文件名称：RBF神经网络的板形预测控制 (2010年)
文件大小：457KB
文件格式：PDF
更新时间：2024-06-06 18:44:16
工程技术 论文
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。