热轧带钢板形板厚反馈解耦控制

宽带钢热连轧过程中,板形控制和板厚控制本质上都是对轧制过程中有载辊缝的控制,因此两者各自的控制回路必然存在着相互耦合的关系,这种耦合关系严重影响热轧宽带钢板形板厚综合质量的提高.本文在建立板形板厚耦合模型的基础上,采用反馈解耦控制方法,实现了板形板厚的解耦控制.计算机仿真结果表明,解耦控制环节的引入,基本消除板厚控制和板形控制之间的影响,尤其是消除辊缝调节对板凸度的连带干扰,解耦控制效果良好.     

冷连轧机板形板厚综合解耦控制系统

带钢冷连轧过程中,板形板厚控制存在着很强的耦合关系,相互影响对方的调节效果,甚至引起系统不稳定.对轧制过程中影响板形板厚的各种因素进行了系统的理论分析,建立了板形板厚耦合模型,并在对其进行解耦设计的基础上建立了板形板厚综合解耦控制系统.采用Matlab/Simulink工具进行仿真分析,在8辊5机架全连续冷连轧机组的实际应用表明,综合解耦控制系统可有效提高板形板厚的控制精度.     

冷连轧机板形板厚解耦设定补偿研究

首先论述了冷连轧机板形板厚解耦控制的必要性,然后针对当前板形板厚解耦控制大多针对动态轧制过程的现状,提出板形板厚解耦设定补偿的思想,它包括预设定补偿和自适应穿带解耦控制。预设定补偿是解决设定过程中弯辊力对板形板厚耦合系统的影响;自适应穿带解耦控制是针对穿带过程中轧制力预报不精确的板形板厚解耦方法。     

基于时滞递推滑模预测解耦的带钢板形板厚控制

针对多变量耦合系统,提出了一种基于解耦的时滞递推滑模预测控制的算法。该算法是在对角解耦的基础上,将预测算法和递推滑模控制结合起来,设计了递推滑模预测控制器。还对滑模参考轨迹进行了研究和分类,阐述了两种滑模参考轨迹的区别。该算法被应用在带钢板形板厚的控制过程中,试验和仿真结果表明,该方法可较好地消除带钢板形板厚控制中耦合与时滞的影响。     

宽带钢轧机板形板厚反馈解耦控制研究

宽带钢连轧过程中,板形控制和板厚控制本质上都是对轧制过程中有载辊缝的控制,因此存在着耦合关系,严重影响了宽带钢轧制板形板厚综合质量的提高。在建立板形板厚耦合模型的基础上,采用反馈解耦控制方法,实现了板形板厚的解耦控制。计算机仿真结果表明,解耦控制效果良好,达到解耦的目的。     

宽带钢热连轧机板形设定的解耦与应用

板形与板厚是带钢几何尺寸精度的两个重要质量指标,板形与板厚控制之间存在耦合关系,使得分别控制的热连轧机板形和板厚均达不到目标值,在建立耦合关系模型的基础上,完成了板形设定和自适应穿带控制的解耦设计,实现板形板厚的综合控制。板形解耦模型已经成功地在大型工业轧机上投入运行,取得了明显的效果。     

冷连轧板形板厚耦合关系及其解耦设计

 带钢冷连轧过程中,板形板厚控制存在着很强的耦合关系,相互影响对方的调节效果,甚至引起系统不稳定。对轧制过程中影响板形板厚的各控制因素进行了系统的理论分析,建立了板形（平坦度、凸度）板厚耦合模型,并在对2组耦合模型进行系统分析的基础上分别进行解耦设计,以某厂1720mm五机架冷连轧机的实际参数,采用Matlab/Simulink工具进行的仿真分析,证明平坦度与板厚解耦设计可有效提高板形板厚的控制精度。     

宽带钢热连轧机板形板厚增益调度解耦控制

针对板形板厚综合控制的耦合问题,通过分析板形控制系统需要先后投入平坦度反馈控制和动态凸度控制的综合系统特性,采用前馈补偿综合法设计解耦网络以完成动态轧制过程的板形板厚解耦控制.结合1 700mm热连轧机实际控制系统,提出采用板形板厚增益调度解耦控制方法适应板形板厚耦合特性随实际轧制条件变化的应用需要,建立的增益调度函数集已在大型工业轧机得到验证与应用.     

基于DRNN－PID的板形板厚解耦控制

 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,建立了板形板厚耦合模型,并在对其进行神经网络解耦设计的基础上提出了基于对角递归神经网络(DRNN)整定PID的板形板厚解耦控制方法,然后根据带钢冷轧情况提出神经网络解耦对不同塑性刚度参数的实际适用范围。仿真结果表明,该解耦控制系统具有比传统前馈补偿解耦PID控制效果好、响应速度快、自适应跟随能力强等优点,并且符合实际轧制要求,有效的提高了板形板厚的控制精度。     

带钢生产线板形板厚的解耦控制

针对轧钢生产线板形板厚具有强耦合、强干扰、时变和非线性的特点,提出板形板厚自适应解耦的方法,在被控对象进行在线辨识的基础上,对自适应控制参数进行实时调整,使系统具有自适应性,仿真结果表明解耦效果良好.所提出的方法成功应用于某钢铁厂的轧钢生产过程,实现了轧钢生产过程的优化控制、优化运行和优化管理,取得了明显的应用成效.     

基于嵌套饱和的输入约束浮空器非线性控制

提出用嵌套饱和函数描述的控制律形式,可以同时解决速率和幅值约束的控制问题.建立浮空器的三自由度模型,将除螺旋桨推力外的其他作用力作为扰动项,进而把该系统化为类积分链式系统;基于嵌套饱和控制理论,研究了类积分链式系统的控制输入幅值及速率约束与控制器饱和函数参数的关系;以浮空器为研究对象,进行纵向和横向通道解耦控制器设计,实现控制系统输入的幅值和速率有界.利用Lyapunov稳定性原理证明了系统的全局稳定性,分析了可调控制器参数对改善系统的动态性能的影响,在考虑风扰动的情况下,仿真验证了控制器的有效性和鲁棒性.     

不平衡输入三相-单相矩阵变换器电流解耦控制策略

分析了三相-单相矩阵变换器(3-1MC)输入侧低次谐波的产生原因,推导了功率补偿拓扑结构下的输出侧与补偿侧调制函数约束关系式.研究输入电压不平衡下,含电容补偿单元的3-1MC单网侧电流反馈控制策略无法对输入两相旋转坐标轴(dq轴)下的直轴与交轴电流分量实现无静差控制,提出了在功率补偿下对输入三相电流作正序、负序dq轴分解,分别独立对输入双dq轴下正序、负序电流作解耦内环,输出侧与补偿侧电压加权合成为外环的双闭环控制.实验与仿真结果均表明该策略不仅使3-1MC具有功率补偿功能,而且有效抑制了电压不平衡引起的输入电流与输出电压所含低次谐波,提高了3-1MC在单相用电场合的实用性.     

Modeling and Simulation of Hydraulic Roll Bending System Based on CMAC Neural Network and PID Coupling Control Strategy

The hydraulic roll bending control system usually has the dynamic characteristics of nonlinearity, slow time-variance and strong outside interference in the rolling process, so it is difficult to establish a precise mathematical model for control. So, a new method for establishing a hydraulic roll bending control system is put forward by cerebellar model articulation controller (CMAC) neural network and proportional-integral-derivative (PID) coupling control strategy. The non-linear relationship between input and output can be achieved by the concept mapping and the actual mapping of CMAC. The simulation results show that, compared with the conventional PID control algorithm, the parallel control algorithm can overcome the influence of parameter change of roll bending system on the control performance, thus improve the anti-jamming capability of the system greatly, reduce the dependence of control performance on the accuracy of the analytical model, enhance the tracking performance of hydraulic roll bending loop for the hydraulic and roll bending force and increase system response speed. The results indicate that the CMAC-PID coupling control strategy for hydraulic roll bending system is effective.     

板宽板厚多变量系统的自抗扰解耦控制

针对精轧的板宽板厚多变量系统具有强耦合、大时滞、不确定性、干扰因素多、非线性等特点,应用自抗扰控制(ADRC)静态解耦和扩张状态观测器(ESO)动态解耦技术,给出一种多变量系统的ADRC解耦设计方案.为提高时滞对象的快速性,设计了一种去掉跟踪微分器(TD),由ESO和非线性状态误差反馈控制律(NLSEF)两部分组成的ADRC,其中NLSEF改用非线性函数实现,ADRC阶次比常规方法低一阶.仿真结果表明,该控制方案不仅解耦效果好,而且对模型的不确定性和外部扰动具有较好的鲁棒性和适应能力.     

基于系统特征数据辨识的控制器设计

介绍了一种基于系统特征数据的控制器设计算法.该算法仅根据被控对象的输入、输出采样数据,按照卷积定理计算出被控对象的单位脉冲响应作为系统的特征数据;在控制量约束条件下,根据特征数据以最速响应为控制目标规划出输出参考数据和最速控制律;然后根据控制目标和最速控制律的要求计算出理想控制器的特征数据;最后,根据控制器的特征数据辨识出线性控制器参数.仿真结果表明,控制结果具有最速参考控制的特征.     

气体计量调度自动控制系统设计及应用

气体计量调度自动控制系统设计采用ADAM-5000系列,主要由CPU控制器、输入模件、输出模件等组成。该控制系统具有稳定、可靠、操作灵活等特点,实现了气体计量调度工艺参数的实时监测及控制。第一次从优化管道供出气体方面达到了降低气体放散率的目的,且供出气体的压力、流量稳定,从而保证了后续用户的正常使用,使氧气放散率由5%降至3%。     

Adaptive Learning with Large Variability of Teaching Signals for Neural Networks and Its Application to Motion Control of an Industrial Robot

Recently, various control methods represented by proportional-integral-derivative (PID) control are used for robotic control.To cope with the requirements for high response and precision, advanced feedforward controllers such as gravity compensator,Coriolis/centrifugal force compensator and friction compensators have been built in the controller.Generally, it causes heavy computational load when calculating the compensating value within a short sampling period.In this paper, integrated recurrent neural networks are applied as a feedforward controller for PUMA560 manipulator.The feedforward controller works instead of gravity and Coriolis/centrifugal force compcusators.In the learning process of the neural network by using back propagation algorithm, the learning coefficient and gain of sigmoid function are tuned intuitively and empirically according to teaching signals.The tuning is complicated because it is being conducted by trial and error.Especially, when the scale of teaching signal is large, the problem becomes crucial.To cope with the problcm which concerns the learning performance, a simple and adaptive learning technique for large scale teaching signals is proposed.The learning techniques and control effectiveness are evaluated through simulations using the dynamic model of PUMA560 manipulator.     

规则自寻优模糊控制在轧钢温度控制中的应用

 轧钢温度控制有强烈的非线性、时变性和耦合性,经典控制方法很难获得良好的控制精度。设计出规则自寻优模糊控制器,以温度误差及误差变化率为输入并在线调整控制规则的加权因子,当误差较大时,系统以减小误差为主,加权因子值取大些,以保证尽快达到设定温度。当误差较小时,以抑制误差变化率为主,加权因子值取小一些,使系统尽快稳定,从而获得最优的控制规则。实验结果表明,该方法能实现无超调控制,减小反应时间,并且对干扰信号反应不灵敏,从而提高了温度的控制精度。     

基于模糊神经解耦控制的板型板厚控制系统仿真

面对板型板厚控制这一复杂、多变量耦合的非线性系统,本文提出了一种两级串联结构的模糊神经网络解耦控制策略,前级为自调整模糊控制器,后级为基于动态耦合特性的自适应神经网络解耦控制器,并从理论上证明了学习算法的收敛性。实现了无模型板型板厚综合控制。仿真结果表明,该控制系统收敛性好、抗干扰性强,取得令人满意的板型板厚控制精度。