基于智能技術(shù)的板形板厚綜合控制方法研究.pdf

1、鋼鐵是發(fā)展國民經(jīng)濟、增強綜合國力的重要物質(zhì)基礎(chǔ)。而板帶材是廣泛應(yīng)用于國民經(jīng)濟各部門的重要原材料。近年來，隨著工業(yè)用戶自身自動化水平的不斷提高，對板帶產(chǎn)品幾何尺寸精度的要求越來越高。 板帶材是金屬在軋輥作用下經(jīng)過一系列變形過程而形成的，整個軋制過程受到金屬本身的特性和軋制條件的影響。板帶材的主要衡量指標(biāo)是厚度和板形。在一條熱軋生產(chǎn)線上同時應(yīng)用板厚控制(Automatic Gauge Control，AGC)系統(tǒng)和板形控制(Auto

2、matic Flatness Control，AFC)系統(tǒng)，存在著比較嚴(yán)重的耦合。當(dāng)調(diào)整壓下改變厚度時，軋制力將發(fā)生變化，影響到出口斷面的形狀和帶鋼平直度，即影響了帶鋼的板形；而當(dāng)板形控制系統(tǒng)調(diào)整彎輥斷面形狀時，必將改變輥縫形狀而影響出口厚度。對高質(zhì)量要求的板帶材軋制控制來說這種相互作用和影響往往是不能忽略的，因此應(yīng)該把板形控制和板厚控制看作一個綜合系統(tǒng)來考慮。目前，帶鋼熱連軋板形板厚綜合系統(tǒng)解耦控制已成為當(dāng)今軋制技術(shù)領(lǐng)域的一個前沿課題

3、。 粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法是基于群體智能理論的優(yōu)化算法。該算法利用生物群體內(nèi)各個個體的合作與競爭等復(fù)雜行為產(chǎn)生群體智能。本文介紹了PSO算法的基本原理、數(shù)學(xué)描述、算法流程，并歸納總結(jié)了其特點。在此基礎(chǔ)上研究了PSO算法在PID參數(shù)整定上的應(yīng)用。 神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用廣泛的人工智能技術(shù)。它可以利用數(shù)學(xué)算法模擬人腦的記憶、分析、推理等能力，從而可以達到以任意精度逼近任意

4、非線性函數(shù)的目的。傳統(tǒng)的PID控制很難滿足高精度板形板厚控制的要求，本文將小腦神經(jīng)網(wǎng)絡(luò)(Cere—bellumModel Articulation Controller， CMAC)與傳統(tǒng)的PID控制相結(jié)合，設(shè)計了粒子群算法進行優(yōu)化的CMAC—PID復(fù)合控制算法，并與實際工程相結(jié)合，將這種算法應(yīng)用于板形板厚的解耦控制中。 本論文對板帶軋機板形板厚控制的基本理論以及連軋機的幾種構(gòu)成方法及控制方式進行了分析，對國內(nèi)外發(fā)展現(xiàn)狀做出歸納

5、。把板形控制、板厚控制作為一個整體考慮，它是一個強耦合、非線性的多變量復(fù)雜系統(tǒng)。建立了板形板厚綜合系統(tǒng)數(shù)學(xué)模型，為控制方法的提出和仿真工作奠定了基礎(chǔ)。 將基于PSO的CMAC—PID復(fù)合控制器應(yīng)用于液壓彎輥力的調(diào)整仿真，改善了系統(tǒng)的動態(tài)特性，取得了良好效果。對板形板厚綜合系統(tǒng)設(shè)計了基于PSO的前饋解耦CMAC—PID復(fù)合控制策略。以某鋼廠1700mm七機架熱連軋機組第三機架為研究對象，利用不變性原理，對兩輸入兩輸出的板形板厚數(shù)學(xué)