UC轧机板形智研究.pdfVIP

塑!．ii竺!i!：!：：。：：：：：。：：：：：，：：：：：：。：：：：：：：：：羔 摘 要 本文以具有强大板形控制能力的UC轧机为研究对象，采用神经网络控制方 法解决了轧制过程中非线性、耦合、纯滞后、时变等特性带来的问题，从而实现 了UC轧机的板形自动控制，达到了提高带钢板形质量、改善控制品质的目的。 本文的主要工作包括： 1．在对UC轧机原有电气系统、液压弯辊系统进行改造的基础上，采用研 华工控设备完成了轧机板形各信号实时检测与板形控制信号输出的硬 件设计与调试工作。f同时，根据板形控制过程的需要，完成了轧制过程 信号检测、过程变化趋势显示、检测数据历史存档以及板形控制算法实 现等软件的编；剐与调试工作√ ／ 2 在分析UC轧机液压弯辊系统动、静态特性的基础上，建立了该系统的 数学机理模型。针对系统非线性造成的常规PID反馈控制的局限性，提 出了FUZZY．PID复合控制算法，从而得到理想的动态响应速度与稳态 控制品质。(仿真与实验结果表明，该算法是有效的。～ ＼ 7 3．／4=L制过程中，影响扳形的因素繁多，关系复杂，采用传统数学方法难于 建立同时满足精确性与实时性的板形关系模型0寸本文分别采用多层前馈 神经网络和对角型递归神经网络建立了具有非线性滑动自回归模型形 式的板形在线控制动态预测模型。通过利用实测数据对模型进行在线滚 动优化，增强了模型对轧辊热凸度等慢时变、不可测因素对板形影响的 适应性。 4．在上述建模工作的基础上，将基于神经网络预测模型的广义预测控制算 法应用在板形控制过程中，并通过一种简单可行的利用板形预测误差进 行实时反馈校正的方法，有效抑制了各种扰动因素对板形控制品质的影 响。 5．针对基于神经网络预测模型的广义预测控制算法控制量计算中存在的 ’日口 ¨弹}l}人的问题．捉…丁多步朋测rl：能j旨h：嘲投下n0{|}I?刮叫络j堕{≯制厅 ；上，为丁迈J、ji’爻lf牛，“。过雕扦i；fjlJL气遗的1ij要，抛：l；丁多少f¨!洲I肚能jR^Ji 幽12Fn0冲经Jt日?}}P1DFitjl方‘刊i， o 针对轧制过程巾存住的锅合问题，存理沦建立丁UC轧饥饭形皈¨控制 使7弘的琏础上，采用『jU馈{l偿的方法设汁了解锅控制器。考虑到轧制过 程Lfl的非线性、叫殳特性以及未建馍动态的影响，利』H具有自学习、Ei 适J、!J，|]能的神经刚络实现了上述解祸控f制器，提高了系统的鲁怍性。 7．对于所提…的=种扳形控制策略进行了实际4FL；It0实验研究，通过与采用 多元线f生同归模耍!的常姚反浈控制方法十¨比较，证Ipj丁本文提出的三种 控制策略的有效性和优越r上。 8．将提出的三种板形控制策略推广到某1550冷连轧厂UCMW机组的板形 控制过程中。仿真实验证l刿，在实际工业生产过程中使用上述控制方法 是可行而有效的。 !水文的研究成果，不仅仅通用于UC轧机的板形控制过程，c!三可以推广到具 有同样特性的工业过程控制中。该研究的意义在于：一方面，克服了日f讨大多采 』『J的建立在经验公式基础上的板形控制线性模型精度较低、对过程变化适应性差 的缺正i，在真正意义一h实现了神经网络在饭形自动控制中的建f；l与控制应用。另 一方面，本文提出的几种控制策略也为轧制过程这样具有非线性、耦合、纯滞后、 时变等特性的复杂工业过程控制提m了一条新思路。 关键词：UC轧机，板形控制i神经网络，系统辨识i预测控制，解祸控制 坠!!坚型：!：!!!坐些呈些些些——：垒竺些! FLATNESS FORAREVERSAL ON RESEARCH C