欢迎来到天天文库
浏览记录
ID:36794952
大小:1.53 MB
页数:59页
时间:2019-05-15
《基于PSO优化神经网络的动态变规格控制研究》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、东北大学硕士学位论文摘要基于PSO优化神经网络的动态变规格控制研究摘要动态变规格作为伞连续冷连轧所特有的工艺过程,是实现带钢无头轧制的技术关键。研究冷连轧机的动态变规格变换技术,对丁维持轧机的正常生产,实现全连续轧制,提高产品产量、质量都有非常重要的意义。本论文主要是以常规的五机架冷连轧机为研究对象,针对变规格过程的f-1身特点,在当前技术的基础卜,以控制过渡过程来获得满意的动态性能为目的,对冷连轧机的动态变规格控制问题进行了研究。论文的丰要内容包括以下二个部分。筇‘部分主要足列冷连轧机动态变规格现有技术方案的分析
2、研究。文巾茸先简要描述了冷连轧机动态变规格变换问题,明确了所要研究的基本叫题耵;目标。然后根据冷轧过程的基本原理和动态变规格期间张力的特点,建立了冷轧机的描述方程。以常规的五机架冷连轧机为对象,得到了许多变规格过程的重要规律和结论,为进一步提出基于动态控制思想的变规格技术方案提供了依据。第二部分丰要是对现有技术分析的基础h设计了基于刈角递归神经网络的动态变规格内模控制器,并用PSO算法提高了神经例络的训练速度。关键词:冷连轧;动态变规格;多变量解耦;神经网络:对角递归;PSO算法II杰!!查兰翌主芏堡堡查垒!!!竺
3、!!StudyonFlyingGaugeChangeontheNeuralNetworkofParticleSwarmOptimizationAbstractFlyingGaugeChange(FGC)isnotonlytheexclusiveprocessoffullycontinuoustandemcoldmills(TCM)butalsothekeytechniquetorealizestripcontinuousrolling.Therefore,researchonFGCinTCMisvitalimpor
4、tanttoincreaseofitsyield,improvementofitsproductquality,andimplantationofitsflexiblemanufacture,etc.OnthebasisofcurrenttechniqueofFGCanditscharacteristics,thisdissertationtookconventional5-standTCMastheresearchobjectand.studiedonthecontr01oftheprocessofFGCtoac
5、hievesatisfiedperformance.Thechiefresearchworkareconstitutedbytwopartsasfbllows:Partone,wasthebaseofentireresearchworkandmainlyanalyzedandstudiedcurrenttechniqueofFGCinTCMs.Aboveall,theprocessofFGCvcasbrieflyexplainedSOthatthequestionandtheirdemandsCOuldbeclea
6、rlyunderstood.Then.accordingtoDetheoWc-fcoldrollingandcharacteristicsofinter-standtensionduringFGCprocess,asetofequationswereestablishedtoquantificationaldescribethebehaviorofordinaryTCMs.FinalbjapracticalTCMwasselectedastheresearchobjectandmanyimportantconclu
7、sionsaboutFGC,whichprovidedthefoundationforthepresentingnewcontrolthemes.Thesecondpart,onthebasisofaboveanalysisofcurrentFGCtechnique,aninternalcontrolleronthebasisofdiagonalrecurrentneuralnetworkⅥ,asdesignedandparticleS1,va/Tnoptimizationwasadvancedtoapplyint
8、othetrainingofneuralnetwork.Keywords:coldroiling;flyinggaugechangc(FGC);multivariabledecoupling;neuralnetworks;diagonalrecurrent;particleSVVarmoptimization(PSO)IIr独创性声明本人声明所呈交的学位论文
此文档下载收益归作者所有