薄板连轧板形控制研究

论文摘要

随着现代工业的不断发展和进步，对板材质量的要求也越来越高，而板形模式识别和控制是提高板材质量的关键技术之一，因此成为冷轧控制研究的热点问题。另外，由于人工神经网络在建立模型中有许多优点，在近几年的研究中被广泛的应用在板形模式辨识和控制中。本文以某薄板厂的六辊五机架CVC冷连轧机为研究对象，以实现板形精确自动控制为目的，建立了基于BP(Error BackPropagation)神经网络的板形缺陷模式识别模型和板形预测模型。首先，阐述了轧机、板形的相关知识，以及板形控制的基本方法和策略。重点分析了板形的测量装置以及测量的相关理论。其次，针对传统数学方法在辨识板形缺陷模式中的不足，以常见板形缺陷模式为依据，利用人工神经网络在建模和系统辨识方面的优点，建立了基于BP神经网络的板形缺陷辨识模型，并利用matlab7.0中的GUI(Graphical User Interfaces)神经网络工具箱建立了该模型。模型的输入为测量辊的52测量值和它们平均值的偏差，输出为四次板形曲线的各项系数，这些系数可以直接参与到板形的控制中。最后，板形控制受多个非线性变量的影响，用传统的方法很难达到精确控制。为了实现板形的精确控制，本文根据板形的影响因素和现场所能采集到的数据量，建立了基于BP神经网络的板形预测模型，通过该模型可以给出有效的板形控制执行机构设定值。对网络进行了训练和仿真后，结果在误差允许范围之内。通过建立上述两个模型，可以有效的辨识和预测板形，为板形的精确控制提供了条件。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 冷轧板形控制的研究背景
• 1.2 国内外发展的现状
• 1.3 选题的目的和意义
• 2 轧机的相关介绍
• 2.1 冷轧机主流机型
• 2.1.1 HC/UC 轧机
• 2.1.2 CVC 技术
• 2.1.3 液压胀形辊 DSR、VC 技术
• 2.1.4 PC 轧机
• 2.2 轧机控制板形的基本策略与实现方法
• 2.2.1 柔性辊缝控制策略
• 2.2.2 刚性辊缝控制策略
• 2.2.3 保持辊形控制策略
• 2.3 本章小结
• 3 板形基础知识
• 3.1 板形的基本概念
• 3.1.1 横截面凸度
• 3.1.2 相对凸度
• 3.1.3 相对延伸差
• 3.2 板形的描述
• 3.2.1 带钢横截面的描述
• 3.2.2 带钢平坦度的描述
• 3.2.3 板形平坦度良好的条件
• 3.2.4 常见的板形缺陷模式
• 3.3 影响板形的因素
• 3.4 板形测量装置及相关理论
• 3.4.1 ABB 带钢板形检测仪
• 3.4.2 BFI 带钢板形检测仪
• 3.5 板形控制系统
• 3.5.1 板形调控的基本方法
• 3.5.2 板形控制系统
• 3.6 本章小结
• 4 人工神经网络
• 4.1 神经网络特点简介
• 4.2 误差反向传播（Error Back Propagation ,BP）神经网络
• 4.2.1 误差反向传播神经网络结构
• 4.2.2 误差反向传播学习算法
• 4.3 本章小结
• 5 人工神经网络板形缺陷识别模型
• 5.1 传统板形识别模型的建立
• 5.2 基于 BP 网络的板形缺陷模式识别
• 5.2.1 网络建立
• 5.2.2 模型训练和仿真
• 5.3 本章小结
• 6 基于 BP 神经网络的板形预测系统研究
• 6.1 中间层节点的选取
• 6.2 建立板形预测模型
• 6.3 网络的训练
• 6.4 网络的测试
• 6.5 本章小结
• 结论
• 参考文献
• 附录A 板形模式缺陷辨识模型训练样本数据表
• 在学研究成果
• 致谢