板形是板带轧制重要的质量指标,板形控制技术是现代高精度板带轧机的关键技术。板形识别与板形控制技术的智能化实现是现代板带轧机控制中的世界前沿性研究课题。 板形模式识别是板形控制的关键。本文在分析比较现有传统的板形模式识别方法和智能化板形模式识别方法的基础上,提出了一种新的智能化识别方法——模糊神经网络方法。该方法识别过程中克服了板宽变化时需要不同拓扑结构的神经网络才能完成识别任务、网络内部结构不明确、学习量大、收敛速度慢、易产生局部极小等性能不佳的问题,以勒让德多项式为板形基本模式,以模糊逻辑专家经验知识为支撑,首次建立了只有 3个输入信号、3 个输出信号的板形模式识别模糊神经网络模型。该模型不仅结构简单,而且网络内部各层节点的物理意义明确,识别速度快、精度高,为板形控制策略的制定提供了可靠的依据。 带钢轧制过程中带材的板形受弯辊力、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诸多因素的复杂影响,而这种影响关系具有较大的非线性特性,采用传统的数学建模工具来建立相对准确的,既能表达各参量之间的静态关系,又能准确描述其动态关系的表达式是非常困难的。因此,板形预测数学模型的建立具有相当难度,而且预测精度也不能满足板形在线控制的要求。本文利用 Elman 动态递归网络算法建立了冷带轧机板形预测模型,探索了一种非解析原理的板形建模方法,解决了复杂系统建模带来的诸多困难。 针对板带材轧制是一个复杂的非线性过程,板形控制又是多输入、多输出的一个多变量耦合系统等特点,本文提出了一种基于 PID 神经网络的冷轧板形解耦控制方法。基于实际轧制数据对整个板形智能控制系统进行仿真模拟。仿真结果表明,该方法具有良好的板形控制品质。 选择具有理论和工程实际意义的冷带轧机板形模式识别、预测和智能控制为研究课题,不仅对板形控制理论的发展有重要意义,而且对于板形