活套多变量系统建模与智能解耦控制研究

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。     

基于相位补偿的轧辊偏心控制

介绍了鞍山钢铁股份集团有限公司(鞍钢)1 700热连轧AGC系统中抑制轧辊偏心扰动的一种有效的方法--CTA轧制力偏心滤波器,分析了其特点及基于相位补偿控制算法的优越性.试验结果表明,通过对剩余偏心成分的补偿分析,进一步调节控制量,有助于提高偏心控制的效果及轧件厚度的精度,并给出了F3机架轧制力实际的滤波效果.     

热连轧活套高度和张力系统的解耦控制

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.     

基于LM I 的H ∞解耦及活套高度张力控制

通过对全解耦、近似解耦和能量解耦的分析并结合工程实际,提出一种基于LMI的输入输出H∞解耦控制方法.该方法综合考虑了耦合通道和控制通道的控制效果,将解耦问题视为干扰抑制和多自由度跟踪的复合控制问题.在解耦控制设计中有更多的自由度,可依工程实际要求作相应调整,获得最优的综合指标.将该解耦方法应用于热连轧高度和张力控制系统,仿真结果表明可获得良好的解耦效果和控制特性.     

快速监控FMN在热连轧上的应用研究

研究了快速监控FMN在热连轧上的应用,提高头部命中率是投入绝对AGC所要求的,它的重要手段是靠提高设定模型精度、模型自学习的收敛速度。为进一步提高带坯全长厚控精度及控制品质,依靠液压压下快速移动特性及利用快速监控FMN功能。以热连轧模型增量方程为核心,对不同轧制规程,给出了兼顾板厚与板形FMN动作表。在鞍钢1700ASP热轧现场中的实际应用表明,此算法是正确的,它可大幅度地改善板卷头部的厚度精度。     

随机变批次长度的反馈辅助PD型量化迭代学习控制

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.     

活套高度和张力系统的神经网络自适应解耦控制

通过对活套系统动态耦合过程的分析,在工作点附近,以实际热轧现场数据为依据,建立控制对象的动态数学模型．提出了BP—RBF神经网络自适应控制策略以减弱系统的耦合影响,证明了所设计的控制器能确保闭环系统渐近稳定．最后的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．