论文部分内容阅读
带钢卷取是轧制、连续退火、涂镀等生产线上收集超长带材成品的重要工序,是带钢生产过程中不可或缺的重要环节。卷取机的工作状态好坏直接影响生产线的生产效率及产品质量,提高卷取设备的控制质量及寻求更好的控制方法已是相关工作者们必须研究考虑的问题。
本文研究的卷取张力控制过程是一个存在较多不确定影响因素的非线性过程,要实现设定张力的恒定卷取,就必须在不同的卷径下,送给卷取电机一个精确的转矩给定。基于这一思路,本文引入RBF神经网络及逆系统控制理论知识,结合卷取张力控制过程的物理特性,将神经网络逆系统控制方法应用于卷取张力控制系统中。本课题研究的内容及成果主要体现在以下几个方面:
(1)通过学习大量的文献知识,对卷取张力控制机理相关理论消化,再结合生产实践对卷取过程中电机输出总负载的各组成部分进行仔细分析,着重研究了其中的惯性力矩的变化特征。
(2)以RBF神经网络、最近邻聚类算法及逆系统理论为基础,分析了神经网络逆系统方法的可行性及神经网络逆系统机构,并给出了神经网络工程实现的基本步骤。
(3)结合卷取张力控制系统中物理参量的变化特性,提出基于RBF神经网络逆系统控制理论的卷取张力控制策略。根据卷取过程中张力控制系统的物理特性,建立神经网络逆系统辨识结构,并构造样本训练集配以最邻聚类算法进行学习训练。
(4)将神经网络逆系统串联于原系统之前形成逆复合系统,实现张力控制的非线性过程伪线性化。结合几种成熟的线性控制器设计方法,将神经网络逆复合系统作为被控对象设计附加控制器实现闭环控制,并采用MATLAB进行仿真,仿真结果表明该方法设计的控制系统有较好的动静态性能,且能对给定响应信号有效地跟踪。