排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
活套系统控制的好坏,直接影响成品带钢的宽度、厚度等性能指标。活套系统的控制目标是恒定活套量下保持张力波动尽可能小,即降低活套张力控制和高度控制的相互干扰,使系统更加稳定。控制系统能够根据检测到的活套辊摆角的变化,一方面给出控制率去调整上游机架的轧辊速度以保持套量不变;另一方面在带钢轧制过程中,为了保持恒定带钢张力,活套输出的张力矩就必须随着活套角度的不同而相应地改变。针对活套系统非线性、强耦合、多约束等特点,以鞍钢1700热连轧精轧机组为背景,建立了活套系统的动态数学模型。针对该模型提出了一种新型控制策略--单神经元PID与小脑模型复合控制算法来实现活套系统的多变量解耦控制。仿真结果验证了本算法的有效性,其解耦响应速度和抗干扰能力明显优于传统PID解耦控制效果。 相似文献
4.
5.
为了进一步提高板带热轧厂厚控精度及控制品质,需对具有非线性、强耦合、不确定、多约束特性的活套系统建立工程上适用的数学模型,以实现活套高度与张力系统的解耦控制.在分析其动态耦合过程的基础上,考虑到实际的活套系统在工作过程中变量的变化离其稳态工作点的偏差很小,以实际热轧现场数据为依据,给出了完整的传递函数表达形式. 采用线性预测模型的BP神经网络PID控制策略以减弱系统的耦合影响,以提高控制效果.仿真结果验证了本算法的有效性,表明解耦后的活套控制系统可获得更好的控制效果. 相似文献
7.
8.
9.
针对离散线性系统,研究批次长度随机变化的反馈辅助PD型量化迭代学习控制问题.考虑系统信号经量化后传输到控制器或执行器的情况,给出两种量化方案:跟踪误差信号量化和控制输入信号量化.基于两种不同的量化信号,在批次长度和初始条件随机变化前提下设计反馈辅助PD型迭代学习控制算法.采用扇形界的处理方法和堆积系统框架,推导数学期望下的学习收敛条件:在误差信号量化情况下,所提出控制算法可以保证跟踪误差渐近收敛到零;在控制输入信号量化情况下,所提出控制算法能够保证跟踪误差有界收敛.仿真示例对比验证了两种量化方案下所提出方法的有效性和优越性. 相似文献
10.