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
已阅读5页,还剩1页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

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APPLICATION OF FUZZY CONTROL TO STRIP ROLLINGWang XiumeiWang GuodongLiu XianghuaNortheastern UniversitySynopsisApplication of fuzzy control to the strip rolling is briefly described, research and development of the technology reviewed, problems existing in it discussed, and tendency of its future development pointed out in the paper.KeywordsFuzzy controlstrip rollingapplication1前言1974年,伦敦的Queen Mary 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13。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56。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71991新日铁热轧动态设定系统81989新日铁八幡制铁所冷轧冷轧设定模型轧制力预报91991新日铁八幡制铁所冷轧板厚及板形控制101991川崎制铁水岛制铁所冷轧动态板形控制71992新日铁名古屋制铁所镀锌镀锌退火炉的反馈控制111993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,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,为了简化计算,后项函数采用线性形式表2模糊规则R1:if x1 is S1,x2 is S2,x3 is S3then P is f1(x1,x2,x7)R2:if x1 is S1,x2 is S2,x3 is B3then P is f2(x1,x2,x7)R3:if x1 is S1,x2 is S2,x3 is S3then P is f3(x1,x2,x7)R4:if x1 is S1,x2 is S2,x3 is B3then P is f4(x1,x2,x7)R5:if x1 is S1,x2 is S2,x3 is S3then P is f5(x1,x2,x7)R6:if x1 is S1,x2 is S2,x3 is B3then P is f6(x1,x2,x7)R7:if x1 is S1,x2 is S2,x3 is S3then P is f7(x1,x2,x7)R8:if x1 is S1,x2 is S2,x3 is B3then P is f8(x1,x2,x7)注:R1R8规则模数;S1S3变量13取小;B1B3变量13取大;P轧制力 x1、x2、x3是上述的三项输入参数,而x4x7是板材的硬度指标、板材的前张力等4个变量,i为规则序号。这项系统投入使用后,轧制力的预报精度提高至10%,绝对误差在150t以上几乎没有,设定精度比以前的设定模型提高3倍。2.3冷轧板形控制系统新日铁名古屋钢铁厂开发的冷轧权形模糊控制系统7,如图4所示,用电磁相关式形状检测器检测实际板形,用弯辊装置、压下平衡、冷却剂装置进行反馈控制。图4冷轧板形模糊控制检出形状在宽度方向用四阶多项式计算,计算同目标形状的偏差。形状有各种元素,如边波、中心挠曲、边部挠曲、1/4边部挠曲以及组合等。为了求出各个操作所应分担的控制目标,进行形状分离,用响应快的弯辊、向下平衡的调节使之尽量接近目标形状(2s周期)。剩余的形状偏差用响应慢的冷却剂进行控制(周期10s)。对于弯辊控制,形状偏差的值域取为负大,负中,负小,零,正小,正中,正大7档,控制量也取7档。对于冷却剂控制,取形状偏差和偏差变化率为输入量,冷却剂控制量为输出量。这一系统100%投入运行,提高了钢板质量。3今后的研究方向模糊算法长于模糊信息处理和决策,而神经网络适于直觉式推理。用神经网络去解决人工智能问题,在知识的推理上还存在相当大的困难,而在知识的获取方面,模糊技术也显得十分软弱,把神经网络和模糊技术结合起来,构成模糊神经网络系统(FNNS)1215,就能互相弥补不足之处。可以预见,模糊方法和神经网络的结合是人工智能和智能控制最有前途的途径。目前,神经网络和模糊理论结合组成的模糊神经网络控制,主要有两促方式:一种是以神经网络作为学习机构,修改模糊控制器的规则基;另一种,则是用神经网络组成模糊控制器,神经网络需要完成模糊化、规则学习、反模糊化等一系列工作。冷轧板形控制中,应用模糊理论和神经网络,进行工作辊弯辊和压下位置自动控制,判定板形模式并利用此结果计算各调节器的操作量9。神经网络的输入量是模糊量,用肃属度函数中的隶属度来表示,而规则学习是用人工神经网络,最后决策推理是人工神经网络的输出。神经网络用于板形的特征识别,将识别的结果作为模糊控制的输入或前提部分,经过模糊推理,其结论部分作为推理输出或控制部分。控制系统的组成如图5所示。在这种结合中,神经网络和模糊逻辑各自所执行的功能和作用不同:神经网络的作用在于模式辨识,而模糊逻辑的作用在于控制。图5模糊控制和神经网络在冷轧板形控制中的应用神经网络采用BP(误差反自传播)网络,输入用35个节点,输入板形检测器的35个输入信号;一个中间层,有16个节点;输出层有8个节点,对应于8个特征模式。首先用操作人员记忆的8种特征模式对网络进行训练,输出节点的值对应于各特征模式的隶属度值。神经网络训练完以后,输入一个实际板形数据时,网络输出节点将给出属于各特征模式的比例或隶属度。这样,模糊控制的前提部分,用隶属函数求取隶属度值的工作已经由神经网络完成了,模糊推理的输出只用对各个规则的结论进行综合就可以了。为了定量表示板形控制的效果,用实际板形与目标板形的偏差表示,这个偏差的平均值由原来的1.8%减小到1.4%。在模糊理论与神经网络结合的多层网络中,学习的结果使网络的层次意义清楚,而且又克服了模糊系统中的精度问题,使其效果比一般的单独使用的神经网络或模糊理论的关系要好。由于模糊技术和神经网络都是知识的数值处理方法,二者具有良好的互补性,因此它们的结合很快得到智能控制领域的普遍重视。无疑,发展既能有效处理模糊知识又能有效学习的模糊与神经网络集成技术,将为工业过程智能控制提供新的途径。4结

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论