板带冷轧机板厚板形解耦控制研究

论文摘要

在我国,自主研发的板带轧机板形自动控制系统相对较少,可实现板厚板形综合自动控制的系统几乎空白。其原因是自主研发的板形仪还不完善,另一方面,由于板厚板形之间的强耦合关系难于确定,这也为实现板厚板形综合控制增加了难度。本文以实际工程项目为背景,在认真分析板厚板形控制系统基础上深入研究了板厚板形之间的耦合机理,推导了板厚板形控制系统的动态数学模型,并将智能控制理论应用于板厚板形控制,仿真结果表明智能控制在轧制过程中的应用是可行的。首先,分别推导了以横向张应力表示的和以凸度表示的板厚板形动态数学模型。依据控制理论与工程实际,在对板厚板形调节不产生明显影响情况下,对冷轧液压压下位置控制系统与液压弯辊力伺服控制系统进行了模型等效简化,仿真给出了等效时间常数。为进一步研究板厚板形综合解耦控制提供了良好的模型基础。其次,依据上述板厚板形动态数学模型,深入分析了板厚与板形控制间的耦合影响。在充分研究各种解耦控制原理基础上,提出了将前馈补偿解耦与增益调整型自适应模糊PID控制相结合的解耦控制方法,并对板厚板形控制系统进行了解耦控制仿真研究,结果表明,该控制方法解耦效果是明显的,并且控制精度有所提高。最后,针对板厚板形模型参数不唯一的特点,提出了神经网络解耦时塑性刚度参数的最佳适用范围,并研究了系统解耦后对角递归神经网络(DRNN)整定PID参数的控制方法,将它应用于板厚板形解耦控制系统,使得该控制系统具有较快的响应速度,为有效解决板厚板形综合控制提供了一种新的方法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 板厚板形控制综述
• 1.1.1 板厚控制研究现状
• 1.1.2 板形控制研究现状
• 1.1.3 板厚板形综合控制研究现状
• 1.2 智能控制在金属轧制中的应用现状
• 1.2.1 神经网络在轧制中的应用现状
• 1.2.2 模糊控制在轧制中的应用现状
• 1.2.3 多变量系统解耦控制发展现状
• 1.3 研究意义及主要内容
• 1.3.1 课题研究意义
• 1.3.2 研究内容
• 第2章 冷轧板厚板形控制的理论基础
• 2.1 冷轧板厚控制的理论基础
• 2.1.1 冷轧带材厚度控制的基本原理
• 2.1.2 带材厚度波动原因的分析
• 2.1.3 板厚自动控制系统的基本方式
• 2.2 冷轧板形控制的理论基础
• 2.2.1 带材断面形状的表示法
• 2.2.2 平直度
• 2.2.3 保持带材平直度的良好条件
• 2.2.4 板形的控制方式
• 2.2.5 影响板形因素的分析
• 2.3 冷轧板厚板形控制原理
• 2.3.1 板厚板形控制系统原理图
• 2.3.2 板厚板形综合控制原理分析
• 2.3.3 板厚板形控制方式
• 2.4 本章小结
• 第3章 板厚板形控制系统动态模型分析
• 3.1 液压压下位置伺服控制系统建模
• 3.1.1 液压APC 系统模型的推导
• 3.1.2 模型仿真及简化
• 3.2 液压弯辊力伺服控制系统建模
• 3.2.1 液压弯辊控制系统模型的推导
• 3.2.2 模型仿真及简化
• 3.3 板厚板形动态数学模型的建立
• 3.3.1 横向张应力差表示的板厚板形动态数学模型
• 3.3.2 凸度表示的板厚板形动态数学模型
• 3.4 本章小结
• 第4章 板厚板形自适应模糊PID 解耦控制设计
• 4.1 板厚板形前馈补偿解耦法的研究
• 4.2 板厚板形自适应模糊PID 控制的设计
• 4.2.1 模糊控制器的组成
• 4.2.2 板厚板形自适应模糊PID 控制系统结构的设计
• 4.2.3 板厚板形自适应模糊PID 控制设计的实现
• 4.3 仿真结果及实验分析
• 4.4 本章小结
• 第5章 基于DRNN 的板厚板形神经网络解耦PID 控制设计
• 5.1 对角递归神经网络的研究
• 5.1.1 DRNN 的定义及优越性
• 5.1.2 DRNN 网络结构的分析
• 5.1.3 DRNN 网络辨识
• 5.2 神经网络解耦法的研究
• 5.2.1 解耦神经网络的结构及算法分析
• 5.2.2 神经网络解耦的工作流程
• 5.3 基于DRNN 的板厚板形神经网络解耦PID 控制系统的设计
• 5.3.1 控制系统结构的设计
• 5.3.2 DRNN 整定PID 控制算法的设计
• 5.4 系统实现及其仿真分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介