（控制理论与控制工程专业论文）模糊控制与神经计算方法在板形控制中的应用.pdf

摘要 近年来我国轧钢行业得到了飞速发展，我国已成为世界上钢材产量最多的国 家之一，但目前我国轧钢生产的技术水、i ，与国际先进水、f 相比还有相当大的差 距，每年由于板形不良所造成的经济损失非常大。 板形精度是冷轧带钢的一项主要质量指标和决定其市场竞争力的重要因素， 提高冷轧带钢质量的迫切要求使得板形j 奎制成为我国钢铁企业面临的一个重要 问题。影响带钢板形的因素极其复杂，同时，板形检测技术也存在较大的难度， 这都给冷轧带钢的板形自动控制带来很大的困难。 在闭环板形控制系统中，板形缺陷的模式识别和板形控制是彼此相关的两个 重要环节。为制定合理的控制策略，须对实测板形进行模式识别，并以约定的参 数定量地提供给下一控制环节。本文提出了一种基于r b f 网络的板形模式识别 方法，该方法以勒让德正交多项式作为板形基模式，以待识别样本与6 个标准样 本之间的欧氏距离作为网络输入量，以3 个板形特征值作为网络输出量，利用正 交最小二乘算法建立了板形模式识别模犁。该方法物理意义明确、简单直观，且 训练过程时间短。用由该方法得到的板形模式识别模型对实洲板形缺陷进行模式 识别，仿真结果表明：该模型能够识别复杂的复合板形缺陷，且识别速度快、精 度高。 u c 轧机的板形控制系统是一个多变量、强祸合的控制系统，具有惯性及滞 后的特点，其中间辊弯辊控制回路的数学模型具有很强的时变性和不确定性。针 对这一特点，本文设计了一种基于遗传算法的模糊控制器，利用遗传算法来优化 模糊控制器的隶属函数及量化因子和比例因子的初值，并且根据模糊控制查询表 的输出来在线凋整量化因子和比例因子。将该控制器应用于u c 轧机中间辊弯辊 控制回路中，仿真结果表明：二次型板形缺陷能够得到快速有效的控制，该控制 器具有比传统的模糊控制器更优的控制性能，且具有一定的自适应能力。 关键词板形控制；模式识别：r b f 神经网络；遗传算法：模糊控制 a b s t r a c t o u rc o u n t r y ss t e e l r o l l i n gi n d u s t r yh a sd e v e l o p e da tf u l ls p e e di nr e c e n ty e a r s ， a n do u rc o u n t r yh a sb e c o m eo n eo f t h ec o u n t r i e sw h o s eo u t p u to fs t e e la r em o s ti nt h e w o r l d b u tc u r r e n t l ys i z a b l ed i s p a r i t ye x i s t si no u rc o u n t r y ss t e e lp r o d u c t i o na sf o r s t e e l r o l l i n gt e c h n o l o g yc o m p a r e d w i t hi n t e m a t i o n a la d v a n c e dl e v c l a n dt h e e c o n o m i cl o s s e sb r o u g h tb yb a ds h a p ea r eg r e a te v e r yy e a r s h a p ep r e c i s i o ni s o n em a i nq u a l i t yi n d e xo fc o l dr o l l e ds t r i pa n di sa l s oa n i m p o r t a n tf a c t o rw h i c hd e t e r m i n e si t sc o m p e t i t i v e n e s si nt h em a r k e t t h eu r g e n t d e m a n do fi m p r o v i n gt h eq u a l i t yo fc o l dr o l l e ds t r i ph a sm a d es h a p ee o n t r o lb ea n i m p o r t a n tp r o b l e mt h a tf a e e so u rc o u n t r y ss t e e le n t e r p r i s e s f a c t o r st h a ta f f e c ts h a p e a r ev e r yc o m p l i c a t e d ，a n da tt h es a m et i m eg r e a t e rd i f f i c u l t ye x i s t st o oi nt h es h a p e m e a s u r e m e n tt e c h n i q u e t h e s e b r i n gq u i t eg r e a td i f f i c u l t yt o t h ea u t o m a t i cs h a p e c o n t r 0 1 i nt h ec l o s e dl o o ps h a p ec o n t r o ls y s t e m ，p a t t e r nr e c o g n i t i o no fs h a p ed e f e c t sa n d s h a p ec o n t r o la r et w or e l e v a n ti m p o r t a n tl i n k s t h er e a ls h a p em u s tb er e c o g n i z e dt o e s t a b l i s hr a t i o n a l c o n t r o i s t r a t e g ya n d t h e r e c o g n i t i o n r e s u l t sm u s t b e a u a n t i n c a t i o n a l l vp r o v i d e dt ot h en e x tc o n t r o l1 i n kw i t hp r o m i s s o r yp a r a m e t e r s a n a p p r o a c ht os h a p ep a t t e r nr e c o g n i t i o nb a s e do nr a d i c a l b a s i s f u n c t i o nn e u r a l n e t w o r kh a sb e e np u tf o r w a r dl e r a n d eo r t h o d o x yp o l y n o m i a li ss e l e c t e da ss t a n d a r d s h a p ep a t t e r n s e u c l i dd i s t a n c e sb e t w e e nt h es t 3 ，l e b o o k st ob er e c o g n i z e da n ds i x s t a n d a r ds t y l e b o o k sa r eu s e da si n p u to ft h en e t w o r k ，t h r e ee i g e n v a l u e so fs h a p ea r e u s e da so u t p u t a n ds h a p ep a t t e r nr e c o g n i t i o nm o d e lh a sb e e ne s t a b l i s h e db a s e do n o r t h o g o n a ll e a s ts q u a r e sl e a r n i n ga l g o r i t h m t h i sa p p r o a c hh a sc l e a rp h y s i c a lm e a n i n g a n di sb r i e fa n ds i m p l e a n dt h et i m ef o rt r a i n i n gi sa l s ov e r ys h o r t r e a ls h a p ed e f e c t s a r er e c o g n i z e du s i n gt h em o d e io b t a i n e db yt h i sa p p r o a c ht h es i m u l a t i o nr e s u l t s i n d i c a t et h a tt h em o d e lc a nr e c o g n i z ec o m p l i c a t e dc o m p l e xs h a p ed e f e c t sa n dh a sf a s t r e c o g n i t i o ns p e e da n dh i g hp r e c i s i o n ， t h es h a p ec o n t r o is y s t e mo fu n i v e r s a lc r o w n r o l l i n gm i l lh a st h ec h a r a c t e r i s t i c s o fi n e r t i aa n dl a g ，a n dt h em a t h e m a t i c a lm o d e lo fi t s b e n d i n gi n t e r m e d i a t er o l l s s y s t e mh a ss t r o n gt i m e - v a r i a n tp r o p e r t ya n du n c e r t a i n t y af u z z yl o g i cc o n t r o l l e r b a s e do ng e n e t i ca l g o r i t h mh a sb e e nd e v i s e da i m e da tt h i sp o i n t g ai s e m p l o y e dt o o p t i m i z et h em e m b e r s h i pf u n c t i o n so ft h ef u z z yl o g i cc o n t r o l l e ra n dt h ei n i t i a i v a l u e so ft h eq u a n t i f y i n gf a c t o r sa n dt h es c a l i n gf a c t o r a n dt h eq u a n t i f y i n gf a c t o r s a n dt h es c a l i n gf a c t o ra r ea d j u s t e do n l i n ea c c o r d i n gt ot h eo u t p u to ft h ef u z z yc o n t r o l q u e r yt a b l e t h ec o n t r o l l e ri sa p p l i e dt ot h eb e n d i n gi n t e r m e d i a t er o l ls y s t e mo ft h e u cr o l l i n gn a i l l t h es i m u l a t i o nr e s u l t si n d i c a t et h a tt h eq u a d r a t i cc o m p o n e n to ft h e s h a p ed e f e c t sc a nb er a p i d l ya n de f f i c i e n t l yc o n t r o l l e d ，t h ef l co p t i m i z e db yg ah a s b e t t e rc o n t r o lp e r f o r m a n c et h a nc o n v e n t i o n a lf l ca n di th a ss e l f - a d a p t i v ec a p a b i l i t y t oac e r t a i nd e g r e e k e y w o r d ss h a p ec o n t r o l ；p a t t e r nr e c o g n i t i o n ；r b fn e u r a ln e t w o r k ；g e n e t i ca l g o r i t h m f u z z yc o n t r o l 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 己在论文中作了明确的说明并表示了谢意。 签名：叠丛 日期 关于论文使用授权的说明 本人完全了解北京上业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名叠熬 铆签名：垄查廷隰型 第1 章绪沦 第l 章绪论 1 1 课题背景和研究的意义 随着现代工、业的发展，轧俐生产已经由过去追求大型化、高速化和连续化 转向注重节约能源和提高产铺质量，力求以尽可能低的能耗和原材料消耗创造 尽可能高的经济效益。为了实现这个目标，许多新技术和新设备被大量应用到 轧钢生产中。 板形精度是带钢的一项主要质量指标和决定其市场竞争力的重要因素。随 着汽车、轻工、家电和电气制造等工业用户对板形质量的要求日趋严格，板形 控制技术己成为带钢生产的核心技术之一。由于影响带钢板形的因素极其复杂， 如带钢宽度、厚度、村质、带钢原始板形、轧辊的原始【r 度、轧制中的热凸度 等等都不同程度地影响带钢的板形；同时，在板形检测技术上也存在较大的难 度，给冷轧带钢的板形自动控制带来很大的困难。而近年来由于厚度自动控制 ( a g c ) 系统的应用，使带钢纵向厚度精度问题得到了解决，相形之下，板形 问题就变得更加突出了”。目前，各项板形控制技术都同时具有优势和1 i 足， 这一方面给板带轧机的选型和板形控制技术的配置带来了难度，另一方面也为 板形控制技术留下了较大的创新宅间。因此近年来有关板形及板形控制的研 究始终都是前沿和热点。 关于板形问题的研究和应用始于六十年代，m d s t o n e 的弹性基础梁理论 和液压弯辊的实用研究，使板形问题取得了较大的突破，以后各国相继开始这 方面的研究工作，并取得了较大的进展。自7 0 年代以来，随着液压技术、过程 检测与控制技术和计算机技术的飞速发展，人们在对轧制工艺理论进行深入研 究的同时，将自动控制理论及上述技术不断地应用于板带轧制过程，使板带生 产取得了较大的发展。特别是随着各种类型的板形在线检测装置的相继问世及 大型控制系统的发展，各种具有较强板形调节功能的新型轧机和板形控制系统 在生产中得以广泛应用，使板带生产的面貌发生了根本变化，大大提高了板带 材生产的质量。 在我国，研究板形问题的时间不长，板形控制实际应用于生产的时间也不 长。近年来我国对钢材生产厂家在现代先进的轧制技术方面进行了大量投资， 我n t f l 钢行、1 2 得到了飞速发腱。目前我国已成为世界上最大的铡材生产国，年 产量近3 亿吨。虽然我国钢材生产厂家的钢材生产能力和产品质量都得到t 提 高，产品成本也有所降低，但我国炼钢企、【k 降低生产成本主要依靠的是国内廉 价的劳动力，而主要丁业国家的联合钢铁食业则主要依靠将它们已有的炼钢和 轧制堤备实现现代化和自动化，从而减少劳动力和产品成本；而且我国目前轧 1 5 塞三些盔兰三兰鎏主兰生笙苎 钢牛产的技术水平与国际先进水平相比还有相当大的差距，一些高精尖的轧制 设备与轧制技术还依赖于引进，部分关键钢材品种还不能满足国内需要，轧制 产品的一些主要技术指标( 如尺寸精度、形状、组织性能等) 与国际先进水平 相比仍有较大的差距“，每年由于板形不良所造成的经济损失十分严重。所以， 解决我同板带生产中板形质量问题是一项具有巨大经济意义的课题。本课题就 是在这样的背景之下确定的。如果国内扳带生产厂家能够提高炼钢和轧制设备 的现代化和自动化程度，从而提高板形质量，增强我国炼钢企业在国际上的竞 争力，经济效益将十分可观。这也是本课题研究的意义所在。 1 2 板形控制的发展及研究现状 1 2 1 板形控制的基本概念。1 12 11 板形 取一定长度的带钢自然地放到一个平面上，常常可以观察到带钢的翘曲。 翘曲有各种形式，大多数是波浪形，薄带钢常产生皱纹及局部凸凹。翘曲有时 可以遍布整个带宽，有时只限于局部。这种翘曲和带钢的变形不均及内应力分 布不均密切相关。 轧制过程实质上是金属在旋转的弹性体轧辊作用下发生塑性变形 的过程，一定断面形状的坯料经过轧制发生明显的纵向延仲和一定的横向流动， 最终成为一定尺寸的成品。板带轧制对变形过程有一个主要的要求，即沿板带 宽度各部分有均一的纵向延伸。设想将带钢分割成若干纵条，如果任何一条上 压下量发生变化，都会引起该窄条的纵向延伸发生变化，同时又会影响到相邻 窄条的变形。由于带钢实际上是一个整体，各窄条之间必定互相牵制，互相影 响。因此，当沿横向的压下量分布不均时，各窄条就会相应地发生延伸不均， 这就会在各窄条之间产生相互作用的内应力。当这个内应力足够大时，就会引 起带钢翘曲。 为了说明金属纵向变形不均的程度，引入了板形( s h a p e ) 这个概念。所谓 板形，直观说来足指板形的翘曲程度；就实质而言，是指带钢内部残余应力 的分布。 只要带钢中存在残余的内应力，就称为板形不良。如果这个应力虽然存在， 但不足以引起带俐翘曲，则称为“潜在的”板形不良；如果应力足够大，以致 引起带钢翘曲，则称为“表观的”扳形不良。 1 2 ，12 板形的表示方法 定量的表示扳形，既是生产中衡量板形质量的需要，也是研究板形问题和实 第1 章绪论 现板形自动控制的前提条f l ：。由于板形的表现形式多种多样，所以板形的度量方 法也有所不同。下面给出几种常见的板形度量方法。 相对【矢度差表示法 相对长度差表示法就是取一段轧后的带材，将其沿横向裁成若干纵条并平铺 ( 见图1 1 ) ，用带材横向上不同点的相对长度差三工来表示板形。其中是所 取基准点的轧后长度，l 是其它点相对基准点的轧后长度差。相对长度差也称 为板形指数p ，p = a l 工。 图1 1 带材外形及其分割 f i g i 一1a p p e a r a n c eo f t h es t r i pa n dn ss e g m e n t a t i o n 板形没有统一的国际单位，各国采用的度量单位并不相同。比如英国的相 对长度差的单位是蒙( m o r t ) ，1 蒙相当于相对长度差为1 0 ；美国是用带材宽度 上最长和最短纵条的相对长度差表示，单位是百分数；加拿大铝公司也是取横 向上最长和最短纵条之间的相对长度差作为板形单位，称为1 单位。一个i 单 位相当于相对长度差为1 0 。 波形表示法 在翘曲的钢板上测量相对长度来求出相对长度差很不方便，所以人们采用 了更为直观的方法，即以翘曲波形来表示板形，称之为翘曲度 ，这种方法称 为波形表示法。切取一段带材置于平台上，如将其最短纵条视为一直线，最长 纵条视为一正弦波，则其侧剖面如图l _ 2 所示。 罔1 2 正弦波的波形f 线 f i g 1 - 2c u r v eo f s i n u s o i d a lw a v e 可将带材的翘曲度 表示为： ：墨x 1 0 0 ( 1 1 ) 三 式中：肛一波幅；一波长。 因设波形曲线为正弦波，故： 上+ 龃= 笋j 1 + ( 竿 2 耐棚：， 小( 矧 因此，曲线部分和直线部分的相对长度差为： 一a l ：f 坐 2 ：岔( 1 - 3 ) l 2 l 4 可见，翘曲度五也可以反映出相对长度差，即波形表示法和相对长度差表 示法的实质是一致的。这种方法直观、易于测量，所以许多工作者都采用这种 方法表示板形。 矢量表示法 这是研究某些板形控制系统时所采用的一种表示方法，它形象地表示了在 控制系统作用下板形的变化趋势。如图l - 3 所示，设有某板形控制系统，当其 设定值变化为l 时，带钢的c 点( 中心) 、o 点( 半板中心) 、e 点( 边部) 的板 厚分别变化口。、口。、口。这里口。、。、瑾。为该系统对板彤的影响系数。以板 宽方向的位置z 为横坐标，以口为纵坐标，可将影响系数表示于图卜3 a 上。上 述三个影响系数的值大小不同，表示板形的变化趋势也不同。为了用一个统一 的量来表示这些复杂的变化，引入了板彤矢量0 ，如图卜3 b 所示，板彤矢量0 有两个分量o ，和o 。，即0 = o 【。，o 。j 。和 。分别为 o ：生墨 ( 卜4 ) x 口 o 。：堕兰 ( 1 5 ) x e x q 0 。、0 。实际上分别是图卜3 a 中直线c q 和q e 的斜率。根据矢量 在不 同象限的位置，a j 以表示板形的不同变化趋势和变化的剧烈程度。 第1 章绪论 b 图卜3 板形矢量的定义 a 一影响系数；b 一板形矢量 f i g1 3d e f i n i t i o no f s h a p ev e c t o r a - - l n f l u e n c ec o e f f i c i e n t ；b s h 印ev e c t o r o o 兰b 兰4 f 卜l b c 图卜4 以矢量法表示的板形变化倾向 a 一向边波方向变化；b 一向中波方向变化；c 一向复合波方向变化 f i g1 - 4i n c l i n a t i o no f s h a p ec h a n g e a - c h a n g et o w a r d ss i d ew a v e ；b 。c h a n g et o w a r d sm i d d l ew a v e ； c c h a n g et o w a r d sc o m p l e xw a v e - - k 图卜4 中所示为板形矢量0 位于不同象限时板彤的变化趋势，由图可见， 当0 位于第一象限时，带钢向发生边波的方向变化；当o 位于第三象限时，带 钢向发生中波的方向变化；当 位于第二、四象限时，带钢向发生复合波的方 向变化。这样，控制0 在坐标中的位置，就可以使带钢板形向需要的方向变化。 残余应力表示法 北京工业大学工学硕七学位论文 带钢板形实质上是指带钢内部残余应力沿横向的分布，所以在理论研究和 板形控制中用带钢内部的残余应力分布表示板形更能反映出问题的实质。一般 将带钢内部的残余应力表示为带钢横向相对位置2 x b 的函数，是所研究点距 带钢中心的距离腥板宽。经验表明，要精确表示残余应力分布，需要用四次 函数，一般为了简化，只用二次函数，即 吒o ) 砸+ c o n s t “二6 式中，o - 。( x ) 足辊缝出口处距带钢中心距离为x 的点在带钢中发生的残余应 力。 式中的关键是a ，口，称为板形参数，它可以由理论分析确定。编制合理 的轧制规程及进行板形控制，目的是将a ，减到最小。 在闭环板形自动控制系统中，随着接触式分段张力测量辊的广泛应用，测 量前张应力差横向分布的板形表示方法，已经成为目前最理想的板形度量法。 带钢断面形状的多项式表示法 图1 - 5 带钢断面形状 f i gi 5s h a p eo f t h es t r i p sc r o s ss e c t i o n 如果图卜j 所示的带钢断面是对称的，根据对断面的测量和计算，可以认为 下式是逼近带钢断面形状的： 矗( x ) = 见+ 口x 2 + b , x 4 ( 卜7 ) 式中，a 、6 是表示断面特征的系数。 任何一个给定的断曲形状，都能以该式表达，该式对宽度上任何两点x 、x ， 都是成立的。 这种表示方法不是选择特定的点，而是以整个断面的形状来表示板形，所 以它能反映复杂的板形缺陷。 厚度相对变化量差表示法 第1 章绪论 这是一种比较简单的方法，它以边部和中心两点厚度相对变化量差来表示 板形的变化，它主要在模拟计算中用来描述某些外扰对板形的影响，板形参数 s “表示为 s 6 ：堡一生 ( 卜8 ) h ：h ， 式巾，葭、坑某种外扰引起的带钢中心和边部厚度的绝对变化量； n 、n 带钢中心和边部的厚度。 当s 一：0 时，说明带钢板形没有变化；当s 6 0 时，说明带钢向边波方向 变化；当s 一 0 时，轧制力的作用区域大于接触压力的作用区域，使得工作辊 北京工业大学工学硕士学位论文 产生正弯，但此正弯量大小还不足以抵消支撑辊和中间辊所产牛的负弯量，因 此仍有轻微的边部减薄，轧后带材产生边波；随着万的增加，当万= 0 时， 图1 1 2 中间辊横移对板形的影响 f i g 1 1 2i m p a c to f m o v i n gt h ei n t e r m e d i a t er o l l sh o r i z o n t a l l yo ns h a p e 轧后带材的板形良好；当j 0 时，变形区中的轧制力使工作辊产生的正弯量大 于支撑辊和中问辊所产生的负弯量，轧后带材产生中波。图1 1 2 中给出中间辊 处于不同位置时的三种情况。可见，根据板形控制的具体要求，适当地调节中 间辊位置可以达到改善带材板形的目的。 弯辊控制 液压弯辊法是目前使用最为广泛的一种板形控制手段，其工作原理是：通 过向轧辊辊颤施加液压弯辊力来瞬时地改变轧辊的有效凸度，从而改变轧机承 载辊缝的形状和轧后带材沿横向的延伸分布，以达到控制带材板形的目的。由 图i i3 可以看出，通过对轧辊采取正、负弯曲的手段可以有效地消除全局板形 缺陷中的双边浪和中间浪。 正弯辊 声 、- 负弯辊 - 图i 1 3 弯辊控制板形的能力 f i g 1 - 13 c a p a c i t y o f b e n d i n gr o l l s f o rs h a p ec o n t r o l 液压弯辊的控制特性随轧辊直径的不同有很大的不同。当辊径与辊身的比 值较大时，轧辊的挠度曲线以二次曲线为主，而当辊径与辊身的比值较小时， 轧辊的挠度曲线以四次曲线为主。对于六辊u c 轧机而言，中间辊的直径要明 显大于工作辊的直径，因此中间辊弯曲具有控制二次板形缺陷的能力，而工作 辊弯曲则具有控制册次板形缺陷的能力。 第1 章绪论 12 5 板形控制的发展及研究现状 常用的板形调节手段有两种：机械手段和分段冷却控制，其中机械手段又 分为倾辊、弯辊和轧辊横移。事实上轧件在轧制区的受力状态和金属的流动状 态受到多种因素如辊系结构、轧制负荷、辊系动态特性以及轧件运动方式等的 制约，其中任一冈素的微小变化都将对板形产生影响“】。在实际的扳形控制中， 都是将上述各种手段综合起来，实行联合控制。 传统的控制方法常采用常规的p i d 控制来实现上述手段，p i d 控制是基于 数学模型的控制。由于板形控制系统是一个多变量、非线性、多扰动、强耦合 的复杂工业控制系统，板形受诸如弯辊力、轧制力、来料条件以及轧辊的初始 辊型、磨损辊型和热辊型等因素的复杂影响，因此，很难建立其精确的数学模 型。因而采用传统的p i d 控制难以满足高精度的板形控制要求，这使得板形控 制的研究陷入了困境。随后，人们在寻求建立更精确系统模型的同时，开始探 讨从控制思想的角度来研究板形控制问题。 于是近年来出现了一些新的控制方法，这些新的控制方法使得板形控制取 得了同新月异的发展。如日本的i k u y a h o s h i n o 等人将k i m u r a 提出的以输出调 ，理论为基础的合成方法应用到板形控制中有效地解决了检测时间延迟的问 题，并将轧制速度变化引起的板形误差降至最小”1 。日本的日立公司将神经网 络和模糊控制相结合应用于森吉米尔轧机板形自动控制系统中“1 ，利用神经网 络进行板形的模式识别，采用模糊控制方法来控制板形，控制结果比传统的由 熟练工人进行的手动操作更精确。韩国的j y j u n g 等人通过仿真实验汪明，模 糊控制对冷轧带钢随机不规则板形的控制非常有效”1 。而在国内，也出现了许 多新的控制方法，如燕山大学的贾春玉提出了一种基于神经网络模糊推理的自 适应板形控制方案，并将其引入板形控制系统，仿真结果表明系统具有良好的 控制性能”1 。周晓敏等将智能控制建模方法与预测控制思想相结合用于带钢板 形自动控制，研究建立了基于神经网络的板形预测控制数学模型，该模型经由 宝钢1 4 2 0 r a m 冷轧实测数据仿真验证表明，预测控制模型具有较高的预测精度 和较好的控制效果。9 1 。实践证明，采用现代控制方法( 如多变量控制、最优控 制、自适应控制、预测控制等) 和智能控制方法( 如模糊控制、专家系统、神 经网络等方法) 相结合的手段，已经成为板形控制的发展趋势。 围绕板形控制技术的开发，国际卜i 先后出现了诸如h c 、c v c 、u c 、k w r s 、p c 等多种不同机型的新一代高技术板带轧机。这些轧机都拥有一项标 志性板形控制技术并辅以多项其它通用板形控制技术，如弯辊、压下倾斜、分 段冷却等，在生产中部配备有板形自动检测装置并实现了板形自动控制“o 。不 同机型的同时并存和相互竞争，既表明它们各有所长，也表明板形控制技术目 北京工业大学工学硕士学位论文 前仍足项发展中的技术，存在着进一步研究的空间。 1 3 课题来源及本文主要工作 本课题受国家自然科学基金( 5 0 2 7 4 0 0 3 ) 和宝钢集团公司联合资助。本课 题的研究内容主要分两部分： ( 1 ) 针对冷轧带钢生产中板形控制的要求，提出了种r b f 神经网络板形 模式识别方法。该方法以勒让德正交多项式作为板形基模式，阱待识别样本与 6 个标准样本之间的欧氏距离作为网络输入量，以3 个板形特征值作为网络输 出量，利用正交最小二乘算法建立了板形模式识别模型。该方法物理意义明确、 简单直观，且洲练过程时间短。用由该方法得到的板形模式识别模型对实测板 形缺陷进行模式识别，仿真结果表明该模型能够识别复杂的复合板形缺陷，且 识别速度快、精度高。 ( 2 ) 针对u c 轧机中间辊弯辊控制回路的数学模型具有很强的时变性和不 确定性的特点，、馈计了一种基于遗传算法的模糊控制器并将其应用于该控制回 路中。系统利用遗传算法来优化模糊控制器的隶属函数及量化因子和比例因子 的初值，并且根据模糊控制查询表的输出来在线调整量化因了和比例因子。用 该方法设计的模糊控制器具有一定的自适应能力，将该控制器应用于u c 轧机 中间辊弯辊控制回路可以使二次型板形缺陷得到快速有效的控制，具有比传统 的模糊控制器更优的控制性能。 第2 章基于r b f 嘲络的扳形模式识别方法 第2 章基于r b f 网络的板形模式识别方法 2 1 引言 在闭环板形控制系统中，板彤缺陷的模式识别和板形控制是彼此相关的两 个重要环节。为制定合理的控制策略，须对实测板形信号进行模式识别，并以 约定的参数定量地提供给下一控制环节，这即为板形缺陷的模式识别。在实际 板形控制系统中，轧机出口带材的板形信息可以通过板形仪在线测量获得。本 文以u c 轧机为研究对象，由于u c 轧机有支撑辊倾斜、工作辊和中间辊弯曲 以及中间辊横移多种板形控制手段来消除六种基本板形缺陷，又可通过分段冷 却控制消除局部板形缺陷，而由板形仪测得的板形数据是一个综合板形缺陷， 无法直接应用到板形控制系统中。因此，首先要根据轧机执行机构的要求，通 过适当的方法对扳形缺陷进行模式识别，提取出控制系统各回路的控制量，才 能达到控制板形的目的。 板形模式识别的主要任务是把在线检测到或计算的板形残余应力横向分布 离散值，经过一定的数学运算，映射为板形的模式参数值或特征参数值，为采 取相应的板形控制措施提供依据，并且具有如下性质“： ( 1 ) 尽可能少的状态变量，数学表达简练： ( 2 ) 不丢失必要的信息，特征参数能够完全反映原应力分布值所决定的带 钢板形质量状态； ( 3 ) 特征参数便于计算机处理，满足控制上的要求。 早期的板形控制系统中普遍采用基于晟小二乘法的多项式回归分解法“和 正交多项式回归分解法。3 进行板形模式识别。多项式最小二乘拟合法应用于板 形识别，忽略了板形识别的任务是判别板形模式，压缩特征数量为在线板形控 制服务。它虽然可以将m 个离散点值转换成一条曲线( 一个n + 1 次多项式) ， 但是为了提高逼近精度，往往需要很大的”值，达不到压缩特征数目的日的， 而且拟合后的结果也往往不能有效定量地描述当前带钢板形情况“。此外，基 于多项式的板形模式识别方法还有一个共同的缺点是抗干扰能力差，难以满足 商精度的板形控制要求1 。 目前在板形识别中使用较多的有两种新方法，基于模糊识别理论的模糊识 别方法和基于人工神经网络技术的模式识别方法。两种新方法完成一次识别所 需时间都很短，在预先以工艺原则选择基本模式时能考虑到轧机的各种板形调 控能力。模糊识别方法虽然模型简单实用，快遽有效，能给出稳定的定量识别 结果，但它的识别能力和精度不如后者。人工神经网络板形识别法对实测信号 具有一定的容错能力，而且由此导致的对主要模式成分的夸大和对次要模式成 北京工业大学工学硕士学位论文 分的缩小，相当于一种智能调节器的作用“”。 板形模式识别的本质就是把一组离散板形应力信号作为一个待识别样本， 判别它对预先定义好的种基本板形模式所构成的标准样本的隶属度。这正是 人工神经网络t l i t 擅长的非线性映射问题。因此，本章采用人工神经网络板形 模式识别方法。文献【1 4 1 采用遗传算法全局优化b p 网络的结构及初始权闽值， 在此基础上再用b p 算法局部调整，建立了板形模式识别的g a b p 网络模型， 虽然网络结构得到了优化和简化，但缺点是网络训练时间太长，不能充分满足 在线实时扳形控制的要求。由于在前向网络中r b f 刚络是完成映射功能的最优 网络，且r b f 网络在一定程度上克服了b p 网络的不足，因此，本章采用基于 r b f 网络的板形模式识别方法对板形缺陷进行识别，该方法可以有效地克服上 述不足，而且板形识别效果良好。 2 2 人工神经网络理论概述 神经网络的发展至今已有半个多世纪的历史，其间几经高潮与低谷。近十 年来，神经刚络的理论研究有了引人注目的发展，应用研究也取得了很大的成 绩，人工 申经刚络的发展显示出强大的生命力。其中，径向基函数网络( r a d i a l b a s i sf u n c t i o nn e t w o r k s ，简称r b f 网络) 是近年来受到模式识别、信号埋论与 控制、故障诊断等领域研究人员广泛关注的一种前馈神经网络。 22 1 人工神经网络理论的发展 人们对神经网络的研究始于1 9 4 3 年，至今己经历了6 0 多年的漫长历程。 它并非从一开始就受到广泛关注，而是经历了一条从兴起到萧条，又从萧条到 兴盛的曲折发展道路。具体来说，大致可分为以下几个阶段”： 初创期 由美国心理学家w s m c c u l l o c h 和数学家wp i t t s 于1 9 4 3 年所提出的m p 模型，一般被公认为是神经网络研究的开创性成果。模型中用逻辑的数学工具 把客观事件用形式神经元进行表达，这类似于连接权不作调整的闽值单元模型。 该模型是人工神经元模型的基础，也是神经网络理论的基础。该时期的另一重 要成果是由心理学家d o h e b b 于1 9 4 9 年所提出的神经元之间突触强度的调 整规则假说，即有名的h e b b 学习规则。该规则至今仍在各种神经网络模型中 起重要作用，其相关假设是许多学习规则的基础。这些成果是探索性的，但同 时也是开创性的，许多成果至今仍对神经网络的理论研究有着重要影响。 初始兴盛期 该时期的神经网络理论研究基本上确立了从系统的角度研究人工神经网络 第2 章基于r b f 网络的板形模式识别方法 的基础，其代表性的研究成果是由美国学者f r o s e n b l a t t 于1 9 5 7 年所提出的 感知器( p e r c e p t r o n ) 模型。这是历史上第一个完整的神经网络模型，初步具备 了诸如并行处理、分布存储和学习等神经网络的一些基本特征。另外，由b ， w i d r o w 和m e h o f f 于1 9 6 0 年所提出的自适应线性单元( a d a l i n e ) 网络在自 适应系统，如自适应滤波、预测和模式识别等的研究中也得到了很好的结果。 在该段时期，人工神经网络的研究开始受到人们的重视，研究工作进入了初始 的兴盛时期。 低潮期 由于处于发展初始阶段的神经网络理论还存在一定的缺陷，同时，以逻辑 推理为基础的人工智能理论和v o nn e u m a n n 型数字计算机正处于全盛的发展时 期，许多人对人工神经网络研究的热情大大降低，使人工神经网络理论研究走 入了一个缓慢发展的低潮阶段，其标志是1 9 6 9 年美国麻省理工学院著名的人工 智能学者m m i n s k y 和s p a p e r t 所著的( ( p e r c e p t r o n ) ) 一书的出版，书中对以 p e r c e p t r o n 模型为代表的神经网络在数学上作了深入研究，指出了其局限性。但 即便如此，在此期间，研究工作并没有完全停止下来，仍有许多学者继续进行 探索，并取得了一些重要成果，如芬兰学者一k o h o n e n 所提出的自组织映射理 论、美国学者s a g r o s s b e r g 所提出的自适应共振理论( a r t ) 、日本学者福导 邦彦( k f u k u s h i m a ) 所提出的认知机( n e o c o g n i t r o n ) 模型等，这些研究成果 都对以后神经刚络的研究和发展产生了重大影响。 复兴期 进入到8 0 年代，由于神经网络研究者的突出成果及脑科学和神经科学研究 成果的推动作用，同时也由于以逻辑推理为基础的人工智能理论和v o n n e u m a n n 型计算机在许多智能信息处理问题上遇到了挫折，并且大规模集成电 路技术和光电技术的发展为人工神经网络的实现提供了物质基础，促使人们将 人工神经网络作为未来新一代智能计算机的实现模式之一加以研究，神经网络 的研究进入了复兴阶段。该阶段的标志之一是美国加卅【理工学院的生物物理学 家j jh o p f i e l d 于1 9 8 2 年所提出的一种新型神经网络模型h o p n e l d 神经网 络模型。该神经网络被成功地用于解决一个著名的组合优化问题旅行商问 题，使其引起了全世界相关领域研究人员的广泛关注；1 9 8 4 年h o p f i e l d 又提m 了网络模型实现的电了线路，为神经网络的工程实现指明了方向。h o p f i e l d 的 研究成果开拓了神经网络用于联想记忆和优化计算的新途径，并为神经计算机 的研究奠定了基础。1 9 8 4 年h i n t o n 等人将模拟退火算法引入到神经网络中，提 出了b o l t z m a n n 机( b m ) 网络模型。b m 网络算法为神经网络忧化计算跳出局 部极小提供了一个有效的方法。该阶段的另一重要成果是1 9 8 6 年d e 北京工业大学工学硕士学位论文 r u m e l h a r t 和j lm c c l e l l a n d 等人所在的p d p ( 并行分布处理) 研究小组所提 出的多层前馈网络( m f n n ，m u l t i l a y e r f e e d f o r w a r d n e u r a l n e t w o r k ) 的误差反 向传播( e b p ，e r r o r b a c kp r o p a g a t i o n ) 学习算法。该算法解决了在多层神经网 络学习训练过程中，中间隐含层各连接权重的调节方法问题，从而突破了 m i n s k y 等人所持悲观论点的前提条件，至今仍得到广泛的应用。 高潮期 自h o p f i e l d 神经网络模型和b p 算法提出之后，很快掀起了人工神经网络 研究的全球性热潮。在此期间，各种神经网络模型相继提出，其中著名的有： 1 9 8 7 年美国神经计算机专家r h e c h t n i e l s e n 提出的对向传播( c o u n t e r p r o p a g a t i o n ) 神经网络，1 9 8 8 年美国加州大学的l o c h u a 提出的细胞神经网络 ( c n n ) 模型及j ，m o o d y 和c d a r k e n 于1 9 8 9 年提出的径向基函数( r b f ) 神 经网络等。自第一个人工神经网络感知机出现以来，提出的神经网络已有数十 种之多，均得到不同程度的发展和应用。 现在，人工神经网络的研究正在转入高潮期的快速稳定发展阶段。随着理 论研究工作的进展，美国、日本等国在神经网络计算机硬件实现的开发方面也 取得了显著的成绩，并逐步形成产品，其应用已很快渗透到计算机图像处理、 语音处理、优化计算、智能控制“”1 等领域。从人t - 神经网络在众多领域所取 得的丰硕成果看，其发展具有强大的生命力。但其在理论研究上还需进一步深 入，开发新的网络数理理论：在应用研究方面，还需进一步进行其软件模拟和 硬件实现的研究，并迅速扩展其应用领域，以取得更广泛的成果。 2 2 2 人工神经网络模型“9