PSO神经网络及其在冷连轧机张力控制中的应用研究

论文摘要

随着我国经济的快速发展,钢铁产业作为国民经济发展的支柱产业,面临着新的挑战与机遇。如何把新的控制技术应用于钢铁产业中,提高产品质量,增强产品竞争力,产生巨大的经济和社会效益,成为控制领域的一个重要课题。本文以冷连轧张力控制为背景。张力是钢铁轧制过程中的一个重要参数,实现张力的精确控制是连续生产的保证。张力控制的方法研究,一直是控制领域的热点和难点。PSO算法是近年来蓬勃发展的群智能算法的一个重要组成部分。它在全局优化方面的高效性引起了研究者们的广泛关注。它有效地解决了全局搜索能力和局部搜索能力之间的矛盾。经过众多的研究和不断的改进,PSO算法具有了更强的功能和适应性,应用于许多领域,并取得了良好的效果。本文深入研究了PSO算法的发展历程和现状、算法理论和改进方向。神经网络是一种应用广泛的智能技术,通过学习和训练,可以以任意精度逼近任意非线性函数。本文对神经网络的基本原理和性能进行了详细的分析,并针对神经网络传统的训练算法存在的缺点和不足,提出了PSO算法优化神经网络权值的方法。本文将PSO神经网络应用于PID控制参数的寻优,实现对冷连轧张力的智能控制。并对在基本轧制理论基础上建立起来的张力控制系统数学模型进行仿真。仿真结果表明,本文提出的新型控制方法取得了良好的控制效果。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 张力控制技术的发展现状
• 1.3 神经网络的发展历史
• 1.4 群智能及PSO算法
• 1.5 本文的主要工作
• 第2章 张力控制系统
• 2.1 张力的定义
• 2.2 张力的种类
• 2.3 前滑值与后滑值
• 2.4 张力的作用
• 2.5 张力的控制方法
• 2.5.1 直接张力控制
• 2.5.2 间接张力控制
• 2.6 张力数学模型
• 2.7 冷连轧机张力控制系统的建模
• 2.7.1 张力控制系统的结构
• 2.7.2 液压系统建模
• 2.7.3 辊缝到速度变化增益
• 2.7.4 张力产生模型
• 2.7.5 张力计模型
• 2.8 本章小结
• 第3章 PSO优化算法研究
• 3.1 引言
• 3.2 基本PSO算法
• 3.2.1 算法原理
• 3.2.2 PSO算法的领域结构
• 3.2.3 两种PSO算法的基本模型
• 3.2.4 算法流程
• 3.2.5 PSO算法与其他进化算法比较
• 3.3 PSO算法的改进策略
• 3.3.1 调整惯性权重
• 3.3.2 引入收缩因子
• 3.3.3 引入领域算子
• 3.3.4 簇分析方法
• 3.3.5 结合进化计算
• 3.3.6 其他改进策略
• 3.4 仿真分析
• 3.4.1 测试函数
• 3.4.2 仿真与结果分析
• 3.5 本章小结
• 第4章 神经网络及其PSO优化策略
• 4.1 引言
• 4.2 RBF人工神经网络
• 4.2.1 RBF神经网络的基本原理
• 4.2.2 RBF神经网络的特点及优点
• 4.2.3 RBF神经网络存在的问题
• 4.3 BP人工神经网络
• 4.3.1 BP网络的基本原理
• 4.3.2 BP网络的特点和优点
• 4.3.3 BP网络存在的问题
• 4.4 基于PSO算法BP神经网络的优化
• 4.5 仿真分析
• 4.5.1 BP网络仿真
• 4.5.2 仿真与结果分析
• 4.6 本章小结
• 第5章 基于PSO算法的神经网络张力控制
• 5.1 引言
• 5.2 改进PSO算法进行PID整定
• 5.2.1 基本PID控制原理
• 5.2.2 数字PID控制器
• 5.3 基于PSO神经网络的PID参数优化
• 5.3.1 BP神经网络控制器
• 5.3.2 基于PSO算法的神经网络PID控制
• 5.4 基于PSO神经网络PID控制的张力控制系统
• 5.5 仿真的比较和分析
• 5.6 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢