冷带轧机板形模式识别及板形自适应控制研究

声明

第1 章绪 论

1.1 课题背景和意义

1.2 冷轧板形的概念及调控手段

1.2.1 冷带轧机板形的概念以及板形I和张应力的关系

1.2.2 冷带轧机板形常用的调控手段

1.3 冷带轧机液压伺服系统控制研究现状

1.4 冷带轧机板形板厚解耦控制研究现状

1.5 冷带轧机板形模式识别及控制研究现状

1.5.1 冷带轧机板形模式识别研究现状

1.5.2 冷带轧机板形控制研究现状

1.6 本文的主要研究内容

第2 章冷带轧机板形控制系统总体结构及主要子系统建模

2.1 引言

2.2 板形控制系统总体组成

2.3 冷带轧机液压伺服位置系统模型

2.3.1 轧机液压伺服位置系统动态特性

2.3.2 轧机液压伺服位置系统的状态空间模型

2.4 板形板厚耦合系统的数学模型

2.5 基于板形模式识别的板形控制模型

2.5.1 板形模式识别模型

2.5.2 板形影响矩阵模型

2.6 本章小结

第3章 冷带轧机液压伺服位置系统非奇异终端滑模控制

3.1 引言

3.2 基于改进扩张状态观测器的非奇异终端滑模控器设计

3.2.1 扩张状态观测器的设计

3.2.2 轧机液压伺服位置系统控制器设计

3.2.3 液压伺服位置跟踪控制系统仿真研究

3.3 基于模糊自适应观测器的非奇异快速终端滑模控器设计

3.3.1 非奇异终端快速滑模控制器设计

3.3.2 模糊自适应观测器设计

3.3.3 液压伺服位置跟踪控制系统仿真研究

3.4 本章小结

第4章 基于卷积神经网络的冷带轧机板形板厚解耦预测控制研究

4.1 引言

4.2 基于卷积神经网络的板形板厚解耦器设计

4.2.1 动态过程卷积神经网络算法

4.2.2 基于卷积神经网络的板形板厚解耦器设计

4.3 冷带轧机板形板厚预测控制器设计

4.4 基于卷积神经网络的板形板厚解耦及预测控制系统仿真实验

4.4.1 板形板厚卷积神经网络训练及解耦测试

4.4.2 板形板厚CNN解耦控制效果与RBF解耦控制效果的比较

4.4.3 板形板厚解耦预测控制与传统PID 控制的比较

4.5 本章小结

第5章 基于核极限学习机的冷带轧机板形模式识别研究

5.1 引言

5.2 板形的标准模式

5.3 基于粒子群优化算法的核极限学习机板形模式识别研究

5.3.1 基于极限学习机的板形模式识别研究

5.3.2 基于核极限学习机的板形模式识别研究

5.3.3 粒子群优化算法优化核极限学习机策略

5.4 基于PSO-KELM 的仿真研究及基于工程实际数据的测试

5.4.1 基于测试函数的仿真研究

5.4.2 基于板形仪实测数据的测试

5.5 本章小结

第6章冷带轧机板形闭环自适应控制器设计及仿真实验研究

6.1 引言

6.2 基于板形模式识别的板形闭环自适应控制器设计

6.2.1 系统总体结构及板形系统影响矩阵一次完成最小二乘辨识

6.2.2 基于板形模式识别的影响矩阵在线辨识及板形自适应控制器设计

6.3 基于现场数据的板形闭环控制系统离线仿真研究

6.3.1 基于CNN网络的冷带轧机实际板形系统仿真模型建立及验证

6.3.2 基于现场数据的板形闭环自适应控制系统离线仿真验证

6.4 基于CNN板形模型的板形自适应控制仿真平台建立及在线仿真实验

6.4.1 板形自适应控制在线仿真平台建立

6.4.2 基于CNN模型的板形自适应控制在线仿真及与现场控制效果比较

6.5 本章小结

结 论

参考文献

攻读博士学位期间承担的科研任务与主要成果

致谢