热轧机组液压弯辊力控制系统特性分析与改进

宝钢热轧厂精轧机组的液压弯辊压力传感器经常损坏 ,并且产出的板带钢中出现横向断面厚度不均缺陷。经过对液压弯辊力控制系统的数据采集和仿真建模分析 ,发现了液压弯辊压力控制系统在设计上存在的缺陷。结合实际情况 ,开发了机械滤波器 ,对液压弯辊系统进行了优化 。

模糊逻辑控制器应用于四辊冷轧机液压弯辊系统的研究

为实现四辊冷轧机液压弯辊系统的精确控制 ,设计应用了一种模糊逻辑控制器。仿真结果表明 ,模糊控制是对液压弯辊进行控制的有效工具 。

基于云模型定性推理的液压弯辊板形控制

云模型将概率论的随机性和模糊集合论的模糊性相融合,能很好地解决不确定性问题,基于此设计了一种二维液压弯辊云模型控制器,其控制策略不需要被控对象的数学模型,只需通过语言原子和云模型将人用语言定性表达的经验和逻辑判断转换到语言控制规则器中,就能实现板形实时在线控制。以某公司1220mm液压弯辊板形控制系统为仿真对象进行仿真实验,结果表明,该控制器简易、快速、控制性能良好、鲁棒性强,较常规模糊控制具有更好的控制品质。

液压弯辊电液伺服系统建模及仿真

通过对某轧机液压弯辊系统深入的研究和分析,并参考典型液压元件的作用机理,建立了轧机液压弯辊系统的数学模型。利用MATLAB语言对所建立的液压弯辊数学模型进行了计算机仿真,结果表明,仿真结果和实际所测得的响应曲线非常近似。

液压弯辊控制系统的建模及辨识

通过分析液压弯辊控制系统的结构,给出了系统各个环节的传递函数,建立了液压弯辊控制系统的传递函数.针对理论模型中参数难以确定的问题,以某四辊冷轧机为对象设计了系统辨识方案,采用自回归历遍(auto regressive exogenous,ARX)模型辨识出液压弯辊控制系统模型.辨识的输入和输出数据分别为弯辊闭环系统的弯辊油压给定值和弯辊油压实际值,模型参数估计采用最小二乘法.通过残差分析检验了模型的有效性,结果表明:辨识模型的输出响应能很好地反映实际系统的动态输出特性,并具有较高的精度,证明ARX辨识算法对于弯辊系统的辨识是可行的.

轧钢液压弯辊系统智能控制的研究

该文将基于GA的模糊RBF神经网络控制系统应用于轧钢液压弯辊系统,通过对咬钢和抛钢瞬间出现弯辊力尖峰的实际现象,进行了仿真分析,验证了该控制系统的良好性能。

FNN模型参考自适应控制在轧机液压弯辊系统中的应用

UC轧机液压弯辊系统的数学模型具有很强的时变性和不确定性,是典型的非线性过程;针对UC轧机液压弯辊系统的特性,提出模糊神经网络模型参考自适应控制策略,并将其应用到液压弯辊控制系统中;仿真结果表明,模糊神经网络模型参考自适应控制能够很好的跟踪参考模型的设定,系统的响应快。

基于GA-PIDNN的液压弯辊控制系统设计

针对液压弯辊控制系统的时变性、非线性和不确定性等特点,设计利用G A(遗传算法)优化的P I D神经网络(P I D N N)液压弯辊控制系统。P I D N N控制器不仅具有不依赖被控对象数学模型的优点,而且有很好的动态性能,结构简单易于设计。利用G A代替B P算法对P I D N N权值进行优化,克服了B P算法易陷于局部极小的不足。2种优化方法的仿真结果对比表明:G A-P I D N N控制器能够使液压弯辊力快速达到目标值,并且具有较强的抗干扰能力。

液压弯辊系统的智能内模控制

针对液压伺服系统固有特性和液压控制中存在的问题 ,提出了一种基于前馈神经网络的智能内模控制 (IMC) ,其设计过程分两步进行 :第一步 ,训练一个神经网络描述对象响应 ;第二步 ,训练一个网络描述对象的逆 ,并将此网络作为IMC控制器。将其用于某液压弯辊系统 ,仿真结果表明该系统的性能良好 ,鲁棒性强 ,优于常规IMC系统 ,这类智能控制器适合于对象参数变化、模型不确定和非线性的控制。

基于模糊神经网络的液压弯辊系统智能控制的研究

针对液压弯辊系统非线性和时变性等特点,提出了基于遗传算法和BP算法相结合的模糊神经网络智能控制系统,并应用于液压弯辊系统,改善了系统的超调量和过度时间。

液压弯辊板形控制手段的实现

液压弯辊是带钢板形控制的重要手段,分析了弯辊调节板形的原理,介绍了控制信号通过控制器转化为实际弯辊力输出的过程,结合国内某五机架冷连轧厂的具体情况,给出了弯辊控制的程序流程。程序投入运行后的控制结果表明,所采取的控制方法能够很好地满足控制要求。

液压弯辊力板形控制系统的特性分析与仿真研究

针对现有的液压弯辊力控制系统数学模型的不足,提出了一些改进意见。将液压弯辊系统分为两种情况,分析了系统特性。利用MATLAB软件进行了仿真,得出液压弯辊系统一些控制量的仿真曲线。仿真结果表明改进的仿真模型是正确有效的。

液压弯辊控制参数对热连轧机振动能量影响研究

近年来,热连轧机振动问题显得更加突出和复杂化,众多企业迫切需要解决这一难题。首先对某热连轧机振动现象进行在线监测;然后依据轧机实际参数建立液压弯辊系统和轧机垂直系统的耦合动力学模型,利用MATLAB进行了仿真研究,通过改变液压弯辊系统中控制器参数,获得液压弯辊的控制性能对辊系振动能量的影响,实践表明这是有效抑制振动的措施之一。

基于遗传算法优化的云模型PID液压弯辊板形控制

为实现液压弯辊板形控制系统的精确控制,设计了一种基于遗传算法优化的云模型PID控制器,该算法将云模型处理不确定性问题的优势和PID控制的良好稳定性相结合,并且运用遗传算法全局优化能力对云模型PID控制器的数字特征进行了优化,进一步改进了云模型PID控制器的控制效果。以某公司1220 mm液压弯辊板形控制系统作为仿真对象进行了仿真,结果表明,基于遗传算法优化的云模型PID控制对提高液压系统的油压动态响应速度和稳态跟踪精度十分有效,其控制效果优于无优化的云模型PID控制以及传统PID控制。

自适应通用模型控制在液压弯辊系统中的应用

针对非线性的电液伺服系统,提出一种利用基于输入等价干扰的通用模型控制算法(ICMC)来设计控制器新策略。该控制器用估计得到的输入等价干扰及时进行自适应前馈补偿。控制器参数整定方便,物理意义明确。ICMC控制器能有效地跟踪液压伺服系统的时变参数和不可测扰动,通过仿真实验表明,该控制方法对非线性的液压弯辊力系统实现自适应控制是正确有效的。

基于云神经模糊集成的液压弯辊板形控制系统设计

液压弯辊是板带轧机最常用的板形控制机构,由于其系统的复杂导致传统控制理论都难以满足高精度控制需求。为了提高板形控制精度,提出了一种基于云神经模糊集成的液压弯辊智能控制算法,该算法不但具有神经网络自适应的学习能力,且结合云模型处理知识的不确定性能力,使模糊系统在知识推理过程中更具有说服力,克服了传统控制理论过度依赖精确数学模型的问题。仿真结果表明,该算法控制精度高、响应时间短,具有较强的抗干扰能力,能较好地满足液压弯辊在线高精度板形控制的需要。

液压弯辊系统的自适应模糊神经网络控制

液压弯辊系统具有时变、非线性、外界干扰严重等特点,难以建立精确的用于控制的数学模型。针对该问题,在预先设计了一个PID控制器的基础上,用模糊神经网络设计了一种具有自适应能力的控制器。仿真实验表明,同常规PID控制器相比,该控制器可以克服弯辊系统的参数改变对控制性能的影响,极大地提高了系统的抗干扰能力,降低了控制系统性能对弯辊系统解析模型精度的依赖程度。结果证明该控制方法对于弯辊系统的控制是有效的。

铝箔轧机液压弯辊系统剖析

系统介绍了西南铝加工厂从德国引进1700mm铝箔轧机液压弯辊系统中的液压控制和电气控制部分。该轧机装机水平居世界先进水平。

某钢厂热轧平整机组液压弯辊自动控制系统的研究

液压弯辊控制是确保板带板形的重要手段。以某钢厂热轧平整机组为例,详细介绍液压弯辊控制系统的原理和控制方法、功能块FM458和PLC400在整个液压弯辊控制系统中的控制方法。

轧机液压弯辊控制技术的研究现状

四辊轧机是现代轧钢行业中最常用的精锐轧机,它多用来生产箔带、极薄至中厚规格板带,应用范围极为广泛。四辊轧机能够有效地对板带的凸度加以控制,对板形的调节迅速而有效,可消除板带边缘的不良接触,同时板宽以外的接触压力对工作辊形成的有害弯矩也可以加以避免。分析弯辊缸压力波动的根源与机理,针对液压弯辊控制系统,采取合理有效的措施削弱其所受压力冲击,对提高设备运行稳定性、减少生产事故、改善板形质量具有重要意义。