基于RBF网络改进的厚度计AGC
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于RBF网络改进的厚度计AGC范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘 要】本文是对传统的厚度计式厚度控制系统的研究，针对其数学模型的不精确问题，提出了采用rbf神经网络的改进方法。使用RBF神经网络来代替数学模型模拟轧机的输入输出关系，克服一般数学模型的因为参数变化引起误差变大的困难。针对一般RBF神经网络计算复杂，难以在硬件实现的问题，本文采用动态自适应RBF网络，相对于其他RBF型网络结构简单，适于在TDC上实现。
1引言
新世纪以来，我国的经济水平开始了飞速的发展，而铝材产品作为各行各业的原材料，也是国民经济发展的重要组成部分。由于生产技术的不断发展，各用户部门对铝产品的尺寸精度尤其是厚度要求越来越高。因此，提高产品质量，不断运用新的技术提高铝材的产品质量，具有重大的现实意义[1]。厚度的精度是铝板带材乃至所有金属轧制行业的产品的最重要性能指标之一，提高厚度控制水平，减小厚度在轧制过程中波动是所有的板带材料轧制水平的重要衡量标准。现在主要的实现途径有两种，一种是提高模型的精度；另一种是提高实时控制系统的在线控制能力。针对模型精度提高的问题，本文提出了新的厚度控制的思想，主体依然是厚度计式AGC，但是轧制力的来源不是测量而是计算，通过对模型的仿真建立模型，以来料厚度、前后张力来对轧制力进行估计，这样就提高了精度，本文选用的动态自适应RBF网络可以自己设定需要的内部神经元个数，而且结构简单，适合在硬件上实现[2]。
2 RBF厚度计AGC仿真
轧制过程中实时的轧出厚度是测量不出来的，测厚仪测得的厚度有很大的滞后，用来控制的话就会产生很大的误差，而厚度计式 AGC 是利用现场测量到的各种数据如轧制压力、空载辊缝，通过弹跳方程来计算现在时刻的轧出厚度，使用这一厚度来进行控制[3]，这就解决了滞后的问题。这是一种间接的测量方法，这种方法把轧机作为了一个假设的厚度计，而其中C是通过测量得到的，不同的牌号、厚度、道次都是不同的，将计算得到的h与目标值hset做差，得到了厚度偏差δh，为了消除这个厚差δh，则辊缝调节量δS应为[4]：
式中：C―轧机刚度系数，kN/mm；
Q―轧件塑性系数，kN/mm。
数据的来源是曾经建立的轧机模型仿真得到的数据，利用精轧机入口厚度为7mm，精轧机出口设定为 4.2毫米一种规格的2000组数据，对3输入1 输出的RBF网络进行了训练（学习1200组）和仿真（测试800组）。将网络训练得到的两个数据c和w用于构建输出函数，组成控制网络并搭配其他附加模块可以建立起RBF厚度计式网络[5]。经过上述步骤，RBF厚度计式厚度控制的模型就搭建好了。
模型建立完成，首先使用测试数据测试网络达到需要的精度，将800组测试数据作为输入，观察轧机模型输出的出口厚度和网络计算的出口厚度图1所示
图1 RBF网络计算值与实际值比较图
从图中可以看出，网络模型计算值基本上拟和生产实际值，基本上反映了被控对象的输入输出特性，最大误差不超过2%，这是网络的计算值，用于控制系统的话误差还会进一步加大，下面是进行出口厚度控制的仿真。
以建立好的轧机模型为被控对象，假设来料厚度和张力的变化，当来料厚度有随机变化时，检测AGC对其控制的性能，在来料中加入幅值为0.1mm的随机波动，同时在前后张力的输入中也加入波动，可以得到控制仿真如图2所示：
图2 RBF厚度控制时厚度波动图
可见，对于来料厚度幅值为0.1mm的随机波动，控制可以实现将厚度的误差控制在13um以内。RBF厚度计式控制对于厚度的控制具有较好的效果，但是上述仿真过程是在理想状态下进行的，即系统轧制过程没有受到环境因素和各种干扰的影响。
3 结语
本文以某铝厂的单机架铝带冷轧机为研究对象，根据现场采集的生产数据和理论模型，建立了数学模型和BP网络相结合的轧机的模型，分别建立流量厚度控制和厚度计式厚度控制的传统模型，提出了使用RBF网络代替轧制力测量，以此来计算厚度，精度有一定的提高。
参考文献：
[1]徐帮学，杨佐伟.铝与铝合金产品国内外最新标准及其工程应用技术全书[M].北京：银像声音出版社，1995，9：43-50.
[2]刘静安.浅谈中国铝及铝合金材料产业现状与发展战略[J].铝加工，2006.
[3]赵志业.金属塑性变形与轧制理论[M].北京：冶金工业出版社，1982：151-157.
[4]韩严斌.厚度控制系统在可逆冷轧机上的应用研究[D].武汉科技大学硕士论文，2005，5.
[5]李天军.RBF神经网络及其在锅炉过热汽温控制中的应用[D].哈尔滨工业大学，2007.