神经网络进行控制仿真，取得了理想的结果．     

基于小波神经网络的板形板厚系统解耦预测控制

带材轧制是一个复杂的非线性过程, 板形控制和板厚控制又是强耦合、非线性、含时延环节的复杂系统. 提出了一种基于小波神经网络的解耦预测控制方案; 利用小波神经网络来辨识原系统的α阶时延逆系统, 将该逆系统与原系统串联后形成一个伪线性复合系统, 从而把多变量系统控制转化为多个单变量系统的控制实现了系统解耦, 并对解耦后的系统采用闭环预测控制. 仿真表明该控制方法具有结构简单、易于实现, 且有较强的抗扰性和鲁棒性.     

基于IMSE的神经网络优化设计方法在板厚板形控制中的应用

提出基于免疫调节的共生进化算法 (IMSE)的神经网络优化设计方法 ,融入了免疫调节原理中的浓度抑制调节机制以保持个体的多样性 ,有效地克服了未成熟收敛现象 .在应用于二机架冷连轧板厚板形综合控制系统中的仿真实验表明 ,该方法能很好地适应复杂环境 ,并具有较好的收敛性和较强的抗扰性     

基于IGA的板形板厚神经网络分散解耦PID控制

针对板带材轧制是一个复杂的非线性过程，板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点．该文首先采用神经网络分散解耦方法，对此板形板厚多变量耦合系统进行解耦，而后再应用基于免疫遗传算法的PID控制对解耦后的已近似成为两个独立的SISO系统的广义对象进行控制。从而建立了基于免疫遗传算法的板形板厚神经网络分散解耦PID控制系统。仿真结果证明了此AFC—AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

基于免疫算法的模糊神经网络在板厚板形控制中的应用

本文设计了一种基于免疫算法(IA)的模糊神经网络板厚板形综合控制系统，用IA算法优化具有全局性的隶属函数参数后，再用梯度下降法在线调节和优化网络的局部性参数．在应用于二机架可逆冷连轧板厚板形综合控制中的仿真实验表明，该系统有较强的抗干扰性和较好的收敛性．     

基于多支持向量机模型和优化控制器的板形板厚控制

针对带钢热连轧过程中互相耦合的板形、板厚控制问题,提出一种综合控制策略.首先,在输入空间划分的基础上建立包含多个子模型的多支持向量机模型,并通过主元分析方法实现模型输出的综合;然后,利用建立起来的模型设计优化控制器,对板形、板厚进行综合控制.计算机仿真和现场实验结果均表明了所提出的基于多支持向量机模型的综合控制策略能同时有效地减小板形、板厚偏差.     

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.     

模糊系统H∞控制器设计的LMI方法

应用LMI(线性矩阵不等式)方法,研究了T-S模糊系统H∞控制器的设计问题.首先给出了T-S模糊系统基于状态反馈H∞控制存在的两个新的充分条件.新条件不但简洁而且把模糊子系统间的相互作用表示为由子系统的系数矩阵构成的矩阵不等式.然后新条件被转化为可直接应用Matlab求解的线性矩阵不等式.最后应用线性矩阵不等式方法和Matlab,给出了T-S模糊系统H∞控制器的设计方法.     

改进的板形平直度板厚模型及其自抗扰解耦

以连续轧制过程中强耦合的板形板厚系统为研究对象,在对影响板形板厚控制的各种耦合因素进行系统分析的基础上,建立了加入油膜厚度影响的板厚和板形平直度耦合系统数学模型。在耦合关系上通过matlab仿真分析,可知改进模型板形与板厚的耦合关系明显。在此基础上利用自抗扰技术进行解耦设计,并以某厂五机架连轧机的实际参数采用计算机进行仿真,仿真结果表明设计的自抗扰解耦控制器可以有效消除板厚和板形平直度之间的耦合关系,解耦效果良好。     

基于LMI可靠跟踪控制器设计

针对具有不确定性的线性定常系统,提出了考虑执行器故障的可靠跟踪控制器设计问题.在更一般、更实际的执行器故障模型的基础上,给出了系统输出信号渐近跟踪参考输入信号可靠跟踪控制存在的充分条件.通过求解线性矩阵不等式(LMI)完成状态反馈可靠跟踪控制器设计.利用仿真数例验证了文中提出的设计方法的可行性,并且通过对可靠跟踪控制系统与不考虑故障的标准跟踪控制系统的比较,进一步说明对系统进行可靠跟踪控制的必要性.     

T-S模糊系统H2/H∞混合控制器设计的LMI方法

应用线性矩阵不等式（LMI）方法研究T-S模糊系统的H2／H∞混合控制器的设计问题．首先针对T-S模糊系统分别设计H2和H∞控制器;然后以线性矩阵不等式的形式给出T-S模糊系统H2／H∞混合控制器存在的充分条件及相应的控制器设计方法．在给定的H∞干扰约束下,通过优化H2控制性能指标实现了模糊状态反馈次优控制．最后通过例子验证了所给出的H2／H∞混合控制器设计方法的可行性和有效性．     

一类多不确定性系统鲁棒H∞控制器的LMI设计方法

对同时具有加型参数不确定性以及积分二次约束(IQC,integral quadratic constraint)不确定性环节的一类线性系统,给出设计其鲁棒H∞状态反馈控制器和动态输出反馈降阶控制器的设计方法.在具体推导过程中,首先基于动态耗散理论,考虑了无输入情况下系统只具不确定性闭环环节时的鲁棒H∞稳定性问题.然后基于这一条件,针对典型的无源类和有限增益类不确定性,推出了系统同时具有多不确定性时进行鲁棒H∞状态反馈控制器和动态输出反馈降阶控制器设计的充分条件.所有可解条件都可化为标准的LMI(1inear matrix inequality)求解.     

观测器型H∞控制器设计的LMI方法

观测器型控制器由于其结构简单和物理意义明确而受到广泛重视.在假定控制器为一般的动态补偿器情况下,利用LMI技术解H∞控制器使得未知参数较多且求取过程复杂.现利用LMI技术研究观测器型H∞控制器,则控制器参数可通过三个LMI即可获得,这个LMI组的适定性问题用现有的工具软件即可确定.     

基于LMI的H∞鲁棒PID控制器设计

针对一类线性系统,研究了基于H∞的鲁棒PID控制器的设计方法,使得闭环系统的所有极点均位于一个给定的LMI区域中.采用线性矩阵不等式的处理方法,证明了该问题等价于一组线性矩阵不等式的可解性问题.利用该线性矩阵不等式的可行解给出了PID控制器的构造方法,并通过现有的软件Matlab中的工具箱LMI来进行求解.该方法很好地解决了PID控制下的极点指标和H∞鲁棒控制的相容性问题.实际的工程算例验证了该方法的有效性和可行性.     

基于人工神经网络的板形模式识别方法

根据带钢板形控制的要求,运用人工神经网络理论,提出了一种新的板形识别方法,代替了传统的多项式最小二乘拟合法,该法具有很强的容错性和抗干扰能力,编制了板形模式识别软件,识别效果很好。     

一类非线性系统的模糊可靠H2/H∞混合控制器设计的LMI方法

基于T-S模糊模型,利用线性矩阵不等式(LMI)方法,研究一类非线性系统的模糊可靠H2/H∞混合控制器设计问题.首先,分别以LMI形式给出了系统模糊可靠H2及H∞控制器存在的充分条件和控制器设计方法;然后.给出系统混合H2/H∞性能的可靠控制器设计方法,所设计的控制器使得故障闭环系统二次稳定,同时满足H∞性能,且优化系统的H2性能指标,最后,通过数值例子验证了结论的正确性和控制器设计方法的有效性.