中厚板层流冷却数学模型的研究及人工神经网络的应用

摘要

本文以国内某中板厂层流冷却改造项目为背景，对中厚板层流冷却数学模型进行研究，建立了层流冷却控制系统，并对系统中的数学模型进行了回归和调优，使其成功实现在线应用，基本实现了终冷温度高精度控制的要求；为了进一步提高控冷系统的控制精度，本文建立了水冷换热系数因子的BP神经网络预报模型，并使之与数学模型相结合来优化层流冷却控制模型。仿真结果表明终冷温度控制精度得到了明显改善。 本文的主要研究内容和主要成果如下： (1)阅读大量有关中厚板层流冷却的资料，在深入学习传热学基本理论的基础上，对以差分格式为基础的中厚板层流冷却温度场计算模型进行了深入研究，明确了有限差分方程中的物性参数和定解条件的确定方法。 (2)在线调试层流冷却控制系统程序模块；对决定空冷换热系数模型计算精度的黑度系数进行现场调试选取，针对水冷换热系数提出了一整套回归计算方法和参数化、自学习优化方案。 (3)采集现场冷却数据，进行深入分析，说明改造后的层流冷却控制系统能够满足现场生产的实际需要，基本实现了终冷温度高精度控制的要求。 (4)为了进一步提高中厚板终冷温度的控制精度，本文建立了水冷换热系数因子的BP神经网络模型来优化控冷系统；针对BP神经网络模型的缺点，对传统的BP神经网络进行具体的改进，从而提高了BP神经网络模型的工作效率和计算精度。 (5)利用MATLAB仿真程序对水冷换热系数因子BP神经网络模型进行了离线训练和测试；将BP人工神经网络预报结果与换热系数模型相结合，用于中厚板层流冷却控制系统中终冷温度计算，离线仿真结果表明采用BP神经网络与数学模型相结合能够进一步提高中厚板终冷温度的控制精度。 (6)根据神经网络自身特点以及该厂实际情况，提出可行的在线应用方案，编写水冷换热系数BP神经网络的训练和测试在线应用程序模块，争取早日实现在线应用。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

1.1课题的研究背景

1.2控制冷却原理

1.3中厚板控制冷却技术的发展

1.3.1国外控制冷却技术的发展与现状

1.3.2国内控制冷却技术的发展与现状

1.4神经网络的发展

1.5本文研究内容

第二章中厚板层流冷却系统

2.1层流冷却系统简介

2.1.1层流冷却原理

2.1.2层流冷却系统的特点

2.2某中板厂层流冷却设备配置

2.2.1冷却系统设备组成

2.2.2冷却系统设备简介

2.3某中板厂层流冷却控制系统

2.3.1控制系统总体概况

2.3.2控制冷却基础自动化系统

2.3.3控制冷却过程机系统功能

2.4中厚板层流冷却数学模型

2.4.1传热学基本理论

2.4.2导热差分温降模型

2.4.3导热模型的定解条件

2.4.4导热模型中的物性参数

2.5本章小结

第三章换热系数回归调优与冷却结果分析

3.1空冷换热系数调优

3.1.1自学习模型概述

3.1.2空冷换热系数自学习修正

3.2水冷换热系数回归与调优

3.2.1水冷换热系数浅析

3.2.2水冷换热系数模型的回归

3.2.4水冷换热系数的时间权重修正

3.2.5水冷换热系数参数修正

3.2.6水冷换热系数自学习修正

3.3冷却结果分析

3.3.1在线应用结果

3.3.2冷却结果中存在的不足及影响因素

3.4本章小结

第四章基于BP网络的层流冷却过程控制

4.1人工神经网络简介

4.1.1人工神经网络的基本思想

4.1.2人工神经网络的工作原理

4.1.3人工神经网络的主要功能特点

4.2 BP神经网络简介

4.2.1 BP神经网络模型原理

4.2.2 BP网络学习规则的数学基础

4.3 BP神经网络在层流冷却过程控制中的应用

4.3.1 BP网络的预报对象

4.3.2 BP网络的建立

4.3.3 BP网络预报系统原理

4.3.4 BP网络学习过程

4.4 BP学习算法的改进

4.4.1 BP学习算法改进原理

4.4.2 BP学习算法改进具体实现

4.5本章小结

第五章仿真预报研究

5.1 MATLAB程序设计

5.1.1 MATLAB简介

5.1.2 MATLAB程序设计

5.2 BP神经网络在MATLAB中的实现

5.2.1网络的初始化

5.2.2网络的创建

5.2.3网络的仿真

5.2.4网络的训练

5.2.5网络样本的处理

5.2.6网络的训练次数

5.3模拟仿真预报

5.3.1网络样本处理

5.3.2网络的初始化

5.3.3神经网络的训练

5.3.4隐层节点数的确定

5.3.5仿真结果分析

5.4 BP网络在线应用方案

5.5本章小结

第六章结论

参考文献

致谢