基于软测量的铝电磁铸轧过程控制系统研究

被引:0
作者
任青松
机构
[1] 中南大学
关键词
电磁铸轧; 软测量; RBF神经网络; 动态最近邻聚类算法; 模糊控制;
D O I
暂无
年度学位
2007
学位类型
硕士
摘要
铝电磁铸轧是一种绿色无污染且高效的铝带坯生产高新技术。铸轧铝带坯质量受到多种因素的影响,其主要检测方法是通过金相分析来确定铝带坯的晶粒度等级,但金相分析难以实现在线检测,只能通过人为离线分析得出。论文针对电磁铸轧铝板特性参数难以在线检测的难题,进行基于软测量的铝电磁铸轧技术的研究。利用软测量方法建立铸轧铝板晶粒度测量仪表,使用在线软仪表代替离线金相分析手段,从而解决整体集中控制的困难。 论文的主要内容分为三个方面:电磁铸轧系统影响因素分析、软测量建模方法及其在铝电磁铸轧中的实现和系统过程控制方案的实现。在现有铸轧系统上,深入分析电磁和铸轧两方面的机理,找出影响铸轧铝带坯质量的主要因素。鉴于电磁铸轧机理的复杂性,利用径向基函数(RBF)神经网络建立软测量模型。使用动态最近邻聚类算法确定模型的隐含层中心数目、位置和半径,实现模型的在线自学习。利用迭代最小二乘法确定模型输出层线性权值,渐消记忆迭代最小二乘法实现局部修正模型。针对电磁铸轧系统具有复杂的非线性,适应能力较差的缺点,本文提出基于软测量的铝电磁铸轧模糊控制策略,建立了电磁铸轧模糊控制模型。通过模糊控制器调节优化软测量模型输出,再设置数字变频器的电流参数,进而实现整体优化控制的目的。 仿真结果表明,本文建立的软测量模型具有良好的逼近和拟合能力;基于软测量的铝电磁铸过程控制系统方案,可用于对现有铸轧系统的改造。本控制方案有助于提高铸轧铝板质量和生产效率,为铝电磁铸轧下一步开发提供了新的思路。
引用
收藏
页数:85
共 47 条
[1]
电磁场作用下铝合金凝固理论基础研究 [D]. 
班春燕 .
东北大学,
2002
[2]
Soft sensors for on-line biomass measurements.[J].Lei Zhi Chen;Sing Kiong Nguang;Xue Mei Li;Xiao Dong Chen.Bioprocess and Biosystems Engineering.2004, 3
[3]
A projection pursuit approach to variable selection [J].
Montanari, A ;
Lizzani, L .
COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2001, 35 (04) :463-473
[4]
Variable selection using neural-network models.[J].Giovanna Castellano;Anna Maria Fanelli.Neurocomputing.2000, 1
[5]
An empirical comparison of four initialization methods for the K-Means algorithm [J].
Peña, JM ;
Lozano, JA ;
Larrañaga, P .
PATTERN RECOGNITION LETTERS, 1999, 20 (10) :1027-1040
[6]
RBFNN软测量的嵌入式系统仿真与实现 [J].
王亮 ;
邵惠鹤 .
控制工程, 2006, (06) :536-539
[7]
基于均值-标准差的K均值初始聚类中心选取算法 [J].
张文君 ;
顾行发 ;
陈良富 ;
余涛 ;
许华 .
遥感学报, 2006, (05) :715-721
[8]
确定RBF神经网络参数的新方法 [J].
邓继雄 ;
李志舜 ;
梁红 .
微处理机, 2006, (04) :48-49+52
[9]
基于动态最近邻聚类算法的RBF神经网络及其在MH-Ni电池容量预测中的应用 [J].
张秀玲 ;
宋建军 .
电工技术学报, 2005, (11) :84-87
[10]
Adaptive Fuzzy Control for CVT Vehicle [J].
方志强 ;
王红岩 ;
王良曦 .
Journal of Beijing Institute of Technology(English Edition), 2005, (03) :344-348