论文部分内容阅读
钢铁产品广泛应用于建筑、电器、轮船、航天等行业,板带材是重要的钢铁产品之一。随着我国经济的繁荣发展,许多行业对板带材质量的要求变得愈加严格,高质量的带钢拥有很大的市场。板形作为板带材生产的关键质量指标,使得板形控制技术成为目前亟待解决的重要技术。近年来,人工智能理论的成熟给板形识别、控制开辟了新的途径,同时被逐渐应用于工业轧制工程。论文以改进云推理网络的板形控制为研究课题,设计了基于云遗传算法(CGA)优化的改进云推理网络板形控制系统,最后完成其DSP仿真实现。首先,在传统云推理神经网络的基础上,引入校正网络,设计了改进云推理神经网络。以某900HC可逆冷轧机板形识别为应用背景,设计了改进云推理网络板形识别模型,通过与传统云推理神经网络板形识别模型比较,改进后的识别模型具有更高的识别精度。在遗传算法(GA)的基础上,引入CGA,通过仿真对比,验证了基于CGA优化的板形识别模型具有更好的识别效果,同时完成了板形识别模型的DSP仿真实现。其次,设计了基于CGA优化的改进云推理网络板形预测模型,以某900HC可逆冷轧机为研究对象,对轧制流程中一、三、五道次板形预测,仿真结果表明,该预测模型可以很好地预测板形输出,验证了该模型的有效性。最后,在改进云推理网络板形识别、预测模型的基础上,设计控制器,建立了完整的改进云推理网络板形控制系统,采用CGA与GA分别对该系统参数进行优化,仿真结果表明,基于CGA优化的板形控制系统克服了GA容易陷入局部极值的缺点,具有更好的控制效果,出口板形更加平整,是一种有效的板形控制方案。为了将该系统更好地与实际工程联系起来,进行了该系统的DSP仿真实现,结果表明该模型能够在DSP中运行,同时控制结果与仿真实验结果一致。