论文部分内容阅读
厚度自动控制(AGC)是铝带生产中质量控制的一个关键，本文以重庆万江铝材有限公司的单机架铝带冷轧机为研究对象，针对该轧机在薄带材轧制过程中的张力式厚度自动控制系统精度不高和测厚仪检测带材的出口厚度存在时间滞后问题进行了全面系统的研究，做了如下工作：
1、根据生产中的实际数据，运用径向基函数神经网络、泛化回归径向基函数神经网络和模糊神经网络分别建立了带材出口厚度变化和张力变化关系的神经元网络模型，并进行了仿真研究，结果表明所建模型能较好的近似被控对象的输入输出特性。
2、分别建立了基于泛化回归径向基函数神经网络和模糊神经网络的张力式厚度内模控制模型。内模控制主要利用被控对象的模型和模型的逆构成控制系统，是一种基于过程模型进行控制器设计的新型控制策略。仿真结果表明，将该模型用于张力式厚度自动控制中，能提高带材的厚度控制精度。
3、建立了基于径向基函数神经网络整定PID参数的张力式厚度控制模型。将径向基函数神经网络与传统PID控制相结合，利用神经网络来在线整定PID控制器的参数，可以增加系统的鲁棒性，实现高性能的控制。
4、针对系统存在的滞后问题，选用Smith预估控制算法，结合所建立的径向基函数神经网络整定PID参数的张力式厚度控制模型进行仿真研究，结果表明，Smith预估控制算法能较好的解决系统的滞后问题。