基于GAPSO-BP算法的高阶板形在线模式识别及其检测系统

发布时间：2020-01-26 01:40

【摘要】：钢铁工业作为国民经济的支柱产业,是衡量一个国家综合实力的标志,高精度带钢的生产是钢铁产业发展的重点,因此如何提高板带钢材制造的工艺水平一直是工业企业关注的重点。板形检测与板形控制是冷轧板带生产过程的关键技术,论文依托国家自然科学基金课题,以板形检测、在线模式识别及板形控制策略为研究课题,针对板形精细化控制和信号采集处理等问题进行了深入系统的研究,取得了一些新的进展。论文以工业压电板形仪为研究对象,建立检测辊及板带的受力情况有限元模型,在不同张力条件下,改变板厚、包角,研究检测辊变形对板形检测曲线的影响。通过对板带内部张应力分布和检测辊所受压力分布曲线进行对比,分析板带内部张应力的分布趋势和检测辊所受的压力分布的关系,推导出板形合理的补偿曲线,由此可得出符合实际情况的板形缺陷分布规律。针对板形精细控制所存在的多维非线性问题,进行高阶板形识别系统建模,研究高阶非线性系统所描述的板形缺陷形成规律,在保证正交性的基础上,采用高阶勒让德多项式作为板形识别基本模式,识别6次板形缺陷,以适应板形精细化控制。通过研究遗传算法和粒子群算法的混合算法,优化BP神经网络结构及权值、阈值,建立GAPSO-BP神经网络在线识别模型,解决了BP神经网络收敛速度慢、初始权值影响大、易陷入局部极小和网络结构难确定等问题。通过实验计算,表明GAPSO-BP神经网络的抗干扰能力和自学习适应能力强、精度高,能为板形控制策略的制定提供可靠的依据。论文利用GAPSO-BP神经网络模型,对实测板形进行模式识别,分类研究板形缺陷并制定相应的控制方案,分析表明该系统的识别精度高,可用于在线板形闭环反馈控制。构建了实测平台,通过可视化界面建立检测信号与板形控制手段的关系,为板形控制的实施提供了依据。针对高速板形仪压电传感器的特点,采用有线信号采集与传输技术,自行设计了滑环式的有线信号采集与传输系统,开发板形信号海量数据采集与处理系统及相应模块,在线显示数据采集过程,进行分析处理。
【图文】：

更为细致的分类。其中瓢曲分为横向瓢曲、纵向瓢曲、斜、C 翘曲、四角翘曲等。式板形检测装置所检测的板形缺陷实质是轧制过程中带钢分布的残余应力，其中既包含可见的显性板形，又包含未带中存在不同的残余应力分布，最终会导致不同的浪形。形缺陷划分为单边浪、双边浪、中浪、四分之一浪和边中 1-1 所示，且认为任何复杂浪形均由简单浪形线性叠加而控制的重要基础之一。a)单边浪 b)双边浪 c)中浪

由纵向(板长)浪形函数和横向(板宽)浪形函数的板形缺陷，主要有单边浪、双边浪、中间浪在的板形缺陷往往是复杂的板形问题，需要更为一般情况的复杂板形问题。形拟合函数 板形缺陷在板长方向上具有最明带纵向和横向浪形，以板长方向为 x 轴，以波函数如式 1-1。形的半波高(2vRA ，，vR 为整个波高)(mm)；决定周期(即 ，T 为周期)；；形波长(mm)。2sin( ) sin( )vy A wx AL 2T
【学位授予单位】：燕山大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TG334.9

【参考文献】

相关期刊论文 前7条

1 单修迎;贾春玉;刘宏民;;板带轧机板形控制倾辊弯辊神经模糊PID模型[J];机械工程学报;2009年09期

2 张秀玲;张志强;;DHNN优化设计新方法及在板形模式识别的应用[J];智能系统学报;2008年03期

3 刘建;王益群;孙福;宁淑荣;;基于粒子群理论的板形模糊模式识别方法[J];机械工程学报;2008年01期

4 王生朝,赵海民;利用人工神经网络预测钢板性能[J];宽厚板;2003年06期

5 王益群,尹国芳,孙旭光;板形信号模式识别方法的研究[J];机械工程学报;2003年08期

6 任海鹏,刘丁,郑岗;一种基于遗传算法的板形模式识别方法[J];重型机械;2002年03期

7 刘进;冷轧带钢板形缺陷表达式回归及数学模型[J];轧钢;1996年05期

相关博士学位论文 前2条

1 李志明;整辊镶块式板形仪信号处理及板形闭环控制方法研究[D];燕山大学;2012年

2 张秀玲;冷带轧机板形智能识别与智能控制研究[D];燕山大学;2003年

本文编号：2573169