基于动态神经网络的轧制液温控系统的辨识

轧制液是铝箔轧制中的一种对稳定性要求很高的工艺润滑液,它不能局部受高热只能采用间接均加热,因此其控制量与温度之间是一种十分复杂的非线性关系,采用传统的建模方法难以建立其精确的数学模型.人工神经网络能够以任意精度逼近连续的非线性关系,并对复杂不确定问题具有自适应和自学习能力,为解决这一类非线性系统的辨识建模提供了新的途径.通过比较选用了一种动态递归网络来建立轧制液温控系统的辨识模型.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先，通过新的目标函数的最小化确定模糊模型的输入空间，即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解，通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能，对非线性系统进行了仿真建模研究，仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

制冷系统蒸发器动态过程数学模型模糊辨识

建立制冷系统动态过程数学模型是实现制冷装置优化控制的重要基础.制冷蒸发器是一类过程复杂的两相流动与换热系统,具有明显的非线性和不确定性,其精确的机理模型难以建立.该文通过熵方法和竞争学习算法对输入空间进行聚类,利用递推最小二乘辨识算法(RLS)确定模型的结论参数,实现了蒸发器动态过程数学模型的在线模糊辨识.通过仿真实例,验证了模糊辨识方法对于制冷系统蒸发器在线建模过程的有效性,所建立的模糊规则模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力.     

基于Takagi-Sugeno模糊模型的小型无人直升机系统辨识

提出了一种基于非线性系统模糊辨识建立小型直升机动力学特性模型的新方法,分析了小型直升机的4个舵机输入和位姿变量、运动变量的模型.设计实验采集和预处理得到辨识和验证所用的数据.通过辨识航向通道的动力学模型来说明模糊辨识在小型直升机建模中的可行性和有效性,并通过与最小二乘法辨识结果比较,表明该模糊辨识建模方法具有建模简单、模型精度高等优点.研究结果对小型直升机系统的建模和控制具有一定的实用价值.     

基于改进微分进化和分散辨识算法的炼钢模型研究

在炼钢过程模型辨识中,被控对象的动态特性往往表现出非线性、慢时变、大迟延和不确定性等特点,使得难以对其建立比较精确的模型。为实现精确建模,提出了一种基于微分进化和分散辨识算法的辨识方法。该方法通过改进的微分进化算法,对系统进行参数优化,接着采用分散辨识在设定点输入阶跃信号,待系统进入稳态后再采样,使得到的稳态输出值能够更快、更精确地逼近实际系统的输出,达到精确建模的目的。仿真结果表明,通过微分进化算法可进一步确定炼钢过程的最佳参数,在采用分散辨识方法对炼钢复杂对象进行辨识后,可以建立更好的数学模型。     

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．     

六辊可逆轧机板形神经网络广义预测控制系统

板带轧制过程中,板形控制具有非线性、时变、纯滞后和耦合的特点,其建模与控制是很困难的·在神经网络建模的基础上,采用广义预测控制方法对可逆UC轧机的板形进行在线控制,有效地加强对轧辊热凸度等慢时变且无法实时测量的过程参量的适应能力,抑制各种随机干扰的影响·轧制实验结果表明,该系统具有良好的板形控制品质·     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

质子交换膜燃料电池电堆温度特性的模糊建模

根据PEMPC电堆温度控制的需要,建立了PEMFC电堆的工作温度与运行参量之间的定量关系模型,为建立面向控制的PEMFC温度非线性模型提供了一种新思路.在建模过程中,采用模糊辨识方法建立PEMFC控制系统的模糊模型,仿真和实验结果表明,该模糊辨识方法对质子交换膜燃料电池电堆的建模和控制提供了一条可供参考的途径.     

一种新的软测量方法及其工业应用

软测量是一门新兴的工业技术，它通过数学模型计算得到工程上难以检测的变量值．本文提出了一种基于模糊神经网络的软测量新方法，运用模糊集合论的知识对非线性对象进行局部模型的划分，并采用趋化性网络进行建模和模型校正．经在某炼油厂精密精馏塔的推断控制系统中的应用，表明该方法能够比较精确地建立过程模型，有效地进行模型的在线校正，而且具有灵活、简明的特点．     

加热炉待轧时炉温模糊决策

基于对加热炉动态过程受控特征分析,将数学模型方法、模糊控制理论和模糊优化方法应用于加热炉动态过程炉温优化及控制研究.建立了加热炉待轧时炉温模糊优化模型,构造了以钢坯导热机理模型为基础的炉温在线模糊控制决策系统.在此基础上对典型待轧过程进行了炉温控制决策的计算机数值仿真.结果表明,炉温模糊决策结果使在炉钢坯获得了满意的控制效果.本文的模型方法可以有效地应用于加热炉控制系统.     

Numerical Controlled Rolling Process of Thick Metal Plate

Thick metal plate rolling process has become more and more important in building a flat roof of drilling on the bottom at sea. This is because not only the product quality requirement higher and higher but also the marketing competition. To improve the process of thick metal plate rolling and to increase productivity a numerical controlled rolling process is developed, which include the process planning, the mathematical model establishment and the numerical control system development. The process is for ...     

中厚板轧机设定计算功能的在线实施

针对中厚板轧机,研究了如何将设定计算功能嵌入过程控制系统,并应用于在线·将设定计算功能划分成轧制规程计算、轧机设定及控制参数计算以及模型自学习计算三个组成部分,分析了各部分的主要功能及其联系·设计了设定计算功能的在线数据流程和调用逻辑,根据具体轧线的检测仪表布置和生产工艺过程,多次调用设定计算功能·通过预设定计算、再设定计算、阶段前修正计算、道次修正计算、自学习计算以及待温时间修正计算,发挥设定计算及生产过程中实测数据的作用·     

轧机液压AGC系统的动态仿真

AGC控制技术是现代轧机不可缺少的关键技术之一,其控制效果直接影响到产品质量和产品的精度。笔者在分析液压AGC系统组成、系统主要动态元件动态特性的基础上,建立了一种全面而且有利于分析轧制过成中各种因素对轧制精度影响的动态仿真模型和方块图,并对3340轧机液压AGC控制系统进行了动态仿真。     

冷连轧过程控制轧制力模型综合参数自适应

轧制力模型是冷连轧过程控制系统的基本模型,影响其预报精度的主要因素是材料的变形抗力和摩擦因数. 本文采用参数自适应方法来提高轧制力的预报精度. 在对轧制力模型进行自适应过程中,将材料的变形抗力作为轧制过程模型的整体属性,各机架根据累计变形程度确定各自的变形抗力. 在此基础上,将摩擦因数看成是各机架的单体属性,各机架取不同的模型参数. 实践证明,这种综合考虑变形抗力和摩擦因数的参数自适应方法可以对二个参数同时进行修正,能有效提高轧制力模型的预报精度.     

基于支持向量机的轧制过程灵敏度分析

利用支持向量机(SVM)建立轧制力模型,并由该模型分别对各输入变量进行偏微分,以计算轧制过程出口厚度灵敏度系数,从而解决解析方法难以求解的轧制过程模型“代数环”问题．对轧机第一机架试验仿真,结果表明,基于SVM方法获得的灵敏度具有很高的精度,且由灵敏度确定的控制量可以获得很好的控制效果,同时也表明第一机架辊缝对出口厚度的影响比张力要大,以辊缝控制方式调节出口厚度比张力控制方式具有更高精度．     

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。     

首钢中厚板轧机过程控制系统

针对首钢新建3500mm中厚板轧机,自主设计开发了完整的两级计算机控制系统·在过程控制系统中包括了数据通讯、数据管理、过程跟踪和模型计算等主要功能·数据通讯模块负责过程控制系统和其他系统的数据通讯;数据管理模块负责数据库的读写,为模型计算查询模型参数,记录每块轧机的实际工艺过程参数等;过程跟踪模块负责轧件加工过程位置和数据跟踪,并在不同的触发点调用其他功能模块,进行自动轧钢的轧件调度控制和轧制节奏控制;模型计算模块利用数学模型,进行轧机的轧制规程计算和控冷系统的控制参数计算·通过各功能模块的协作,可以实现轧机生产过程的模型自动设定和全自动轧钢控制·该系统已经在现场成功使用·     

基于模糊神经网络的信号交叉口交通量预测

预测精度高,实时性强的交叉口交通量预测算法可以极大地提高城市交通控制的效率。文中提出了基于模糊神经网络的信号交叉口交通量预测方法。该方法以模糊神经网络为核心,应用在线滚动学习模型实现交叉口交通量预测,并应用了交通量微观仿真系统对模型进行检验,仿真结果表明该模型比传统方法精度高,收敛速度快。本模型在城市交通控制系统研究中有巨大的应用潜力。     

中厚板生产的高精度轧制力短期自学习

针对国内大多数企业没有安装测厚仪的现状,提出了中厚板生产中无测厚仪下的高精度轧制力自学习模型.模型通过自然对数法进行厚度族的划分,并将用于轧制力自学习的变形抗力参数按照不同的厚度族进行区分,最后模型采用了指数平滑法对各个厚度族内的变形抗力参数进行处理.以高精度弹跳模型为基础,提出将末道次实际出口厚度锁定为目标值的思想进行了各道次变形抗力参数的回归.将该模型实际应用于国内某3 000 mm轧机的过程控制系统中,获得了良好的效果.