冷軋板形智能控制策略的研究.pdf

1、本文以人工智能理論為基礎(chǔ)，對板形模式識別、板形預(yù)測和基于神經(jīng)網(wǎng)絡(luò)的板形智能控制策略進行了深入的研究，取得了一定的成果。 首先，采用粒子群優(yōu)化(PSO)算法和BP(back-propagation)算法混合優(yōu)化策略訓(xùn)練神經(jīng)網(wǎng)絡(luò)，即利用PSO算法全局搜索初始化網(wǎng)絡(luò)權(quán)值，然后用BP算法優(yōu)化，建立PSO-BP網(wǎng)絡(luò)；其次，利用勒讓德正交多項式建立了6種板形缺陷基本模式，基于PSO-BP網(wǎng)絡(luò)設(shè)計了板形模式識別模型；然后，針對板形控制系統(tǒng)的非

2、線性特點，應(yīng)用PSO-BP網(wǎng)絡(luò)建立了板形預(yù)測模型，探索了一種非解析原理的板形建模方法；最后，基于板形的模式識別結(jié)果，利用軋機的效應(yīng)矩陣，建立了基于PSO-BP網(wǎng)絡(luò)的板形智能控制模型。 對實測數(shù)據(jù)進行了仿真實驗，結(jié)果表明PSO-BP網(wǎng)絡(luò)可以準(zhǔn)確地識別出板形的特征參數(shù)，識別精度較高；板形控制器可以快速地將板形偏差控制在±3I之內(nèi)，達到了控制目標(biāo)，控制性能良好。研究了板形模式識別、板形預(yù)測和板形智能控制等問題，不僅對板形控制理論的發(fā)展