基于模糊神经网络的UC轧机板形控制

论文摘要

近年来我国轧钢行业得到了飞速发展,我国已成为世界上钢材产量最多的国家之一,但目前我国轧钢生产的技术水平与国际先进水平相比还有相当大的差距。板形精度是冷轧带钢的一项主要质量指标和决定其市场竞争力的重要因素,提高冷轧带钢质量的迫切要求使得板形控制成为我国钢铁企业面临的一个重要问题。板形是板带的重要质量指标。为了改善产品质量及提高生产率,板形控制日益成为钢铁企业面临的重要课题。UC轧机是一种板形控制能力非常强的轧机,具有倾辊、弯辊、横移辊和局部冷却等多种板形控制手段。对于这样一个复杂的多变量控制系统,采用的控制策略是首先把它化简成若干个单变量控制系统,然后分别对这些单变量系统进行控制。在解耦控制的作用下,全局板形控制系统可以分解成3个回路进行单独的在线控制,分别为支撑辊倾辊、工作辊弯辊和中间辊弯辊控制回路。板形检测信息通过模式识别和模型分解后,能够为每个控制回路提供相应的控制量。UC轧机的板形控制系统是一个多变量、强耦合的控制系统,具有惯性及滞后的特点,中间辊弯辊回路的控制过程参数变化大,是典型的非线性过程。中间辊弯辊控制回路的数学模型具有很强的时变性和不确定性,常规的PID控制算法无法对系统变化作出快速,精确的反应,因此控制过程中,板形的精度不易保证。本文设计了一种模糊神经网络控制器并将其应用于中间辊弯辊回路的控制中,在网络的训练过程中,为了克服网络易陷于局部极小和初始权值对最终解的影响。用遗传算法进行寻优,将搜索范围缩小后,再利用BP网络来精确求解。仿真结果表明,这种模糊神经网络控制器比单独用BP算法训练网络能很好地跟踪二次板形的目标设定值,二次板形缺陷能够得到快速有效的控制,系统的响应快,超调小,鲁棒性及自适应能力都较强。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的背景及研究意义
• 1.2 板形控制的发展及现状
• 1.2.1 板形控制设备的发展
• 1.2.2 板形理论的发展及现状
• 1.2.3 板形控制方法的研究现状
• 1.3 模糊技术与神经网络的发展
• 1.3.1 传统控制的局限和智能控制的发展
• 1.3.2 模糊控制的发展与研究现状
• 1.3.3 神经网络的发展与研究现状
• 1.4 本文的主要研究内容及工作安排
• 第二章 板形控制的基础知识
• 2.1 板形控制的相关知识
• 2.1.1 板形及其表示方法
• 2.1.2 UC轧机板形控制
• 2.2 板形控制的理论基础
• 2.2.1 板形控制的基本理论
• 2.2.2 板厚控制的基本理论
• 2.3 板形控制存在的问题
• 2.4 本章小结
• 第三章 模糊控制及神经网络
• 3.1 模糊控制的基本思想及特性
• 3.2 模糊控制器
• 3.2.1 模糊化
• 3.2.2 模糊数据库和规则库
• 3.2.3 模糊推理
• 3.2.4 清晰化
• 3.3 神经网络的基本思想及特性
• 3.3.1 神经网络概述
• 3.3.2 神经网络的特性
• 3.4 遗传算法概述
• 3.4.1 遗传算法的特点
• 3.4.2 基本遗传算法
• 3.5 模糊理论与神经网络的结合
• 3.5.1 两种技术结合的必要性
• 3.5.2 模糊技术与神经网络相结合的几种形式
• 3.6 遗传算法与神经网络的融合
• 3.7 本章小结
• 第四章 UC轧机二次板形缺陷模糊神经网络控制
• 4.1 UC轧机中间辊弯辊控制回路
• 4.2 模糊神经网络控制方案
• 4.2.1 模糊神经网络系统结构
• 4.2.2 模糊神经网络控制器
• 4.2.3 网络的学习算法
• 4.3 仿真试验研究及结果分析
• 4.4 本章小结
• 第五章 结论
• 5.1 总结与创新
• 5.2 对未来工作的展望
• 参考文献
• 在学研究成果
• 致谢