学位论文 > 优秀研究生学位论文题录展示

层流冷却控制系统的设计与仿真

作　者: 李彦荣
导　师: 彭力
学　校: 江南大学
专　业: 控制理论与控制工程
关键词: 热轧带钢卷取温度层流冷却 CGBP神经网络模型误差控制算法仿真系统
分类号: TG333
类　型: 硕士论文
年　份: 2008年
下　载: 167次
引　用: 0次
阅　读: 论文下载

内容摘要

板带层流冷却控制系统是整个热轧生产线上的一个重要的环节。要完成板带离开精轧机,经过层流冷却系统后达到目标卷取温度的要求,层流冷却系统的控制模型的实施,就必须满足精轧速度和卷取速度的要求,在各生产环节协调的基础上进行。确切地说,水冷区冷却水段的计算公式只能认为是一种理想情况下的静态数学模型。在实际控制中,计算出开阀个数值,并不是立刻就打开相应数目的冷却水段。由于轧制速度的变化,导致板带在输出辊道上的运动是一个变速的过程,为了在实际的复杂工况条件下准确控制板带各点的卷取温度,必须解决动态设定计算、动态跟踪和动态控制的问题。在热轧带钢生产线上,卷取温度的精确控制对带钢质量是至关重要的。本文详细研究了一个实际的热轧带钢卷取温度控制系统。通过研究层流冷却控制系统的工艺,根据国内外应用的一些数学模型的特点,推导并分析了宝钢2050的一阶模型。通过建立了一种简化的动态控制模型,并用一个改进的算法在线调整模型的参数。基于该模型提出了一个包括冷却反馈控制、前馈及自适应联合控制算法的控制器,并对其过程进行了分析,对于卷取温度控制精度主要影响原因进行了进一步的分析。建立精确的热轧带钢卷取温度的数学模型是很困难的,传统的模型需求解复杂的微分方程。此外,数学模型都需要大量的参数来辨识,有些参数不能精确的获得。采用人工神经网络的方式来训练模型参数即模型误差,大大提高了卷取温度的精度。本文采用变梯度BP算法神经网络,即CGBP(conjugate gradient backpropagation)的方法并结合大量的现场数据,对热轧带钢层流冷却数学模型中的模型误差进行预测,将结果应用于计算卷取温度的数学模型中,可以很好的补偿预测带钢的卷取温度,大大提高了卷取温度预测的精度,取得了很好实际应用效果。利用MATLAB仿真程序对模型误差BP神经网络模型进行了离线训练和测试,动态控制模型和CGBP神经网络相结合用于控制卷取温度,分析模型参数和神经网络的预测模型误差的结果是比较理想的。所提出离线仿真结果和在线应用的方法被证明是有效的。通过建立一个更精确的仿真系统,达到指导现场生产的目的。实践结果证明文章中提出的控制方法是有效的,另外仿真系统也具有较大的实际意义。

全文目录

摘要  3-4
Abstract  4-8
第一章前言  8-13
  1.1 研究的背景  8
  1.2 国外层流冷却技术的发展  8-10
  1.3 国内层流冷却技术的发展  10-11
  1.4 层流冷却控制技术存在的主要问题  11-12
  1.5 本章小结  12-13
第二章层流冷却控制系统的数学模型  13-21
  2.1 层流冷却工艺背景  13-14
  2.2 国内外常用的数学模型  14-16
  2.3 一阶数学模型的推导  16-19
  2.4 层流冷却数学模型存在的问题与展望  19-20
  2.5 本章小节  20-21
第三章控制系统的设计  21-36
  3.1 控制冷却系统设计原则  21-22
    3.1.1 稳定的水循环系统  21
    3.1.2 高可靠性和实时性的计算机控制系统  21-22
    3.1.3 良好的操作性  22
    3.1.4 较宽的冷却速度范围  22
    3.1.5 较好的冷却均匀性  22
  3.2 控制冷却装置的选择  22-23
  3.3 过程控制结构框图及主要模块介绍  23-27
    3.3.1 预测模型  23-24
    3.3.2 控制器  24-27
    3.3.3 预测模型的自适应校正  27
  3.4 软件结构  27-35
    3.4.1 头部冷却策略的确定  27
    3.4.2 带钢头部预计算  27
    3.4.3 带钢头部调整  27-28
    3.4.4 控制计算  28-35
  3.5 本章小结  35-36
第四章前馈、反馈及自适应算法的设计  36-42
  4.1 前馈控制器的设计  36-38
    4.1.1 前馈控制算法  36-37
    4.1.2 前馈控制计算的分析  37-38
  4.2 反馈控制计算的设计及分析  38-39
    4.2.1 反馈控制计算的基本过程  38
    4.2.2 反馈控制计算的分析  38-39
  4.3 自适应控制算法设计与分析  39-40
    4.3.1 自适应控制器的设计  39-40
    4.3.2 自校正调节的效果分析  40
  4.4 卷温控制精度主要影响原因分析  40-41
  4.5 本章小节  41-42
第五章神经网络在层流冷却预报中应用  42-53
  5.1 神经网络在层流冷却系统中的应用  42-43
  5.2 神经网络模型  43-44
  5.3 基于神经网络的预报系统设计  44-46
  5.4 变梯度算法  46-47
  5.5 仿真结果分析  47-51
  5.6 本课题采用的对神经网模型的评价标准  51-52
  5.7 本章小节  52-53
第六章仿真系统的设计  53-57
  6.1 仿真系统概述  53-54
  6.2 总体框架  54-56
    6.2.1 功能描述  54-55
    6.2.2 系统仿真  55-56
  6.3 本章小结  56-57
第七章结论  57-58
致谢  58-59
参考文献  59-62
附录：作者在攻读硕士学位期间发表的论文及项目研究  62

层流冷却控制系统的设计与仿真

内容摘要

全文目录

相似论文