【摘要】：控制系統(tǒng)的分析和設計中,被控對象或者被控過程的數(shù)學模型是極為重要的基礎。要控制一個對象或者過程,首先必須要了解其工作機理和特性,其次就要建立其精確的數(shù)學模型進行定量分析,最后通過控制達到期望的效果。簡單對象或者過程的數(shù)學模型容易建立,但是對于一些復雜系統(tǒng)或者過程,其數(shù)學模型由于多方面的原因很難建立,所以其控制方案就無法設計。近年來人工智能理論的快速發(fā)展,以數(shù)據(jù)驅動的建模方法引起了廣大學者的關注,并將其應用于復雜非線性系統(tǒng)的建模中。本文以RBF-ARX(Radial Basis Function-AutoRegressive eXogenous)模型優(yōu)化設計及在板形控制系統(tǒng)中的應用研究為課題,在智能控制理論的基礎上,設計了遺傳算法(Genetic Algorithm,GA)優(yōu)化的RBF-ARX系統(tǒng)建模方案,并與傳統(tǒng)的結構化非線性參數(shù)優(yōu)化方法(SNPOM)優(yōu)化的RBF-ARX模型做深入的對比研究,實現(xiàn)了板形缺陷模式的識別與控制。首先深入研究了RBF-ARX模型的內部結構和其傳統(tǒng)的優(yōu)化方法SNPOM,針對SNPOM在參數(shù)優(yōu)化過程中運算復雜、占用的存儲空間大的缺點,引入了遞推最小二乘法進行了改進;同時為了推廣RBF-ARX模型在工程領域的應用,進一步提出了GA替代SNPOM的設想,構造了GA-RBF-ARX系統(tǒng)建模和優(yōu)化方案,大大簡化了模型參數(shù)的優(yōu)化過程。其次,針對某900HC可逆冷軋機,建立了GA-RBF-ARX的板形缺陷模式識別模型,仿真驗證表明GA-RBF-ARX在板形識別上的效果要比SNPOM優(yōu)化的效果好。另外,為了驗證RBF-ARX模型的建模效果,本文還利用具有聯(lián)想記憶功能的離散Hopfield網(wǎng)絡結構進行了對比研究。最后基于GA-RBF-ARX引入了預測控制策略,建立了包含板形缺陷識別模型、板形缺陷預測模型的完整板形智能控制系統(tǒng)。仿真驗證表明GA-RBF-ARX模型在板形缺陷預測上能夠跟蹤軋機板形的實際輸出,同時能夠實現(xiàn)板形缺陷的控制精度,滿足生產(chǎn)中對板帶鋼材的要求,是一種有效的建模和控制方法。
[Abstract]:In the analysis and design of control system, the mathematical model of controlled object or controlled process is very important. To control an object or process, first of all, we must understand its working mechanism and characteristics, secondly, we must establish an accurate mathematical model for quantitative analysis, and finally achieve the desired results through control. The mathematical model of simple object or process is easy to build, but for some complex system or process, its mathematical model is difficult to build for many reasons, so its control scheme can not be designed. In recent years, with the rapid development of artificial intelligence theory, the data-driven modeling method has attracted the attention of many scholars, and it has been applied to the modeling of complex nonlinear systems. In this paper, the optimal design of RBF-ARX (Radial Basis Function-AutoRegressive eXogenous model and its application in shape control system are studied. On the basis of intelligent control theory, the modeling scheme of RBF-ARX system based on genetic algorithm (GA) optimization is designed. And compared with the traditional structural nonlinear parameter optimization method, (SNPOM) optimized RBF-ARX model, the pattern recognition and control of shape defect is realized. Firstly, the internal structure of RBF-ARX model and its traditional optimization method, SNPOM, are deeply studied. The recursive least square method is introduced to improve the performance of SNPOM because of its complex operation and large storage space in the process of parameter optimization. At the same time, in order to extend the application of RBF-ARX model in engineering field, the idea of replacing SNPOM with GA is put forward, and the modeling and optimization scheme of GA-RBF-ARX system is constructed, which greatly simplifies the optimization process of model parameters. Secondly, the shape defect pattern recognition model of GA-RBF-ARX is established for a 900HC reversible cold rolling mill. The simulation results show that the effect of GA-RBF-ARX in shape recognition is better than that of SNPOM optimization. In addition, in order to verify the modeling effect of RBF-ARX model, the discrete Hopfield network structure with associative memory function is compared and studied in this paper. Finally, the predictive control strategy is introduced based on GA-RBF-ARX, and a complete shape intelligent control system is established, which includes the shape defect identification model and the shape defect prediction model. The simulation results show that the GA-RBF-ARX model can track the actual output of strip shape in the shape prediction of rolling mill, and can realize the control accuracy of the shape defect and meet the requirements of strip steel in production. It is an effective modeling and control method.
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG334.9

【相似文獻】

相關期刊論文 前10條

1 鄭崗,謝云鵬,劉丁,高林林;板形檢測與板形控制方法(續(xù))[J];重型機械;2002年05期

2 張譯中;浦項開發(fā)新一代冷軋板形控制系統(tǒng)[J];上海金屬;2003年02期

3 華建新,金以慧,吳文彬;基于動態(tài)板形輥的冷軋板形控制新技術[J];鋼鐵;2001年01期

4 賈春玉;基于人工智能的自適應板形控制[J];鋼鐵研究學報;2001年04期

5 王文明,鐘掘,譚建平;板形控制理論與技術進展[J];礦冶工程;2001年04期

6 王舒軍,周猛,李雪松;板形控制模型在熱軋薄板生產(chǎn)中的應用[J];電氣時代;2005年07期

7 徐濤;;世界鋁帶冷軋工業(yè)板形控制先進技術[J];世界有色金屬;2007年06期

8 邵健;何安瑞;楊荃;;熱軋板形控制模型開發(fā)過程與應用[J];金屬世界;2010年05期

9 陳漢文;;板形控制原理在寬板軋制中的應用[J];有色金屬加工;2011年04期

10 范衛(wèi)鋒;;模糊控制技術在板形控制中的應用[J];冶金動力;2012年05期

相關會議論文 前10條

1 高峰;魏薇;石曉蓮;;自動板形控制在冷軋帶鋼生產(chǎn)中的實現(xiàn)[A];2009年河北省軋鋼技術與學術年會論文集（下）[C];2009年

2 陳良;;一鋼1780熱軋板形控制新技術[A];冶金軋制過程自動化技術交流會論文集[C];2005年

3 陳百紅;;鞍鋼2150生產(chǎn)線自動板形控制系統(tǒng)[A];2009年全國高品質熱軋板帶材控軋控冷與在線、離線熱處理生產(chǎn)技術交流研討會文集[C];2009年

4 周智;陸寧云;姜斌;;基于知識挖掘技術的板形控制系統(tǒng)故障診斷研究[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

5 薛展;;熱軋板形控制預設定模型的研究[A];全國煉鋼連鑄過程自動化技術交流會論文集[C];2006年

6 邸洪雙;王哲;張曉峰;王國棟;劉相華;;冷軋極薄帶材及其板形控制[A];第八屆全國塑性加工理論與新技術學術會議論文集[C];1999年

7 魏云華;;目標板形曲線的設計及板形控制的手段[A];全國第十二屆輕合金加工學術交流會論文集[C];2003年

8 葉菲;;在線磨輥技術在熱軋板形控制中的應用[A];全國冶金自動化信息網(wǎng)2013年會論文集[C];2013年

9 王小平;韓玉龍;苗瑞林;;酸軋機組板形控制優(yōu)化[A];2009年全國冷軋板帶生產(chǎn)技術交流會論文集[C];2009年

10 唐勤;董欣欣;;唐鋼超薄熱帶生產(chǎn)線板形控制[A];2006年河北省軋鋼技術與學術年會論文集（上冊）[C];2006年

相關重要報紙文章 前10條

1 劉輝;寶鋼自主開發(fā)成功冷軋板形控制技術[N];現(xiàn)代物流報;2008年

2 ;冷軋板形控制核心技米自主研發(fā)與工業(yè)應用[N];世界金屬導報;2013年

3 黃獻東;摘取科技皇冠上的“明珠”[N];中國冶金報;2011年

4 王金俠 記者 程云鶴;鞍鋼兩項成果獲國家科技進步獎[N];鞍山日報;2012年

5 高效軋制國家工程研究中心;板形控制系統(tǒng)的自主研發(fā)和應用[N];中國冶金報;2007年

6 黃獻東　記者 程云鶴;首個專用技術商標誕生[N];鞍山日報;2010年

7 黃波;努力攻克熱軋帶鋼軋機板形控制難關[N];中國冶金報;2010年

8 記者 劉敬元 通訊員 曹洪儒 黃獻東;鞍鋼注冊第一個專用技術商標[N];中國冶金報;2010年

9 夏杰生;讓板型控制技術為板帶連軋增輝[N];中國冶金報;2009年

10 邱文光;冷軋帶材軋輥分段冷卻板形控制系統(tǒng)[N];世界金屬導報;2007年

相關博士學位論文 前8條

1 郝亮;箔材和薄帶材冷軋過程中板形控制的研究[D];東北大學;2013年

2 劉佳偉;冷軋帶鋼板形控制系統(tǒng)的研究與開發(fā)[D];東北大學;2010年

3 王鵬飛;冷軋帶鋼板形控制技術的研究與應用[D];東北大學;2011年

4 馬占福;熱連軋板形控制模型優(yōu)化與應用研究[D];西安建筑科技大學;2011年

5 孫亞波;冷軋帶鋼板形控制目標模型研究[D];燕山大學;2010年

6 趙旭亮;熱軋帶鋼板形控制技術的研究與應用[D];東北大學;2009年

7 梁勛國;六輥冷連軋機板形控制模型優(yōu)化的研究[D];東北大學;2009年

8 員征文;多輥軋機板形控制理論及實驗研究[D];燕山大學;2014年

相關碩士學位論文 前10條

1 張哲;冷軋帶鋼板形控制矩陣機理智能模型研究[D];燕山大學;2015年

2 陳甲學;鋁板帶箔軋機板形控制研究及應用[D];河南科技大學;2014年

3 成龍;RBF-ARX模型的優(yōu)化設計及在板形控制中的應用研究[D];燕山大學;2015年

4 袁小輝;熱軋帶材板形預測與板形控制智能模型研究[D];燕山大學;2011年

5 楊敏;模糊控制與神經(jīng)計算方法在板形控制中的應用[D];北京工業(yè)大學;2005年

6 吳曉輝;基于云自適應差分算法的動態(tài)影響矩陣板形控制研究[D];燕山大學;2012年

7 陳麗;模糊神經(jīng)網(wǎng)絡及其在板形控制中的應用[D];北京工業(yè)大學;2005年

8 趙宇星;薄板連軋板形控制研究[D];內蒙古科技大學;2011年

9 張林浩;冷軋板厚板形控制及智能優(yōu)化研究[D];燕山大學;2010年

10 石曉玉;液壓彎輥板形控制的分析與建模[D];重慶大學;2004年

，

本文編號：2194784