学位论文 > 优秀研究生学位论文题录展示

热轧带材板形预测与板形控制智能模型研究

作　者: 袁小辉
导　师: 岳晓丽
学　校: 燕山大学
专　业: 重型装备设计理论及数字化技术
关键词: 板形智能控制神经网络遗传算法设定模型
分类号: TG335
类　型: 硕士论文
年　份: 2011年
下　载: 59次
引　用: 0次
阅　读: 论文下载

内容摘要

板形控制技术是现代板带轧制过程中的关键环节,目前的板形控制系统基本上都是采用传统的简化回归数学模型,这种数学模型具有多变量、强耦合、非线性、很强的时变性和不确定性,且板形检测带来的滞后问题对板形控制系统控制性能有很大的影响,造成在实际轧制过程中存在较大的偏差且对实际轧制的状态的变化缺乏适应能力。利用神经网络和遗传算法对非线性系统进行控制,已成为了控制领域研究特点之一。这种方法对于难于精确建模的一般非线性系统具有良好的控制效果,较好的跟踪目标信息的能力,并且在有扰动的情况下,表现出了较好的鲁棒性。本文以提高板形设定模型的精度为目标,在对国内外研究及应用现状进行了深入分析的基础上,结合宁波1780热连轧生产线板形控制项目,建立了基于神经网络和遗传算法的板形控制模型,并对其存在的问题进行了分析。首先,把精轧机组分为凸度调节区、平直度保持区,有效控制了板凸度和平直度。根据神经网络具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,由此建立了板形预测模型数据库。由实验数据表明,利用神经网络预测板凸度具有较高的精度。其次,在神经网络的基础上,采用遗传算法优化权值和阀值,进行全局搜索,有效避免了局部极小值问题。在板形预测模型为基础上,利用遗传算法建立了板形设定控制模型,通过实验数据分析了其可行性。最后,根据所建立的板形预测和设定控制模型,通过Matlab语言编写了板形设定控制软件,用户通过界面,可以简便、直接地查看分析数据和图形。热轧板形智能模型的研究为解决非线性和强耦合问题,提供了一种新的板形解决方案。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-17
  1.1 板形控制技术的发展状况  9-11
  1.2 现代轧制技术的特点  11-13
  1.3 智能控制技术在轧制领域中的发展  13-15
    1.3.1 智能控制技术在轧制领域中的应用背景  13-14
    1.3.2 智能控制在轧制技术的应用  14-15
  1.4 课题研究背景及意义  15-16
  1.5 本文主要研究内容  16-17
第2章基于智能算法的板形模型理论研究  17-33
  2.1 BP 神经网络理论基础  17-23
    2.1.1 BP 网络结构  17-20
    2.1.2 BP 网络的学习模型原理  20-22
    2.1.3 改进BP 算法的措施和方法  22-23
  2.2 遗传算法理论  23-27
    2.2.1 遗传算法的理论基础  23-25
    2.2.2 遗传算法的基本操作  25-27
    2.2.3 遗传算法模型缺陷  27
  2.3 GA-BP 模型  27-28
  2.4 板形预测模型原理  28-29
  2.5 反馈校正  29
  2.6 训练函数的确定  29-31
  2.7 板形设定模型原理  31-32
  2.8 本章小结  32-33
第3章基于1780 热轧板形控制智能模型的研究  33-62
  3.1 板形控制的理论基础  33-41
    3.1.1 板形良好的几何条件  33-36
    3.1.2 带材出口板凸度简化回归模型  36-37
    3.1.3 热轧板形控制理论  37-41
  3.2 板形控制模型的建立  41-54
    3.2.1 1780 板型控制模型原理  41-42
    3.2.2 F_1- F_4 神经网络模型  42-45
    3.2.3 F_1- F_4 中间层神经元确定  45-47
    3.2.4 F_5- F_7 神经网络模型  47-49
    3.2.5 F_5- F_7 中间层神经元确定  49-51
    3.2.6 预测模型的测试结果及分析  51-54
  3.3 板形设定模型的建立  54-61
    3.3.1 1780 板形设定模型原理  54-55
    3.3.2 模拟数据分析  55-61
  3.4 本章小结  61-62
第4章基于智能板形控制软件的研究  62-68
  4.1 用户界面 GUI 简介  62
  4.2 软件的系统结构  62-64
  4.3 板形预测操作界面  64-65
  4.4 板形设定操作界面  65-67
  4.5 本章小结  67-68
结论  68-70
附录  70-73
参考文献  73-77
攻读硕士学位期间承担的科研任务与主要成果  77-78
致谢  78-79
作者简介  79

热轧带材板形预测与板形控制智能模型研究

内容摘要

全文目录

相似论文