冷带轧机板形闭环控制中的滞后补偿研究

论文摘要

板形是衡量冷轧带钢质量的重要指标之一,其影响因素较多,相关规律复杂。随着社会对带钢需求的增长,过去仅仅依靠单纯人工预设定的控制方式已难于满足生产需求,实现在预设定基础上的板形闭环自动控制成为亟待解决的问题。而在闭环控制中,由于板形仪距带钢出口处有一段距离,造成板形检测信号的滞后,使得整个控制系统成为一个滞后控制系统,增加了控制的难度。滞后控制本身也是控制界的难题,至今还没有提出一套通用的、成熟的控制器设计方案,因此研究板形闭环控制中的滞后补偿方法,实现板形自动控制,具有重要的理论意义和实际应用价值。本文系统研究了300mm四辊冷带可逆轧机板形闭环控制系统的构成。由于板形控制手段的动态特性直接影响着系统的控制效果,因而有针对性地研究了弯辊系统和倾辊系统。为了准确获得它们的动态特性,首先通过理论分析的方法,建立机理模型,作为系统辨识的先验知识,继而通过筛选大量的阶跃响应数据,运用离线辨识的方法和Matlab辨识工具箱,得到更切合实际的系统离散模型,为控制器设计奠定基础。传统的Smith预估器是常用的滞后补偿器,但由于它是通过预估的线性化数学模型将滞后时间系统转化为非滞后时间系统,因此存在对模型依赖性强、适应差的缺陷。神经网络的自适应和自学习能力无疑可以弥补这一缺陷,然而其复杂的结构、繁琐的计算又严重制约了它的执行效率,难于应用到对实时性要求较高的工程实际中。为了保证实时性和自适应性,设计了单神经元的Smith预估器和在线学习的PID神经网络内模控制器。仿真结果表明所选方法可以有效地弥补Smith预估器的缺点,获得良好的系统性能。将其应用于实际的轧制过程,结果表明所设计的控制器比传统Smith预估器具有更好的适应性,更稳定的控制能力。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 滞后控制的研究状况
• 1.2.1 传统控制方法
• 1.2.2 智能控制方法
• 1.2.3 传统控制与先进控制相结合
• 1.3 课题来源与研究内容
• 第2章 板形控制手段的动态特性分析及辨识
• 2.1 板形控制系统的结构
• 2.2 电液弯辊伺服系统
• 2.2.1 电液弯辊伺服系统的组成原理
• 2.2.2 电液弯辊伺服控制系统的数学模型
• 2.3 参数辨识与验证
• 2.3.1 参数辨识的基础原理
• 2.3.2 数据的获取
• 2.3.3 利用 Matlab 辨识工具箱进行参数辨识
• 2.3.4 最终模型
• 2.4 倾辊系统
• 2.5 轧制力与带材变形之间的关系
• 2.6 板形仪的传递函数
• 2.7 本章小结
• 第 3 章 Smith 预估器的特性及仿真分析
• 3.1 板形闭环控制中时滞的特点
• 3.2 Smith 预估器
• 3.2.1 Smith 预估器的结构原理
• 3.2.2 Smith 预估器的特性分析
• 3.3 Smith 预估器的 Matlab 仿真分析
• 3.4 本章小结
• 第4章 神经网络在滞后补偿中的应用
• 4.1 单神经元 Smith 预估器
• 4.2 PID 神经网络内模控制在滞后补偿中的应用
• 4.2.1 内模控制
• 4.2.2 内模控制器的设计
• 4.2.3 PID 神经网络
• 4.2.4 PID 神经网络（PIDNN）的内模控制及其仿真
• 4.3 本章小结
• 第5章 实验研究
• 5.1 300 mm 四辊冷带可逆轧机的构成
• 5.2 板厚、板形控制系统构成
• 5.2.1 硬件构成
• 5.2.2 软件构成
• 5.3 板形闭环控制
• 5.3.1 板形目标曲线的设定
• 5.3.2 板形模式识别
• 5.4 实验结果
• 5.5 本章小结
• 结论
• 附录
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 承担的研究课题
• 发表的学术论文
• 致谢
• 作者简介