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

基于云模型液压弯辊板形控制研究

内容摘要

全文目录

相似论文