薄板連軋板形控制研究.pdf

1、隨著現(xiàn)代工業(yè)的不斷發(fā)展和進(jìn)步，對(duì)板材質(zhì)量的要求也越來越高，而板形模式識(shí)別和控制是提高板材質(zhì)量的關(guān)鍵技術(shù)之一，因此成為冷軋控制研究的熱點(diǎn)問題。另外，由于人工神經(jīng)網(wǎng)絡(luò)在建立模型中有許多優(yōu)點(diǎn)，在近幾年的研究中被廣泛的應(yīng)用在板形模式辨識(shí)和控制中。
　　本文以某薄板廠的六輥五機(jī)架CVC冷連軋機(jī)為研究對(duì)象，以實(shí)現(xiàn)板形精確自動(dòng)控制為目的，建立了基于BP(Error Back Propagation)神經(jīng)網(wǎng)絡(luò)的板形缺陷模式識(shí)別模型和板形預(yù)測(cè)模型。

2、
　　首先，闡述了軋機(jī)、板形的相關(guān)知識(shí)，以及板形控制的基本方法和策略。重點(diǎn)分析了板形的測(cè)量裝置以及測(cè)量的相關(guān)理論。
　　其次，針對(duì)傳統(tǒng)數(shù)學(xué)方法在辨識(shí)板形缺陷模式中的不足，以常見板形缺陷模式為依據(jù)，利用人工神經(jīng)網(wǎng)絡(luò)在建模和系統(tǒng)辨識(shí)方面的優(yōu)點(diǎn)，建立了基于BP神經(jīng)網(wǎng)絡(luò)的板形缺陷辨識(shí)模型，并利用matlab7.0中的GUI(Graphical User Interfaces)神經(jīng)網(wǎng)絡(luò)工具箱建立了該模型。模型的輸入為測(cè)量輥的52測(cè)量值

3、和它們平均值的偏差，輸出為四次板形曲線的各項(xiàng)系數(shù)，這些系數(shù)可以直接參與到板形的控制中。
　　最后，板形控制受多個(gè)非線性變量的影響，用傳統(tǒng)的方法很難達(dá)到精確控制。為了實(shí)現(xiàn)板形的精確控制，本文根據(jù)板形的影響因素和現(xiàn)場(chǎng)所能采集到的數(shù)據(jù)量，建立了基于BP神經(jīng)網(wǎng)絡(luò)的板形預(yù)測(cè)模型，通過該模型可以給出有效的板形控制執(zhí)行機(jī)構(gòu)設(shè)定值。對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和仿真后，結(jié)果在誤差允許范圍之內(nèi)。
　　通過建立上述兩個(gè)模型，可以有效的辨識(shí)和預(yù)測(cè)板形，為板形