热连轧板形板厚智能解耦控制的研究

发布时间：2017-08-31 07:04

  本文关键词：热连轧板形板厚智能解耦控制的研究

  更多相关文章： 热连轧机组 板形板厚系统 准对角递归神经网络 解耦控制

【摘要】：板形和板厚是衡量带钢质量的两个重要指标,板形板厚控制系统是一个耦合的、多变量的复杂系统,如何实现和提高板形板厚综合系统的控制水平已经成为轧制技术领域中的一个前沿课题。随着智能控制理论的迅速发展,相关理论和技术已大量应用到板形板厚(AFC-AGC)综合控制中,由于AFC-AGC综合控制是一个非线性、强耦合、大时滞的多变量实时控制系统,对于这样一个复杂的系统,常规的控制方法难以达到理想的效果。因此,采用现代控制方法和智能技术相结合的控制手段已经成为AFC-AGC综合控制的发展趋势。本文首先以鞍钢1700mm热轧现场数据为背景,以AFC-AGC综合控制系统为研究对象,在分析系统中各变量之间耦合关系和各个变量的变化规律基础上建立了板形板厚综合控制系统模型,对AFC-AGC综合控制进行了深入的研究。其次,结合轧制理论,对几种常用解耦控制算法进行了研究并分析了其优缺点,通过MATLAB验证板形板厚系统之间确实存在较强的耦合作用,验证了本文选题的合理性和必要性。最后,针对建立的数学模型,进行了常规PID解耦控制的研究和仿真,仿真结果表明其解耦控制效果较好,但是抗干扰能力较差。因此,在此基础上提出了基于准对角递归神经网络(QDRNN)多变量PID控制算法,并将其应用到板形板厚系统的解耦控制中。解耦控制结果表明,该复合算法解耦响应速度和抗干扰能力明显优于传统PID解耦控制效果。
【关键词】：热连轧机组 板形板厚系统 准对角递归神经网络 解耦控制
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG334.9
【目录】：

• 中文摘要5-6
• ABSTRACT6-9
• 1. 绪论9-16
• 1.1 本课题选题研究意义9-10
• 1.2 板形板厚控制系统的研究现状和发展趋势10-14
• 1.2.1 板形控制方法10-11
• 1.2.2 板厚控制方法11-12
• 1.2.3 板形板厚综合控制方法12-14
• 1.3 多变量解耦控制的研究现状14-15
• 1.4 本文主要研究内容15-16
• 2. 板形板厚综合控制系统的模型16-31
• 2.1 板形板厚控制的基本概念16-24
• 2.1.1 影响厚差的主要因素16-17
• 2.1.2 厚度变化规律17-20
• 2.1.3 厚度控制措施20-22
• 2.1.4 板形控制措施22-24
• 2.2 板形板厚综合系统的静态数学模型24-27
• 2.2.1 确立板形板厚系统解耦控制对象24
• 2.2.2 弹跳方程24-26
• 2.2.3 塑性方程26
• 2.2.4 板形方程26-27
• 2.3 板形板厚系统动态数学模型27-29
• 2.4 本章小结29-31
• 3. 多变量系统解耦控制31-39
• 3.1 耦合控制系统相对增益31-32
• 3.2 传统解耦控制方式32-36
• 3.3 自适应解耦控制策略36-37
• 3.4 智能解耦控制策略37
• 3.5 非线性与鲁棒解耦控制策略37-38
• 3.6 本章小结38-39
• 4. 板形板厚综合系统常规PID控制及仿真39-48
• 4.1 常规PID控制理论原理39-40
• 4.2 板形板厚系统解耦设计40-42
• 4.3 板形板厚系统常规PID解耦控制及仿真42-47
• 4.3.1 板形板厚系统解耦PID控制42-43
• 4.3.2 滞后环节的处理43-44
• 4.3.3 板形板厚系统的常规PID解耦控制仿真44-47
• 4.4 本章小结47-48
• 5. 基于QDRNN神经网络的多变量系统解耦控制48-56
• 5.1 准对角递归神经网络(QDRNN)概述48-51
• 5.1.1 QDRNN神经网络的结构48-49
• 5.1.2 QDRNN神经网络的算法49-51
• 5.2 基于QDRNN算法板形板厚系统PID解耦控制仿真51-55
• 5.3 本章小结55-56
• 6. 展望和总结56-57
• 参考文献57-59
• 攻读硕士学位期间发表学术论文情况59-60
• 致谢60-61
• 作者简介61

【相似文献】

中国期刊全文数据库 前10条

1 胡积胜,许宗保;解耦控制在纸机生产中的应用[J];黑龙江造纸;2003年03期

2 黄宝成;;透平机的解耦控制[J];炼油化工自动化;1990年02期

3 姚达同;董良斌;石虹;;帘子布浸胶机生产线张力及张力解耦控制[J];交通部上海船舶运输科学研究所学报;1993年01期

4 于世静,安自卫;控制回路间耦合与解耦控制[J];化工自动化及仪表;1981年02期

5 李伯群;李娇;李济瀚;;冷连轧机厚度和张力系统的智能解耦控制[J];辽宁科技大学学报;2014年01期

6 鲁祖权;并联流体管路系绕的解耦控制[J];齐齐哈尔轻工学院学报;1986年02期

7 戴永彬;白延玉;蔡艳慧;;基于单值预测的递推滑模解耦控制[J];化工自动化及仪表;2010年10期

8 陆宏正;盖其祥;;空调试验台预处理室温湿度计算机解耦控制[J];中国纺织大学学报;1988年01期

9 沙成;郑晓亮;;冻结站制冷盐水流量和温度的模糊补偿解耦控制方法[J];煤矿机电;2014年02期

10 张普;曹俊;;乙烯装置干燥器再生系统解耦控制[J];石油化工自动化;2008年06期

中国重要会议论文全文数据库 前10条

1 李裕山;姚郁;王子才;;不确定非线性系统的解耦控制[A];1996中国控制与决策学术年会论文集[C];1996年

2 刘宝;张中炜;丁永生;;基于生长激素双向调节原理的解耦控制[A];第十七届全国过路控制会议论文集[C];2006年

3 于海磊;王雷;贾磊;;解耦控制在纸机网前箱系统中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

4 孙玉坤;王博;嵇小辅;黄永红;;基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制(英文)[A];2009年中国智能自动化会议论文集（第八分册）[控制理论与应用（专刊）][C];2009年

5 刘世伟;张忠怀;杨惠卿;;一种采用预估补偿解耦方法的智能解耦控制[A];1994年中国控制会议论文集[C];1994年

6 刘世伟;张忠怀;杨惠卿;;一种采用预估补偿方法的智能解耦控制[A];1995年中国控制会议论文集（下）[C];1995年

7 高建平;陈宗基;;非线性变结构解耦控制及其在飞行器姿态控制中的应用[A];1996年中国控制会议论文集[C];1996年

8 闵娟;黄之初;;多变量解耦控制方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

9 何关钰;;受限解耦控制问题的初等变换法[A];1996年中国控制会议论文集[C];1996年

10 孙玉坤;王博;丁慎平;;基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制[A];第二十七届中国控制会议论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 黄健康;铝合金脉冲MIG焊过程多信息分析及解耦控制[D];兰州理工大学;2010年

2 李帆;不确定性系统的解耦控制与稳定裕度分析[D];西北工业大学;2001年

中国硕士学位论文全文数据库 前10条

1 王建超;基于自抗扰技术的板形板厚解耦控制研究[D];河北联合大学;2014年

2 翟雯婧;基于补偿的飞行器鲁棒解耦控制[D];哈尔滨工业大学;2015年

3 应文博;双腔加热炉温度解耦控制研究[D];东北大学;2012年

4 孟庆涛;冷连轧板形板厚智能解耦控制研究[D];辽宁科技大学;2015年

5 周鹏飞;燃煤锅炉风机系统一种新型解耦控制方式应用研究[D];重庆大学;2015年

6 姜春莲;热连轧板形板厚智能解耦控制的研究[D];辽宁科技大学;2015年

7 徐芳芳;基于粒子群的预测函数解耦控制方法的研究及应用[D];东北大学;2009年

8 聂修军;模拟锅炉温度的解耦控制[D];武汉理工大学;2007年

9 孙德元;冷热水混合系统解耦控制研究及实现[D];沈阳工业大学;2012年

10 赵静;精馏塔模糊解耦控制的研究[D];西安科技大学;2011年

，

本文编号：764136