資源描述：
《基于小波神經(jīng)網(wǎng)絡(luò)的軋制力預(yù)報模型的研究以及自動厚度控制系統(tǒng)的研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、太原理工大學(xué)碩士學(xué)位論文基于小波神經(jīng)網(wǎng)絡(luò)的軋制力預(yù)報模型的研究以及自動厚度控制系統(tǒng)的研究摘要隨著科學(xué)技術(shù)的飛速發(fā)展及生產(chǎn)規(guī)模的不斷擴(kuò)大，現(xiàn)代工業(yè)過程變得越來越復(fù)雜，因此，傳統(tǒng)的數(shù)學(xué)模型以及系統(tǒng)建模方法與技術(shù)遠(yuǎn)遠(yuǎn)不能滿足當(dāng)今復(fù)雜工業(yè)過程提出的要求。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力及自學(xué)習(xí)、自適應(yīng)能力，有較強(qiáng)的容錯性，因而能夠很好地跟蹤捕獲對象受各種不確定因素影響而發(fā)生的變化及變化趨勢。但在實(shí)際應(yīng)用時，由于神經(jīng)網(wǎng)絡(luò)自身存在訓(xùn)練時間長、收斂速度慢以及局部極小等問題而限制了其在現(xiàn)代工業(yè)過程中的應(yīng)用。為此，將小波分析理論引入神
2、經(jīng)網(wǎng)絡(luò)，構(gòu)成小波神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)融合了小波分析良好的時頻域局部化特性和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，具有較強(qiáng)的逼近能力、收斂速度快并且能夠有效地避免局部極小值。在帶鋼熱連軋過程中，壓下量計算要依據(jù)軋制力分配來確定，因此軋制力是一個很重要的參數(shù)。由于板帶軋制時的彈跳現(xiàn)象，軋制力的預(yù)報則成為熱連軋生產(chǎn)過程自動化級中精軋機(jī)組設(shè)定模型的核心，其預(yù)報精度直接影響輥縫的設(shè)定，從而影響厚度精度、板形好壞以及穿帶的穩(wěn)定性。由于軋制過程具有多變量、非線性、時變、強(qiáng)耦合等特點(diǎn)，因此，傳統(tǒng)建模方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足高精度預(yù)報軋制力的要求。本文的研究
3、目的在于根據(jù)復(fù)雜工業(yè)過程的特點(diǎn)，以軋制力預(yù)報模型為I?太原理工大學(xué)碩士學(xué)位論文對象，基于小波神經(jīng)網(wǎng)絡(luò)對復(fù)雜系統(tǒng)建模問題展開研究與討論。并將預(yù)報的軋制力應(yīng)用于自動厚度控制系統(tǒng)中。具體內(nèi)容包括以下幾個方面：(1)深入某熱連軋廠生產(chǎn)第一線，學(xué)習(xí)研究帶鋼熱連軋軋制工藝，及其計算機(jī)控制系統(tǒng)——SIROLL系統(tǒng)。(2)研究神經(jīng)網(wǎng)絡(luò)和小波分析相結(jié)合的途徑，深入系統(tǒng)地分析和研究了小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學(xué)習(xí)算法，得到一種快速BP算法。(3)針對目前復(fù)雜工業(yè)建模存在的問題，在研究過程中以軋制力預(yù)報為對象，通過Matlab仿真實(shí)驗(yàn)研究小波神
4、經(jīng)網(wǎng)絡(luò)，并且著重研究了網(wǎng)絡(luò)結(jié)構(gòu)的確定、小波函數(shù)的選擇、網(wǎng)絡(luò)學(xué)習(xí)算法、網(wǎng)絡(luò)訓(xùn)練目標(biāo)及網(wǎng)絡(luò)中各個參數(shù)和系數(shù)數(shù)值的確定等問題，將所研究的小波神經(jīng)網(wǎng)絡(luò)用來建立軋制力預(yù)報模型。(4)深入研究了熱連軋生產(chǎn)過程中的自動厚度控制系統(tǒng)，利用預(yù)報的軋制力和液壓自動厚度控制技術(shù)來實(shí)現(xiàn)帶鋼厚度的設(shè)定與控制。針對目前實(shí)際系統(tǒng)中存在的問題，提出了相應(yīng)的改進(jìn)措旌，有些已被生產(chǎn)現(xiàn)場所采納，從而有效地提高了某熱連軋廠帶鋼厚度自動控制的精度。(5)在總結(jié)全文的基礎(chǔ)上，提出了研究過程中得出的若干思考，并對未來的研究課題進(jìn)行了展望。關(guān)鍵詞：復(fù)雜工業(yè)過程，快
5、速BP算法，小波神經(jīng)網(wǎng)絡(luò)，軋制力預(yù)報，自動厚度控制太原理工大學(xué)碩士學(xué)位論文THERESEARCHONPREDICTIONoFTHERoLLINGFORCEBASEDONⅥ編VELETNEURALNETWoRKSANDAUToMLATICGAUGECONTRoLSYSTEMABSTRACTWiththetechnologydevelopmentatvery．fastspeedandproductionscale-up，alotofindustrialsystemsbecomemoreandmorecomplex．The
6、refore，traditionalmodelsandmodelingtheoryalreadyfarfromCan’tadapttotherequirementspresentedbycomplexindustrialprocesses．Neuralnetworkhasverystrongnonlinearapproximationability,self-learningability,self-adaptivea砒‘strongerfaulttolerance，thusitCantrailandcatchobj
7、ect’Schangeandchangetendencyverywellbecauseoftheinfluenceofvariousuncertainfactor．Butwhenitisappliedinpractice，thetrainingtimeofnetworkislong，convergencespeedisslowandlocalminimumvalueCall’tbeavoided，80thatitsapplicationhavebeenrestrictedinthemodemindustrialpro
8、cesses．Inordertomakeneuralnetworkgetbetterapplication，wavelettransformisledintoneqll"alnetworktoformanewtypewaveletneuralnetwork．Waveletneuralnetworkcombinesthelocalproperty
