板带冷轧机高精度板形预测模型的研究.pdfVIP

维普资讯 2002 No．4 重 型 机 械 板带冷轧机高精度板形预测模型的研究 燕山大学 贾春玉 王建国 摘要 针对传统效学工具建立的板形关系模型的固有缺陷，为了提高板形预测精虚．提出了一种基 于人工神经网络建模的自适应板形预测控制算法。仿真实验结果表明；采用本文所建立的预测模型具有 较高的预测精虚。 翘词 板带冷轧机 人工神经网络 板形预测 Abstract Againsttheinherentdefectofshapemodelestablishedby traditionally mathematictoo1andtoimprovethecontro1accuracyofshapepredicted，anew method， ． e．aselfadaptingalgorithm ofshapepredictionandcontrolbasedontheartificialneu— ra1network(ANN)，isbroughtforward：Theemulationexperimentsshow thatusingthe modelcanmoreaccuratelymaketheprediction．paper Descriptors stripcoldmil1，artificia1neura1network (ANN)，shapeprediction 机 的板形控制系统视为一个二阶系统 ]。针对六 1 前言 辊 HC冷轧机板形在线调整的三个主要 的板形控 轧制过程中带材的板形受入口凸度、前后张 制手段——中间辊弯辊、工作辊弯辊和轧辊分段 力、轧制力 、弯辊力、轧制速度等诸多因素的影 冷却来讲，其实时控制板形预渊 BP网络模型的 响，而这种影响关系具有较大的非线性。采用传统 输入量可确定为如下lO十参量： 的数学建模工具来建立相对准确的，既能表达各 轧制过程 一r时刻被轧带材的前张力 ( 参量之间的静态关系 ，又能准确描述其动态关系 --r)；一r时刻板形系统的中间辊弯辊力实时检 的表达式是非常困难的。而且 ，目前对用传统数学 测值F』(--r)；一r时刻板形系统的工作辊弯辊 工具表达的非线性被控对象模型，在求取其控制 力实时检测值F (一r)；一r时刻板形系统的 量时，还没有形成一个系统的理论及较好的通用 冷却液喷嘴的流量Q (一r)； 一1、 时刻板形 解决方法 。对板带轧制这一多变量复杂系统 ，由于 的二次缺陷系数值 c “一I)、C ()； 一1、 各轧制因素之间具有较强的非线性、时变及耦合 时刻扳形的四次缺 陷系数值 C．(一I)、C ()； 特性 ，基于被控对象精确模型 的经典控制理论及 驱动侧、操作侧轧制力 的实时检测值 DP(一r)、 现代控制理论的应用受到了一定程度的限制。 OP --r)。其中，r为板形系数检渊的时滞。 针对上述情况，通过对人工神经网络及预测 网络的输出为 ：+1时刻板形曲线二次、四次 控制的学习和研究 “：，提出了一种基于人工神经 项系数输出值 +I)、G (+1) 阿络建模 的自适应板形预测控制算法。 通过采用不同神经元个数的BP阿络对板形 参数的离线训练结果的比较及对阿络在线训练宴 2 BP网络板形预测模型的建立 时性的考虑 ，隐层神经元的个数定为20个 这样 ． 现代化的玲轧机一般都装备有两种 上的板 用于板形在线