四辊冷轧机板形神经模糊控制研究

论文摘要

板带材生产在国民经济中占有十分重要的地位，广泛应用于汽车、家用电器和宇航技术等方面。随着社会的不断进步，用户对板带材产品的质量提出了越来越高的要求。板厚和板形是板带材质量的两大主要质量指标，到目前为止，板厚问题已基本上得到了完善的解决，而对于板形问题，一直没有得到满意的解决，板形问题已成为日益迫切的急需解决的问题。倾辊和弯辊是常用的两种板形控制手段，是消除一次和二次板形的主要手段。在实际中，广泛使用传统的PID模型进行控制，本文在此基础上，根据从板形数据中提取出的一次和二次板形信息，利用神经网络动态调整PID控制器的参数，将基于神经网络的模糊PID模型应用到倾辊和弯辊控制中，以提高传统PID模型对板形的控制能力。分段冷却也是常用的板形控制手段，生产中主要用来消除高次板形，它是一个及其复杂的过程，很难建立一个精确的数学模型，本文针对这一问题，利用板形数据中的高次板形信息，在线地对分段冷却模型进行模糊辨识，根据辨识结果求逆，得到动态的模糊控制器进行控制，建立了分段冷却自适应模糊控制模型，以提高高次板形的控制质量。本文最后在所建立的板形智能控制模型的基础上，编写了动态仿真软件，形象地展示了板形控制效果。仿真结果表明所建立的基于神经网络的模糊PID倾辊弯辊控制模型和分段冷却自适应模糊控制模型可靠性高、适应性强，提高了板形综合控制的精度，推动了板形控制的发展，具有重要的实用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景
• 1.1.1 我国钢铁工业发展现状
• 1.1.2 板形控制发展现状
• 1.1.3 板形控制存在的问题
• 1.2 人工智能在轧钢领域中的应用
• 1.2.1 人工智能的概念和特点
• 1.2.2 人工智能在轧钢领域的应用状况
• 1.2.3 在轧钢领域引入智能方法的必要性
• 1.3 课题来源及其研究意义
• 1.4 本课题主要研究内容
• 第2章 板形控制理论基础
• 2.1 板形有关基本知识
• 2.1.1 板形的概念
• 2.1.2 板形的表示方法
• 2.1.3 板形良好的几何条件
• 2.2 板形智能控制理论
• 2.2.1 人工神经网络
• 2.2.2 模糊理论
• 2.3 板形模式识别
• 2.3.1 模式识别的基本原理
• 2.3.2 标准板形模式的选择
• 2.3.3 常用的模式识别方法
• 2.4 四辊轧机板形控制策略
• 2.5 本章小结
• 第3章 倾辊弯辊神经模糊 PID控制研究
• 3.1 倾辊和弯辊的原理
• 3.2 常规 PID控制方法
• 3.2.1 常规 PID控制原理
• 3.2.2 数字 PID控制算法
• 3.2.3 PID控制器参数的整定方法
• 3.2.4 常规PID倾辊弯辊控制系统
• 3.3 基于神经网络的模糊PID控制方法
• 3.3.1 基于神经网络的模糊 PID倾辊弯辊控制系统结构
• 3.3.2 模糊化模块
• 3.3.3 自适应神经网络NN
• 3.3.4 算法程序框图
• 3.4 系统仿真
• 3.4.1 神经网络仿真器的设计
• 3.4.2 仿真结果
• 3.5 本章小结
• 第4章 分段冷却自适应模糊控制研究
• 4.1 分段冷却基本理论
• 4.2 模糊控制方法
• 4.2.1 分段冷却模糊控制系统结构
• 4.2.2 模糊控制器
• 4.2.3 分段冷却模糊控制系统工作流程
• 4.3 自适应模糊控制方法
• 4.3.1 分段冷却自适应模糊控制系统结构
• 4.3.2 自适应模糊控制系统参数的确定
• 4.3.3 自适应模糊辨识
• 4.3.4 模糊模型求逆
• 4.3.5 模糊控制器设计
• 4.3.6 分段冷却自适应模糊控制系统工作流程
• 4.4 系统仿真
• 4.5 本章小结
• 第5章 综合仿真软件设计
• 5.1 仿真语言的选择
• 5.2 软件设计框图
• 5.3 软件运行结果
• 5.4 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