RBF神经网络的板形预测控制

摘要：

由于板带轧制的环境十分复杂,如温度的变化是无法避免的干扰,以及HC轧机液压弯辊系统的非线性和不确定性,使得按传统理论建立的模型和控制方法都难以达到理想的效果.针对这一问题,提出了一种基于径向基函数(RBF)神经网络的模型预测控制方案应用于带材控制中,以提高带材的成材率,充分发挥液压弯辊力对板形的调整作用,改善轧机系统的动态特性.仿真结果表明了该控制系统的性能良好,有较强的抗干扰能力和较好的鲁棒性和快速性.

关键词：板形控制、HC轧机、液压弯辊控制、RBF神经网络、预测控制

所属期刊栏目：5

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目50675186

在线出版日期：2010-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：70-73