小波神经网络在冷连轧板形控制中的应用.pdfVIP

38 第3l卷 第 5期 上 海 金 属 V01．31．No．5 2009年 9月 SHANGHAIMETALS September，2009 小波神经网络在冷连轧板形控制中的应用 刘呈则’ 许健勇 李山青 (1．国核 电站运行服务技术有限公司，上海 200233；2．上海宝钢股份公司) 摘【要】 由于受轧机 自身特性变化等复杂因素影响，调控机构的影响系数不适合用恒 定的常量来描述。将小波神经 网络应用到影响系数的 自学习过程，对预设定的影响系数值进 行在线修正。介绍了冷连轧板形调控机构影响系数 自学习的神经网络结构设计，结合 目标能 量函数的最小化 ，对影响系数 自学习算法进行分析。结合生产现场的实际板形数据 ，采用 VisualC++／MATLAB对控制算法的作用效果进行仿真。仿真结果表 明，自学习算法对板形 控制起到了预想的效果，具备现场在线运行的可行性。 关【键词】 神经网络 自学习 效率因子 板形控制 APPLICATIoN oF W AVELET NEURAL NETW oRK oN FLATNESS CoNTRoL FoR TANDEM CoLD RoLLING LiuChengze XuJianyong2 LiShanqing2 (1．StateNuclearPowerPlantServiceCompnay；2．BaoshanIron＆SteelCo．，Ltd．) 【Abstract】 111einfluencingfactorsdidnotbeexactlydescribedbyconstnatvaluesbecauseof complexfactorssuchascharacteristicsofcoldrollingmi11and SOon． I11ewaveletneural networkwas appliedinself-learningprocessoffactorstomodifythevaluesonline．，Ihesefl-learningwaveletneural networkstructureofefficiencyfactorforflatnesscontroltandem coldrollingwasintrodueed．W ith the rm’nlr‘mz‘atl。on of targetfunction，the self-leaming algorihtm ofefficiency Was analyzed．W ith the combinationofactual flatnessdatain site． simulationforthecontrolalgorihtm WaSmadeeffective t}l Visual C+ + ／MATLAB．Resultsrevealedthattheexpectedeffectwasattainedwith thesefl-learning algorithm，naditsfeasibleforsiteonlineoperation． K【eyWords】 NeuralNetwork，Self-Learning，EfficiencyFactor，FlatnessControl 随着科学技术的发展 ，各行业对带钢的需求 术作为轧钢领域内的一项高技术在世界范围内被 量越来越多，同时用户对带钢的质量要求也越来 广泛地应用和研究。 越高，尤其是对家电、汽车和镀锡钢板以及电工 七十年代 以来 ，板形研究一直是国际上板带 钢板等冷轧薄板的板形都提出了很高要求，例如 生产技术领域 的前沿和热点，目的在于解决板形 对于汽车的平坦度要求，镀锡板要求达到 ± 质量问题 ，主要任务是建立完善的板形 自动控制 5Il1】