论文部分内容阅读
连铸二冷控制是保证铸坯质量的关键技术之一。现在普遍在连铸二冷控制中使用的基于传热模型的动态控制系统存在实时性不高、计算水量波动大、消耗大等问题。因此研究获得铸坯表面温度的有效方法，从而改进连铸二冷段控制的效率有重要意义。另一方面，通过二次冷却段的铸坯表面通常覆盖有大量的水雾、水膜以及氧化铁皮。这些杂质的存在造成的非线性噪声干扰了外界测量，使人们无法得到准确的温度检测信号。
神经网络具有学习能力，并具有在理论上无限逼近非线性函数的能力，十分适于处理非线性问题。而模糊系统基于模糊逻辑，可以有效地处理具有近似特性的问题。两者结合，可使模糊逻辑系统综合神经网络的自学习和自整定功能，具有显著的优越性。
本文分析了板坯连铸二冷段的信号特征，利用智能算法分别建立了基于BP网络、径向基网络的滤波器和基于T-S模型的自适应神经模糊推理系统(ANFIS)去噪滤波器，并提出了应用基于批处理的学习率可变动量BP算法以提高BP网络滤波器的收敛速度。随后模拟现场的强非线性环境，对三种智能算法滤波器的滤波效能进行了测试。实验证明，BP网络和径向基网络滤波器在除噪时准确率较高，信号还原度较好。而ANFIS滤波器具有收敛时间短，非线性运算能力强的优点，在复杂非线性噪声的滤除上具有比BP网络和径向基网络更加强大的性能。特别是在训练时间上，ANFIS滤波器所具有的速度优势，有利于与实时反馈控制系统结合，提高系统性能。
本文探讨了实现软件滤波器的方法以及其他可以提高测量精度的途径。综合这些手段，可以有效实现铸坯表面的温度测量，为实现板坯连铸二冷控制系统的闭环控制，进而提高铸坯质量及其生产效率，提供了有益的经验。