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．     

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RBF神经元网络的冷连轧板形板厚多变量控制

针对板带材轧制是一个复杂的非线性过程,板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点,提出了一种基于模糊RBF神经元网络的冷连轧板形板厚多变量综合控制系统.仿真结果证明了此AFC-AGC控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制.     

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.     

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。     

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     

基于GA-PID神经网络的板形模式识别方法

针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.     

利用神经网络自适应逆控制消除干扰和噪声

神经网络的自适应逆控制具有对鲁棒性高、自适应能力强和难以精确建立数学模型的工业对象,尤其是大滞后、非线性、不确定性及时变的对象.利用BP神经网络构成逆控制器,提出一种基于神经网络的模型参考自适应逆控制系统.仿真实验表明,此系统具有良好的消除对象干扰和敏感噪声的作用,可以在工业控制中广泛应用.     

基于轧前凸度信息的冷连轧机板形平坦度前馈控制方法

提出了基于冷轧前带钢板凸度在线实测信息的板形平坦度前馈控制方法,建立了冷连轧板形平坦度预测控制模型,通过与实际值比较验证了其正确性,并对板形平坦度前馈控制策略和板形平坦度前馈控制模型进行了研究.在此基础上以国内某条在轧机入口装备有板廓检测仪的1550mm五机架六辊UCMW冷连轧机组为对象,建立了一套完整的板形平坦度前馈控制模型和离线仿真系统.仿真结果表明,在前馈控制模型投入的情况下,由于来料带钢板凸度变化所造成的成品带钢板形平坦度波动明显减弱,达到了进一步提高成品带钢板形质量的目的.     

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·     

基于混沌优化支持向量机的板形预测与优化

针对带钢热连轧中板形控制问题, 提出了一种基于最小二乘支持向量机模型的预测和优化算法. 在分析最小二乘支持向量机数学预测模型的基础上, 提出了一种改进的变尺度混沌优化方法, 结合实数编码遗传算法, 进行最优模型参数的搜索. 利用在线实测数据对模型进行训练并进行带钢平直度指数的预测, 并对模型输入参数中的控制参数进行优化以实现板形控制的优化. 仿真结果表明, 与BP神经网络相比, 板形预测精度得到提高, 平直度指数优化约40%, 为进一步提高热连轧板形控制精度提供了一种新的有效方法.     

热轧带钢横截面多参数表示及高精度板形控制

以带钢宽度为坐标的带钢横截面与带钢平坦度控制密切相关.常规的带钢横截面表示方法不能精确描述不规则带钢横截面情况,影响板形质量及控制精度.建立多参数带钢横截面表示方法,可以对带钢横截面做更准确全面的描述.以CVC轧机为例,利用ANSYS有限元模型对各横截面参数之间的耦合关系进行分析,提出各板形因素的综合控制以及与平坦度的解耦控制是进一步提高热轧带钢板形控制精度的难点亦是关键所在.     

冷轧带钢板形和表面粗糙度协同控制

为了解决某冷连轧机组在生产实践中对板形和表面粗糙度协同控制的问题,在大量现场实测与实验的基础上,通过研究板形生成规律及带钢表面粗糙度形成规律,揭示了板形与表面粗糙度控制中产生矛盾的根源及本质,提出了合理的解决方案,取得了良好的现场应用效果.     

超宽冷轧机带钢板形特征聚类分析

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴“大数据”的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征。以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果。提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础。     

Backup roll contour in finishing trains of hot rolling based on hybrid genetic algorithm

On the basis of integrating two-dimensional varying thickness finite element method with hybrid genetic algorithm, a precise model was developed to design ideal backup roll contour (Varying Contact Backup Roll, in short VCR) in finishing trains of hot rolling rapidly and efficaciously. Additionally, a lot of good actual effects of VCR, such as evident improvement of profile and flatness of strip, remarkable decrease of roll consume, excellent maneuverability and maintenance, and so on, were validated by long-term industrial tests in hot rolling strip plant of Wuhan Iron and Steel Group Corporation (WISCO).     

厚规格热轧带钢高精度卷取温度控制模型

卷取温度是影响带钢组织性能的重要工艺参数.在生产实践中，如何提高厚规格带钢卷取温度的控制精度是一个难点.针对厚规格带钢在层流冷却过程中的工况特点，提出了温度场计算模型和对流换热系数模型的改进方法，并开发了一种全新的基于相似策略的自适应模型，以改善卷取温度前馈控制效果.经现场应用证明，本文提出的方案能有效提高厚规格带钢的卷取温度控制精度，其中厚度大于12 mm的带钢平均命中率可达到94.9%.