模糊控制與神經(jīng)計(jì)算方法在板形控制中的應(yīng)用.pdf

1、近年來我國(guó)軋鋼行業(yè)得到了飛速發(fā)展，我國(guó)己成為世界上鋼材產(chǎn)量最多的國(guó)家之一，但目前我國(guó)軋鋼生產(chǎn)的技術(shù)水平與國(guó)際先進(jìn)水平相比還有相當(dāng)大的差距，每年由于板形不良所造成的經(jīng)濟(jì)損失非常大。 板形精度是冷軋帶鋼的一項(xiàng)主要質(zhì)量指標(biāo)和決定其市場(chǎng)競(jìng)爭(zhēng)力的重要因素，提高冷軋帶鋼質(zhì)量的迫切要求使得板形控制成為我國(guó)鋼鐵企業(yè)面臨的一個(gè)重要問題。影響帶鋼板形的因素極其復(fù)雜，同時(shí)，板形檢測(cè)技術(shù)也存在較大的難度，這都給冷軋帶鋼的板形自動(dòng)控制帶來很大的困難。

2、 在閉環(huán)板形控制系統(tǒng)中，板形缺陷的模式識(shí)別和板形控制是彼此相關(guān)的兩個(gè)重要環(huán)節(jié)。為制定合理的控制策略，須對(duì)實(shí)測(cè)板形進(jìn)行模式識(shí)別，并以約定的參數(shù)定量地提供給下一控制環(huán)節(jié)。本文提出了一種基于RBF網(wǎng)絡(luò)的板形模式識(shí)別方法，該方法以勒讓德正交多項(xiàng)式作為板形基模式，以待識(shí)別樣本與6個(gè)標(biāo)準(zhǔn)樣本之間的歐氏距離作為網(wǎng)絡(luò)輸入量，以3個(gè)板形特征值作為網(wǎng)絡(luò)輸出量，利用正交最小二乘算法建立了板形模式識(shí)別模型。該方法物理意義明確、簡(jiǎn)單直觀，且訓(xùn)練過程時(shí)間短。用

3、由該方法得到的板形模式識(shí)別模型對(duì)實(shí)測(cè)板形缺陷進(jìn)行模式識(shí)別，仿真結(jié)果表明：該模型能夠識(shí)別復(fù)雜的復(fù)合板形缺陷，且識(shí)別速度快、精度高。 UC軋機(jī)的板形控制系統(tǒng)是一個(gè)多變量、強(qiáng)耦合的控制系統(tǒng)，具有慣性及滯后的特點(diǎn)，其中間輥彎輥控制回路的數(shù)學(xué)模型具有很強(qiáng)的時(shí)變性和不確定性。針對(duì)這一特點(diǎn)，本文設(shè)計(jì)了一種基于遺傳算法的模糊控制器，利用遺傳算法來優(yōu)化模糊控制器的隸屬函數(shù)及量化因子和比例因子的初值，并且根據(jù)模糊控制查詢表的輸出來在線調(diào)整量化因子和