薄板連軋板形控制研究.pdf

1、隨著現(xiàn)代工業(yè)的不斷發(fā)展和進步，對板材質量的要求也越來越高，而板形模式識別和控制是提高板材質量的關鍵技術之一，因此成為冷軋控制研究的熱點問題。另外，由于人工神經(jīng)網(wǎng)絡在建立模型中有許多優(yōu)點，在近幾年的研究中被廣泛的應用在板形模式辨識和控制中。
　　本文以某薄板廠的六輥五機架CVC冷連軋機為研究對象，以實現(xiàn)板形精確自動控制為目的，建立了基于BP(Error Back Propagation)神經(jīng)網(wǎng)絡的板形缺陷模式識別模型和板形預測模型。

2、
　　首先，闡述了軋機、板形的相關知識，以及板形控制的基本方法和策略。重點分析了板形的測量裝置以及測量的相關理論。
　　其次，針對傳統(tǒng)數(shù)學方法在辨識板形缺陷模式中的不足，以常見板形缺陷模式為依據(jù)，利用人工神經(jīng)網(wǎng)絡在建模和系統(tǒng)辨識方面的優(yōu)點，建立了基于BP神經(jīng)網(wǎng)絡的板形缺陷辨識模型，并利用matlab7.0中的GUI(Graphical User Interfaces)神經(jīng)網(wǎng)絡工具箱建立了該模型。模型的輸入為測量輥的52測量值

3、和它們平均值的偏差，輸出為四次板形曲線的各項系數(shù)，這些系數(shù)可以直接參與到板形的控制中。
　　最后，板形控制受多個非線性變量的影響，用傳統(tǒng)的方法很難達到精確控制。為了實現(xiàn)板形的精確控制，本文根據(jù)板形的影響因素和現(xiàn)場所能采集到的數(shù)據(jù)量，建立了基于BP神經(jīng)網(wǎng)絡的板形預測模型，通過該模型可以給出有效的板形控制執(zhí)行機構設定值。對網(wǎng)絡進行了訓練和仿真后，結果在誤差允許范圍之內(nèi)。
　　通過建立上述兩個模型，可以有效的辨識和預測板形，為板形