基于人工智能的冷带轧机板形模式识别与控制

发布时间：2020-07-27 22:15

【摘要】： 随着国民经济的发展和现代生活水平的提高,板带材的需求量在不断增加,同时对板带材产品质量的要求也日益提高。板形模式识别与控制作为关系板带材产品质量的关键技术,已成为钢铁行业重点研究问题。近年来,智能理论技术不断发展,由于智能方法在建模、优化和控制方面具有强大的功能,所以板形模式识别和控制技术的智能方法研究是现代板形技术发展的必然趋势。本文选择具有理论与实际意义的基于人工智能的冷带轧机板形模式识别与控制为研究课题,研究了目前的板形智能识别和控制方面的理论知识,对其进行了综合分析,取长补短,重点利用模糊神经网络理论对板形模式识别与控制进行了进一步的研究。首先,针对传统的最小二乘板形模式识别方法的抗干扰能力差、精度低和神经网络方法存在网络学习时间长、易陷入局部最小值等问题,把模糊理论和神经网络的优点融合在一起,通过三个自适应神经模糊推理系统的有效拟合,提出了一种基于自适应神经模糊推理系统的板形模式识别方法。研究结果表明,该方法能够很好的克服以上缺点,而且能够有效识别出常见的板形缺陷,识别速度和精度有所提高,识别结果跟实测板形也非常接近。其次,针对板形控制系统的非线性和强耦合性,以及传统效应函数法和板形静态影响矩阵的不足,通过对大量的生产实测数据的计算和分析,提出了板形控制的动态影响矩阵法,建立了基于减法聚类的ANFIS(自适应神经模糊推理系统)的板形预测模型。通过基于减法聚类的ANFIS的板形动态矩阵预测模型,在线求得不断变化的影响矩阵,实现板形的有效控制,兼顾了板带生产的实时性与复杂性。最后,将提出的板形控制的动态影响矩阵法在900HC轧机上进行了仿真应用,通过仿真实验结果充分验证了本文提出的板形预测模型和板形控制的动态影响矩阵法的有效性。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：TP273

【引证文献】