【摘要】： 隨著國民經(jīng)濟的發(fā)展和現(xiàn)代生活水平的提高,板帶材的需求量在不斷增加,同時對板帶材產(chǎn)品質(zhì)量的要求也日益提高。板形模式識別與控制作為關(guān)系板帶材產(chǎn)品質(zhì)量的關(guān)鍵技術(shù),已成為鋼鐵行業(yè)重點研究問題。近年來,智能理論技術(shù)不斷發(fā)展,由于智能方法在建模、優(yōu)化和控制方面具有強大的功能,所以板形模式識別和控制技術(shù)的智能方法研究是現(xiàn)代板形技術(shù)發(fā)展的必然趨勢。本文選擇具有理論與實際意義的基于人工智能的冷帶軋機板形模式識別與控制為研究課題,研究了目前的板形智能識別和控制方面的理論知識,對其進(jìn)行了綜合分析,取長補短,重點利用模糊神經(jīng)網(wǎng)絡(luò)理論對板形模式識別與控制進(jìn)行了進(jìn)一步的研究。 首先,針對傳統(tǒng)的最小二乘板形模式識別方法的抗干擾能力差、精度低和神經(jīng)網(wǎng)絡(luò)方法存在網(wǎng)絡(luò)學(xué)習(xí)時間長、易陷入局部最小值等問題,把模糊理論和神經(jīng)網(wǎng)絡(luò)的優(yōu)點融合在一起,通過三個自適應(yīng)神經(jīng)模糊推理系統(tǒng)的有效擬合,提出了一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的板形模式識別方法。研究結(jié)果表明,該方法能夠很好的克服以上缺點,而且能夠有效識別出常見的板形缺陷,識別速度和精度有所提高,識別結(jié)果跟實測板形也非常接近。 其次,針對板形控制系統(tǒng)的非線性和強耦合性,以及傳統(tǒng)效應(yīng)函數(shù)法和板形靜態(tài)影響矩陣的不足,通過對大量的生產(chǎn)實測數(shù)據(jù)的計算和分析,提出了板形控制的動態(tài)影響矩陣法,建立了基于減法聚類的ANFIS(自適應(yīng)神經(jīng)模糊推理系統(tǒng))的板形預(yù)測模型。通過基于減法聚類的ANFIS的板形動態(tài)矩陣預(yù)測模型,在線求得不斷變化的影響矩陣,實現(xiàn)板形的有效控制,兼顧了板帶生產(chǎn)的實時性與復(fù)雜性。 最后,將提出的板形控制的動態(tài)影響矩陣法在900HC軋機上進(jìn)行了仿真應(yīng)用,通過仿真實驗結(jié)果充分驗證了本文提出的板形預(yù)測模型和板形控制的動態(tài)影響矩陣法的有效性。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：TP273

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 李少清;基于Elman網(wǎng)絡(luò)的HC軋機板形識別與控制[D];燕山大學(xué);2011年

本文編號：2772458