首页> 中文学位 >基于小波神经网络的轧制力预报模型的研究以及自动厚度控制系统的研究
【6h】

基于小波神经网络的轧制力预报模型的研究以及自动厚度控制系统的研究

代理获取

目录

文摘

英文文摘

论文说明:图表目录

声明

第一章绪论

1.1引言

1.2课题研究的目的及意义

1.3国内外研究动态

1.4本文的主要研究工作

1.5本文的结构及内容

第二章热连轧的生产工艺及其计算机控制系统

2.1热连轧的生产工艺

2.1.1带钢热连轧生产轧线

2.1.2加热区的设备及主要任务

2.1.3粗轧区的设备及主要任务

2.1.4精轧区的设备及主要任务

2.1.5卷取区的设备及主要任务

2.2带钢热连轧计算机控制系统——SIROLL系统

2.2.1 SIROLL系统的功能

2.2.2 SIROLL系统的结构

2.2.3 SIROLL系统新增加的控制功能

2.2.4 SIROLL系统的特点

2.3本章小结

第三章小波神经网络

3.1神经网络

3.1.1神经网络理论的发展

3.1.2神经网络的主要特点

3.2小波分析与小波变换

3.2.1小波分析的产生与发展

3.2.2小波变换

3.3小波神经网络

3.3.1小波神经网络构造的理论基础

3.3.2小波分析与神经网络结合的途径

3.3.3小波神经网络的分类

3.3.4小波神经网络学习算法

3.4本章小结

第四章基于小波神经网络的轧制力预报模型的研究

4.1轧制力模型

4.1.1轧制力数学模型

4.1.2神经网络在轧制力预报中的应用

4.2小波神经网络在轧制力预报中的应用

4.2.1小波神经网络的结构确定

4.2.2网络输入、输出变量的选择

4.2.3训练样本的选择与处理

4.2.4网络训练目标的确定

4.2.5网络参数初始值的选取

4.2.6激励函数的选择

4.2.7隐含层数及其隐节点数的选取

4.2.8网络中各个系数的确定

4.2.9两种网络建模的对比

4.2.10结论

4.3本章小结

第五章带钢热连轧自动厚度控制系统

5.1引言

5.2产生带钢纵向厚差的原因

5.2.1轧件方面的原因

5.2.2轧机上的原因

5.3轧制过程中参数的测量

5.3.1轧制过程中测量参数的类型

5.3.2轧制过程主要参数的测量

5.4几种自动厚度控制系统

5.4.1反馈方式AGC系统

5.4.2前馈方式AGC系统

5.4.3监控AGC系统

5.4.4张力微调AGC系统

5.4.5补偿AGC系统

5.5 AGC的设计与实现

5.5.1压下系统

5.5.2液压压下系统的组成部分

5.5.3液压AGC改变刚性系数的原理

5.5.4液压AGC的工作方式

5.5.5 AGC的控制方案

5.5.6带钢厚度的设定

5.5.7 AGC的控制思想

5.5.8 AGC的控制流程

5.5.9 AGC的实现

5.5.10结论

5.6本章小结

第六章结论与展望

参考文献

附录

致谢

攻读学位期间发表的学术论文目录

展开▼

摘要

随着科学技术的飞速发展及生产规模的不断扩大,现代工业过程变得越来越复杂,因此,传统的数学模型以及系统建模方法与技术远远不能满足当今复杂工业过程提出的要求。神经网络具有很强的非线性逼近能力及自学习、自适应能力,有较强的容错性,因而能够很好地跟踪捕获对象受各种不确定因素影响而发生的变化及变化趋势。但在实际应用时,由于神经网络自身存在训练时间长、收敛速度慢以及局部极小等问题而限制了其在现代工业过程中的应用。为此,将小波分析理论引入神经网络,构成小波神经网络。小波神经网络融合了小波分析良好的时频域局部化特性和神经网络的优点,具有较强的逼近能力、收敛速度快并且能够有效地避免局部极小值。 在带钢热连轧过程中,压下量计算要依据轧制力分配来确定,因此轧制力是一个很重要的参数。由于板带轧制时的弹跳现象,轧制力的预报则成为热连轧生产过程自动化级中精轧机组设定模型的核心,其预报精度直接影响辊缝的设定,从而影响厚度精度、板形好坏以及穿带的稳定性。由于轧制过程具有多变量、非线性、时变、强耦合等特点,因此,传统建模方法已经远远不能满足高精度预报轧制力的要求。 本文的研究目的在于根据复杂工业过程的特点,以轧制力预报模型为对象,基于小波神经网络对复杂系统建模问题展开研究与讨论。并将预报的轧制力应用于自动厚度控制系统中。具体内容包括以下几个方面: (1)深入某热连轧厂生产第一线,学习研究带钢热连轧轧制工艺,及其计算机控制系统——SIROLL系统。 (2)研究神经网络和小波分析相结合的途径,深入系统地分析和研究了小波神经网络的结构和学习算法,得到一种快速BP算法。 (3)针对目前复杂工业建模存在的问题,在研究过程中以轧制力预报为对象,通过Matlab仿真实验研究小波神经网络,并且着重研究了网络结构的确定、小波函数的选择、网络学习算法、网络训练目标及网络中各个参数和系数数值的确定等问题,将所研究的小波神经网络用来建立轧制力预报模型。 (4)深入研究了热连轧生产过程中的自动厚度控制系统,利用预报的轧制力和液压自动厚度控制技术来实现带钢厚度的设定与控制。针对目前实际系统中存在的问题,提出了相应的改进措施,有些已被生产现场所采纳,从而有效地提高了某热连轧厂带钢厚度自动控制的精度。 (5)在总结全文的基础上,提出了研究过程中得出的若干思考,并对未来的研究课题进行了展望。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号