论文部分内容阅读
随着我国航空航天事业的飞速发展,对高精度铝板带材的需求越来越高。而我国铝板带热精轧机设备相对落后,缺少板形控制手段。热轧铝板带的使用厚度越来越薄,为了降低成本提高效益,越来越多的场合直接使用热轧板材取代冷轧板；而且热轧铝板带板形差,易导致冷轧板带板形质量差。因此在铝合金板带热精轧过程中对板形进行控制具有非常重要的意义。而热轧铝板带板形控制可以通过控制横向厚度分布来实现。为了得到板形良好的热轧板带,本文针对某热连轧精轧机组出口横向厚度分布进行神经网络建模和智能控制研究。具体的研究工作如下：(1)采用完善后的影响函数法对某机架四辊轧机进行力学建模。在建立的影响函数模型的基础上,结合铝合金变形抗力模型,分析轧制力、弯辊力、轧辊凸度、轧辊直径、轧制速度、板带温度、入口以及出口设定厚度对板带横向厚度分布的影响大小,得出其中轧制力、弯辊力、板带温度、工作辊凸度对板带横向厚度分布影响较大。(2)以影响函数法确定的对横向厚度分布影响较大的因素作为BP网络的输入,建立了各单通道的BP网络预测模型,预测力作用时的横向厚度分布,再与工作辊的热凸度分布耦合,从而得到板带的横向厚度分布。将各单通道的BP网络预测模型的预测结果与实测的厚度分布作比较,神经网络预测模型的预测相对误差为1%。(3)以影响函数法确定的对横向厚度分布影响较大的因素作为BP网络的输入,建立了BP网络整体横向厚度分布的预测模型。采用遗传算法优化了网络的权值和阈值,缩短了网络的训练时间,提高了网络的收敛性能。将GA-BP网络模型的预测结果与实测的厚度分布作比较,GA-BP网络模型的预测相对误差为0.8%。(4)采用常规PID和模糊PID的控制策略,通过液压弯辊控制凸度的方式对热轧板形进行控制。仿真结果表明模糊PID与常规PID的响应速度差不多,但模糊PID控制的超调量比常规PID控制的超调量小,具有更好的控制效果,可以较好的克服液压弯辊系统参数的时变性和强非线性。未控制时板带板形与标准板形之间的误差达到了0.013mm,控制后板带板形与标准板形之间的误差在0.005mm以内。为热轧板形的控制提供了参考。