基于模糊混沌的板形识别与控制技术的研究

论文摘要

随着我国对板带钢材数量和种类增加的同时对板带钢材产品质量的要求也日益提高,板形测控技术是提高板形质量的关键。目前板形测控技术已经成为现代化高精度板带轧机的研究热点,而板形信号识别和板形先进控制方法与策略的研究是其重要发展方向。本文以模糊技术、混沌算法和广义预测控制理论为基础,对板形测控技术进行了研究,主要工作如下:针对板形信号模式的传统识别方法、模糊识别方法和神经网络识别等方法的优缺点,提出了基于模糊混沌的板形信号识别方法。该方法采用模糊识别作为初步识别,用以降低混沌优化的求解维数和缩小搜索空间,而后采用混沌优化对其进行进一步识别,构建了两步寻优模糊混沌板形信号识别,该识别方法既具有模糊识别的简单、快速和稳定性的优点,同时又具有较高的精度。在提出的两步寻优识别方法中,对混沌优化算法进行了分析与研究,针对混沌优化算法的局部搜索能力差的不足,借助梯度下降法的思想,给出一种利用先验知识和局部搜索相结合的新方法;对混沌搜索范围进行划分,建立一种对应新的映射优化变量取值搜索区域。对模糊预测技术的应用进行了研究,提出了基于模糊辨识方法的轧制力模糊预测模型。采用三角形隶属函数和聚类型隶属函数进行模糊模型前提参数的辨识,结论参数辨识采用加权递推最小二乘算法(WRLSA),经过对大量实际生产轧制数据的仿真实验,证明了该模型性能稳定,运行速度快,训练样本较少,从而为轧制力的预测开辟了一条新的途径。液压弯辊控制是板形测控系统的最基本环节,它的动态特性和稳态性能对于整个板形控制系统的性能起着至关重要的作用。针对液压弯辊控制具有非线性、时变性及不确定性等特性,及其对抗干扰性的要求,在分析其控制机理的基础上,提出了一种基于广义预测控制的液压弯辊控制方案,拓展了先进控制理论在板带轧制过程控制中的应用。研究了广义预测控制算法,充分发挥广义预测控制算法的可塑性,给出了输出误差预报补偿的实时校正新算法,主要包括:采用实时性较强的时间序列预报AR模型对系统未来时刻误差进行预报并补偿,以减小模型误差和系统扰动的影响;推出了一种新的简化递推优化算法,以解决广义预测控制算法计算量大而影响实时性的问题;将输出量也作为滚动优化目标项目之一,和将系统输出量采用当前与未来预测控制量的加权均值算法,从而实现了系统快速性、小超调和稳定性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 板形测控系统研究的概况
• 1.2.1 板形测控研究的内容及发展方向
• 1.2.2 国内外研究概况
• 1.2.3 板形测控研究的难题
• 1.3 模糊技术与混沌优化
• 1.3.1 模糊技术与模糊建模
• 1.3.2 混沌优化研究现状
• 1.4 广义预测控制的研究状况
• 1.4.1 广义预测控制产生与应用
• 1.4.2 广义预测控制研究的发展与现状
• 1.4.3 广义预测控制在板形控制中的应用
• 1.5 板形信号识别和液压弯辊控制研究进展
• 1.6 课题来源及研究内容
• 1.6.1 课题来源
• 1.6.2 主要研究内容
• 第2章 板形测控原理及其模型
• 2.1 引言
• 2.2 板形的基础知识
• 2.2.1 板形的概念
• 2.2.2 板形的表示方法
• 2.2.3 良好板形的几何条件
• 2.2.4 影响板形的主要因素
• 2.3 板形测控系统
• 2.3.1 板形控制原理
• 2.3.2 板形测控系统模型
• 2.4 板形信号测量与处理
• 2.4.1 板形信号在线检测
• 2.4.2 板形信号检测模型
• 2.5 板形控制基本方法
• 2.6 板形计算机控制模型
• 2.7 本章小结
• 第3章 模糊混沌板形信号模式识别
• 3.1 引言
• 3.2 标准板形信号模式的建立
• 3.2.1 形板信号识别基本原则
• 3.2.2 板形控制目标
• 3.2.3 板形缺陷的分类
• 3.2.4 板形缺陷基本模式
• 3.3 模糊模式识别
• 3.3.1 模糊技术与模式识别
• 3.3.2 模糊模式识别的一般方法
• 3.4 混沌优化的模糊识别方法
• 3.4.1 混沌优化基本算法
• 3.4.2 混沌优化算法的分析
• 3.4.3 混沌优化算法的改进
• 3.4.4 模糊混沌板形信号识别模型
• 3.5 模糊混沌识别实验
• 3.5.1 计算实例
• 3.5.2 实测板形信号模式识别
• 3.6 本章小结
• 第4章 基于模糊模型的轧制力预测
• 4.1 引言
• 4.2 模糊建模方法
• 4.2.1 模糊建模
• 4.2.2 模糊建模的类型
• 4.2.3 模糊模型的辨识方法
• 4.3 采用三角形隶属函数的轧制力预测
• 4.3.1 T-S 模糊模型
• 4.3.2 三角形隶属函数划分
• 4.3.3 结论参数辨识算法
• 4.3.4 模糊模型输入输出参数确定
• 4.3.5 数据选择和模糊模型训练
• 4.3.6 仿真研究
• 4.4 采用聚类型隶属函数的轧制力预测
• 4.4.1 聚类型隶属函数划分
• 4.4.2 结论参数辨识算法
• 4.4.3 仿真研究
• 4.5 本章小结
• 第5章 液压弯辊系统的GPC 控制技术
• 5.1 引言
• 5.2 广义预测控制改进的研究
• 5.2.1 广义预测控制的基本算法
• 5.2.2 控制参数在线调正
• 5.2.3 输出量波动的控制
• 5.2.4 控制超调量的策略
• 5.2.5 简化递推优化算法
• 5.2.6 改进方案仿真验证
• 5.3 时间序列误差预报补偿GPC
• 5.3.1 时间序列预报模型
• 5.3.2 时间序列预报误差补偿
• 5.4 基于GPC 的液压弯辊控制器设计
• 5.4.1 液压弯辊力测控系统组成
• 5.4.2 液压弯辊力的数学模型
• 5.4.3 液压弯辊力控制器的设计
• 5.4.4 控制系统仿真
• 5.4.5 实验研究
• 5.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介