提高板材轧机厚度控制精度的研究

针对一具体轧机的厚度控制系统给出了命中目标厚度的理论与方法,在最优轧制规程的基础上给出了轧制规程自适应修正的动态规划数学模型.依据连续性假设,给出了利用同一批钢轧制数据的控制算法;在附录中给出了被控轧机的轧制过程数学模型。     

控制轧制节奏的优化

针对单机架中厚板轧制过程中,不同轧制及控制轧制方式下轧机的利用率等问题进行分析.在一组组板坯轧制生产方式的基础上,提出了板坯交替轧制的生产方式,并在此基础上,进一步研究了根据不同的轧制时间、待温时间等条件优化控制轧制节奏的方法.该方法可以有效地提高中厚板轧机的利用率.     

一种新的未知输入观测器设计方法

基于线性系统结构的分解原理,提出一种新的含未知输入的观测器设计方法,利用矩阵分解技术,将带有未知输入的动态系统分解为彼此相互联系的两个系统,它们分别仅由已知输入所作用。给出了设计算法,该算法简洁、适用,通过简单的代数运算即可实现含未知输入观测器的设计,仿真结果验证了所提方法的可行性。     

广义L.Q.最优控制模型的状态迭代法与并行计算

提出了用状态迭代法与并行计算求一类广义L. Q.最优控制模型的最优解.这一计算方法既可以有效地克服多维状态动态决策问题中的维数困难,又可以大大提高计算机的计算速度.针对所讨论的模型研究了算法的性质,得到了相应的理论结果.本文还改正了文献[1]中的一个关键性错误,并推广了其所得的结果。     

基于遗传规划的中厚板轧制力矩的非线性回归

研究热轧中厚板轧制力矩的计算方法. 运用遗传规划法分析中厚板轧制过程的现场数据,找出与轧制力矩密切相关的因素,将其作为自变量生成函数表达式,体现轧制力矩的变化规律,得出轧制力矩非线性回归计算模型和相关参数, 并完成了算法设计和编程实验. 实验结果表明,计算值与实测值的平均相对误差为6.23%. 该模型已应用于临汾钢铁公司2800mm中厚板的轧制生产中.     

基于神经网络的热轧带钢宽度预报与设定

研究带钢热连轧生产线中成品带钢的宽度预报与设定.由于精轧道次带钢宽度变化与板坯化学成分、立辊侧压量、厚度压缩比、钢板温度、速度及张力等因素有关,所以在宽度预报中,按照轧制顺序将整个轧制过程分为两部分:狗骨轧制和随后的精轧道次,前者用数学机理模型建模,后者引入主成分分析-径向基函数(PCA-RBF)神经网络建模.应用效果表明,经过训练的神经网络模型能够有效提高带钢宽度的预报精度,减小成品带钢的宽度波动.