改进小脑模型网络对轧辊偏心谐波的分频辨识

针对连续轧钢机轧辊偏心谐波信号具有严重的非线性特性,提出一种采用改进的小脑模型控制器(ICMAC)神经网络对轧辊偏心进行分频辨识的方法。该方法基于改进的Prony参量法对轧辊偏心信号进行估计,利用ICMAC对非线性的逼近能力,对不同频率不同幅值的轧辊偏心谐波进行分频辨识,然后提取连轧机轧辊偏心信号非线性谐波,从而得到混合了各次谐波的轧辊偏心信号的最简模型。仿真结果表明,该方法与常规的BP网络辨识建模方法相比,不仅辨识结果的置信度高,而且能明显识别出对控制精度影响较大的谐波,可为进一步消除连轧机轧辊偏心信号提供依据。