人工智能技术在板形控制中的应用

  本文关键词：人工智能技术在板形控制中的应用，，由笔耕文化传播整理发布。

摘要　回顾了近年来人工智能技术在带材板形控制中应用的概况。着重介绍了板形模糊控制技术,并指出在今后的板形控制中应用人工智能技术的研究方向。

关键词　人工智能　专家系统　模糊控制　人工神经网络　板形控制中图分类号　

前言为了改善产品质量及提高生产率,板形控制日益成为钢铁企业面临的重要课题。影响板形的因素很多,无论是对内因(金属本性)还是外因 (轧制条件),都无法得到一个与轧机辊缝对应的精确的数学关系。而轧制过程的环境恶劣,带材板形又受到各种各样的干扰,这给控制系统建模带来了更大的困难。在带材轧制过程中,轧件以每秒数十米的速度运行,板形仪检测到板形信息后还需经过适当的处理,待控制器发出控制指令,执行机构已经不能满足瞬时控制的要求,因此板形控制系统具有惯性并带有滞后的特点。一个完整的板形控制系统,是多种控制方案的综合体。

它不但要控制轧制力,同时还要控制液压弯辊力、轧辊横移、带钢张力、轧辊偏心及局部热凸度等,这些因素又相互影响,因此它是一个多变量、强耦合的控制系统。由于板形控制系统的复杂性,传统的PID控制(比例控制、积分控制和微分控制)已不能满足其要求,致使板形控制的研究陷入了困境。这样,人们在寻求建立更精确的系统模型的同时,开始探讨从控制思想的角度来研究板形控制问题。随着知识处理技术的发展,智能控制日益实用。

近年来,智能控制在板形控制中的应用研究得到迅猛发展。 2　人工智能技术在板形控制中的应用近年来人工智能技术在板形控制中的应用取得了较大进展,在这项工作开发比较活跃的有日、韩等国。开发了箔材轧制板形控制的专家系统[1];板形的模糊控制等[2]。我国也已经开始尝试利用人工智能解决板形控制的问题: 周旭东等[3,4]利用脑模型神经元网络进行板形和厚度的综合控制以及工作辊分段冷却小脑模型模糊控制,模拟结果表明可以给出良好的控制精度。胡小平等[5]利用人工神经网络技术建立了板形预测和控制模型,实验结果表明该模型具有较好的效果,可应用于板形在线预测和控制。周晓敏等[6]将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,仿真验证表明该模型具有很高的预测精度。

将模糊神经网络技术应用于冷轧板形控制系统,仿真结果表明了该方法的有效性。王哲等[8]将神经网络广义预测控制应用于六辊可逆轧机板形控制系统中,轧制实验结果表明,该系统具有良好的板形控制品质。我国的板形控制技术正面临着迅猛发展的大好时期。我国从事轧制技术的领域工程师和知识工程师应该紧密结合,积极地将人工智能技术应用于轧钢生产实践,把我国的轧钢自动化水平提高到一个新的高度。板形控制专家系统 1988年7月日本神户制钢研制了薄带板形控制专家系统,并投入了实际应用[1]。由于采用了专家系统来控制板形,排除了断带的危险,轧制速度提高约10%,除特殊材料以外,该专家系统适合于所有品种,已显示出其有效性。专家系统与板形自动控制系统(简称AFC系统)合作而实现优良的控制功能。专家系统从 AFC系统中获得数据,在推理和调整的基础上, 将与当时的轧制状态相适应的目标板形送回 AFC系统。专家系统与AFC系统的关系如图1 所示[8]。

  本文关键词：人工智能技术在板形控制中的应用，由笔耕文化传播整理发布。