模糊控制在带钢轧制中的应用.doc

模糊控制在带钢轧制中的应用.doc

ID:56937013

大小:62.51 KB

页数:6页

时间:2020-07-27

模糊控制在带钢轧制中的应用.doc_第1页
模糊控制在带钢轧制中的应用.doc_第2页
模糊控制在带钢轧制中的应用.doc_第3页
模糊控制在带钢轧制中的应用.doc_第4页
模糊控制在带钢轧制中的应用.doc_第5页
资源描述:

《模糊控制在带钢轧制中的应用.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、模糊控制在带钢轧制中的应用王秀梅 王国栋 刘相华摘 要 介绍了模糊控制在带钢轧制中的应用,对其发展研究概况进行了评述,讨论了其中存在的问题,并提出了今后研究的方向。关键词 模糊控制 带钢轧制 应用APPLICATIONOFFUZZYCONTROLTOSTRIPROLLINGWangXiumei WangGuodong LiuXianghuaNortheasternUniversitySynopsis Applicationoffuzzycontroltothestriprollingisbrieflydescribed,re

2、searchanddevelopmentofthetechnologyreviewed,problemsexistinginitdiscussed,andtendencyofitsfuturedevelopmentpointedoutinthepaper.Keywords Fuzzycontrol striprolling application1 前 言  1974年,伦敦的QueenMary学院的马丹尼(E.H.Mamdani)首次用模糊逻辑和模糊推理实现了第一个试验性的蒸汽机控制,标志着人们采用模糊逻辑进行工业控制的开

3、始,从而宣告了模糊控制的问世。随着科学技术的飞速发展,模糊控制这一新型的智能控制技术的应用越来越广泛,钢铁行业也不例外。  模糊控制的本质是将人的操作经验用模糊关系来表示,通过模糊推理和决策方法来对复杂过程对象进行有效控制。它具有不依赖于被控制对象模型、鲁棒性较强的特点,为随机、非线性和不确定系统的控制提供了良好的途径。  在控制过程中,系统中的偏差E(或e)  偏差变化率C(或)和控制量输出U(或u)的变化,实际上都是确切的数字,而不是模糊集。为了使用模糊控制技术,就必须把E(e)和C()变化的精确量转化为模糊集,然后输入

4、给模糊算法器进行处理;模糊算法输出的控制量又是一个模糊集合,再经过模糊判决,给出控制量的确切值,去控制工业对象[1~3]。模糊控制器的组成框图见图1。图1 模糊控制器的示意图2 模糊控制理论在轧钢中的应用  近来,用户对带钢的厚度、板形尺寸精度的要求越来越高。为了提高产品质量,将模糊控制引入带钢生产过程中[4]。日本钢铁行业已成功地将模糊逻辑应用于建模、预测、模式分类、缺陷检测、优化以及动态控制[5~6]。表1为模糊控制在带钢轧制中的应用。表1 模糊控制在带钢轧制中的应用应用领域应用实例时间厂家热轧热轧精轧机组负荷分配控制[

5、7]1991新日铁热轧动态设定系统[8]1989新日铁八幡制铁所冷轧冷轧设定模型轧制力预报[9]1991新日铁八幡制铁所冷轧板厚及板形控制[10]1991川崎制铁水岛制铁所冷轧动态板形控制[7]1992新日铁名古屋制铁所镀锌镀锌退火炉的反馈控制[11]1993新日铁名古屋制铁所2.1 热轧板厚控制系统  对于热连轧精轧机架,为了改善通板性能,提高有效利用率,如何提高带材头部厚度精度已成为一个重要课题。对于精轧机架,根据轧机设定控制,利用以轧制理论为基础的模型确定轧制前的辊缝及轧制速度。但是,由于轧制模型参数存在推算误差,因此

6、,轧制时要求轧机设定具有修正功能。为此,新日铁八幡制铁所的小田高士、佐藤直树等人引入模糊控制思想,开发了最小板厚偏差模糊理论动态设定系统[8]。该系统由模糊控制器和控制器的学习模型构成(见图2)。模糊控制器是根据由中间机架模型计算得出的轧制力预报值和实际值的误差应用模糊推论预测精轧出口厚度偏差,当偏差为零时,对各机架辊缝进行在线修正。另外,对学习模型板带头部通过机架出口侧的X射线测厚仪的实际厚度偏差,进行辊缝修正模型参数的逐次学习。据报道使用本系统后,板厚精度范围内的命中率提高6%~14%。图2 模糊动态设定系统2.2 冷轧

7、轧制力预报系统  新日铁八幡制铁所开发的冷轧设定模型轧制力预报系统[9],如图3所示。根据模糊关系式记述的轧制力预报模型,具有对轧制力预报模型的系数进行逐次修正的学习功能。轧制力预报模型,由材料的相关信息、生产命令(成品宽度、厚度)以及其它生产条件(机架间张力、各机架压下率等)输入条件,由模糊模型预测出各机架轧制力。图3 模糊模型系统  每一卷轧制终了,根据学习模型,以实际轧制结果为基础对轧制压力预报模型的系数进行逐次学习。学习机能,对于模型维持高精度预测是十分必要的,特别是进行多品种、小批量成品生产。  模糊规则如表2所示

8、,为了简化计算,后项函数采用线性形式表2 模糊规则R1:ifx1isS1,x2isS2,x3isS3thenPisf1(x1,x2,…,x7)R2:ifx1isS1,x2isS2,x3isB3thenPisf2(x1,x2,…,x7)R3:ifx1isS1,x2isS2,x3isS3the

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。