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.

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.

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 。