薄板连轧板形控制研究

【摘要】：随着现代工业的不断发展和进步，对板材质量的要求也越来越高，而板形模式识别和控制是提高板材质量的关键技术之一，因此成为冷轧控制研究的热点问题。另外，由于人工神经网络在建立模型中有许多优点，在近几年的研究中被广泛的应用在板形模式辨识和控制中。本文以某薄板厂的六辊五机架CVC冷连轧机为研究对象，以实现板形精确自动控制为目的，建立了基于BP(Error BackPropagation)神经网络的板形缺陷模式识别模型和板形预测模型。 首先，阐述了轧机、板形的相关知识，以及板形控制的基本方法和策略。重点分析了板形的测量装置以及测量的相关理论。 其次，针对传统数学方法在辨识板形缺陷模式中的不足，以常见板形缺陷模式为依据，利用人工神经网络在建模和系统辨识方面的优点，建立了基于BP神经网络的板形缺陷辨识模型，并利用matlab7.0中的GUI(Graphical User Interfaces)神经网络工具箱建立了该模型。模型的输入为测量辊的52测量值和它们平均值的偏差，输出为四次板形曲线的各项系数，这些系数可以直接参与到板形的控制中。 最后，板形控制受多个非线性变量的影响，用传统的方法很难达到精确控制。为了实现板形的精确控制，本文根据板形的影响因素和现场所能采集到的数据量，建立了基于BP神经网络的板形预测模型，通过该模型可以给出有效的板形控制执行机构设定值。对网络进行了训练和仿真后，结果在误差允许范围之内。 通过建立上述两个模型，可以有效的辨识和预测板形，为板形的精确控制提供了条件。