学位论文 > 优秀研究生学位论文题录展示
基于云模型液压弯辊板形控制研究
作 者: 白涛
导 师: 贾春玉
学 校: 燕山大学
专 业: 机械设计及理论
关键词: 液压弯辊 Matlab 云模型 模糊控制 BP神经网络 PID 遗传算法
分类号: TG334.9
类 型: 硕士论文
年 份: 2013年
下 载: 68次
引 用: 0次
阅 读: 论文下载
内容摘要
一个国家的发展离不开一个强有力的钢铁行业,随着社会的发展,用户对板带材的质量提出了更高层次的要求。作为衡量板带材质量指标之一的板形由于在轧制过程中难以建立精确的在线板形控制系统,一直没有得到满意的控制效果。所以研究新的板形控制理论,建立精确的在线板形控制系统对于提高板形精度具有重大意义。在板形控制当中,液压弯辊是控制二次板形缺陷的主要手段。由于液压弯辊本身是一个非线性、慢时变、强干扰的复杂系统,再加上板形控制具有非线性、多变量、强耦合的特点,它们具有很多不确定性,所以导致其涉及的被控过程和对象往往难以建立精确的数学模型。本文首次将融合随机性和模糊性的云模型应用到液压弯辊板形控制系统当中,实现了定性与定量的不确定性转换,从而解决其中非线性和不确定性问题。模糊控制理论由于其精确的隶属函数导致其模糊不彻底性。为了进一步提高板形控制精度,本文以Matlab软件进行编程仿真,建立二次板形和弯辊力的云模型仿真器,由于云模型具有一定主观性,所以在此基础之上利用现场轧制数据建立基于云模糊神经的液压弯辊板形控制系统。仿真结果表明,建立的基于云模糊神经网络的液压弯辊板形控制模型的各方面控制性能都要优于单独使用云模型控制,并进一步优于模糊控制,系统能对二次板形偏差做出快速反应,出现干扰也能够迅速恢复目标板形,能够很好的满足在线二次板形控制,充分体现了云模型在板形控制中的可行性,以及相对于传统模糊控制在处理不确定性问题中的优越性。由于传统PID控制参数整定繁琐,难以满足高精度液压弯辊控制要求。本文提出了云模型PID控制算法,并在此基础上引入遗传算法优化云模型PID隶属云,以保证在不同时刻始终能获得最佳PID参数。通过仿真表明,本文所提出基于遗传算法的云模型PID控制算法对提高液压系统的油压动态响应速度和稳态跟踪精度十分有效,可同时实现对油压良好的动态和稳态控制性能,对板形调控具有普遍意义。
|
全文目录
摘要 5-6 Abstract 6-10 第1章 绪论 10-18 1.1 课题研究背景 10-12 1.2 智能方法在板形控制中的应用现状 12-16 1.2.1 神经网络在板形控制中的应用现状 13-14 1.2.2 模糊控制在板形控制中的应用现状 14-15 1.2.3 云模型研究的现状与展望 15-16 1.3 课题研究意义 16 1.4 本课题主要研究内容 16-18 第2章 云模型理论 18-29 2.1 云模型简介 18-19 2.2 云的定义及数字特征 19-22 2.2.1 云的基本定义 19-20 2.2.2 云的数字特征 20-22 2.2.3 云模型对定性概念的贡献 3En 规则 22 2.3 云发生器 22-26 2.3.1 正向云发生器 22-24 2.3.2 逆向云发生器 24-25 2.3.3 条件云发生器 25-26 2.4 云模型的不确定性推理 26-28 2.4.1 单条件单规则云发生器 27 2.4.2 单条件多规则云发生器 27-28 2.5 本章小结 28-29 第3章 基于云模糊神经液压弯辊板形控制系统设计 29-51 3.1 液压弯辊板形模糊控制 29-36 3.1.1 模糊控制系统概述 29-30 3.1.2 液压弯辊板形模糊控制系统的设计 30-36 3.2 基于二维云模型的液压弯辊板形控制系统 36-41 3.2.1 控制系统输入和输出云化 37-39 3.2.2 控制系统规则库设计 39-40 3.2.3 控制系统规则发生器 40-41 3.3 云模糊神经集成的液压弯辊控制系统 41-47 3.3.1 云概念的“软与”方法 41-42 3.3.2 BP 神经网络 42-45 3.3.3 基于云模糊神经集成的液压弯辊板形控制系统设计 45-47 3.4 基于云模糊神经液压弯辊板形控制策略的仿真实验 47-50 3.5 本章小结 50-51 第4章 基于 GA 优化的云模型 PID 液压弯辊控制 51-75 4.1 液压弯辊系统 51-54 4.2 常规 PID 控制方法 54-56 4.2.1 常规 PID 控制原理 54-55 4.2.2 数字 PID 控制算法 55-56 4.3 云模型 PID 控制器的设计 56-61 4.3.1 云模型 PID 控制器输入和输出云化 57-59 4.3.2 云模型 PID 控制器规则设计 59-61 4.4 基于遗传算法优化云模型 PID 控制方法 61-70 4.4.1 遗传算法简介 62-64 4.4.2 遗传算法优化云模型 PID 隶属云的流程 64-70 4.5 基于遗传算法优化云模型 PID 的仿真实验 70-74 4.5.1 仿真对象的选择 70 4.5.2 系统仿真结果 70-74 4.6 本章小结 74-75 结论 75-77 参考文献 77-81 攻读硕士学位期间承担的科研任务与主要成果 81-82 致谢 82-83 作者简介 83
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 微细线切割往复走丝机构的设计及控制系统的研究,TG484
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 电缆巡检车图像引导技术的研究,U469.6
- 船用舵机电液伺服单元单神经元PID控制,U666.152
- 激光光束偏转设备的机电控制系统设计,TM301.2
- 激光直写机的光功率控制系统研究与设计,TN249
- 半导体激光器热电控制技术研究,TN248.4
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 机械臂视觉伺服系统的研究,TP242.6
- 非线性变结构导引规律的研究,TJ765
- 涵道式无人飞行器系统的建模与控制策略研究,V249.122
- 半导体激光器温度控制系统的研究,TP273
- 压电驱动微工作台的控制与校正技术研究,TP273
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 伺服转台温控箱控制系统设计与研究,TP273
- 基于模糊整定PID的海浪运动模拟试验台控制系统设计,TP273.4
- 自适应模糊控制算法研究及其实现,TP273.4
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
中图分类: > 工业技术 > 金属学与金属工艺 > 金属压力加工 > 轧制 > 轧钢机械设备 > 轧制自动化
© 2012 www.xueweilunwen.com
|