由于受轧机自身特性变化等复杂因素影响,调控机构的影响系数不适合用恒定的常量来描述.将小波神经网络应用到影响系数的自学习过程,对预设定的影响系数值进行在线修正.介绍了冷连轧板形调控机构影响系数自学习的神经网络结构设计,结合目标能量函数的最小化,对影响系数自学习算法进行分析.结合生产现场的实际板形数据,采用Visual C++/MATLAB对控制算法的作用效果进行仿真.仿真结果表明,自学习算法对板形控制起到了预想的效果,具备现场在线运行的可行性.
参考文献
| [1] | 吴庆海 .热轧宽带钢板形控制模型和策略的研究[D].北京:北京科技大学,2000. |
| [2] | 徐乐江.板带冷轧机板形控制与机型选择[M].北京:冶金工业出版社,2007 |
| [3] | Jung J Y;Im Y T;Hyung L K.Development of fuzzy control algorithm for shape control in cold rolling[J].Journal of Materials Processing Technology,1995(48):248-253. |
| [4] | Jung J Y;Im Y T;Hyung L K.Fuzzy-control simulation of cross-sectional shape in six-high cold-rolling mills[J].Journal of Materials Processing Technology,1996(62):61-69. |
| [5] | Anke Xue;Youxian Sun.A real-time expert system with GPC for cold strip mill[A].,1998:3824-3827. |
| [6] | 秦前清;杨宗凯.实用小波分析[M].西安:西安电子科技大学出版社,1994 |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%