基于改进LS-SVR的冷带轧机板形智能控制研究

• 作 者: 张少宇
• 出 处: 燕山大学
• 发表日期: 2012年期
• 关键词: 板形 多输出最小二乘支持向量回归机 模式识别 影响矩阵 预测控制

板带钢是主要的钢材产品之一，广泛应用于汽车制造、食品包装等行业，对国民经济发展有着举足轻重的影响。随着科技的进步，用户对板带钢质量的要求越来越高。板形是带钢的重要质量指标，也是轧制领域研究的热点。近年来，人工智能方法以其在建模和控制方面的优势，在工业过程研究中得到了广泛的应用。本文选择基于改进最小二乘支持向量回归机(LS-SVR)的冷带轧机板形智能控制为研究课题，分析了现有板形智能控制方法的优缺点，重点研究了LS-SVR算法的改进，并利用它对板形控制系统进行了深入的研究。首先，针对标准LS-SVR算法只适用于单输出系统回归估计，而工业过程多为多输出系统的问题，提出了一种多输出最小二乘支持向量回归机(MLSSVR)新算法，该算法秉承结构风险最小化原则，具有良好的泛化性能；针对MLSSVR超参数难以确定的问题，提出了一种基于粒子群算法的超参数优化方法，该方法不仅运算速度快，而且搜索能力强。板形模式识别是板形控制的关键。考虑到板形精确控制的要求，采用一次、二次、三次和四次勒让德正交多项式表示板形的基本模式；并采用MLSSVR方法建立识别模型。研究结果表明，该方法可以有效确定板形缺陷的类型和含量，识别精度高，泛化能力强。板形预测模型是板形控制系统设计的重要基础。为提高板形预测模型的准确性，以生产实测数据为基础，建立了基于MLSSVR的板形预测模型。仿真实验表明，MLSSVR板形预测模型具有预测精度高，鲁棒性强的优点。最后，综合分析了影响矩阵控制方法和预测控制方法的特点，取长补短，提出了一种板形影响矩阵-预测控制方法。将该方法应用于某900HC可逆冷轧机进行仿真实验，结果表明，该方法较影响矩阵控制方法有更好的控制效果，是一种有效的板形控制方法。