基于GAPSO-BP算法的高阶板形在线模式识别及其检测系统

摘要

钢铁工业作为国民经济的支柱产业，是衡量一个国家综合实力的标志，高精度带钢的生产是钢铁产业发展的重点，因此如何提高板带钢材制造的工艺水平一直是工业企业关注的重点。板形检测与板形控制是冷轧板带生产过程的关键技术，论文依托国家自然科学基金课题，以板形检测、在线模式识别及板形控制策略为研究课题，针对板形精细化控制和信号采集处理等问题进行了深入系统的研究，取得了一些新的进展。
　　论文以工业压电板形仪为研究对象，建立检测辊及板带的受力情况有限元模型，在不同张力条件下，改变板厚、包角，研究检测辊变形对板形检测曲线的影响。通过对板带内部张应力分布和检测辊所受压力分布曲线进行对比，分析板带内部张应力的分布趋势和检测辊所受的压力分布的关系，推导出板形合理的补偿曲线，由此可得出符合实际情况的板形缺陷分布规律。
　　针对板形精细控制所存在的多维非线性问题，进行高阶板形识别系统建模，研究高阶非线性系统所描述的板形缺陷形成规律，在保证正交性的基础上，采用高阶勒让德多项式作为板形识别基本模式，识别6次板形缺陷，以适应板形精细化控制。通过研究遗传算法和粒子群算法的混合算法，优化BP神经网络结构及权值、阈值，建立GAPSO-BP神经网络在线识别模型，解决了BP神经网络收敛速度慢、初始权值影响大、易陷入局部极小和网络结构难确定等问题。通过实验计算，表明GAPSO-BP神经网络的抗干扰能力和自学习适应能力强、精度高，能为板形控制策略的制定提供可靠的依据。
　　论文利用GAPSO-BP神经网络模型，对实测板形进行模式识别，分类研究板形缺陷并制定相应的控制方案，分析表明该系统的识别精度高，可用于在线板形闭环反馈控制。构建了实测平台，通过可视化界面建立检测信号与板形控制手段的关系，为板形控制的实施提供了依据。
　　针对高速板形仪压电传感器的特点，采用有线信号采集与传输技术，自行设计了滑环式的有线信号采集与传输系统，开发板形信号海量数据采集与处理系统及相应模块，在线显示数据采集过程，进行分析处理。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景

1.2 板形缺陷基本理论

1.3 板形检测发展概况

1.4 板形模式识别的研究现状

1.5 板形在线控制技术的研究现状

1.6 课题的研究目的和意义

1.7 课题来源与主要研究内容

第2章 板形检测辊测量精度及误差补偿的研究

2.1 板形标准曲线构成

2.2 检测辊有限元模型的建立

2.3 检测辊有限元模拟结果及分析

2.4 本章小结

第3章 板形模式识别方法研究

3.1 板形常用控制手段

3.2 板形模式识别的基本理论

3.3 基于高次板形基本模式的识别方法

3.4 板形模式识别方法比较分析

3.5 本章小结

第4章 GAPSO-BP网络板形模式识别模型

4.1 基于GAPSO算法的BP网络优化

4.2 基于GAPSO-BP网络的板形模式识别模型

4.3 板形模式识别方法的识别精度比较分析

4.4 本章小结

第5章 板形闭环反馈控制策略

5.1 板形控制手段

5.2 反馈控制策略研究

5.3 实验平台

5.4 本章小结

第6章 压电式板形仪实验平台研制

6.1 板形仪的结构设计

6.2 板形检测辊参数设计

6.3检测传感器选择

6.4 压电式板形检测辊精密加工制造工艺要求

6.5信号采集及处理系统设计

6.6 本章小结

结论

参考文献

攻读博士学位期间承担的科研任务与主要成果

致谢