鋁熱軋板凸度的在線預(yù)報(bào)模型與智能控制研究.pdf

1、為了獲得良好的板凸度，必須綜合分析各影響因素對板凸度的影響規(guī)律，給出板凸度與各影響因素之間的關(guān)系的合理結(jié)構(gòu)。本文首先對現(xiàn)有的影響函數(shù)法迭代收斂問題進(jìn)行分析并作改進(jìn)，避免了計(jì)算軋輥壓扁時被零除的想象。采用該改進(jìn)的影響函數(shù)法，結(jié)合軋件變形抗力模型，可快速計(jì)算軋件橫向的軋制壓力分布、輥間壓力分布及厚度分布；然后，利用輥系彈性變形模型，計(jì)算了板寬、軋制力、彎輥力、工作輥直徑、支承輥直徑以及軋輥凸度等不同時的軋輥受力分布和板凸度，并分析了板凸度與

2、不同影響因素之間的關(guān)系，據(jù)此歸納出合理的在線板凸度模型結(jié)構(gòu)；進(jìn)一步，以上述模型結(jié)構(gòu)為基礎(chǔ)，利用實(shí)驗(yàn)數(shù)據(jù)進(jìn)行回歸擬合，得到板凸度的回歸模型?？紤]到建模過程的簡化會導(dǎo)致建模誤差，該模型采用指數(shù)平滑法進(jìn)行自學(xué)習(xí)補(bǔ)償。此外，為提高建模精度，還利用BP神經(jīng)網(wǎng)絡(luò)對實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，得到板凸度的BP神經(jīng)網(wǎng)絡(luò)模型。通過試驗(yàn)數(shù)據(jù)與預(yù)報(bào)結(jié)果對比說明，板凸度自學(xué)習(xí)回歸模型的預(yù)報(bào)精度在5％以內(nèi)，神經(jīng)網(wǎng)絡(luò)模型預(yù)報(bào)同卷板帶板凸度的誤差在2％以內(nèi)，預(yù)報(bào)下一卷