基于PSO算法的RBF神经网络在板形板厚综合控制中的应用

摘要

钢铁是发展国民经济的重要物资基础,板带材是广泛应用于国民经济各部门的重要原材料。其中板形质量和板厚精度是衡量带钢质量的两个重要指标。板形板厚控制是一个复杂多变的控制系统。影响板形板厚的各个参数之间有着很强的耦合性。因此,实现板形板厚控制(AFC-AGC)的研究已经成为一个前沿的热点问题。随着智能技术的研究和发展,很多专家学者将智能技术应用到AFC-AGC综合控制中。由于AFC-AGC是一个非线性、强耦合、大时滞的多变量实时控制系统。对于这样的非常规的复杂系统,常规的方法很难实现理想的控制。
　　因此,采用现代控制方法和智能方法相结合的控制手段成为必然的趋势。本文针对AFC-AGC综合控制的特点,主要进行了以下工作:1.通过分析板带材轧制过程,完成AGC-AFC系统数学公式的推导和数学模型的建立,并建立AGC-AFC的系统框图。2.对粒子群优化算法(Particle Swarm Optimizition.PSO)进行了深入的分析和研究,针对PSO算法在使用过程中存在易于陷入局部最优,收敛精度不高等缺陷,提出适合本文的改进PSO优化算法,并通过Matlab仿真验证改进的PSO算法具有很好的精度。3.介绍了神经网络的基本内容,比较了RBF神经网络和BP神经网络的优缺点,选择适合本文的RBF神经网络。同时用改进的PSO算法对RBF神经网络的结构和参数进行优化,并比较分析了各种优化效果。4.设计出一种基于PSO算法的RBF神经网络的解耦控制器,并将其用于对板形板厚的综合控制系统中,完成系统的解耦实现分别控制。采用Matlab仿真结果证明了本文提出的方案具有很好的解解耦性,满足了所需要的精度。本文提出的控制方案,结构简单从而方便工程实现,与此同时还有较好的解祸效果和鲁棒性。为板形板厚综合控制系统提供了一种新思路、新途径。

目录

摘要

ABSTRACT

第1章 绪论

1.1 本课题问题的提出

1.2 研究现状

1.3 智能控制技术发展及其在板形板厚控制中的应用

1.4 群智能及PSO算法

1.5 多变量系统解耦控制

1.6 本论文主要研究内容

第2章 板形板厚综合控制系统模型

2.1 板形板厚基本理论

2.1.1 板形的定义

2.1.2 板形的控制策略和控制装置

2.1.3 厚度自动控制方案

2.2 板形板厚综合控制数学模型

2.2.1 板厚方程

2.2.2 板形方程

2.2.3 板形板厚综合控制的模型

2.3 本章小结

第3章 粒子群优化算法研究

3.1 引言

3.2 PSO算法

3.2.1 PSO算法的原理

3.2.2 PSO算法描述

3.2.3 PSO算法中的参数定义

3.3 PSO算法的改进

3.3.1 基于邻域算子的PSO算法

3.3.2 具有收敛因子的PSO算法

3.3.3 划分域的PSO算法

3.3.4 离散PSO算法

3.4 自适应PSO算法

3.4.1 PSO算法的基本原理

3.4.2 自适应PSO算法步骤

3.5 算法的MATLAB实现

3.6 本章小结

第4章 基于PSO算法的神经网络优化

4.1 神经网络基础知识

4.2 BP神经网络基础

4.3 RBF神经网络的基础

4.4 自适应PSO算法优化神经网络

4.5 性能评价

4.7 本章小结

第5章 基于自适应PSO算法的RBF神经网络板形板厚多变量控制

5.1 引言

5.2 解耦系统的结构

5.2.1 神经网络解耦控制系统的结构框图

5.2.2 板形板厚系统神经网络解耦控制的结构

5.2.3 神经网络解耦算法

5.3 基于RBF神经网络多变量控制

5.4 板形板厚多变量控制系统仿真研究

5.5 本章小结

第6章 总结与展望

参考文献

攻读硕士期间发表的论文和完成的专利

攻读硕士期间参与的科研项目

致谢