RBF神经网络预报模型在中厚板层流冷却控制中的应用

• 作 者: 郭心如
• 出 处: 东北大学
• 发表日期: 2010年01期
• 关键词: 中厚板 层流冷却控制系统 换热系数 RBF神经网络 MATLAB仿真预报

本文以国内某中厚板厂层流冷却项目为背景,对其层流冷却控制系统进行研究。为提高钢板的质量和产量,控制冷却系统采用基础自动化和过程自动化联合控制；为了进一步提高过程自动化系统的控制精度,本文建立了水冷换热系数自学习系数的RBF神经网络预报模型,并使之与数学模型相结合来优化层流冷却控制模型。仿真结果表明终冷温度控制精度得到了明显改善。本文的主要研究内容和主要成果如下：1)在对该厂层流冷却系统和主要设备进行了详细介绍的基础上,结合生产现场调试的过程,对层流冷却基础自动化系统中的冷却水流量控制、钢板微跟踪、冷却水顺序开闭、联锁控制、数据采集、处理及交换等核心功能进行了程序设计和实现。2)对过程自动化控制系统的主要模型预设定、修正设定和自学习的计算过程进行了研究；通过分析现场控制结果可知,层流冷却控制系统基本能够满足终冷温度控制的精度要求。3)为了进一步提高中厚板终冷温度的控制精度,本文对RBF神经网络工作原理、学习过程进行了学习和研究,建立了水冷换热系数自学习系数的RBF神经网络预报模型来提高控制系统的精度。4)利用MATLAB仿真程序对水冷换热系数自学习系数RBF神经网络预报模型进行了离线训练和测试；结果表明RBF神经网络自学习模型具有较高的训练精度,预报的自学习系数相比于平滑指数法计算结果调整幅度较小。5)根据RBF网络及中厚板控制冷却系统自身特点,提出在线应用方案,将RBF神经网络预报的自学习系数与水冷换热系数模型相结合,用于中厚板层流冷却控制系统终冷温度计算,仿真结果表明采用RBF神经网络与数学模型相结合能够进一步提高中厚板终冷温度的控制精度。