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。     

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.     

板形模式软测量方法的研究

针对传统的基于最小二乘法板形模式识别方法抗干扰能力差、精度低,神经网络方法在实际应用中效果不佳的板形识别问题,根据实际生产中带钢板形控制的要求,以勒让德正交多项式作为表述板形缺陷的基本模型,将模糊分类理论与混沌优化算法相结合,建立一种新型的板形模式软测量方法,该方法简单、实用、识别精度较高,效果较稳定。实际应用结果表明,该方法能够满足高精度的板形控制对板形缺陷模式识别的精度和速度的要求。     

基于LMI方法的板形板厚综合系统的H∞跟踪控制器设计

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，该文建立了工作点线性化的冷连轧板形板厚离散化状态空间模型；将H∞跟踪控制问题转化为标准的H∞控制问题，并应用LMI(Linear Matrix Inequality)方法设计了板形板厚H∞跟踪控制器。仿真结果证明了此H∞控制系统具有良好的鲁棒稳定性、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。     

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.     

DHNN优化设计新方法及在板形模式识别的应用

基于离散Hopfield神经网络(DHNN)的联想记忆能力,提出了随机扰动优化设计DHNN的新方法.该方法降低了DHNN对权值矩阵的苛刻要求,避免进入伪稳定点;并将其用于板形模式识别,采用勒让德多项式表示常见的6种板形基模式,不需大量的测试样本来训练网络,是一种更简单、实用的板形模式识别新方法,为实现板形控制提供依据,仿真结果证明了这种方法的可行性     

ANFIS的板形控制动态影响矩阵方法

针对板形控制系统的非线性和强耦合性,以及传统效应函数法和板形静态影响矩阵法的不足,通过对大量生产实测数据的计算和分析,提出了板形控制的动态影响矩阵法.通过基于减法聚类的ANFIS(自适应神经模糊推理系统)的板形动态矩阵预测模型,在线求得不断变化的影响矩阵,兼顾了板带生产的实时性与复杂性,仿真实验验证了其有效性.     

冷轧薄板设定计算模型与仿真研究

研究冷轧薄板计算机系统的设定计算模型和计算方法,采集了大量实际生产数据,研究了这些模式对各个钢种的最优稳态轧制数据,基于上述结果,优化设定计算模型的参数,控制实际计算精度。并设计了重要模型的计算仿真程序,通过仿真找出现有模型的优缺点,为以后设定计算的最优化提供理论基础。现场实验表明,仿真系统实验结果应用到实际生产中使产品厚度精度得到很大提高。     

基于Hamilton理论的冷带轧机速度张力系统非奇异 快速终端滑模控制

针对交流异步电机驱动的冷带轧机速度张力系统的跟踪控制问题,给出一种基于Hamilton理论的非奇异快速终端滑模控制器设计方法.首先,设计了一种新型扰动观测器对系统中由参数摄动和负载扰动引起的不确定项进行观测;其次,通过预反馈控制建立了冷带轧机系统速度张力磁链外环的耗散Hamilton模型,进而基于互联–阻尼配置及能量整形方法完成耗散Hamilton控制器的设计;再次,基于串级控制思想完成了冷带轧机系统电流内环非奇异快速终端滑模控制器的设计.通过理论分析证明了所提控制方法能够保证闭环系统全局稳定.最后,基于某交流异步电机驱动的冷带轧机系统的现场实际数据进行仿真对比研究,仿真结果验证了本文所提方法的有效性.     

热轧带钢层流冷却系统温度的建模与仿真

针对于传统的热轧带钢生产线层流冷却卷取温度控制精度不高的缺点,以热轧带钢层流冷却控制系统为研究对象,对其温度进行建模与仿真.基于现有模型通过修正黑度系数来考虑带钢厚度方向上的热传导,采用有限差分法来建立带钢厚度方向温降一维模型.通过实际生产数据对模型中的部分参数进行修正,使模型更加符合实际生产要求.在得到层流冷却生产过程中热轧带钢温度变化和温度场分布的基础上,又模拟仿真得出带钢总体卷取温度曲线.将所搭建的模型应用于模拟实际生产过程,通过实际数据计算出的结果与实际测量值相比较,其偏差值在±10℃范围之内.因此所建模型能够满足实际生产精度控制要求.     

带钢跑偏电液伺服控制系统的PID控制器设计

为了对带钢卷取机的跑偏进行控制,建立带钢卷取机电液伺服跑偏控制系统的数学模型,并用MATLAB软件对此系统的时域性能指标进行分析。对系统采用常规PID控制器和模糊自适应PID控制器设计,使系统性能达到设计要求。对两种方法进行仿真,表明模糊自适应PID比常规PID控制系统有更好的动态性能和稳态特性。     

热轧板层流冷却仿真系统的设计

以热轧厂板带轧后的冷却过程为背景,开发层流冷却仿真系统。该系统建立了冷却过程的动态仿真模型,提供了层冷过程的输入变量、输出卷温、控制阀门数以及控制参数的各个显示窗口及画面。该系统已在某厂得到应用,为现场操作人员提供实验的软件环境和优化操作指导。     

基于神经网络的带钢跑偏电液伺服系统研究

带钢跑偏电液伺服控制系统的非线性和时变性使得传统的PID控制很难达到理想的控制效果,将神经网络与普通PID控制相结合形成神经网络自适应PID控制策略,应用于该系统实现其良好控制.为提高系统的动态响应速度及性能,采用RBF神经网络对系统进行辨识预测.首先建立带钢跑偏电液伺服系统数学模型,然后利用AMESim和Simulink软件对传统PID控制和神经网络自适应PID控制进行联合仿真.结果表明,神经网络自适应PID控制系统响应速度快、超调量小、鲁棒性强,并具有良好的稳定性和控制精度.     

Nonlinear model predictive control of the strip temperature in an annealing furnace

A nonlinear model predictive controller is designed for the strip temperature in a combined direct- and indirect-fired strip annealing furnace. Based on a tailored first-principles dynamical model and the estimated current system state, the receding horizon controller selects optimal trajectories for both the fuel supply and the strip velocity so that the strip temperature is controlled to its desired target temperature. The controller additionally maximizes the throughput and minimizes the energy consumption. In the control algorithm, the dynamic optimization problem with equality constraints is numerically solved by using the Gauss–Newton method. The gradient and the approximated Hessian matrix of the objective function are analytically computed using an adjoint-based method. The capabilities of the proposed controller are demonstrated for a validated high-fidelity simulation model of an industrial annealing furnace.     

冷带轧机两侧压下位置系统鲁棒动态输出反馈同步控制

冷带轧机操作侧和传动侧位置子系统的内部参数和外界负载不一致, 并且均存在一定的不确定性, 这会造成两侧压下位置系统动静态性能不同和压下位置的不同步, 从而影响被轧带材两侧的厚度和板形质量. 为了解决这一问题, 需要在轧机两侧位置控制系统中增加同步闭环控制器. 本文在考虑两侧位置子系统存在参数不确定性和外部负载扰动不确定性的情况下, 设计了压下位置鲁棒动态输出反馈同步控制器, 并从理论上验证了所设计控制系统的稳定性. 仿真和实验研究结果证明了所设计同步控制器的有效性.     

冷带轧机厚控系统自适应鲁棒输出反馈动态控制器设计

冷带轧机厚控系统可被认为是一个受外界干扰的线性不确定时滞系统.本文首先设计了标称系统下的鲁棒输出反馈动态控制器,以改善闭环系统的动静态性能;其次,在系统不需要满足不确定性匹配条件的情况下,将参数和外部扰动不确定性综合考虑.应用Lyapunov稳定性理论设计了系统不确定性上界参数的自适应估计器和系统的自适应控制器,保证了闭环系统的渐近稳定性,减小了设计的保守性;两者结合实现了板带出口厚度的有效控制.最后通过一个仿真实例说明本文所提出的自适应鲁棒控制器的有效性.