第5卷第1期 智能系统学报 Vol.5 No.1 2010年2月 CAAI Transactions on Intelligent Systems Feh.2010 doi:10.3969/i.issn.1673-4785.2010.01.012 RBF神经网络的板形预测控制 张秀玲12，陈丽杰12，逢宗朋12，朱春颗2，贾春玉12 (1.燕山大学电气工程学院，河北秦皇岛066004；2.燕山大学工业计算机控制工程河北省重点实验室，河北秦皇 岛066004) 摘要：由于板带轧制的环境十分复杂，如温度的变化是无法避免的干扰，以及HC轧机液压弯辊系统的非线性和不 确定性，使得按传统理论建立的模型和控制方法都难以达到理想的效果.针对这一问题，提出了一种基于径向基函 数(BF)神经网络的模型预测控制方案应用于带材控制中，以提高带材的成材率，充分发挥液压弯辊力对板形的调 整作用，改善轧机系统的动态特性.仿真结果表明了该控制系统的性能良好，有较强的抗干扰能力和较好的鲁棒性 和快速性. 关键词：板形控制：HC轧机：液压弯辊控制；RBF神经网络：预测控制 中图分类号：TP18文献标识码：A文章编号：16734785(2010)010070-04 A predictive system for process control of flatness in rolling mills using a radial basis function network ZHANG Xiu-ling2,CHEN Li-jie2,PANG Zong-peng',ZHU Chun-ying2,JIA Chun-yu (1.College of Electrical Engineering,Yanshan University,Qinhuangdao 066004,China;2.Key Lab of Industrial Computer Control Engineering of Hebei Province,Yanshan University,Qinhuangdao 066004,China) Abstract:When plate and strip rolling is done in very complex environments,such as high crown (HC)rolling mills,there are many factors that make system control difficult.Factors affecting the flatness of steel sheets include temperature changes as well as non-linearities that lead to uncertainty about results from bending roller forces.A novel predictive control program was proposed,one employing a radial basis function (RBF)neural network.It en- sures flatness by controlling the bending forces of rollers.Simulation results confirmed this scheme has good per- formance and robustness. Keywords:shape control:HC-mill;hydraulic control of bending rollers;RBF neural network;predictive control 板形是衡量冷轧板带产品质量的重要指标之程有较大的偏差且对实际轧制的状态的变化缺乏适 一.随着仪表、电器、汽车及轻工业的发展，对板带板应能力.因此，传统的板形模型不能完全适应在线控 形的要求也日趋严格.因此板形控制日益成为钢铁 制的要求，导致雅以进一步提高板形控制系统的控 企业面临的重要课题.板形控制(AFC)技术是现代 制性能.近年来，利用神经网络对非线性系统进行控 板带轧制过程中的关键技术，而液压弯辊是AF℃系 制，已成为了预测控制的研究特点之一.这种方 统的最基本环节，因此，在板形控制系统中，首先解 法对于难于精确建模的一般非线性系统具有良好的 决的是液压弯辊力的控制问题.HC轧机液压弯辊 控制效果.本文就是利用RBF神经网络(RBFNN) 控制系统的控制过程参数变化大，是典型的非线性 的拟合性来实现模型的预测，然后利用网络控制器 过程.它的数学模型具有很强的时变性和不确定性， (NNC)实现基于模型的板形预测控制.仿真结果表 并且板形检测带来的纯滞后问题对板形控制系统控 明，该方法具有较好的跟踪目标信号的能力，并且在 制品质有很大的影响.目前的板形控制系统基本上 有扰动的情况下，表现出了较好的鲁棒性. 都是采用传统的数学模型，这种模型在实际轧制过 1RBF网络简介 收稿日期：2008-10-06 基金项目：国家自然科学基金资助项目(50675186). 径向基函数(radial basis function,RBF)神经网 通信作者：张秀玲.E-mail:ysu@yahoo..com.cn. 络[21的主要功能在于能以任意精度逼近任意连续