2050mm粗轧过程设定计算模块的开发及模型参数优化

《2050mm粗轧过程设定计算模块的开发及模型参数优化》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、东北大学硕士学位论文摘要摘要本文结合宝钢“2050mm粗轧过程模型控制仿真系统”项目，系统地分析了粗轧过程机系统的功能、模块组成和程序激励关系；采用C十+语言丌发了过程仿真系统软件，并在VisualC++．net的开发环境下建立了友好的人机交互界面。数学模型是计算机控制系统的核一tl,，它直接决定轧制产品的质量。对数学模型进行改进和优化，可以大幅度地提高轧制产品的质量，降低成本，提高产品的竞争力。本文对宽度和温度控制模型进行了深入的分析，采用了一种新的进化寻优方法一粒子群优化算法，对模型参数进行了优化，提高了模型的控制精度。本文建立了基于自适应模糊神经系统的粗轧机组动态设定系统

2、，将神经网络和模糊控制技术结合起来，充分利用神经网络可以自学习的特点，应用神经网络对模糊系统的前、后件参数和控制规则进行修J下，使系统可以适应工况的变化，进而大幅度提高了头部厚度控制系统的精度。本文首次系统地分析了粗轧过程机控制系统、模块组成和程序激励关系：采用粒子群优化算法对模型参数进行了优化；并运用智能控制方法一自适应模糊神经系统，提高了头部厚度控制的精度，取得了以下研究成果：(1)采用c++开发了粗轧设定计算程序；建立了粗轧过程设定计算仿真系统：并在VC++．net环境下开发了良好的人机交互仿真界面，实现了粗轧过程机的离线仿真。(2)采用粒子群算法对温度和宽度计算模型中的

3、参数进行优化，温度和宽度计算模型的控制精度分别提高了16．7％和14．3％。(3)为了保证粒子群算法的全局最优性，在算法后期加入变异算子，这是一种非常有效的改进方法。(4)建立了基于自适应模糊神经系统的粗轧机组动态设定系统，该系统将神经网络和模糊控制技术结合起来，可以适应轧制条件的变化，带钢头部厚度的控制精度提高了12．9％。关键词：粗轧：设定计算：数学模型；粒子群算法；自适应模糊神经系统II东北大学硕士学位论文AbstractAssociatedwit}ltheroughingmodelcontrollingsimulationsystemofBaosteel2050mmho

4、tstripmill，thefuction，modularmakeupandprogrammingexcitationrelationofroughingsystemwereanalysed．Therollingsetupcalculateionoff-linesimulationsystemwasdevelopedbyusingC++languageandthefriendlyman—machineinteractiveinterfacewasbuiltunderVisualC++．netdevelopmentenvironment．Themathematicmodelist

5、hekeytothecomputercontrollingsystem，whichindirectlydecidestheproductquality．Inordertoimprovetheproductquality,reducethecostandincreasethecompetitivepower,themathematicmodelneedberevisedandoptimized．Onthebasisoftheanalysisofthewidthandtemperaturemodel，themodelparameterswereoptimizedbyusingmod

6、ifiedparticleswarmoptimization，whichimprovesthemodelaccuracy．Inthethesis，thedynamicsetupsystembasedonANFIS(AdaptiveNeuro—FuzzyInferenceSystem)wasbuilt，whichcombinedtheAntificalNeuronNetworkwiththeFuzzyControlTechnology,revisedtheformer，laaerparametersandthecontrollingruleofthefuzzysystembyus

7、ingtheANNtomeetthechangeofworkcondition．moreover,greatlyimprovedtheaccuracyofheadthicknesscontrollingsystem．Therougingcontrollingsystemandmathematicmodelwereanalyzedsystematicallyforthefirsttime，themodelparameterswereoptimizatedbyusingPSOandtheaccu