为了解决带有纯滞后的监控AGC系统的控制问题,提出了基于RBF神经网络的PID控制器与Smith预估器相结合的智能PID控制系统,并对传统监控AGC、应用Smith预估器的监控AGC及应用智能PID控制的监控AGC系统进行了仿真.结果表明,应用智能PID控制的监控AGC系统收敛速度明显加快,适应能力与鲁棒性比常规PID控制要好

考虑一类标称系统存在统一Lyapunov函数的线性不确定切换系统的鲁棒镇定问题,在不确定项满足一定限定条件下,利用完备性条件和统一Lyapunov函数方法,设计出鲁棒状态反馈控制器,使闭环系统仍然具有统一Lyapunov函数,从而在任意的切换策略下,确保闭环系统在其平衡点处是渐近稳定的.仿真结果表明所设计的控制器是有效的

冷连轧机动态规格变换时各机架的入口厚度一般变化较大,采用传统自适应控制的辨识算法的收敛速度不能跟随参数实际变化速度,控制效果不佳.针对这一问题,提出一种多模型自适应控制方法.通过对五机架冷连轧机进行仿真表明,多模型自适应FGC系统具有较好的控制精度、跟踪速度以及稳定性

对影响板形、板厚和张力的各种轧制因素进行了系统的理论分析,建立了冷连轧机综合耦合模型.针对耦合模型的特点提出分步解耦设计策略,相对于常规解耦设计可明显简化解耦过程,并给出各解耦环节的简化方案以利于实际工程应用.基于某1250mm八辊五机架冷连轧机第1机架的实际参数,采用Matlab/Simulink工具对简化后的分步解耦系统进行分析,仿真结果表明其可有效消除轧制过程中板形、板厚和张力控制之间的耦合影响关系

提出了一种基于相重构和主流形识别的非线性时间序列降噪方法.带噪的时间序列在高维的相空间中其本质特征隐含在一个低维的主流形中,利用局部切空间变换方法提取其主流形,再根据主流形对时间序列进行重构,就可以达到降噪的目的.与现有的非线性时间序列消噪算法不同,基于主流形的消噪算法更强调时间序列的整体结构.数值仿真分析的结果验证了该降噪方法能有效地消除非线性时间序列中的高斯白噪声

从宏观塑性变形的角度,通过对轧制过程中动量变化的分析,提出了板带轧制的力能分析的微分形式和积分形式,建立了轧制力和轧制力矩的理论公式.该公式摒弃了传统公式中采用过多的经验系数,清晰地揭示了轧制力、轧制力矩、金属屈服强度、摩擦因数等各变量之间的相互关系,使得咬入角、中性角等有关变量的物理意义进一步明确.最后通过对一次实际轧制过程的仿真计算初步验证了本文公式的正确性

给出了板形板厚综合控制模型,提出了基于TH神经网络的动态矩阵设计方法并分析了其收敛特性.使用不变性原理对板形板厚综系统进行了解耦设计,并对板形板厚解耦神经网络预测控制系统,进行了仿真研究.结果表明神经网络可在儿百ns的时间内达到稳定状态,不仅满足了轧钢过程的快速性要求,而且控制精度也得到了提高

以某钢厂连铸生产中的二冷水控制模型为研究重点．在分析工况和合理假设的基础上．按照传热学理论导出板坯传热微分方程,用数值计算方法求解微分方程,经回归处理后,得出不同工况下的配水控制模型．仿真实验与生产试验证明了模型是有效的,试验验证的16Mn钢控制模型参数可用于指导生产．

针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出了一种新的解决方案.方案中采用一种全局异步与精英策略相结合的信息素更新方式,同时合理减少蚁群算法被粒子群算法调用一次所需的迭代代数.对日本旭川垃圾场巡查机器人路径规划问题仿真求解的结果表明,与其他算法相比,该改进算法具有比较明显的速度优势

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型.在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数.长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性.离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高