基于改进粒子群优化算法的热连轧动态变规格研究

摘要

热连轧有生产效率高、经济效益好等特点，在轧钢生产中发展十分迅速。热连轧带钢作为钢铁工业最重要的钢材产品之一，在我国以及世界都具有很大的市场潜力。在传统轧制过程中，如果改变轧制规程，轧机就不得不放缓速度进而调节辊缝和辊速，以适应新的轧制条件。传统的轧制方法虽然能达到轧制目的，但是耗时费力，不能满足工业对钢材的大量需求。　　针对上述问题，课题将动态变规格轧制方式应用于热连轧，这样既保证了热连轧带钢的产量，又满足了全连续轧制的要求，因此，这种轧制方法既具有经济性，又具有高效性，课题针对动态变规格控制建立了模型，并对其进行仿真研究。　　传统粒子群算法在寻优过程中极易陷入局部极小值，导致寻优结果存在偏差，为了减小它陷入局部最优的几率，经过研究与比较，课题对基本粒子群算法加以改进，采用非线性动态改进惯性权重方法对粒子群参数进行优化，改进后的算法在寻优能力上大大加强，不仅提高了寻优精度，而且提高了收敛速度。　　另外，轧机的活套系统是一个双输入双输出的多变量耦合系统，随着轧制的进行，轧机的辊缝和辊速会产生偏差，因此，为了降低活套高度和张力的耦合度，需要对活套系统进行解耦控制，课题利用改进的粒子群算法对活套的高度和张力进行解耦控制，并对解耦后的系统进行建模与仿真。

目录

封面

声明

中文摘要

英文摘要

目录

引言

第1章 绪论

1.1 热连轧的研究现状

1.2 粒子群算法的发展现状

1.3 人工神经网络概述

1.4 动态变规格的发展现状

1.5 课题的研究意义

1.6 课题的主要研究内容

第2章 动态变规格研究

2.1 带钢热连轧生产工艺

2.2动态变规格技术

2.3 动态变规格设定模型

2.4 动态变规格举例

第3章 粒子群算法的改进

3.1粒子群算法的基本原理

3.2 PSO算法的改进现状

3.3 本文对粒子群算法的改进

第4章 PSO算法优化神经网络

4.1 BP神经网络模型

4.2 粒子群算法优化BP神经网络

4.3 粒子群算法优化BP神经网络的方法

4.4 PSO优化BP神经网络的运算步骤

4.5 仿真实验

第5章 带钢热连轧动态变规格仿真研究

5.1 活套控制系统

5.2 热连轧动态变规格控制

5.3 基于改进PSO优化算法的BP神经网络对活套系统的解耦控制

结论

参考文献

致谢

导师简介

作者简介

学位论文数据集