分析了板材轧制控制过程,给出了板厚板形综合系统(AGC-AFC)反馈闭环控制的数学模型;对AGC-AFC系统进行了解耦;引进Smith预估器补偿系统延迟环节的影响;最后采用PID方法实现对AGC-AFC系统的控制.仿真实验结果显示了上述方法的有效性

提出一种自适应神经元网络的方法,对板形板厚综合系统进行了仿真研究,该控制方法,适合处理多输入输出问题,并具有自组织、自适应和自学习能力,仿真结果表明,该方法的效果比采用传统的PID控制优越,可应用于实际控制

根据多年的生产实践总结、理论分析以及基于有限元方法的数值仿真,从板形控制实绩、操作维护经验、板形调控功效、板形控制能力与特性和板形控制策略与模型等方面,对CVC4技术和DSR技术作出了评价和比较,以便有助于认识和选用此2项板形技术

• 导读：建筑物放样前，需在现场布设统一的 平面和高程控制网。 • 平面控制网布设形式有：导线网、建筑基线 和建筑方格网。 • 高程控制网布设形式为：闭合水准路线、附 合水准路线和结点水准网

为拓展混沌控制与混沌同步在保密通信等领域方面的应用,通过对一类n维不稳定线性系统添加非连续状态反馈控制项,实现了不连续三状态线性反馈系统混沌反控制,并对这一类高维耦合混沌系统的动力学性质进行了理论分析,给出了定理和证明.然后分别给出了具有特殊形式的系统和一般系统的例子,计算机数值模拟及计算Lyapunov指数验证这样构造的高维系统确实存在混沌

将BP神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于BP神经网络的板形预测控制数学模型.经用宝钢1420mm冷轧实测数据仿真验证表明该模型具有很高的预测精度

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

为了抑制机电振动,保证对干扰有良好的动态抑制作用且无静态扰动误差,针对轧机主传动系统,建立了基于模型匹配二自由度系统的状态空间模型,并将轧机主传动系统机电振动控制设计问题归结为标准的H∞控制问题；用线性矩阵不等式法得到输出反馈H∞控制器,以保证系统的鲁棒性．仿真研究结果表明,该方法有效改善了轧机主传动系统的跟踪性能,抑制了系统的机电振动现象,同时减小了轧制负荷扰动引起的动态速降．

基于数值模拟和人工神经网络模型以及对智能控制工艺过程的适当简化,为拉伸样模型的注射过程建立了一套智能化控制仿真系统.研究表明,该系统能够根据样品对性能的要求(如密度分布),自动进行注射工艺参数的优化.采用优化后的注射工艺参数重新进行注射过程模拟计算后,发现注射坯密度分布的均匀性较调整前有显著提高,基本符合预期的密度要求,证明智能化控制仿真系统可行

由于基于频域的经典小波变换运算时间较长,不能很好地满足轧辊偏心信号在线实时控制的要求,提出了用提升结构小波变换对偏心信号进行不同分辨率下分解处理的新方法.通过对轧制力信号和厚差信号的分析,利用提升和对偶提升原理将偏心信号从干扰信号和噪声信号中提取出来并通过参数自校正控制实现对轧辊偏心的在线动态控制.仿真结果表明,该方法获得了比较理想的效果,并且在同样数据长度下,提升小波变换运算速度比经典小波变换至少提高1倍以上