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.     

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．     

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．     

热轧带钢板形板厚综合控制系统的耦合关系

针对板形板厚控制的耦合问题,结合１７００ｍｍ热连轧机实际控制系统,建立了板形板厚耦合控制对象的数学模型,采用Ｂｒｉｓｔｏｌ－Ｓｈｉｎｓｋｙ相对增益分析表明,１７００ｍｍ热连轧机的板形板厚耦合效果明显,严重影响高质量带钢生产,必须进行解耦设计。     

宽带钢冷连轧机动态板形控制策略

在板形板厚解耦设计的基础上,分析了不同控制方案下凸度平坦度控制之间的耦合影响关系,建立了相应的凸度平坦度耦合模型,并对其耦合特性进行了分析比较.然后针对耦合模型特点进行凸度平坦度半解耦设计,以补偿凸度控制和平坦度控制之间的耦合影响关系,进而设计凸度平坦度解耦控制系统,并给出冷连轧机组凸度平坦度解耦控制应用策略,组成完整的动态板形控制系统.控制系统在某厂1 420 mm五机架UCMW冷连轧机组投入使用后,较好地补偿了板形板厚控制、凸度平坦度控制之间的耦合影响关系,板形控制精度明显提高.     

铝带坯铸轧板形测控的补偿模型

根据铸轧板形缺陷的表征特点及其评价指标 ,采用铸轧板带的横向板厚分布作为板形控制信号 ,并依此建立了铸轧板形的数学描述 .基于铸轧工艺的特点 ,在铸轧板形实测信号中通常包含铸轧带材横向温差及板凸度所致的两种附加干扰 ,通过具体分析两种附加干扰对铸轧板形测控的影响 ,分别建立了附加温差板形补偿模型和附加板凸度板形补偿模型 .针对某铸轧机实轧工况 ,运用所建补偿模型求得了横向板厚的补偿值 ,并直接对板形检测信号进行修正 ,以期提高板形控制精度 ,避免板控执行机构的误操作 .实测结果表明所建补偿模型正确 ,且处理方法简单 ,可直接用于铸轧板形的控制 .图 1,表 1,参 10     

宽带钢热连轧机板形板厚增益调度解耦控制

针对板形板厚综合控制的耦合问题，通过分析板形控制系统需要先后投入平坦度反馈控制和动态凸度控制的综合系统特性，采用前馈补偿综合法设计解耦网络以完成动态轧制过程的板形板厚解耦控制。结合1700mm热连轧机实际控制系统，提出采用板形板厚增益调度解耦控制方法适应板形板厚耦合特性随实际轧制条件变化的应用需要，建立的增益调度函数集已在大型工业轧机得到验证与应用。     

板形控制的理論基础

前言板厚精度(纵向和横向厚差)和板形(平直度)是决定板带材几何尺寸精度的两大质量指标。关于板厚纵向厚差的控制理论,已经历了多年的发展,並已进入实用阶段,而横向厚差特别是板形的自动控制理论,则还处于试验研究阶段,是今后实现板形自动控制有待解决的课题。下面就板形控制系统设计和试验中提出的一些理论问题,介绍一些初步认识,仅供参考,请读者批评指正。     

热轧带钢板形板厚反馈解耦控制

宽带钢热连轧过程中,板形控制和板厚控制本质上都是对轧制过程中有载辊缝的控制,因此两者各自的控制回路必然存在着相互耦合的关系,这种耦合关系严重影响热轧宽带钢板形板厚综合质量的提高.本文在建立板形板厚耦合模型的基础上.采用反馈解耦控制方法,实现了板形板厚的解耦控制.计算机仿真结果表明,解耦控制环节的引入,基本消除板厚控制和板形控制之间的影响,尤其是消除辊缝调节对板凸度的连带干扰,解耦控制效果良好.     

兼顾板形的热连轧机负荷分配的优化

针对热连轧过程中板形板厚综合控制问题,提出了兼顾板形的负荷分配方法,并且使用免疫遗传算法进行了参数优化.实验数据对比分析表明,该方法是有效的,能够实现板形板厚的综合控制.     

动态设定型板形板厚自动控制系统

文章介绍了应用解析板形方程推出板形最佳轧制规程和板形板厚协调控制新方法。该方法的主要特点：系统中采用了静、动态负荷分配，动态设定厚度自动控制系统（DAGC）完成了板形板厚的闭环控制，在算法中采用了贝尔曼动态规划。新方法将会改变目前轧机设计和控制思想：设计合理刚度，强调调度计划、配置轧辊凸度和优化轧制规程等方面的作用，实现信息控制。     

基于板形板厚控制的轧机系统动态建模及仿真研究进展

板形板厚精度是板带材的重要质量指标,轧机系统是复杂的非线性系统,其动力学特性严重影响板带材质量。本文介绍了轧机系统动态建模及仿真研究的发展现状及存在的问题,首先介绍了轧机动态特性研究的进展,这方面主要是对厚度控制系统的仿真研究,然后重点介绍了基于板形板厚控制的轧机系统动态建模及仿真研究的目的、意义及研究现状,提出了将轧辊看做弹性连续体,利用连续体动力学理论研究轧辊的动态特性的方法,并以此为基础,建立了基于板形控制的轧机系统动态模型,对其理论进行了介绍。最后,对基于板形板厚控制的轧机系统动态建模及仿真进行了展望。     

铝薄板带板形预测模型研究

为了更好地研究铝薄板带轧制过程中平直度与板厚分布之间的关系,以宽大铝薄板带板厚分布预测模型为研究对象,分析了板带轧制过程中板厚分布与板带平直度之间的关系,以及分析了板厚分布与各轧制参数之间的影响关系,建立了1个平直度与板厚分布的综合板形预测模型。通过工厂轧制过程中实测数据验证了预测模型的准确性,得到了1个综合考虑板厚分布和平直度的高精度板形预测模型,为进一步研究薄板带的板形提供了理论基础。     

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1700mm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。     

板厚板形综合调节新途径的研究

本文论述了用支承辊和工作辊弯辊装置进行板厚板形综合调节的理论基础,介绍了300四辊可逆式冷轧机板厚板形综合调节系统的设计,给出了综合控制系统的方块图,分析了综合调节系统中板形控制系统和板厚控制系统的特点。试验研究及实际测定表明,此系统既可保证板厚又可保证板形质量,比较理想地达到了综合控制的目的。     

带钢轧机板形板厚最优综合控制系统的设计

本文提出了一种通过支承辊弯曲实现带钢轧机板形板厚综合调节的新颖设计方案。首先根据横向厚差的精度要求来确定支承辊弯辊力的跟随系数,然后设计综合控制系统。依本设计方法,不会出现用工作辊实行板形板厚控制所存在的系统复杂、调整困难等一系列问题。数字仿真及微机模拟试验表明:本设计方案不但正确、可行,而且系统具有良好的动态性能並具备最优性。     

贝尔曼动态规划在板形板厚协调控制中的应用

针对板形控制技术在板带材生产过程中所起到的重要意义，介绍了一种用板带工艺的方法来进行板形控制的新思想。通过在新板形控制理论中运用动态规划方法从而实现了板形板厚的协调控制，对提高我国的板形控制水平具有一定的应用价值。     

四辊可逆冷轧机恒张力自适应控制的研究

为了保证冷轧机轧制中带钢恒张这一特点,设计了四辊可逆冷轧机恒张力自适应控制系统,该系统能提高带钢板厚和板形的精度,保障了带钢具有较高的板形指标和板厚工差。     

模糊小脑模型神经网络在多辊冷连轧机轧制力预报模型中的应用

针对宽带钢多辊冷连轧机组特点,为提高轧制力的预报精度,在结合传统轧制压力模型的基础上把模糊算法和神经网络有机结合,设计出基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型.通过对传统轧制力模型计算值、小脑模型预报计算值与实测值进行对比分析可知,基于模糊小脑模型神经网络的多辊冷连轧机轧制力预报模型具有较高的计算精度,更适合于多辊轧机在线计算机过程控制的应用,满足现场在线生产的要求,取得良好的板形板厚控制效果.     

基于神经网络模式识别的板形模糊控制器

提出一种基于CMAC(Cerebellar Model Articulation Controller)神经网络的板形缺陷模式识别方法,并基于模式识别结果设计了板形模糊控制器.将模式识别与控制器设计合二为一,利用CMAC神经网络识别出相对于6种常见板形缺陷基本模式的隶属度,直接作为板形模糊控制器的前件部,实现了隶属度的求取功能.通过对板形缺陷特征的分析,合理定义了模糊集合,大大地减少了模糊推理的计算量.仿真结果表明,该板形模式识别方法识别精度高,设计的板形模糊控制器可以快速将板形缺陷控制到期望目标,板形控制性能良好.