一、RBF网络在轧辊偏心补偿中的应用研究(论文文献综述)
李沣骥,刘鸿飞,张兴[1](2017)在《基于PSO-RBF神经网络的轧辊偏心在线辨识》文中研究说明在实际生产中,轧辊偏心往往会导致带材厚度的波动,降低带材的质量。离线辨识轧辊偏心的控制方法在实际生产中效果不明显甚至会其反作用。为了使轧辊偏心能够在线自适应辨识,提出了一种基于改进粒子群算法优化的RBF神经网络的在线辨识方式,建立在线训练模型,对轧辊偏心信号进行在线辨识研究并与未采用该算法的在线辨识方式进行对比。结果表明,基于改进粒子群算法优化的辨识方式速度更快、精度更高,能迅速地辨识出生产过程中的轧辊偏心信号的变化,达到了期望的结果。
徐德树[2](2016)在《板带轧机轧辊偏心补偿技术研究》文中指出轧辊偏心问题是带材生产过程中常见的一个问题,它的存在影响着产品的质量,因此必须对这一问题提高重视程度,对其进行研究具有很大的必要性。而轧辊偏心问题研究的关键在于如何准确地提取出偏心信息,轧辊偏心情况可在轧制力和板厚等相关参数中反映出来,因此常通过对这些参数的研究侧面实现轧辊偏心问题的研究。本文以实际采集的轧制力数据为基础,对轧辊偏心问题及补偿方面进行了理论分析。首先,突出表明课题研究的意义,介绍轧辊偏心的研究现状、控制方法以及轧辊偏心模型的建立方法。将轧辊偏心的定义、起因以及特点进行了详细介绍,推导了不同情况轧辊偏心的参数方程。以轧机的弹跳曲线和轧件的塑性方程为理论基础,描述了偏心问题对板厚控制系统的影响,得到轧辊偏心与轧制力信号之间的对应关系。其次,综合分析各种不同的方法后,选用轧辊偏心傅里叶分析法,利用快速傅里叶变换对信号进行频谱分析,鉴于此方法具有局限性,当不满足其限制条件时,易出现栅栏效应和频谱泄漏,影响分析结果准确度,针对这一问题,采用收敛性能良好的粒子群算法对其进行改进,通过仿真验证了方法的可行性,利用该方法对模拟偏心信号模型进行分析,得到准确结果。最后,以采集到的现场轧制力信号为基础,对轧辊偏心问题进行研究,在采用提出方法进行信号分析过程中,为了得到与优化的采样持续时间相对应的采样点,提出一种基于插值算法的数值估算方法,利用所提方法对预处理后轧制力波动进行分析,根据提取偏心信号并对其进行补偿,达到良好效果,实现轧辊偏心问题的研究工作。
李冬[3](2015)在《板带热连轧厚度自动控制系统研究》文中认为厚度精度是热轧板带钢的重要质量指标之一,它直接影响下游制造业的生产效率及产品质量。随着科学技术的日趋发展,用户对板带钢的厚度精度提出了越来越高的要求。厚度自动控制(Automatic gauge control,AGC)系统的主要作用就是将板带厚度控制在设定的目标偏差范围内,其性能的好坏直接影响板带厚度精度的高低。因此,本文对板带热连轧机的厚度自动控制系统进行了全面、深入的研究,主要研究内容如下:(1)新型监控AGC及其改进研究。为了缩短监控AGC的调节周期以提高其厚差修正速度,深入研究了一种新型监控AGC系统,并对其存在的问题进行了分析。为了保持各机架轧制力分配比例不变以利于轧制过程稳定和板形质量控制,提出了新型监控AGC厚差分配系数的改进算法,较好地解决了厚差分配系数合理计算的问题。为了获得最佳的综合厚度控制效果,对新型监控AGC的控制结构进行了改进,有效地解决了新型监控AGC与厚度计AGC产生相互干扰的问题。(2)轧辊偏心补偿方法研究。为了避免轧辊偏心引起厚度计AGC误动作,研究了一种轧辊偏心动态死区滤波方法,较好地解决了死区宽度固定无法适应轧辊偏心状态变化的问题。动态死区滤波方法通过抑制厚度计AGC误动作能够防止轧辊偏心造成厚度精度恶化,但无法消除轧辊偏心对板带厚度造成的不良影响。为了进一步提高板带厚度精度,提出了基于群智能辨识的轧辊偏心补偿方法,丰富了主动轧辊偏心补偿方法。通过融合蚁群算法和粒子群算法设计出的群智能算法,较好地解决了线性递减惯性权重的粒子群算法由于种群多样性缺失过快造成的易陷入局部最优的问题。(3)热连轧负荷分配多目标优化方法研究。针对热连轧负荷分配这一多目标优化问题,设计了基于改进蚁群系统算法的负荷分配多目标优化方法,提高了负荷分配优化的求解速度和精度。为了避免解空间网格数量难以确定的问题影响改进蚁群系统算法的优化性能,提出了用于求解负荷分配多目标优化问题的多目标平衡迭代算法。此算法的优化求解速度和精度均优于改进蚁群系统算法,并且还具有对初始值要求低、原理及参数设置简单等特点,体现出良好的在线应用前景。(4)厚度自动控制系统设计。设计了某钢厂650mm板带热连轧机的厚度自动控制系统,给出了该系统实际使用的控制算法。为了提高末机架厚度计AGC的控制精度,设计了基于轧制数据的轧机刚度测量方法,提高了轧机刚度测量的准确性。基于现场实验数据,对确定轧机辊缝参考零点的效果、轧机刚度的测量效果、负荷分配的优化设定效果、实际板带厚度的控制效果和基于群智能辨识的轧辊偏心补偿效果进行了分析和评价。本文的研究结果对我国板带热连轧厚度控制水平的提高具有积极的促进作用。
王喆[4](2015)在《自抗扰控制理论研究及其在冷轧中的应用》文中指出冷轧生产过程具有多个相互独立与相互关联的控制系统,这些系统都是复杂的非线性系统,并存在着各种不确定性,因此研究不确定非线性系统的控制问题对实现冷轧生产过程的有效控制具有重要意义。非线性系统具有复杂性和多样性,针对不同的非线性系统,已提出的不同控制方法往往基于系统具体的数学模型,限制了此类算法在工程中的广泛应用。自抗扰控制技术是一种实用的非线性控制方法,不依赖于被控系统的内部机理和外扰规律,能够对系统中不确定非线性进行实时估计并给予主动补偿,算法简单可行易于在工程中实现。本文研究了一类不确定非线性系统的自抗扰控制问题,结合奇异扰动理论给出了非线性自抗扰控制系统的稳定性分析,并将自抗扰控制方法应用于冷轧生产过程控制。本文主要研究工作为:1)针对一类可简化为积分串联型的不确定非线性系统自抗扰控制问题,通过构建具有奇异扰动特性的闭环系统,基于奇异扰动理论给出了非线性自抗扰控制系统稳定性分析及理论证明。2)针对统一混沌系统,设计自抗扰控制方法,实现了对混沌系统的有效控制,并分析了闭环系统的稳定性,给出了系统稳定的充分条件。通过仿真研究验证了该控制方法的有效性。同时,为探索自抗扰控制抑制轧制过程中混沌现象的问题奠定了基础。3)针对用于具有输出噪声的不确定非线性系统,分析了输出噪声对扩张状态观测器性能及增益选取的影响,设计了可变增益扩张状态观测器,使扩张状态观测器在高增益时能够对系统状态及不确定非线性进行实时估计,并在低增益时降低对高频噪声的敏感性,最后给出了可变增益扩张状态观测器的收敛性分析。4)将自抗扰控制方法应用于轧机液压伺服系统中,设计自抗扰控制器实现对液压伺服系统的有效控制,并设计自抗扰同步控制系统实现轧机两侧液压伺服系统的快速同步,通过频域分析、数值仿真以及现场实验验证了自抗扰控制具有良好的控制效果。5)以自抗扰控制技术为手段,探索轧机存在轧辊偏心扰动以及垂直振动情形下的板带厚度控制问题。首先基于厚度计式厚度控制系统设计自抗扰重复控制器,在无需偏心信号幅值、相位等特征条件下实现对轧辊偏心扰动的有效补偿,减小板带出口厚度波动;其次考虑轧机垂直振动情况下的板厚问题,建立由液压伺服系统、辊系动态系统以及轧制过程模型构成的轧机板厚系统模型,并基于此模型设计自抗扰串级控制系统,提高板带厚度的控制精度。最后通过仿真研究验证了自抗扰控制方法的有效性。
王洪希[5](2015)在《子空间分解类算法在轧辊偏心信号提取中的应用研究》文中指出轧辊偏心是影响现代高精度板带轧制厚度质量的关键因素之一,要想进一步提高板带轧机的板形及厚度质量,必须对轧辊偏心扰动加以抑制及补偿控制。由于轧辊偏心信号是混杂在各种扰动和随机信号之中的复杂高频周期信号,轧辊偏心进行补偿控制的效果取决于如何从复杂的轧制力信号中准确提取出微弱的偏心信号,即轧辊偏心信号准确提取是偏心补偿控制的关键。为此,本课题针对现有各类轧辊偏心信号提取方法的局限性,提出采用现代空间谱估计中的子空间分解类算法来研究轧辊偏心信号提取问题,并对该类算法进行了融合与改进,通过理论分析、仿真及实验研究相结合来验证提取轧辊偏心信号的有效性和精确性,该类算法尤其在频率分辨率和抗噪声两个方面要比FFT法具有较好的优越性。论文工作的主要创新点和研究成果如下:1)针对FFT法在轧辊偏心提取中存在频率分辨率低且消噪效果不佳的局限性,本文提出改进型的噪声子空间MUSIC算法应用于轧辊偏心信号提取。从应用技术创新的层面,重点研究基于Root-MUSIC法和Prony法相融合的轧辊偏心信号提取新方法。仿真结果验证了方法结合的有效性,分辨率高、抗噪性强。2)为了减小计算量,提高算法的实时性,便于实际工程的应用。本文提出改进型的信号子空间ESPRIT算法应用于轧辊偏心信号提取。基于信号子空间的ESPRIT算法与基于噪声子空间的MUSIC法相比,不再考虑信号子空间与噪声子空间之间的关系,无需进行谱峰搜索,为此提高了算法的实用性。仿真分析出三种ESPRIT方法在不同阵元数和不同信噪比下的频率估计性能。3)针对轧辊偏心信号实际可能存在非平稳性质和测量噪声有色的性质,经典的二阶统计量子空间类算法存在有偏性和非一致性的问题,本文提出高阶累计量MUSIC法和Prony法相融合并应用于轧辊偏心信号提取。采用基于高阶累积量的MUSIC法对偏心信号进行空问分解达到降阶的效果,能够有效地抑制噪声,在信噪比低时仍具有高的频谱分辨率,能准确提取出偏心谐波的频率及谐波的个数。然后使用Prony方法进一步估计偏心信号的各次谐波幅值和相位,弥补了Prony法对噪声的敏感的弱点。仿真结果验证了该融合方法的有效性。以某厂热轧生产线为背景,采用现场轧制力数据,验证了基于高阶累计量MUSIC和Prony融合方法提取轧辊偏心信号具有很好的实际效果,实验结果表明该方法能准确地提取了相近频率成分及高次偏心谐波分量参数,且去噪效果明显,使重构偏心信号的精度很高,偏心补偿后的效果明显优于FFT法。
任新意[6](2012)在《1420冷连轧机板形板厚控制数理建模与仿真》文中研究表明板厚与板形是衡量冷连轧带钢几何尺寸精度的重要指标。在板带轧制过程中,板厚控制系统、板形控制系统和张力控制系统组成的冷连轧控制系统是一个复杂的非线性系统,且各控制系统之间相互耦合影响,严重制约了带钢生产质量的进一步提高,所以对冷连轧各控制系统仿真建模并对其耦合影响关系设计解耦控制策略,对冷连轧综合系统控制精度的提高具有十分重要的意义。传统的控制理论将板厚控制系统、板形控制系统和张力控制系统视为局部、单项和静态的系统进行独立控制,忽略了各控制功能之间的耦合影响关系,控制策略集中于智能方法的理论研究及其在各独立系统中的应用,缺乏对冷连轧综合系统解耦控制应用及相关理论指导的认识,成为阻碍解耦控制在冷连轧板形板厚综合系统中应用的瓶颈。本文针对大型工业冷连轧机组,建立了板厚控制系统、板形控制系统和张力控制系统的仿真结构模型,并运用轧制理论、控制理论及解耦控制等相关知识对各控制功能系统的耦合机理进行分析,建立了相关耦合模型。通过设计相应的动态解耦控制策略,从工艺设定和动态质量控制两个方面实现了冷连轧综合系统的解耦控制,从而提高了带钢冷连轧控制精度,改善了成品带钢的生产质量。本文的具体工作有以下几个方面:(1)结合混沌运动和自适应调整权重,提出一种自适应混沌粒子群算法,并根据现场数据,利用自适应混沌粒子群算法对液压压下系统进行参数辨识,验证了算法的有效性;利用自适应混沌粒子群算法对神经网络轧制力预报模型进行结构和相关参数的优化,提高冷连轧过程中轧制力的预报精度,改善了轧制过程工艺参数的设定水平;在对某1420酸洗冷连轧机组过程控制系统进行深入分析的基础上,建立了冷连轧厚度自动控制(AGC)系统、弯辊力控制(AFC)系统以及张力控制(ATC)系统的参数化机理仿真模型,并对仿真结果进行分析;建立了对应的动态仿真模型,并对各控制系统仿真结果进行仿真分析,仿真结果证明,控制效果良好,为现场实际应用提供了一个良好的平台,也为后面的冷连轧综合系统进行解耦控制奠定基础。(2)对带钢冷连轧过程设定计算进行分析,得到设定过程中板厚设定和板形设定之间的相互耦合影响关系,然后设计了基于位置内环和压力内环两种方式下的设定计算解耦补偿策略,用来补偿板形板厚设定过程中的耦合关系,从而保证内环执行机构设定计算的精度;针对轧制力预报设定值与实测值存在的偏差,采用自适应穿带解耦控制方法,进一步提高了轧机预报精度,并通过实例验证了设定解耦的必要性;(3)建立了板厚张力耦合模型,对耦合模型进行解耦设计,在考虑来料干扰的影响下,设计补偿策略,实现板厚张力耦合系统的完全抗干扰解耦控制;建立了位置和压力内环两种工作方式的板形板厚耦合模型来全面系统的定量描述冷连轧板形板厚之间耦合关系,并根据解耦理论对耦合系统进行解耦设计,同时考虑来料干扰对耦合系统的影响关系,设计解耦补偿策略,实现板形板厚耦合系统的完全抗干扰设计;最后,在对板形板厚系统实现解耦的基础上,对不同控制策略下的冷连轧凸度平坦度耦合模型实现解耦控制。(4)根据冷连轧过程增量数学方程,建立了可描述板形控制、板厚控制和张力控制之间耦合影响关系的冷连轧综合耦合模型;然后针对综合耦合模型的特点,利用逆系统理论实现冷连轧综合耦合模型的线性化解耦;最后通过设计并改进模糊免疫PID控制器对解耦后系统进行闭环控制,提高了板形板厚控制精度,改善了板形板厚质量。
毕俊杰[7](2010)在《轧辊偏心补偿的研究》文中提出对于板带钢来说,外形尺寸包括厚度、宽度、板形、板凸度、平面形状等等。在所有的尺寸精度指标中,厚度控制是衡量板材及带材的最重要的质量指标之一,现在已成为国内外冶金行业普遍关注的一个焦点。随着各行业对板厚控制要求的不断提高,轧辊偏心的影响已不容忽视。轧辊偏心问题的研究已成为高精度轧机厚度控制的一个重要组成部分,成了现代板带材轧制领域研究的热点。国内外学者从20世纪七、八十年代就开始研究轧辊偏心问题,轧辊偏心控制与补偿的方法很多,最近几年随着智能控制和一些新的信号分析处理方法的出现,研制出了新的轧辊偏心补偿控制方法。近年来,国内虽然在轧辊偏心补偿研究方而取得了巨大进步,但与发达国家相比差距很大,尚有许多技术问题需要解决。目前国内板带生产线普遍采用AGC(厚度自动控制系统)系统进行厚度控制,最常用的是厚度计(GM-AGC)式AGC,而GM-AGC对轧辊偏心引起的辊缝波动产生反向动作,使带钢出口厚度误差越来越大,因此必需对轧辊偏心引起的辊缝波动进行补偿。本文对在我国尚处于起步阶段的轧辊偏心控制问题进行了理论上的分析、讨论,并对基于神经网络、重复控制的轧辊偏心建模及补偿控制方法进行了较深入的研究。首先,在了解和掌握带钢板厚控制理论的基础上,介绍了几种常用的AGC模型,本文详细阐述GM-AGC系统各部分的组成,并推导出AGC系统各部分的传递函数。其次,根据对液压轧机厚度自动控制系统的分析,得到了轧辊偏心信号的特点,是一系列周期变化的近似正弦信号的波。得出轧辊偏心对轧制力和带钢出口厚度的影响,并推导出轧辊偏心信号变化与轧制力变化或与带钢出口厚度的数学模型。再次,阐述了轧辊偏心的定义以及产生的原因,对比以前利用快速傅立叶变换得出轧辊偏心信号,本文阐述了利用神经网络得出轧辊偏心信号的数学模型,并设计了一个神经网络来得到轧辊偏心信号(证明了神经网络的稳定性)。利用快速傅立叶变换比较方便得到一次谐波的数学模型,而且误差比较大。而利用神经网络则可得到高次谐波的数学模型,并且结果更接近真实值。最后,针对PID控制进行对轧辊偏心这一高频周期跟随信号的补偿时,由于比例作用和积分作用的设计受到限制,跟踪效果不好,稳态精度较差。本文基于重复控制的原理设计了重复PID补偿控制系统,大大提高了系统的跟踪精度,改善了系统品质。最后用智能算法对PID参数进行了优化,提高了系统的控制精度,加快了系统的响应速度。本文的研究工作,对提高板带厚度精度具有一定的理论意义与应用价值,为改善轧辊偏心引起的板带质量问题提供了新的尝试。
王亚静[8](2010)在《神经网络辨识及自适应逆控制研究》文中认为自适应逆控制作为一种新颖的控制器和调节器的设计方法,引起国内外学者越来越广泛的研究兴趣。现代神经网络技术的发展为非线性自适应逆控制的研究和实现创造了条件,探索和设计合理的动态神经网络结构和算法,构建更加有效的系统结构等已成为非线性自适应逆控制研究的重点。本文研究了神经网络的结构和算法,及基于神经网络逆模型的非线性自适应逆控制系统,主要研究内容如下:首先,系统分析了RBF网络中现有的几种确定聚类中心的算法:K-均值聚类法、梯度下降法、正交最小二乘法和动态聚类法。针对动态聚类法中距离门限值是固定不变的这一缺点,提出了一种改进的动态聚类法,根据样本密度对距离门限值进行调整,通过对煤气炉数据辨识的仿真研究,验证了该算法的有效性及快速性。其次,将RBF和BP这两种神经网络应用到自适应逆控制系统中,经一阶惯性环节的仿真结果表明RBF网络的泛化能力较低,影响了系统的控制精度。将基于BP网络的自适应逆噪声消除方法应用到轧辊偏心厚度控制中,仿真结果表明,该方法能很好地消除带钢的厚度偏差,各项指标均优于PID控制,为轧辊偏心厚度控制提供了一个新的解决方案。最后,将基于BP网络的自适应逆噪声消除方法应用到一个非线性系统控制中,系统的控制误差和均方差均小于其它方法,验证了该算法对非线性系统控制的有效性。
李旭[9](2009)在《提高冷连轧带钢厚度精度的策略研究与应用》文中进行了进一步梳理现代工业的发展对冷连轧带钢的厚度精度提出了越来越高的要求,与厚度精度有关的控制策略一直是轧钢自动化研究的热点。本文以提高冷连轧机组的厚度精度为出发点,对厚度设定模型系统、厚度自动控制系统、轧辊偏心补偿系统等内容进行了研究。并将研究成果应用于某冷轧薄板厂五机架冷连轧机组厚度控制系统,取得了良好的效果。主要研究内容如下:1)分析了冷连轧压下负荷分配的确定方法,将成本函数的概念引入到多目标优化负荷分配中。依据冷连轧工艺特点,确定了可在线工程应用的厚度设定数学模型及其附属的自适应因子结构,应用实际数据验证了厚度设定模型系统的有效性。2)结合生产线特殊仪表配置,设计并建立了一套综合的冷连轧AGC控制系统。针对冷连轧过程中多种AGC共存时的相关性问题及厚度-张力等的耦合问题,通过优化改进AGC控制算法和控制结构,实现了AGC控制策略的非相关和对张力等其他变量的同步解耦补偿。为了消除来料厚度波动对机架出口厚度的影响,特殊设计了考虑执行机构动态模型的前馈AGC。针对第1机架监控AGC与第5机架监控AGC执行机构的不同,建立了两种不同模型结构的Smith预估器。3)开发了一套基于傅立叶变换方法的轧辊偏心补偿系统,巧妙地处理了轧辊偏心信号捕获和重构过程中的相位补偿问题。针对冷连轧轧辊偏心信号辨识的多样性特点,通过改变偏心辨识源对轧辊偏心控制的效果进行了分析比较,提出区域张力是冷连轧轧制时最佳的轧辊偏心辨识源。FFT-REC系统的应用效果曲线表明了该算法是一类适用于多机架全辊系高次谐波补偿的通用轧辊偏心补偿算法。4)重点研究了第1机架的辊缝型监控AGC系统,给出了监控AGC系统的传递函数结构。针对该系统的纯滞后特点,采用智能最优Smith预估方法进行补偿。Smith预估控制器的引入,有效地解决了常规监控AGC控制过程中由于检测滞后引起的板带厚度振荡,采用最优降阶模型算法将复杂的传递函数模型进行降阶后的结果作为预估模型,提高了预估模型精度且控制算法简单易于实现。为了提高控制系统的鲁棒性,消除一次建模受轧制条件、液压系统等参数时变的敏感程度,开发了一套智能最优Smith预估监控AGC系统。5)采用时域与频域相结合的方式分析实时厚度控制策略及其相应的厚度偏差曲线,对厚度控制策略作出有说服力的评价。本文的研究结果针对板带冷连轧机的厚度控制,具有较强的实用性。目前,已将这些优化的控制策略成功应用于某冷轧薄板厂五机架冷连轧机组,对我国板带冷连轧控制水平的提高具有积极的促进作用。
李勇[10](2008)在《板带轧机轧辊偏心控制的研究》文中认为厚度精度是衡量板带材质量的主要指标,轧辊偏心是造成周期性厚度偏差的主要因素。为了提高板带材的厚度精度,针对板带轧机轧制过程中存在的轧辊偏心问题,研究AGC系统如何有效地抑制和补偿轧辊偏心。论文对轧辊偏心控制中存在的偏心算法的精确性和强适应性问题、轧机系统在补偿高频的周期偏心信号时的相位滞后和幅值衰减问题及偏心控制实现等问题进行了深入研究,提出了相应的控制算法和控制方案,并利用实验轧机对研究结果进行了验证,取得了良好的效果。论文的主要研究内容如下:1)偏心控制模型的研究。在对轧辊偏心成因进行分析归类的基础上,依次针对单辊、两辊和四辊分别具有旋转偏心、椭圆偏心或者同时两类偏心的情况进行了分析,内容包括:(1)偏心的周期问题;(2)偏心波动最大和最小时,各偏心分量初始相位角之间的关系;(3)偏心主要分量确定及模型的合并简化;研究了上下支撑辊存在明显辊径差时偏心的偏摆现象;基于对各种偏心特点的分析研究,提出了轧辊偏心控制的统一模型;提出了通过优化各个轧辊初始相位角之间的关系来减轻或克服偏心影响的相位优化控制新策略。2)轧辊偏心傅里叶算法研究。在研究四种基本傅里叶变换、快速傅里叶算法、频谱泄漏和栅栏效应的基础上,提出了汉宁窗采样的快速傅里叶变换修正算法(HMFFT),详细推导了该算法的频率、幅值、相位修正公式。该算法有如下特点:(1)精度高,特别是相位的计算精度很高,在非整周期截断情况下能有效地降低频谱泄漏和栅栏效应产生的误差;(2)计算简单、速度快。它对标准FFT算法的计算结果的频域值进行再处理,只增加了两次复数加法的计算量;(3)应用范围广,可用于带钢厚度偏差的高精度诊断,也可用于板带材的高精度轧辊偏心补偿控制。3)轧辊偏心控制的小波阈值法研究。针对傅里叶算法和其他一些辨识算法的缺点,提出了一种轧辊偏心控制的自动优化小波阈值法,设计了采用自动优化小波阈值法的AGC系统(AW-AGC),它有以下优点:(1)当偏心频率变化和轧辊存在明显辊径差时,仍能精确的分析出轧辊偏心模型,并且其计算结果是最优估计;(2)不仅能够消除轧辊偏心对带钢厚度均匀性所产生的直接不良影响,而且可以避免轧辊偏心所造成的GM-AGC调节质量的恶化;(3)具有参数自动调整、算法简单、鲁棒性强的特点。4)AGC系统轧辊偏心补偿的相位滞后研究。针对常规辊缝控制系统在补偿轧辊偏心这一高频周期信号时,会产生严重的相位滞后和幅值衰减,从而导致补偿失败的情况,研究了辊缝控制系统的闭环频域特性与偏心补偿的幅值衰减和相位滞后的关系,及幅值衰减和相位滞后对偏心补偿效果的影响;采用重复控制原理,设计偏心补偿的重复控制器,提出了一种基于传统PI控制和嵌入式重复控制的新型复合控制方案,研究了重要控制参数的整定;该方案结构简单、易于实现,具有良好的动态和稳态特性,能有效地消除偏心补偿的幅值衰减和相位滞后。5)轧辊偏心控制系统的设计和应用。以实验室实验轧机为控制对象,设计了轧辊偏心控制的硬件和软件系统,开发了相关的偏心控制软件,分别采用了HMFFT法和A-WAVELET法进行轧辊偏心补偿,补偿后轧辊偏心的影响分别减小了53.6%和61.8%。
二、RBF网络在轧辊偏心补偿中的应用研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、RBF网络在轧辊偏心补偿中的应用研究(论文提纲范文)
(1)基于PSO-RBF神经网络的轧辊偏心在线辨识(论文提纲范文)
1 算法简介 |
1.1 粒子群算法及改进方案 |
1.2 RBF神经网络 |
2 辨识过程 |
3 轧辊偏心信号在线辨识分析 |
3.1 轧辊偏心信号分析 |
3.2 轧辊偏心信号在线辨识研究 |
4 结论 |
(2)板带轧机轧辊偏心补偿技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的意义 |
1.2 厚度控制系统常用的补偿方法 |
1.3 轧辊偏心补偿发展综述 |
1.3.1 轧辊偏心研究现状 |
1.3.2 轧辊偏心控制方法 |
1.3.3 轧辊偏心模型建立方法 |
1.4 本文主要工作内容 |
第2章 轧辊偏心研究的理论基础 |
2.1 轧辊偏心的基础理论 |
2.1.1 轧辊偏心的定义及起因 |
2.1.2 轧辊偏心的特点 |
2.2 板厚控制的基本原理 |
2.2.1 轧机的弹跳曲线与弹跳方程 |
2.2.2 轧件的塑性变形与塑性方程 |
2.2.3 轧机弹塑曲线 |
2.3 偏心问题对板厚控制系统的影响 |
2.4 本章小结 |
第3章 轧辊偏心信号的分析方法 |
3.1 傅里叶变换算法 |
3.1.1 序列的傅里叶级数 |
3.1.2 离散傅里叶变换 |
3.1.3 快速傅里叶变换 |
3.1.4 快速傅里叶变换的条件限制和存在问题 |
3.2 基于粒子群算法的改进FFT信号分析方法 |
3.2.2 适应值的计算 |
3.2.3 频域参数的计算方法 |
3.2.4 基于粒子群算法的FFT流程 |
3.2.5 仿真研究 |
3.3 改进FFT在理论模拟轧制力信号仿真分析中的应用 |
3.4 本章小结 |
第4章 基于现场轧制力数据的轧辊偏心信号提取研究 |
4.1 信号的采集 |
4.2 信号的预处理 |
4.3 偏心信号的提取与补偿 |
4.3.1 轧制力信号的分析过程 |
4.3.2 轧辊偏心傅里叶分析法 |
4.3.3 偏心辨识过程及补偿结果 |
4.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(3)板带热连轧厚度自动控制系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 本文的研究背景、目的和意义 |
1.2 板带热连轧技术的发展 |
1.2.1 板带热连轧机的发展 |
1.2.2 热连轧计算机控制技术的发展 |
1.3 热连轧厚度自动控制系统研究现状 |
1.3.1 压力AGC研究现状 |
1.3.2 监控AGC研究现状 |
1.3.3 轧辊偏心补偿研究现状 |
1.3.4 负荷分配研究现状 |
1.4 群智能优化算法研究进展 |
1.4.1 蚁群优化算法研究进展 |
1.4.2 粒子群优化算法研究进展 |
1.5 本文的主要工作 |
第2章 厚度自动控制理论基础 |
2.1 引言 |
2.2 轧机弹跳方程与轧件塑性方程 |
2.3 板带厚度波动原因及规律 |
2.4 压力AGC |
2.5 监控AGC |
2.6 轧辊偏心补偿 |
2.7 负荷分配 |
2.8 本章小结 |
第3章 新型监控AGC及其改进研究 |
3.1 引言 |
3.2 新型监控AGC系统研究 |
3.2.1 厚差分配策略 |
3.2.2 厚差修正算法 |
3.2.3 厚差再分配算法 |
3.2.4 实际控制效果 |
3.3 新型监控AGC厚差分配系数改进研究 |
3.3.1 厚差分配系数改进算法 |
3.3.2 仿真实验 |
3.4 新型监控AGC和厚度计AGC相容性改进研究 |
3.4.1 新型监控AGC与厚度计AGC相容性分析 |
3.4.2 新型监控AGC控制结构改进 |
3.4.3 改进新型监控AGC与厚度计AGC相容性证明 |
3.4.4 仿真实验 |
3.5 本章小结 |
第4章 轧辊偏心补偿方法研究 |
4.1 引言 |
4.2 轧辊偏心模型 |
4.3 轧辊偏心动态死区滤波方法研究 |
4.3.1 动态死区控制算法研究 |
4.3.2 动态死区滤波方法实现 |
4.3.3 仿真实验 |
4.4 基于群智能辨识的轧辊偏心补偿方法研究 |
4.4.1 群智能优化算法 |
4.4.2 融合蚁群优化的粒子群算法 |
4.4.3 性能测试 |
4.4.4 基于PSO-ACO算法的轧辊偏心辨识 |
4.4.5 基于PSO-ACO算法辨识的轧辊偏心补偿 |
4.4.6 仿真实验 |
4.5 本章小结 |
第5章 负荷分配多目标优化方法研究 |
5.1 引言 |
5.2 基于改进蚁群系统算法的负荷分配多目标优化方法研究 |
5.2.1 热连轧负荷分配多目标优化模型建立 |
5.2.2 基于改进蚁群系统算法的负荷分配多目标优化方法设计 |
5.2.3 参数分析和优化 |
5.2.4 仿真实验 |
5.3 基于多目标平衡迭代算法的负荷分配多目标优化方法研究 |
5.3.1 平衡迭代算法 |
5.3.2 基于多目标平衡迭代算法的负荷分配多目标优化方法设计 |
5.3.3 收敛性说明及参数优化 |
5.3.4 仿真实验 |
5.4 本章小结 |
第6章 厚度自动控制系统设计 |
6.1 引言 |
6.2 系统设计 |
6.2.1 AGC系统控制功能设计 |
6.2.2 AGC计算机控制系统设计 |
6.3 控制算法 |
6.3.1 厚度计AGC实现 |
6.3.2 改进新型监控AGC实现 |
6.3.3 基于PSO-ACO算法辨识的轧辊偏心补偿实现 |
6.3.4 基于多目标平衡迭代的负荷分配多目标优化实现 |
6.4 实验效果 |
6.5 本章小结 |
第7章 结论 |
参考文献 |
致谢 |
攻读博士期间所做的主要工作 |
作者简介 |
(4)自抗扰控制理论研究及其在冷轧中的应用(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
1.1 研究背景及意义 |
1.2 非线性系统控制综述 |
1.2.1 非线性系统分析方法 |
1.2.2 非线性系统设计方法 |
1.3 自抗扰控制技术综述 |
1.3.1 传统PID控制的优缺点 |
1.3.2 自抗扰控制技术发展历史 |
1.3.3 自抗扰控制技术研究现状 |
1.4 冷轧厚度控制综述 |
1.5 本文研究的主要内容及创新点 |
1.6 论文结构 |
2 非线性自抗扰控制系统的稳定性研究 |
2.1 奇异扰动理论基础 |
2.2 SISO不确定非线性系统的自抗扰控制 |
2.2.1 问题描述 |
2.2.2 控制算法设计及稳定性分析 |
2.2.3 数值仿真 |
2.2.4 小结 |
2.3 MIMO不确定非线性系统的自抗扰控制 |
2.3.1 问题描述 |
2.3.2 控制算法设计 |
2.3.3 数值仿真 |
2.3.4 小结 |
2.4 统一混沌系统的自抗扰控制 |
2.4.1 问题描述 |
2.4.2 控制算法设计及稳定性分析 |
2.4.3 数值仿真 |
2.4.4 小结 |
2.5 本章小结 |
3 用于具有输出噪声系统的可变增益扩张状态观测器 |
3.1 问题描述 |
3.2 可变增益扩张状态观测器及其收敛性分析 |
3.2.1 可变增益扩张状态观测器 |
3.2.2 收敛性分析 |
3.3 数值仿真 |
3.4 本章小结 |
4 轧机液压伺服系统自抗扰控制 |
4.1 轧机液压伺服系统自抗扰控制 |
4.1.1 问题描述 |
4.1.2 控制算法设计及分析 |
4.1.3 仿真研究 |
4.1.4 小结 |
4.2 轧机两侧液压伺服系统自抗扰同步控制 |
4.2.1 问题描述 |
4.2.2 控制算法设计 |
4.2.3 仿真和实验研究 |
4.2.4 小结 |
4.3 本章小结 |
5 冷轧机板厚系统自抗扰控制 |
5.1 轧辊偏心自抗扰重复补偿控制 |
5.1.1 GM-AGC系统中轧辊偏心补偿控制 |
5.1.2 自抗扰重复补偿控制器设计 |
5.1.3 仿真研究 |
5.1.4 小结 |
5.2 轧机振动下板厚系统动态模型及自抗扰控制 |
5.2.1 轧机振动下板厚系统动态模型 |
5.2.2 轧机振动下板厚系统自抗扰控制 |
5.2.3 仿真研究 |
5.2.4 小结 |
5.3 本章小结 |
6 结论 |
6.1 论文工作总结 |
6.2 有待继续研究的内容 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(5)子空间分解类算法在轧辊偏心信号提取中的应用研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
引言 |
1 文献综述 |
1.1 课题背景及研究意义 |
1.2 轧辊偏心控制国内外相关研究工作现状 |
1.2.1 概述 |
1.2.2 滤波法 |
1.2.3 辊缝厚度控制法 |
1.2.4 恒轧制力闭环控制法 |
1.2.5 自适应辨识法 |
1.2.6 傅立叶变换法 |
1.2.7 神经网络法 |
1.2.8 小波分析法 |
1.2.9 轧辊偏心控制目前存在的主要问题 |
1.3 空间谱估计算法的发展及现状 |
1.3.1 参数模型谱估计 |
1.3.2 空间谱估计 |
1.4 本文的研究工作 |
2 轧辊偏心分析及轧辊偏心模型 |
2.1 轧辊偏心定义及原因 |
2.1.1 轧辊偏心定义 |
2.1.2 轧辊偏心产生原因 |
2.2 轧辊偏心的影响分析 |
2.2.1 板带厚度控制的基础理论 |
2.2.2 GM-AGC系统工作原理 |
2.2.3 GM-AGC系统对轧辊偏心的误动作 |
2.2.4 轧辊偏心对轧件厚度的影响 |
2.2.5 轧辊偏心对轧制力的影响 |
2.3 轧辊偏心模型研究 |
2.3.1 单个轧辊偏心 |
2.3.2 两个轧辊偏心的情况 |
2.3.3 轧辊的其他不规则形状 |
2.3.4 上下支撑辊存在辊径差时的偏心 |
2.3.5 轧辊偏心特点及轧辊偏心的统一模型 |
2.4 本章小结 |
3 基于噪声子空间的MUSIC法及改进算法轧辊偏心信号参数估计 |
3.1 子空间分解算法 |
3.1.1 空间谱估计系统 |
3.1.2 空间阵列模型 |
3.1.3 观测空间 |
3.1.4 信号子空间和噪声子空间 |
3.1.5 子空间分解算法 |
3.2 信号源数估计 |
3.3 时域转换为空域信号 |
3.3.1 欧拉公式变换 |
3.3.2 希尔伯特变换 |
3.4 噪声子空间的MUSIC法及改进算法轧辊偏心信号频率估计 |
3.4.1 经典MUSIC法 |
3.4.2 求根MUSIC法 |
3.4.3 实值MUSIC法 |
3.4.4 实值Root-MUSIC法 |
3.5 轧辊偏心信号幅值和相位估计 |
3.5.1 最小二乘法 |
3.5.2 递推最小二乘法 |
3.5.3 Prony的最小二乘法 |
3.6 仿真实验和性能分析 |
3.7 本章小结 |
4 基于信号子空间的ESPRIT算法及改进算法轧辊偏心信号参数估计 |
4.1 基本ESPRIT算法 |
4.2 最小二乘法的ESPRIT算法 |
4.3 总体最小二乘法的ESPRIT算法 |
4.4 算法计算量分析 |
4.5 仿真实验和性能分析 |
4.6 本章小结 |
5 基于高阶累积量的子空间分解类算法轧辊偏心信号参数估计 |
5.1 高阶统计量理论 |
5.1.1 特征函数 |
5.1.2 高阶统计量及高阶统计量谱的定义 |
5.1.3 高阶累积量谱和高阶矩谱的定义 |
5.1.4 高斯过程的高阶矩和高阶累积量 |
5.1.5 高阶累积量的几点性质 |
5.1.6 高阶累积量的估算及工程定义 |
5.2 基于高阶累计量的子空间分解类算法轧辊偏心信号参数估计 |
5.2.1 基于四阶累计量的MUSIC算法 |
5.2.2 基于四阶累计量的ESPRIT算法 |
5.3 仿真实验及性能分析 |
5.4 本章小结 |
6 基于现场轧制力数据的轧辊偏心信号提取实验研究 |
6.1 机架偏心现场数据的构成 |
6.2 从轧制力提取的偏心信号测量方法 |
6.3 现场轧制力数据的轧辊偏心信号提取实验效果 |
6.4 本章小结 |
结论 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(6)1420冷连轧机板形板厚控制数理建模与仿真(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 冷连轧自动控制技术概述 |
1.2.1 板厚控制技术 |
1.2.2 板形控制技术 |
1.2.3 张力控制技术 |
1.3 多变量解耦控制理论 |
1.4 冷连轧综合控制概述 |
1.4.1 板厚张力解耦控制研究现状 |
1.4.2 板形板厚解耦控制研究现状 |
1.5 本文主要研究内容 |
第2章 冷连轧控制系统数理建模与仿真 |
2.1 自适应混沌粒子群算法及应用 |
2.1.1 基本粒子群算法 |
2.1.2 混沌粒子群算法 |
2.1.3 自适应粒子群算法 |
2.1.4 自适应混沌粒子群算法 |
2.1.5 自适应混沌粒子群算法的应用 |
2.2 基于 ACPSO 算法的神经网络轧制力预报 |
2.2.1 BP 神经网络 |
2.2.2 轧制力神经网络预报模型结构 |
2.2.3 ACPSO 算法优化轧制力神经网络预报模型 |
2.2.4 仿真实验 |
2.3 冷连轧厚度自动控制系统 |
2.3.1 厚度自动控制系统 |
2.3.2 厚度自动控制系统仿真建模 |
2.3.3 厚度自动控制系统仿真分析 |
2.4 冷连轧弯辊控制系统 |
2.4.1 液压弯辊控制系统 |
2.4.2 液压弯辊控制系统仿真建模 |
2.4.3 液压弯辊控制系统仿真分析 |
2.5 冷连轧张力控制系统 |
2.5.1 张力控制系统 |
2.5.2 张力控制系统仿真建模 |
2.5.3 张力控制系统仿真分析 |
2.6 本章小结 |
第3章 冷连轧设定过程耦合分析及解耦补偿 |
3.1 冷连轧过程控制基本方程 |
3.1.1 轧制力方程 |
3.1.2 秒流量连续方程 |
3.1.3 轧机刚度方程 |
3.1.4 弹跳方程和广义弹跳方程 |
3.1.5 辊缝形状方程 |
3.1.6 有形辊调节方程 |
3.2 板形板厚设定耦合分析与补偿解耦设定 |
3.2.1 板形板厚耦合关系 |
3.2.2 板形板厚设定计算 |
3.2.3 设定耦合分析及解耦补偿 |
3.2.4 自适应穿带控制补偿解耦 |
3.2.5 设定计算解耦补偿仿真分析 |
3.3 本章小结 |
第4章 冷连轧控制过程解耦及干扰补偿设计 |
4.1 板厚张力耦合模型及解耦 |
4.1.1 板厚和张力耦合系统建模 |
4.1.2 板厚和张力耦合系统解耦设计 |
4.1.3 板厚和张力耦合系统干扰解耦补偿设计 |
4.1.4 仿真分析 |
4.2 板厚板形耦合模型及解耦 |
4.2.1 板厚和板形耦合系统建模 |
4.2.2 板厚和板形耦合特性分析 |
4.2.3 板厚和板形耦合系统解耦设计 |
4.2.4 板厚和板形耦合系统干扰解耦补偿设计 |
4.2.5 仿真分析 |
4.3 冷连轧凸度及平坦度耦合模型及解耦 |
4.3.1 凸度平坦度耦合模型 |
4.3.2 凸度平坦度耦合特性分析 |
4.3.3 凸度平坦度解耦控制 |
4.3.4 仿真分析 |
4.4 本章小结 |
第5章 冷连轧板形板厚综合模型智能解耦控制 |
5.1 冷连轧过程控制综合耦合模型 |
5.1.1 冷连轧过程控制增量方程 |
5.1.2 冷连轧综合耦合模型建模 |
5.1.3 冷连轧综合系统耦合仿真 |
5.2 冷连轧综合系统神经网络逆解耦 |
5.2.1 逆系统解耦理论 |
5.2.2 神经网络逆系统解耦实现 |
5.2.3 冷连轧综合系统神经网络逆解耦 |
5.2.4 冷连轧综合系统神经网络逆解耦仿真 |
5.3 冷连轧综合系统解耦控制 |
5.3.1 改进的模糊免疫 PID 控制器 |
5.3.2 冷连轧综合系统解耦控制 |
5.3.3 冷连轧综合系统前馈解耦控制仿真 |
5.4 本章小结 |
第6章 综合实验 |
6.1 1420 冷连轧机组简介 |
6.2 冷连轧机组轧制力预报 |
6.3 冷连轧机组设定计算解耦补偿研究 |
6.4 冷连轧机组动态控制解耦应用实践 |
6.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(7)轧辊偏心补偿的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 板带轧机轧辊偏心补偿控制的发展 |
1.2.1 板带轧制的发展历简史 |
1.2.2 辊偏心补偿控制的发展 |
1.3 本文的主要研究内容和创新之处 |
第二章 热连轧板厚控制的理论基础 |
2.1 轧机带刚厚度控制的基本原理 |
2.1.1 机座的弹跳方程和弹性曲线 |
2.1.2 机件的塑性方程和塑性变形 |
2.1.3 轧机的弹塑曲线 |
2.2 带钢厚度波动的原因 |
2.3 轧辊偏心对厚度控制系统的影响 |
2.3.1 轧辊偏心的起因 |
2.3.2 轧辊偏心信号的特点 |
2.3.3 轧辊偏心对带钢厚度的影响 |
2.3.4 轧辊偏心对轧制力影响 |
2.4 本章小结 |
第三章 液压厚度控制系统的设计 |
3.1 几种基本的AGC 及其控制原理 |
3.1.1 厚度计(GM)式AGC |
3.1.2 监控AGC |
3.1.3 前馈(KFF)AGC |
3.1.4 秒流量AGC |
3.2 液压厚度控制系统的组成 |
3.2.1 液压缸位置数学模型 |
3.2.2 APC 系统动态数学模型 |
3.3 本章小结 |
第四章 轧辊偏心信号辨识 |
4.1 轧辊偏心信号分析系统 |
4.2 快速傅立叶变换算法(FFT 算法)在偏心补偿中的应用 |
4.2.1 快速傅立叶变换算法(FFT 算法) |
4.2.2 FFT 算法基本思想 |
4.3 偏心信号神经网络模型的建立 |
4.3.1 神经网络的基本理论 |
4.3.2 偏心信号神经网络模型的建立 |
4.3.3 神经网络收敛性讨论 |
4.3.4 神经网络的训练 |
4.3.5 仿真结果及分析 |
4.4 本章小结 |
第五章 轧辊偏心控制系统 |
5.1 PID 控制 |
5.2 BP 神经网络整定的PID 控制 |
5.2.1 BP 神经网络简介 |
5.2.2 BP 神经网络整定PID |
5.3 遗传算法整定的PID 控制 |
5.3.1 遗传算法的基本原理 |
5.3.2 遗传算法的优化设计 |
5.3.3 遗传算法的PID 整定 |
5.4 轧辊偏心重复控制补偿的设计 |
5.4.1 轧辊偏心控制补偿方案的设计 |
5.4.2 轧辊偏心控制补偿的仿真 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
附录 (攻读学位期间发表的学术论文及参加的科研项目) |
(8)神经网络辨识及自适应逆控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 自适应逆控制简介 |
1.2 自适应逆控制的新发展 |
1.2.1 基于神经网络逆模型的自适应逆控制系统 |
1.2.2 基于模糊逆模型的自适应逆控制系统 |
1.2.3 基于预测逆模型的自适应逆控制系统 |
1.3 课题的目的及意义 |
1.4 论文的主要工作和结构安排 |
第2章 基于神经网络逆模型的自适应逆控制系统 |
2.1 引言 |
2.2 系统可逆性 |
2.3 神经网络建模方法 |
2.3.1 模型的选择 |
2.3.2 输入信号的选择 |
2.3.3 误差准则的选择 |
2.4 神经网络建模 |
2.4.1 正向建模 |
2.4.2 逆向建模 |
2.5 基于神经网络逆模型的自适应逆控制系统 |
2.5.1 神经网络自适应逆控制原理 |
2.5.2 系统的稳定性分析 |
2.6 本章小结 |
第3章 一种改进的动态聚类非线性系统快速辨识算法 |
3.1 引言 |
3.2 RBF 网络 |
3.3 几种常用的确定基函数中心的方法 |
3.3.1 K-均值聚类法 |
3.3.2 梯度下降法 |
3.3.3 正交最小二乘法 |
3.3.4 动态聚类法 |
3.4 改进的动态聚类法 |
3.4.1 确定距离门限值 |
3.4.2 确定基函数的扩张常数 |
3.4.3 最小二乘法确定输出层权值 |
3.4.4 改进动态聚类算法的步骤 |
3.5 仿真研究 |
3.5.1 仿真实例1 |
3.5.2 仿真实例2 |
3.6 本章小结 |
第4章 基于神经网络逆模型的自适应逆控制系统研究 |
4.1 引言 |
4.2 基于神经网络逆模型的直接自适应逆控制 |
4.2.1 神经网络离线逆建模 |
4.2.2 基于神经网络逆模型的直接自适应逆控制 |
4.3 自适应逆噪声消除系统 |
4.4 RBF 与BP 网络在逆控制系统中的比较研究 |
4.5 自适应逆控制在轧辊偏心中的应用 |
4.5.1 轧机液压压下控制系统 |
4.5.2 基于BP 网络的自适应逆控制系统 |
4.5.3 与PID 控制方法的比较 |
4.6 基于BP 网络逆模型的非线性自适应逆控制 |
4.7 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(9)提高冷连轧带钢厚度精度的策略研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究的背景、目的和意义 |
1.2 带钢冷连轧生产技术的发展史 |
1.3 厚度设定模型系统概述及进展 |
1.3.1 压下负荷分配与设定 |
1.3.2 冷连轧过程数学模型 |
1.3.3 模型自适应与自学习 |
1.4 厚度控制技术概述及进展 |
1.4.1 厚度控制AGC |
1.4.2 自动化检测仪表 |
1.4.3 AGC控制策略 |
1.4.4 AGC控制的新方法 |
1.5 轧辊偏心补偿控制概述及进展 |
1.5.1 轧辊偏心的起因和影响 |
1.5.2 轧辊偏心补偿方法研究 |
1.6 本文的主要研究内容 |
第2章 冷连轧厚度设定模型系统 |
2.1 厚度设定模型系统 |
2.2 轧制参数计算模型 |
2.2.1 变形抗力模型 |
2.2.2 摩擦系数模型 |
2.2.3 轧辊压扁模型 |
2.2.4 轧制力模型 |
2.2.5 轧制力矩模型 |
2.2.6 电机功率模型 |
2.2.7 前滑模型 |
2.2.8 轧机模数模型 |
2.2.9 厚度计模型 |
2.3 压下负荷分配策略 |
2.3.1 比例负荷分配系数法的应用 |
2.3.2 多目标优化负荷分配的应用 |
2.4 模型自适应学习 |
2.5 模型设定及精度 |
2.6 小结 |
第3章 五机架冷连轧AGC控制系统 |
3.1 冷连轧AGC控制系统概述 |
3.2 第1机架AGC |
3.2.1 第1机架前馈AGC |
3.2.2 第1机架监控AGC |
3.2.3 第1机架秒流量AGC |
3.3 第2机架AGC |
3.3.1 第2机架前馈AGC |
3.3.2 第2机架秒流量AGC |
3.4 第5机架AGC |
3.4.1 TIN轧制模式 |
3.4.2 SHEET轧制模式 |
3.5 小结 |
第4章 基于FFT方法的轧辊偏心补偿 |
4.1 基于FFT方法的轧辊偏心补偿系统 |
4.1.1 信号检测及特点 |
4.1.2 硬件控制器 |
4.1.3 软件结构 |
4.2 基于FFT方法的轧辊偏心补偿算法及应用 |
4.2.1 控制算法及逻辑 |
4.2.2 应用效果分析 |
4.2.3 优缺点分析 |
4.3 偏心辨识源改变时的控制效果比较 |
4.4 小结 |
第5章 模糊最优Smith预估监控AGC研究 |
5.1 常规Smith预估监控AGC系统 |
5.1.1 传统监控AGC系统 |
5.1.2 纯滞后补偿原理 |
5.2 最优Smith预估监控AGC系统 |
5.2.1 监控AGC被控对象传递函数 |
5.2.2 监控AGC被控对象模型降阶 |
5.2.3 最优Smith预估监控AGC离散化 |
5.3 模糊最优Smith预估监控AGC研究及仿真 |
5.3.1 模糊控制器设计 |
5.3.2 仿真平台实验 |
5.3.3 实验轧机试验 |
5.4 小结 |
第6章 最优综合厚度控制系统的实际应用 |
6.1 项目背景 |
6.1.1 产品方案及产品规模 |
6.1.2 冷轧机主要技术参数 |
6.1.3 主要设备性能指标 |
6.2 冷连轧机计算机控制系统 |
6.2.1 过程控制系统 |
6.2.2 工艺控制系统 |
6.2.3 辅助控制系统 |
6.2.4 HMI人机界面系统 |
6.3 厚度控制策略的最优组合 |
6.4 厚度控制效果时域和频域分析 |
6.4.1 第1机架各厚度控制策略典型控制效果分析 |
6.4.2 第2机架各厚度控制策略典型控制效果分析 |
6.4.3 第5机架各厚度控制策略典型控制效果分析 |
6.4.4 厚度-张力解耦控制效果分析 |
6.4.5 机架FFT-REC控制策略典型控制效果分析 |
6.5 厚度控制效果评价 |
6.6 小结 |
第7章 结论 |
参考文献 |
攻读博士学位期间完成的工作 |
致谢 |
作者简介 |
(10)板带轧机轧辊偏心控制的研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 板带轧机厚度控制技术的发展 |
1.2.1 人工操作阶段 |
1.2.2 常规自动调节阶段 |
1.2.3 计算机控制阶段 |
1.2.4 大型计算机网络控制阶段 |
1.3 轧辊偏心控制的现状 |
1.3.1 滤波法 |
1.3.2 变刚度AGC控制方法 |
1.3.3 自适应辨识法 |
1.3.4 神经网络方法 |
1.3.5 傅里叶变换分析法 |
1.3.6 小波分析法 |
1.3.7 轧辊偏心控制现存的主要问题 |
1.4 本文的主要研究内容 |
2 轧辊偏心模型研究 |
2.1 轧辊偏心成因分析 |
2.2 单个轧辊偏心的情况 |
2.2.1 单个支撑辊旋转偏心 |
2.2.2 单个工作辊旋转偏心 |
2.2.3 单个支撑辊椭圆偏心 |
2.2.4 单个工作辊椭圆偏心 |
2.2.5 单个支撑辊同时旋转偏心和椭圆偏心 |
2.3 两个轧辊偏心的情况 |
2.3.1 两个支撑辊旋转偏心 |
2.3.2 两个支撑辊椭圆偏心 |
2.3.3 一个支撑辊旋转偏心一个支撑辊椭圆偏心 |
2.3.4 两个支撑辊同时旋转偏心和椭圆偏心 |
2.4 四个轧辊偏心的情况 |
2.4.1 四个辊仅旋转偏心 |
2.4.2 四个辊仅椭圆偏心 |
2.4.3 一个支撑辊同时旋转偏心和椭圆偏心、其他辊椭圆偏心 |
2.4.4 支撑辊同时旋转偏心和椭圆偏心、工作辊椭圆偏心 |
2.4.5 支撑辊和工作辊同时旋转偏心和椭圆偏心 |
2.5 轧辊的其他不规则形状 |
2.6 上下支撑辊存在明显辊径差时的偏心情况 |
2.6.1 上下支撑辊仅旋转偏心 |
2.6.2 上下支撑辊仅椭圆偏心 |
2.6.3 两个支撑辊既旋转偏心又椭圆偏心 |
2.7 轧辊偏心特点总结及轧辊偏心的统一模型 |
2.8 偏心控制的相位优化策略 |
2.8.1 相位优化策略方案一 |
2.8.2 相位优化策略方案二 |
2.9 本章小结 |
3 轧辊偏心分析与补偿的傅里叶算法研究 |
3.1 傅里叶算法介绍 |
3.1.1 四种傅里叶变换形式及其相互关系和区别 |
3.1.2 快速傅里叶变换(FFT) |
3.2 轧辊偏心分析与控制的HMFFT算法 |
3.2.1 频谱泄漏和栅栏效应 |
3.2.2 汉宁窗 |
3.2.3 频率修正公式 |
3.2.4 谱线修正量公式及幅值修正公式 |
3.2.5 相位修正公式 |
3.3 HMFFT的应用研究 |
3.3.1 HMFFT在带钢厚度偏差原因诊断上的应用 |
3.3.2 HMFFT在偏心控制补偿中的应用 |
3.4 本章小结 |
4 轧辊偏心小波阈值法的应用研究 |
4.1 小波方法简介 |
4.1.1 小波变换 |
4.1.2 MRA与Mallat算法 |
4.2 轧辊偏心控制的自动优化小波阈值法 |
4.2.1 常规压力AGC系统 |
4.2.2 小波阈值法AGC系统设计 |
4.2.3 自动优化小波阈值法 |
4.2.4 小波阈值法与其他方法的比较分析 |
4.3 仿真试验 |
4.3.1 带钢存在不规则厚度波动及轧制速度变化的情况 |
4.3.2 轧辊存在明显辊径差及轧制速度变化时的情况 |
4.4 本章小结 |
5 AGC系统轧辊偏心补偿相位滞后研究 |
5.1 板带轧机液压压下控制系统的传递函数 |
5.2 采用PID控制器的AGC系统的偏心补偿分析 |
5.2.1 PID控制器分析 |
5.2.2 偏心补偿的误差分析 |
5.2.3 超前相位补偿方案 |
5.3 采用重复控制器的轧辊偏心补偿AGC系统 |
5.3.1 重复控制基本理论 |
5.3.2 重复控制系统结构 |
5.3.3 采用重复控制器的轧辊偏心补偿AGC系统设计 |
5.3.4 实验分析 |
5.4 复合控制系统方案 |
5.4.1 复合控制系统结构 |
5.4.2 重要控制参数的选择与整定 |
5.4.3 实验分析 |
5.5 本章小结 |
6 四辊轧机轧辊偏心控制的实验研究 |
6.1 实验室二/四辊可逆冷轧机轧辊偏心控制系统 |
6.1.1 实验轧机参数 |
6.1.2 轧辊偏心控制系统组成 |
6.2 轧辊偏心控制方案 |
6.2.1 轧机刚度曲线测定 |
6.2.2 基础自动化级偏心控制部分 |
6.2.3 过程自动化级偏心控制部分 |
6.3 轧辊偏心控制效果 |
6.4 本章小结 |
7 结论 |
参考文献 |
攻读博士学位期间的工作 |
致谢 |
作者简介 |
四、RBF网络在轧辊偏心补偿中的应用研究(论文参考文献)
- [1]基于PSO-RBF神经网络的轧辊偏心在线辨识[J]. 李沣骥,刘鸿飞,张兴. 钢铁研究学报, 2017(11)
- [2]板带轧机轧辊偏心补偿技术研究[D]. 徐德树. 燕山大学, 2016(01)
- [3]板带热连轧厚度自动控制系统研究[D]. 李冬. 东北大学, 2015(07)
- [4]自抗扰控制理论研究及其在冷轧中的应用[D]. 王喆. 北京科技大学, 2015(06)
- [5]子空间分解类算法在轧辊偏心信号提取中的应用研究[D]. 王洪希. 北京科技大学, 2015(06)
- [6]1420冷连轧机板形板厚控制数理建模与仿真[D]. 任新意. 燕山大学, 2012(08)
- [7]轧辊偏心补偿的研究[D]. 毕俊杰. 济南大学, 2010(04)
- [8]神经网络辨识及自适应逆控制研究[D]. 王亚静. 燕山大学, 2010(08)
- [9]提高冷连轧带钢厚度精度的策略研究与应用[D]. 李旭. 东北大学, 2009(05)
- [10]板带轧机轧辊偏心控制的研究[D]. 李勇. 东北大学, 2008(05)