模糊控制與神經(jīng)計算方法在板形控制中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來我國軋鋼行業(yè)得到了飛速發(fā)展,我國己成為世界上鋼材產(chǎn)量最多的國家之一,但目前我國軋鋼生產(chǎn)的技術(shù)水平與國際先進水平相比還有相當(dāng)大的差距,每年由于板形不良所造成的經(jīng)濟損失非常大。 板形精度是冷軋帶鋼的一項主要質(zhì)量指標(biāo)和決定其市場競爭力的重要因素,提高冷軋帶鋼質(zhì)量的迫切要求使得板形控制成為我國鋼鐵企業(yè)面臨的一個重要問題。影響帶鋼板形的因素極其復(fù)雜,同時,板形檢測技術(shù)也存在較大的難度,這都給冷軋帶鋼的板形自動控制帶來很大的困難。

2、 在閉環(huán)板形控制系統(tǒng)中,板形缺陷的模式識別和板形控制是彼此相關(guān)的兩個重要環(huán)節(jié)。為制定合理的控制策略,須對實測板形進行模式識別,并以約定的參數(shù)定量地提供給下一控制環(huán)節(jié)。本文提出了一種基于RBF網(wǎng)絡(luò)的板形模式識別方法,該方法以勒讓德正交多項式作為板形基模式,以待識別樣本與6個標(biāo)準(zhǔn)樣本之間的歐氏距離作為網(wǎng)絡(luò)輸入量,以3個板形特征值作為網(wǎng)絡(luò)輸出量,利用正交最小二乘算法建立了板形模式識別模型。該方法物理意義明確、簡單直觀,且訓(xùn)練過程時間短。用

3、由該方法得到的板形模式識別模型對實測板形缺陷進行模式識別,仿真結(jié)果表明:該模型能夠識別復(fù)雜的復(fù)合板形缺陷,且識別速度快、精度高。 UC軋機的板形控制系統(tǒng)是一個多變量、強耦合的控制系統(tǒng),具有慣性及滯后的特點,其中間輥彎輥控制回路的數(shù)學(xué)模型具有很強的時變性和不確定性。針對這一特點,本文設(shè)計了一種基于遺傳算法的模糊控制器,利用遺傳算法來優(yōu)化模糊控制器的隸屬函數(shù)及量化因子和比例因子的初值,并且根據(jù)模糊控制查詢表的輸出來在線調(diào)整量化因子和

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論