| 【中文题名】 | 冷连轧张力神经网络预测控制系统的研究 |
| 【英文题名】 | Study on System of Cold Tandem Rolling Tension using Neural Network and Predictive Control |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2001-9-12 |
| 【中关键词】 | 冷连轧机,张力控制系统：预测控制,神经网络：变参数性：实时性,,, |
| 【英关键词】 | cold tandem rolling,tension control system,predictive control, neural network,changing parameter,real time, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文在参阅国内外大量相关文献的基础上，分析了冷连轧机张力控制系统
的数学模型和总体控制结构，研究了广义预测控制理论及其设计方法。针对广
义预测控制在冷连轧张力控制中受到的实时性限制，推导出一种广义预测控制
快速算法，给出Diophantine方程的求解公式及详细的证明过程，该算法避免了
Diophanine方程的在线递推求解，减小了预测控制算法的部分计算量。针对张
力形成环节的变参数性，本文提出神经网络预测控制的思想，其实质是利用作
为对象辨识模型的神经网络产生预测信号，用优化算法求出控制律，从而实现
对变参数系统的预测控制。神经网络选为具有良好的函数逼近功能的BP网络
和径向基函数神经网络，首先对被控对象进行离线辨识，辨识模型达到一定精
度后，在线递推得到预测模型，最后通过极小化性能指标函数得到最优控制律。
该算法不仅提高了模型辨识的精度，而且避免了Diophantine方程的在线求解，
并将复杂的大矩阵求逆问题简化为简单的对角阵求逆，大大减小了控制器的运
算负荷，有利于广义预测控制在冷连轧这样快速系统中的应用，进一步拓... |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
英文摘要 |
4-7 |
|
第1章 绪论 |
7-12 |
|
1．1 选题的意义及背景 |
7-8 |
|
1．2 预测控制的现状及问题 |
8-9 |
|
1．3 神经网络的优点 |
9-10 |
|
1．4 神经网络在轧制领域应用的国内外现状 |
10-11 |
|
1．5 本课题的主要工作 |
11-12 |
|
第2章 张力的数学模型及控制策略 |
12-22 |
|
2．1 四机架冷连轧机工艺过程简介 |
12 |
|
2．2 张力的作用及数学模型的推导 |
12-17 |
|
2．2．1 张力的作用 |
12-14 |
|
2．2．2 张力数学模型的推导 |
14-17 |
|
2．3 张力的控制策略及控制方案 |
17-21 |
|
2．3．1 张力的控制策略 |
17-19 |
|
2．3．2 张力的预测控制方案 |
19-21 |
|
2．4 本章小结 |
21-22 |
|
第3章 张力的广义预测控制及快速算法研究 |
22-45 |
|
3．1 预测控策概述 |
22-23 |
|
3．2 标准广义预测控制算法 |
23-34 |
|
3．2．1 多步输出预测及Diophantine方程的递推解 |
24-29 |
|
3．2．2 最优控制律计算 |
29-31 |
|
3．2．3 GPC的内模控制结构 |
31-34 |
|
3．2．4 闭环系统的稳态偏差特性 |
34 |
|
3．3 广义预测控制的快速算法 |
34-42 |
|
3．3．1 广义预测控制的扩展和解释 |
35-37 |
|
3．3．2 Diophantine方程的求解公式及证明 |
37-42 |
|
3．4 张力广义预测控制的仿真研究 |
42-44 |
|
3．5 本章小结 |
44-45 |
|
第4章 张力的神经网络预测控制研究 |
45-74 |
|
4．1 神经网络基础 |
45-58 |
|
4．1．1 神经网络简介 |
45-46 |
|
4．1．2 BP神经网络 |
46-52 |
|
4．1．3 RBF神经网络 |
52-58 |
|
4．2 神经网络预测控制 |
58-64 |
|
4．2．1 神经网络预测控制的一般结构 |
58-59 |
|
4．2．2 神经网络预测模型 |
59-62 |
|
4．2．3 神经网络广义预测控制律计算 |
62-64 |
|
4．3 仿真研究 |
64-73 |
|
4．3．1 张力的神经网络离线辨识 |
64-69 |
|
4．3．2 张力的神经网络广义预测控制 |
69-73 |
|
4．4 本章小结 |
73-74 |
|
第5章 神经网络广义预测极点配置控制 |
74-86 |
|
5．1 概述 |
74 |
|
5．2 Hopfield神经网络 |
74-78 |
|
5．2．1 网络模型 |
75-77 |
|
5．2．2 网络的稳定性分析 |
77-78 |
|
5．3 基于神经网络的广义预测极点配置控制 |
78-85 |
|
5．3．1 基于CARIMA模型的广义预测控制器 |
79-80 |
|
5．3．2 闭环输出方程及闭环极点配置 |
80-82 |
|
5．3．3 基于Hopfield神经网络的广义预测极点配置控制 |
82-85 |
|
5．4 本章小结 |
85-86 |
|
结论 |
86-87 |
|
参考文献 |
87-90 |
|
攻读硕士学位期间所发表的论文 |
90-91 |
|
致谢 |
91 |
|
| 【DOI】 | LunWen.ID:2.2008.386418 |
