基于IMSE的神经网络优化设计方法在板厚板形控制中的应用

提出基于免疫调节的共生进化算法 (IMSE)的神经网络优化设计方法 ,融入了免疫调节原理中的浓度抑制调节机制以保持个体的多样性 ,有效地克服了未成熟收敛现象 .在应用于二机架冷连轧板厚板形综合控制系统中的仿真实验表明 ,该方法能很好地适应复杂环境 。

基于免疫算法的模糊神经网络在板厚板形控制中的应用

本文设计了一种基于免疫算法 (IA )的模糊神经网络板厚板形综合控制系统 ,用IA算法优化具有全局性的隶属函数参数后 ,再用梯度下降法在线调节和优化网络的局部性参数 .在应用于二机架可逆冷连轧板厚板形综合控制中的仿真实验表明 ,该系统有较强的抗干扰性和较好的收敛性 .

宽带钢热连轧机板形板厚增益调度解耦控制

针对板形板厚综合控制的耦合问题,通过分析板形控制系统需要先后投入平坦度反馈控制和动态凸度控制的综合系统特性,采用前馈补偿综合法设计解耦网络以完成动态轧制过程的板形板厚解耦控制.结合1 700mm热连轧机实际控制系统,提出采用板形板厚增益调度解耦控制方法适应板形板厚耦合特性随实际轧制条件变化的应用需要,建立的增益调度函数集已在大型工业轧机得到验证与应用.

基于模糊神经网络的板形板厚综合控制系统

面对板形板厚控制这一复杂、多变量耦合的非线性系统,提出一种基于模糊神经网络的综合控制方案,实现了无模型板形板厚综合控制.仿真结果表明,该控制系统收敛性好、抗干扰性强,取得令人满意的板形板厚控制精度.

多变量模糊预测控制在板形板厚综合系统中的应用

针对板形板厚综合系统，提出一种基于遗传算法的多变量模糊预测控制新方法．该方法通过模糊预测来建立多变量系统的模糊模型，给出了辨识参数．同时，利用遗传算法优化控制律．仿真结果表明该方法是有效的．

基于多值编码GA-BP混合算法的板形板厚综合预测控制

为克服BP神经网络存在的收敛速度慢、易于陷入局部极值等不足,提出了可以同时优化BP神经网络的结构和参数的基于多值编码方式的嵌入梯度下降算子的混合遗传算法(GA-BP).并在此基础上针对板形板厚综合系统(AFC-AGC)具有强非线性、强耦合而难以建立精确的数学模型的问题,设计了基于BP网络板形板厚综合预测模型,引入了反馈校正的方法来提高板形板厚控制系统的抗干扰能力.仿真结果表明,该模型可以实现板形板厚的精确控制,为热连轧板形板厚综合控制提供了一个新的有效的方法.

基于MMAS-PID的板形板厚综合控制

针对带钢冷连轧板形、板厚存在的强耦合关系,建立了板形板厚耦合模型,进行了厚度波动前馈补偿,设计了对角形板形板厚解耦控制系统,实现了板形板厚解耦。同时设计了最大最小蚁群算法(MMAS)优化的PID控制器,对综合控制系统进行了PID参数优化。仿真实现了快速优化PID以满足控制要求,与传统的PID控制相比,MMAS-PID综合解耦控制系统有效提高了板形板厚控制精度。

基于动态RBF神经网络的板形板厚综合控制仿真研究

基于RBF神经网络的特点提出了一种动态调节隐含层隐节点个数的方法,由2部分组成:首先以网络输出数据的均方误差及其变化率为标准来调节隐含层节点的数目,然后调节优化隐含层节点的中心值,根据广义逆矩阵的方法求出输出层权值.所设计的神经网络具有最少的隐含层节点数,提高了学习训练速度,构造了板形板厚综合控制的数学模型,采用新的模型处理方法,用动态RBF神经网络进行控制仿真,取得了理想的结果.

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。

板形板厚自适应模糊PID解耦控制

带钢冷轧过程中,板形控制和板厚控制之间存在着很强的耦合关系,互相影响对方的调节效果。针对这一复杂、多变量耦合的非线性系统,建立了板形板厚综合系统数学模型,并提出应用前馈补偿解耦方法和一种增益调整型自适应模糊PID控制方法对板形板厚综合系统进行解耦控制。仿真结果表明,该解耦控制方法比传统解耦PID控制方法解耦效果好、响应速度快、自适应跟随能力强,有效地提高了板形板厚的控制精度。

热轧带钢板形板厚耦合特性变化机理与参数求解

通过对建立的耦合关系模型的分析，指出 Ｍｐ，Ｍｗ，Ｑ，Ｋｐ和 Ｋｗ是决定工业轧机板形板厚综合控制系统耦合特性的参数．它们随实际轧制生产条件的变化而改变．采用有限元模型，结合工业轧机系统实测数据，给出 １７００ ｍｍ热连轧机耦合特性参数的求解方法，该方法为板形板厚解耦设计的工业应用提供了切实可行的途径．

宽带钢热连轧机板形设定的解耦与应用

板形与板厚是带钢几何尺寸精度的两个重要质量指标 ,板形与板厚控制之间存在耦合关系 ,使得分别控制的热连轧机板形和板厚设定均达不到目标值。在建立耦合关系模型的基础上 ,完成了板形设定和自适应穿带控制的解耦设计 ,实现板形板厚设定的综合控制。板形设定解耦模型已经成功地在大型工业轧机上投入运行 。

WS四辊中厚板轧机探讨

介绍了一种新的WS四辊中厚板轧机;分析了该轧机轧辊系统通过移动工作辊来控制板形的基本原理等内容。通过对该轧机的轧制规程进行优化,使轧机的性能得以充分发挥。

兼顾板形的单机架UCM冷轧机负荷分配的优化方法

负荷分配是板厚控制和板形控制的基础,为了保证成品带钢的板形板厚质量,需要在负荷中考虑板形调节能力。综合考虑了单机架轧制各道次轧制压力和板形调节能力,建立了基于粒子群算法的单机架冷轧负荷分配优化数学模型,并利用该算法实现了单机架冷轧机多目标负荷分配优化。采用优化后的轧制规范组织实际生产应用,结果表明该优化模型很好地兼顾了板形控制和板厚控制,达到了良好的应用效果。

冷连轧机板形板厚解耦设定补偿研究

首先论述了冷连轧机板形板厚解耦控制的必要性,然后针对当前板形板厚解耦控制大多针对动态轧制过程的现状,提出板形板厚解耦设定补偿的思想,它包括预设定补偿和自适应穿带解耦控制。预设定补偿是解决设定过程中弯辊力对板形板厚耦合系统的影响;自适应穿带解耦控制是针对穿带过程中轧制力预报不精确的板形板厚解耦方法。

基于粒子群算法的单机架冷轧硅钢负荷分配的优化方法

负荷分配是板厚控制和板形控制的基础,为了保证成品带钢的板形和板厚质量,需要在负荷分配中考虑板形调节能力。本方法综合考虑了单机架轧制各道次轧制压力特性和板形调节能力,建立了基于粒子群算法的单机架冷轧硅钢负荷分配优化数学模型,并利用该算法实现了单机架冷轧机多目标负荷分配优化。采用优化后的轧制规范组织实际生产应用,结果表明该优化模型很好地兼顾了板形控制和板厚控制,取得了良好的应用效果。