冷轧带钢板形控制的矩阵模型研究

论文摘要

本文以人工智能理论为基础,选择具有理论和工程实际意义的冷轧带钢板形控制的矩阵模型研究为课题,对平直度模式识别、平直度控制和断面形状控制进行了深入的理论研究,取得了新的研究成果。平直度模式识别是平直度控制系统的重要组成部分。考虑到现代轧机平直度控制手段多样化的实际,为提高平直度模式识别模型的精度,提出了含有3次分量的新型平直度模式识别方法。该模型采用基于最小二乘原理的勒让德多项式回归方法,使用1次、2次、3次和4次勒让德多项式作为平直度基本模式,利用小波消噪技术对平直度原始数据进行预处理,从整体上提高了平直度模式识别的精度,使平直度模式识别结果具有完备性,细化了平直度控制目标,有利于提高平直度控制的精度。为了分析各种平直度控制手段对平直度控制影响矩阵的影响规律,以HC轧机为例,以倾辊、工作辊弯辊、工作辊非对称弯辊和中间辊横移作为平直度控制手段,按照机理模型计算了各控制手段对1次、2次、3次和4次平直度分量的影响系数,系统地揭示了各种控制手段对各次分量的影响规律,为平直度在线控制模型的建立、实现提供了基础。为了提高平直度控制模型的精度,综合运用机理和智能建模方法,从轧制过程的本质和实测数据两个方面出发,建立了机理-智能型动态影响矩阵法平直度控制模型。采用微粒群算法优化的BP网络建立了机理影响矩阵快速计算网络模型,实现了机理影响矩阵的快速计算,避免了由于机理模型庞大复杂、计算时间长而不能满足在线快速计算需要的问题。采用聚类算法优化的RBF网络建立了实测影响矩阵快速计算网络模型,用现场实测影响矩阵数据作为样本,进行在线自学习,使平直度在线控制模型动态跟踪现场实际情况。将机理控制矩阵和实测控制矩阵有机结合,制定了平直度控制量计算方案,提高了平直度在线控制模型的通用性、灵活性和精确性。为了提高带钢断面形状的控制精度,首次提出了带钢断面形状影响矩阵控制模型。该模型采用1次、2次、3次和4次曲线精确描述带钢断面形状,根据影响函数法的原理,给出了断面形状控制影响矩阵的概念,并且建立了断面形状控制方程,为带钢断面形状在线控制提供了新的方法。应用机理模型计算了各种控制手段对断面形状的影响系数,系统分析了各种控制手段对断面形状的影响规律,为制定带钢断面形状控制策略提供了依据。为实现断面形状控制影响矩阵的快速计算,应用BP网络建立了带钢断面形状快速预报模型,使带钢断面形状影响矩阵控制模型能够方便地应用于在线断面形状控制。为了提高连轧机的平直度和断面形状控制能力,综合应用机理-智能型动态影响矩阵法平直度控制模型和断面形状影响矩阵控制模型,制定了连轧机平直度和断面形状综合控制方案,使在线平直度控制和断面形状控制相互配合,实现了各机架的在线并行控制。通过某1550连轧机实测平直度和断面形状数据对该控制方案进行了工业验证,结果表明该方案能具有较高的平直度和断面形状控制精度,控制过程稳定、可靠,提升了连轧机在线控制能力,对提高连轧机产品质量有重要意义。选择具有理论和工程实际意义的冷轧带钢板形控制的矩阵模型研究为课题,对平直度模式识别、平直度控制和断面形状控制进行了深入的理论研究,并进行了相应的仿真分析和工业验证,取得了新的研究成果,对平直度和断面形状控制理论的发展有重要意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的目的和意义
• 1.2 板带轧制理论的研究现状
• 1.2.1 金属变形模型的研究现状
• 1.2.2 辊系弹性变形模型的研究现状
• 1.2.3 传统轧制理论的特点
• 1.3 智能控制的发展现状
• 1.3.1 智能控制的产生和发展
• 1.3.2 智能控制系统的主要分支
• 1.4 智能控制在轧制过程中的应用现状
• 1.4.1 轧制过程中引入智能控制的必要性
• 1.4.2 智能控制在轧制过程的应用
• 1.5 平直度模式识别的研究现状
• 1.6 平直度和断面形状在线控制的研究现状
• 1.6.1 平直度在线控制的研究现状
• 1.6.2 断面形状在线控制的研究现状
• 1.7 课题来源与主要研究内容
• 1.7.1 课题来源
• 1.7.2 主要研究内容
• 第2章 含有3 次分量的新型平直度模式识别方法
• 2.1 概述
• 2.2 平直度基本模式的选择
• 2.3 平直度模式识别模型的建立
• 2.3.1 平直度数据预处理
• 2.3.2 模式识别模型的建立
• 2.3.3 平直度模式识别的步骤
• 2.4 模型仿真实验
• 2.4.1 小波消噪对识别结果的影响
• 2.4.2 平直度模式识别效果分析
• 2.5 本章小结
• 第3章 基于机理模型的平直度控制影响矩阵计算分析
• 3.1 概述
• 3.2 平直度控制的影响矩阵法
• 3.3 平直度计算机理模型的建立
• 3.3.1 辊系模型的建立
• 3.3.2 金属模型的建立
• 3.3.3 辊系模型和金属模型的耦合
• 3.4 平直度控制影响矩阵的计算方法
• 3.5 平直度计算机理模型验证
• 3.6 平直度控制影响矩阵计算结果分析
• 3.6.1 倾辊对平直度的影响系数
• 3.6.2 工作辊弯辊对平直度的影响系数
• 3.6.3 工作辊非对称弯辊对平直度的影响系数
• 3.6.4 中间辊横移对平直度的影响系数
• 3.7 本章小结
• 第4章 基于机理-智能型动态影响矩阵的平直度控制方法
• 4.1 概述
• 4.2 平直度控制的机理-智能型动态影响矩阵模型结构
• 4.3 机理影响矩阵网络模型的建立
• 4.3.1 BP 网络模型结构
• 4.3.2 BP 网络学习算法
• 4.3.3 机理影响矩阵网络模型结构的确定
• 4.3.4 BP 网络学习算法改进
• 4.3.5 微粒群算法优化BP 网络
• 4.3.6 NN1 学习算法
• 4.4 实测影响矩阵网络模型的建立
• 4.4.1 RBF 网络模型结构
• 4.4.2 RBF 网络学习算法
• 4.4.3 实测影响矩阵网络模型结构的确定
• 4.4.4 实测数据样本预处理
• 4.4.5 实测数据样本分类
• 4.4.6 NN2 学习算法
• 4.5 平直度控制量的计算
• 4.6 模型仿真实验
• 4.6.1 微粒群算法与NN1 仿真实验
• 4.6.2 聚类算法与NN2 仿真实验
• 4.6.3 平直度控制仿真实验
• 4.7 本章小结
• 第5章 带钢断面形状控制的影响矩阵方法
• 5.1 概述
• 5.2 带钢断面形状控制矩阵模型的建立
• 5.3 带钢断面形状神经网络预报模型
• 5.4 带钢断面形状控制影响矩阵计算结果分析
• 5.4.1 倾辊对断面形状的影响系数
• 5.4.2 工作辊弯辊对断面形状的影响系数
• 5.4.3 工作辊非对称弯辊对断面形状的影响系数
• 5.4.4 中间辊横移对断面形状的影响系数
• 5.5 模型仿真实验
• 5.6 本章小结
• 第6章 平直度和断面形状综合控制方案制定及工业验证
• 6.1 概述
• 6.2 平直度和断面形状综合控制方案制定
• 6.3 平直度和断面形状综合控制方案工业验证
• 6.3.1 平直度和断面形状控制仿真器的建立
• 6.3.2 综合控制方案工业验证
• 6.4 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