UC軋機板形智能控制研究.pdf

1、該文以具有強大板形控制能力的UC軋機為研究對象,采用神經網絡控制方法解決了軋制過程中非線性、耦合、純滯后、時變等特性帶來的問題,從而實現了UC軋機的板形自動控制,達到了提高帶鋼板形質量、改善控制品質的目的.該文的主要工作包括:1.在對UC軋機原有電氣系統、液壓彎輥系統進行改造的基礎上,采用研華工控設備完成了軋機板形各信號實時檢測與板形控制信號輸出的硬件設計與調試工作.2.在分析UC軋機液壓彎輥系統動、靜態(tài)特性的基礎上,建立了該系統的數學

2、機理模型.針對系統非線性造成的常規(guī)PID反饋控制的局限性,提出了FUZZY-PID復合控制算法,從而得到理想的動態(tài)響應速度與穩(wěn)態(tài)控制品質.3.該文分別采用多層前饋神經網絡和對角型遞歸神經網絡建立了具有非線性滑動自回歸模型形式的板形在線控制動態(tài)預測模型.通過利用實測數據對模型進行在線滾動優(yōu)化,增強了模型對軋輥熱凸度等慢時變、不可測因素對板形影響的適應性.4.在上述建模工作的基礎上,將基于神經網絡預測模型的廣義預測控制算法應用在板形控制過程

3、中,并通過一種簡單可行的利用板形預測誤差進行實時反饋校正的方法,有效抑制了各種擾動因素對板形控制品質的影響.5.針對基于神經網絡預測模型的廣義預測控制算法控制量計算中存在的計算量大的問題,提出了多步預測性能指標函數下的神經網絡逆控制方法.為了適應實際生產過程控制改造的需要,提出了多步預測性能指標函數下的神經網絡PID控制方法.6.針對軋制過程中存在的耦合問題,在理論建立了UC軋機板形板厚控制模型的基礎上,采用前饋補償的方法設計了解耦控制

4、器.考慮到軋制過程中的非線性、時變特性以及未建模動態(tài)的影響,利用具有自學習、自適應功能的神經網絡實現了上述解耦控制器,提高了系統的魯棒性.7.對于所提出的三種板形控制策略進行了實際軋制實驗研究,通過與采用多元線性回歸模型的常規(guī)反饋控制方法相比較,證明了該文提出的三種控制策略的有效性和優(yōu)越性.8.將提出的三種板形控制策略推廣到某1550冷連軋廠UCMW機組的板形控制過程中.仿真實驗證明,在實際工業(yè)生產過程中使用上述控制方法是可行而有效的.