论文部分内容阅读
板形是衡量冷轧带钢质量的重要指标之一,其影响因素较多,相关规律较复杂。液压弯辊系统作为板形控制的主要手段之一,其控制性能的好坏对板形的控制质量有着直接的影响。本文以液压弯辊系统中连接伺服阀与液压缸之间的管道为研究对象,旨在分析研究管道部分参数变化对弯辊系统的影响和选出适合弯辊系统的串联分支管道网络,此外由于弯辊系统是一种非线性、多扰动的伺服系统,传统PID控制方法难以满足其控制精度的要求,为此本文设计一种智能PID控制,以提高弯辊系统的动态性能。首先,参考前人关于管道动态特性的研究成果,采用管道分布参数模型与集中模型相结合的方法对轧机弯辊系统的串联分支管道网络进行研究分析。建立了包括管道部分在内的较为全面的弯辊控制系统的各元件的数学模型,为以后的利用MATLAB仿真分析打下了基础。通过仿真分析得出了管道部分参数变化对弯辊系统的影响,选择出适合弯辊系统的串联分支管道网络。其次,考虑到弯辊系统中含有很多非线性、时变性等不稳定因素,设计了一种基于BP算法的多神经元输出神经网络PID控制器。通过神经网络对PID的三个控制参数进行调节以达到对弯辊系统的最佳控制效果。通过利用MATLAB仿真,对比多神经元输出神经网络PID、单神经元输出神经网络PID和传统PID的控制效果。最后,通过对本校轧机实验室的300 mm四辊可逆冷轧机的弯辊系统(正弯部分)中的管道网络进行实验,即改变橡胶管道的通径、管长和PID控制算法,进行实验,所得的结果和仿真分析的结果基本符合。说明仿真模型是正确的,同时也说明所改进的神经网络PID控制算法较之单输出的神经网络PID和传统PID控制精度更高,所达到的控制效果更好。