板形板厚综合控制研究

《板形板厚综合控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学博士学位论文摘要板形板厚综合控制研究摘要板形质量和板厚精度是衡量带钢质量的两个重要指标，板形板厚控制系统是一个复杂的多变量系统，影响板形板厚的参数之问存在着很强的耦合关系。因此，实现板形板厚(AFC-AGC)综合控制的研究已经成为轧制技术领域中的一个前沿课题。随着智能控制理论与技术的迅速发展，已有专家学者着手把这些理论和技术应用到AFC—AGC综合控制中。但是，由于AFC—AGC综合控制是一个非线性、强耦合、大时滞的多变量实时控制系统，对于这样一个复杂的系统，常规的控制方法难以取得理想的效果。因此，采用现代控制方法和智能技术相结合的控制手段，已

2、经成为AFC．AGC综合控制的发展趋势。本文以1700mm七机架热连轧机为背景，以AFC．AGC综合控制系统为研究对象，对AFC—AGC综合控制进行了深入的研究，主要工作如下。通过分析影响板形质量和板厚精度的主要因素，建立了AFC—AGC综合控制系统数学模型。对粒子群优化算法(PSO)进行了深入的分析和研究，针对PSO算法存在的早熟收敛、易于陷入局部极值的不足，提出了基于权值梯度方向变异的改进粒子群优化算法(IPSO)。基于传统的经验负荷分配方法的实用性和合理性，提出了兼顾板形板厚的负荷分配优化策略。该策略以经验负荷分配为基础，根据板形板厚综合控制的需

3、要，利用1PSO算法对各机架的负荷分配进行优化。结合RBF神经网络的特点，提出了递阶粒子群优化算法(HPSO)优化设计RBF神经网络，同时对RBF神经网络的结构和参数进行优化。针对AFC．AGC综合控制是一个复杂的非线性过程，板形控制和板厚控制之间相互耦合的特点，建立了基于HPSO算法的RBF神经网络板形板厚多变量控制系统；为了使RBF神经网络解耦控制器具有更好的鲁棒性和自适应性，提出了基于过程最优的隐含约束条件加权目标函数的权值在线自学习算法。针对板形板厚综合控制系统具有非线性、强耦合、大时滞的特点，提出了基于RBF神经网络d阶时延逆系统的解耦预测控

4、制方法。构建了基于RBF神经网络口阶时延逆U东北大学博士学位论文摘要系统的AFC—AGC解耦预测控制系统，首先使用HPSO算法优化设计RBF神经网络；然后用优化后的RBF神经网络来逼近板形板厚控制系统的a阶时延逆系统，并将其与原系统串联组成伪线’性复合系统作为复合被控系统；再用多步导前预测控制对解耦后的板形板厚综合控制系统进行控制，从而使得整个控制系统结构简单、易于工程实现，且具有较强的抗扰性和鲁棒性。关键词：板形板厚综合控制，负荷分配，粒子群优化算法，RBF神经网络，。阶时延逆系统，多步导前预测控制东北大学博士学位论文AbstractOnIntegr

5、atedControlforFlatnessandGaugeAbstractFlatnessqualityandgaugepreciousaretwoimportantprimarycriteriaofproductqualityinstriphotmills，andformacomplexmultivariablesystemabouttheflatnessandgaugecontrolsystemconsideringstrongcoupling．Thustheresearchontheautomaticflatnesscontrol·automa

6、ticgaugecontrol(AFC—AGC)systemisalreadyatthefrontlineofcurrentstudyOilstriprollingtechnology．Withtherapiddevelopmentofintelligencecontroltheoryandtechnology,thesetheoriesareusedinAFC—AGC．TheAFC—AGCisacomplexsystemwithnonlinear,strongcouplingandbigtimedelay,SOthegeneralcontrolmet

7、hodscallnotgetsatisfyingresults．Asaresult，modemcontroltechnologyassociatedwiththeintelligencetechnologyhasbeenthedevelopmenttrendofAFC—AGC．Theintegratedcontrolforflatnessandgaugeof1700mmhotstripmillwith7standsisdiscussedindetail。Themaincontributionsareasfollows．AnAFC—AGCintegrat

8、edcontrolmodelissetupbymeansofanalyzingthemainf