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．     

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.     

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。     

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.     

板形板厚综合系统的解耦神经网络预测控制方法

给出了板形板厚综合控制模型,提出了基于ＴＨ神经网络的动态矩阵设计方法并分析了其收敛特性,使用不变形原理对板形板厚综系统进行了解耦设计,并对板形板厚解耦神经网络预测控制系统,进行了仿真研究。结果表明神经网络可在几百ｎｓ的时间内达到稳定状态,不仅满足了轧钢过程的快速性要求,而且控制精度也得到了提高。     

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．     

平整轧制多变量系统的线性自抗扰解耦控制

针对平整轧制板形板厚控制系统中存在的多变量、强耦合及不确定性等问题,本文提出了将线性自抗扰(LADRC)技术与平整机板形板厚控制系统相结合,利用线性扩张状态观测器(LESO)估计系统总扰动,并将PD作为反馈控制率的LADRC控制方案。针对系统存在的外部扰动和模型参数摄动,利用Matlab进行仿真实验,结果表明,该控制方案不仅解耦控制效果良好,还具有较好的鲁棒性。     

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     

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。     

基于PSO的板形板厚小波神经网络解耦PID控制

针对板形控制和板厚控制是相互耦合的综合系统,提出了一种新的解耦PID控制算法·首先用小波神经网络构造α阶时延逆系统,对综合系统进行输入输出解耦;然后对解耦后的独立的单变量系统采用PID控制·这种解耦方法无论是从理论分析还是仿真验证,均证明是可以实现完全解耦的·考虑到被控对象是一个带有时滞的非线性系统,提出采用PSO优化算法对PID参数进行自适应调整·仿真结果表明所用方法简单有效,并具有良好的跟随性能和抗干扰能力;其控制效果优于传统的解耦PID控制·     

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.     

CVC四辊轧机板形控制解析解耦模型

ＣＶＣ四辊轧机工作辊抽动与工作辊弯辊之间相互作用关系的解耦,对实现理想的板带平直度控制是十分重要的．通过对辊缝形状的解析分析,建立了一个明确表示工作辊抽动和弯辊作用的解析解耦模型,可用于ＣＶＣ四辊轧机板形在线控制     

AGC－AFC综合系统解耦控制

分析了板材轧制控制过程，给出了板厚板形综合系统（ＡＧＣ－ＡＦＣ）反馈闭环控制的数学模型；对ＡＧＣ－ＡＦＣ系统进行了解耦；引进Ｓｍｉｔｈ预估器补偿系统延迟环节的影响；最后采用ＰＩＤ方法实现对ＡＧＣ—ＡＦＣ系统的控制。仿真实验结果显示了上述方法的有效性。     

含弹性索的绳牵引并联机构的动力学和末端轨迹控制

为了能为实际应用提供更多的机构构型选择及更有效地研究机构动力学和轨迹控制问题,以2索(一索为弹性索;另一索为普通无质量无弹性刚性索)牵引末端执行器实现2个方向平动运动的2T机构为例,研究其动力学和末端轨迹控制问题.首先,在末端执行器运动方程的基础上,推导机构系统的逆动力学公式,给出机构动力学系统的状态空间表示及体现其具有微分平坦性的非正式表达;接着,利用非线性控制理论的线性化过程严格证明该微分平坦性,并获得微分平坦输出量和微分同胚于机构动力学系统的拥有Brunovsky正则形式的线性化和解耦化的等价系统;最后,通过针对该等价系统设计外环线性状态反馈控制器,实现末端执行器的渐近稳定轨迹跟踪,并进行实例控制仿真研究.结果表明:控制仿真可实现末端轨迹渐近稳定跟踪,稳定之后的跟踪误差值为0;但在稳定之前存在轨迹跟踪误差和振荡时间,这可通过优化反馈控制增益或修正反馈控制器来改善.     

神经网络解耦控制在多变量控制系统中的应用

应用神经网络解耦控制,实现多变量系统的最优控制.通过引入神经网络环节,对多变量系统进行解耦,解耦后的子系统变为单变量系统.因此将多变量控制变成单变量控制.解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构.仿真结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的控制要求.     

无人直升机纵、横向姿态建模与稳定控制

在实际飞行中设计调整小型无人直升机控制器存在很多危险,为了达到小型无人直升机的姿态稳定控制,设计小型无人直升机试验平台.通过试验,采集控制器输入信号和相应无人直升机飞行姿态角信号,提出了动态系统辨识模型,运用神经网络对所提模型进行了辨识.应用输出反馈实现姿态的稳定解耦控制,仿真结果验证了辨识模型和控制算法的有效性.     

热带钢轧机平坦度控制补偿策略

在带钢热连轧平坦度控制系统中,平坦度实测信号通常包含精轧后带钢横向温差引起的附加干扰.针对鞍钢ASP1700热连轧机组,利用红外热像仪测量精轧后带钢横向温度场.通过具体分析温差附加干扰对带钢平坦度控制的影响,采用最小二乘法拟合得到带钢横向温度场分布规律,建立了平坦度控制目标设定的温差补偿模型.