轧机传动系统扭振智能控制方法研究

发布时间：2017-09-03 18:02

  本文关键词：轧机传动系统扭振智能控制方法研究

  更多相关文章： 轧机 二质量系统 扭振 神经网络 模糊控制

【摘要】：随着现代轧钢工业对产品质量要求越来越高,对轧机传动系统也提出了高精度和高动态性能的技术要求。由于电机与轧辊之间的弹性连接,在发生负载扰动时,传动系统经常会出现扭振现象。扭振不仅会降低轧机传动系统的动态性能,甚至还会造成轧钢机械设备的破坏性损坏,影响传动系统的安全生产。对于实际的轧机系统,本文将传动系统中的机械部分和电气部分作为一个整体来研究。通过分析轧机传动系统的机械传动部件,将轧机系统等效成由若干惯性部件和弹性部件构成的“质量弹簧系统”。然后将该质量弹簧系统简化成二质量模型,并利用动力学方程建立其数学模型。本文将轧机扭振控制问题考虑为含有间隙非线性环节且带有外部干扰的系统设计问题。从自动控制系统的角度出发,轧机传动系统在存在扰动时出现的动态降速和机械扭振现象,可以归结为自动控制的外扰调节问题。为了能将现实中不易直接测量的中间轴扭矩及负载转速分别进行前馈补偿和反馈控制,本文设计了状态观测器来观测扭矩及负载转速。考虑到系统含有非线性环节且模型参数具有不确定性,将状态观测器设计为神经网络状态观测器,利用神经网络对非线性映射的良好逼近功能及在线自学习自调整的自适应性,在线观测扭矩及负载转速。针对BP算法的收敛速度慢、已陷入局部最小等缺点,本文提出一种改进BP算法。仿真结果表明,带神经网络状态观测器及扭矩前馈补偿的双闭环轧机扭振控制系统,动态性能和抑制扭振效果都比较好,取得了较好的控制效果,验证了本文所设计的控制系统对轧机传动系统扭振现象的抑制是有效的。为了取得更好的控制效果,本文把模糊控制技术引入轧机扭振控制领域,并让其与神经网络结合组成模糊-神经网络PID控制系统。模糊控制是一种结合了基于规则的专家系统、模糊集理论和控制理论成果的智能控制理论。仿真结果表明,该控制系统控制效果良好。
【关键词】：轧机 二质量系统 扭振 神经网络 模糊控制
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TG334.9
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 课题研究的背景及意义10-11
• 1.2 轧机传动系统扭振国内外研究现状11-14
• 1.2.1 轧机传动系统扭振特性研究现状11-12
• 1.2.2 轧机传动系统扭振控制研究现状12-14
• 1.3 神经网络的研究现状14-15
• 1.4 本文的主要研究内容15-17
• 第2章 轧机传动系统的扭振分析17-26
• 2.1 引言17
• 2.2 轧机传动系统扭振发生的原因17
• 2.3 轧机传动系统扭振模型17-25
• 2.3.1 轧机传动系统结构17-18
• 2.3.2 轧机二质量系统模型18-20
• 2.3.3 轧机二质量系统的零极点分析20-22
• 2.3.4 轧机二质量系统的状态方程22-25
• 2.4 本章小结25-26
• 第3章 轧机传动系统扭振的双闭环控制26-37
• 3.1 引言26
• 3.2 轧机扭振双闭环控制系统的结构26-28
• 3.3 轧机扭振双闭环控制系统的扰动稳态误差分析28-29
• 3.4 轧机扭振双闭环控制系统的仿真分析29-36
• 3.5 本章小结36-37
• 第4章 基于改进BP神经网络状态观测器的轧机扭振智能控制37-57
• 4.1 引言37
• 4.2 状态观测器基本理论37-40
• 4.2.1 状态反馈控制37-38
• 4.2.2 状态观测器38-39
• 4.2.3 轧机二质量系统可观性的证明39-40
• 4.3 神经网络基本理论40-43
• 4.3.1 神经元模型40-42
• 4.3.2 神经网络的结构42
• 4.3.3 神经网络的学习42-43
• 4.4 BP神经网络43-46
• 4.4.1 BP算法原理43-44
• 4.4.2 BP网络的前馈计算44
• 4.4.3 BP网络权系数的调整44-46
• 4.5 神经网络状态观测器轧机扭振控制系统的实现方法46-49
• 4.5.1 神经网络状态观测器的结构46-47
• 4.5.2 改进BP算法47-48
• 4.5.3 用于轧机传动系统的神经网络状态观测器48-49
• 4.6 基于改进BP神经网络状态观测器轧机扭振控制系统仿真分析49-56
• 4.7 本章小结56-57
• 第5章 基于模糊-神经网络PID的轧机扭振智能控制57-73
• 5.1 引言57
• 5.2 模糊控制的基本结构57-60
• 5.2.1 模糊控制的基本原理57-58
• 5.2.2 基于Takagi-Sugeno模型的模糊-神经网络58-60
• 5.3 模糊-神经网络PID轧机扭振控制器的原理和结构60-62
• 5.3.1 控制器的原理60
• 5.3.2 控制器的结构60-62
• 5.4 模糊-神经网络PID轧机扭振控制器的设计62-69
• 5.4.1 模糊PID的设计62-65
• 5.4.2 神经网络的设计和训练65-69
• 5.5 基于模糊-神经网络PID轧机扭振控制系统仿真分析69-72
• 5.6 本章小结72-73
• 结论73-74
• 参考文献74-78
• 攻读硕士学位期间承担的科研任务与主要成果78-79
• 致谢79-80
• 作者简介80

【参考文献】

中国期刊全文数据库 前10条

1 李建雄;方一鸣;石胜利;;轧机液压伺服位置系统的自适应输出反馈控制[J];电机与控制学报;2012年01期

2 赵弘;李华德;李擎;;基于鲁棒内模控制的高性能变频调速系统[J];电气传动;2006年12期

3 范小彬;臧勇;吴迪平;王永涛;;CSP轧机振动和振纹的试验研究[J];钢铁;2006年10期

4 杜国君;张忠健;高崇一;;考虑打滑和双间隙影响的厚板轧机主传动系统扭振[J];钢铁;2013年02期

5 谢海云;霍岩岩;;可逆冷轧机主传动双闭环调速系统设计[J];科技创新与应用;2014年24期

6 鲁晓燕,叶黔元,瞿志豪;一类轧机自激振动现象的分析与解决[J];上海理工大学学报;2004年02期

7 杨逢瑜;杨云;吴军;陈艳丽;王耀;吴亚瑾;;模糊神经网络滑模控制在轧机中的应用[J];机床与液压;2009年03期

8 ;Statistic PID Tracking Control for Non-Gaussian Stochastic Systems Based on T-S Fuzzy Model[J];International Journal of Automation & Computing;2009年01期

9 王述彦;师宇;冯忠绪;;基于模糊PID控制器的控制方法研究[J];机械科学与技术;2011年01期

10 张瑞成;童朝南;;基于交流传动的轧机机电耦合系统振动特性分析[J];机械强度;2006年03期

中国硕士学位论文全文数据库 前4条

1 刘忠峰;粗轧主传动扭振抑制的研究[D];东北大学;2009年

2 李友坤;BP神经网络的研究分析及改进应用[D];安徽理工大学;2012年

3 杜艺;基于改进神经网络的热轧厚度控制方法研究[D];济南大学;2013年

4 赵东伟;板带轧机机电传动系统扭振鲁棒控制研究[D];燕山大学;2014年

，

本文编号：786483