基于CMAC神经网络的双辊铸轧力的研究

发布时间：2017-09-11 18:26

  本文关键词：基于CMAC神经网络的双辊铸轧力的研究

  更多相关文章： 双辊薄带驻扎 铸轧力 CMAC神经网络 PID 复合控制

【摘要】：近年来,双辊薄带铸轧技术取得了令人瞩目的成就,受到了世界冶金铸造界广泛的重视,所以需要不断的完善工艺来尽快实现工业化生产。在我国,虽然双辊薄带铸轧已经研究了很多年,但是与国外技术水平还有很大的差距。双辊薄带铸轧这项技术系统结构很复杂,对控制的要求具有速度快、精度高的特点。至今,工艺还不是很成熟,对控制系统的设计还没有一套完整的控制理论。因此,到现在为止都还在处于摸索之中。双辊铸轧铸轧力的控制是整个铸造工艺过程成功与否的至关重要的环节,是双辊铸轧工艺中的一个重要课题。由于连铸工艺的特殊性,在铸轧熔池中金属会经历从高温液体到半固体、固体的变化,会涉及到温度场、速度场等,因此对铸轧力的数学建模就显得比较麻烦。常见的建模方法是将铸轧区域分为液相区、糊状区和固相区,根据三个区域不同的物理特性、材料特性分别计算,最后根据一定的计算规则获得总的铸轧力。但是由于本身的复杂性,数学模型并不能完全反映铸轧力的实质。本文在分析了影响铸轧力的外部因素后,提出了一种基于CMAC神经网络的铸轧力计算模型。并且提出了一种铸轧力的CMAC神经网络与PID复合控制方法。本文是以辽宁科技大学镁合金铸轧工程中心的项目为研究背景,首先介绍了镁合金双辊薄带铸轧过程的工艺流程以及对国内外研究现状进行了叙述,接着对铸轧力计算进行了传统的数学建模,简要说明了这种方法存在的问题。在根据实际实验数据分析了双辊铸轧铸轧力影响因素后,引出了CMAC神经网络和基于CMAC神经网络的铸轧力计算模型。在此前提下,引入CMAC神经网络与PID复合控制,实现铸轧力的控制仿真实验。Matlab仿真实验表明,铸轧力的CMAC神经网络计算模型具有很好准确性,与实际值的误差不超过百分之六。而且铸轧力的CMAC神经网络与PID复合控制方法是有效的。对比于普通的PID控制,具有鲁棒性强和动态性能好的优点。Matlab仿真实验中所使用的实验数据全部来自辽宁科技大学镁合金铸轧工程中心。
【关键词】：双辊薄带驻扎 铸轧力 CMAC神经网络 PID 复合控制
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG335.9;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 1. 绪论10-18
• 1.1 双辊薄带铸轧的工艺简介10-12
• 1.2 双辊连铸技术概况12-16
• 1.2.1 国外双辊连铸技术的发展概况12-14
• 1.2.2 国内双辊薄带铸轧的发展状况14-16
• 1.3 双辊薄带铸轧铸轧力研究现状16
• 1.4 本文主要研究内容16-18
• 2. 双辊薄带铸轧铸轧力数学分析18-20
• 2.1 铸轧工作区域划分18
• 2.2 凝固区铸轧力18-19
• 2.3 变形区铸轧力计算19
• 2.4 总铸轧力模型19-20
• 3. CMAC神经网络基本原理20-30
• 3.1 CMAC结构20-21
• 3.2 CMAC工作原理21-23
• 3.3 基于信度分配的平衡学习CMAC神经网络算法23-30
• 3.3.1 常规CMAC神经网络的分级量化方法23-25
• 3.3.2 基于信度分配的CMAC（CA-CMAC）神经网络25
• 3.3.3 改进的基于信度分配的CMAC神经网络（ICA-CMAC）25-26
• 3.3.4 地址函数研究26
• 3.3.5 网络仿真结果26-30
• 4. 双辊铸轧工艺及过程参数对铸轧力的影响30-34
• 4.1 双辊铸轧工艺流程30
• 4.2 浇注温度的影响30-31
• 4.3 熔池液位高度的影响31-32
• 4.4 预设辊缝的影响32
• 4.5 辊速的影响32-34
• 5. 基于CMAC神经网络的铸轧力计算的研究34-37
• 5.1 铸轧力影响因素数据预处理34
• 5.2 CMAC神经网络铸轧力模型结构34-35
• 5.2.1 模型输入的选取34-35
• 5.2.2 CMAC神经网络铸轧力计算模型35
• 5.3 仿真结果分析35-37
• 6. 铸轧力控制理论及仿真37-50
• 6.1 PID控制简介37-39
• 6.2 模糊PID控制器基础理论39-43
• 6.2.1 模糊PID控制器基本原理39-40
• 6.2.2 模糊PID控制器的模糊化及其隶属度函数40
• 6.2.3 模糊PID控制器规则表以及模糊推理40-43
• 6.3 CMAC与PID复合控制43-45
• 6.3.1 CMAC与PID复合控制基本结构43-44
• 6.3.2 CMAC与PID复合控制算法步骤44-45
• 6.4 双辊铸轧铸轧力控制系统仿真45-49
• 6.4.1 铸轧力PID控制仿真45-46
• 6.4.2 模糊PID控制仿真46-47
• 6.4.3 CMAC与PID复合控制仿真47-49
• 6.5 控制系统仿真效果对比49-50
• 7. 结论与展望50-51
• 参考文献51-55
• 攻读硕士学位期间发表学术论文情况55-56
• 致谢56-57
• 作者简介57-58

【相似文献】

中国期刊全文数据库 前10条

1 杜文莉,钱锋,刘漫丹,张凯;4-CBA Soft Sensor Based on Fuzzy CMAC Neural Networks[J];Chinese Journal of Chemical Engineering;2005年03期

2 JIA Chun-yu;SHAN Xiu-ying;CUI Yan-cao;BAI Tao;CUI Fa-jun;;Modeling and Simulation of Hydraulic Roll Bending System Based on CMAC Neural Network and PID Coupling Control Strategy[J];Journal of Iron and Steel Research(International);2013年10期

3 马华华;张展羽;朱新国;祝卓;;基于CMAC的区域水安全评价技术及其应用[J];中国农村水利水电;2010年04期

4 陈立军;孙博;薛宏;赵丽丽;;过热汽温改进CMAC神经网络控制[J];化工自动化及仪表;2010年11期

5 ;Effects of coal rank, Fe_3O_4 amounts and activation temperature on the preparation and characteristics of magnetic activated carbon[J];Mining Science and Technology;2010年06期

6 张蕾,曹其新,Jay Lee,Frank L. Lewis;基于PCA-CMAC的设备性能退化评估(英文)[J];Journal of Southeast University(English Edition);2005年03期

7 汪鲁才,戴瑜兴,罗文钦;CMAC网络理论在商场照明设计中的应用[J];照明工程学报;2000年03期

8 鲍琼;顾幸生;;基于信度分配的串行集成CMAC及其仿真[J];华东理工大学学报(自然科学版);2008年05期

9 俞洪,俞金寿;一种新型的模糊CMAC网络的研究及应用[J];化工自动化及仪表;2003年03期

10 刘学才;宋俊杰;宋涛;;基于CMAC的PID控制在液位控制中的研究与仿真[J];鞍山科技大学学报;2007年04期

中国重要会议论文全文数据库 前10条

1 ;A New Control Strategy of Artificial Climate Chest Temperature and Humidity on Bi-CMAC[A];2009中国控制与决策会议论文集（2）[C];2009年

2 ;A New Improved CMAC Neural Network[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

3 ;A New Control Strategy Based On an Novel Improved Credit Assigned CMAC Inverse Model Implemented In Artificial Climate Chamber Network[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

4 D．P．KWOK;;CMAC NEURAL NETWORK BASED MULTI-MODE INTELLIGENT CONTROL ALGORITHM[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

5 侯媛彬;韩崇昭;;采用CMAC网学习非线性函数[A];1996中国控制与决策学术年会论文集[C];1996年

6 刘慧;许晓鸣;张钟俊;;基于CMAC的在线学习控制[A];1995年中国控制会议论文集（上）[C];1995年

7 苏刚;陈增强;袁著祉;;小脑模型关节控制器(CMAC)理论及应用[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年

8 徐伟;肖宝弟;;基于CMAC-PID算法的列车控制仿真[A];第25届中国控制与决策会议论文集[C];2013年

9 沈智鹏;郭晨;刘海燕;;一种基于广义模糊CMAC的模型参考自适应控制[A];2005年中国智能自动化会议论文集[C];2005年

10 易健雄;陈昕静;张正道;;基于CMAC的旋转机械故障诊断分析仪系统的设计与实现[A];2007中国控制与决策学术年会论文集[C];2007年

中国博士学位论文全文数据库 前1条

1 李鑫;基于CMAC的多驱动系统协调控制[D];合肥工业大学;2010年

中国硕士学位论文全文数据库 前10条

1 黄俊;基于遗传算法和CMAC神经网络的建筑物内照度场重构方法研究及其应用[D];安徽建筑大学;2015年

2 刘宝伟;基于改进CMAC算法的净水混凝投药系统研究与应用[D];辽宁科技大学;2015年

3 刘东昆;链篦机温度场控制研究[D];辽宁科技大学;2016年

4 王超;基于CMAC神经网络的双辊铸轧力的研究[D];辽宁科技大学;2016年

5 赵文姣;基于粗糙集的改进CMAC网络板形预测模型的研究[D];燕山大学;2012年

6 马郑列;CMAC神经网络的模型改进及在油藏工程中的应用[D];浙江大学;2012年

7 刘大磊;道路模拟试验台CMAC与PID复合控制仿真研究[D];浙江工业大学;2009年

8 易治;基于CMAC与PID并行控制某火工伺服系统研究[D];南京理工大学;2007年

9 陶湘厅;基于CMAC神经网络的气动位置伺服系统研究[D];昆明理工大学;2009年

10 吴磊;校直机电液伺服系统CMAC与PID并行控制的研究[D];兰州理工大学;2011年

，

本文编号：832345