公开(公告)号：CN117150905A

公开(公告)日：2023-12-01

申请号：CN202311117089.5

申请日：2023-08-31

Applicant: 安徽工业大学

Inventor： 沈浩 ,  丁红菲 ,  谢谦 ,  汪婧 ,  方田

IPC: G06F30/27 ,  G06N3/006 ,  G06N3/048 ,  G06N3/084 ,  G06F119/08

Abstract: 本发明公开了一种连退炉出口带钢温度预测方法，属于冶金工程控制领域。它包括步骤1：获取连退炉加热段带钢样本数据，得到训练样本数据和测试样本数据。步骤2：构建RBF神经网络连退炉加热段的带钢温度预测模型，然后初始化模型参数。步骤3：利用改进的量子粒子群优化算法优化模型参数。步骤4：构建测试集并测试最优参数的带钢温度预测模型，得到带钢温度的预测结果。步骤5：将得到的带钢温度的预测结果与实际检测的带钢温度进行比较，根据比较结果对模型的精准度进行判断。本发明基于实际生产数据，构建了RBF神经网络连退炉带钢温度预测模型，并对该模型进行优化，能够提高对连退炉带钢温度的预测精准性，实现精准控温。

公开(公告)号：CN113245373B

公开(公告)日：2023-04-04

申请号：CN202110556678.8

申请日：2021-05-21

Applicant: 安徽工业大学

Inventor： 沈浩 ,  丁红菲 ,  汪煜东 ,  梅宇 ,  苏磊 ,  汪婧

IPC: B21B37/50 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种热轧带钢活套张力自适应控制方法，属于自动控制技术领域。本发明的系统包括滑模控制器和RBF神经网络单元，滑模控制器与RBF神经网络单元连接，本发明方法为根据滑模控制器设定方程滑模控制器根据热轧带钢活套系统的实际参数X和设定参数Xm计算得到控制信号并输入至热轧带钢活套系统；RBF神经网络单元根据X和计算得到不确定项的上界估计值并输入至热轧带钢活套系统；热轧带钢活套系统根据控制信号和不确定项的上界估计值控制活套角度和带钢张力。本发明克服了现有技术中活套张力控制精度较低的问题，本发明通过RBF神经网络对干扰不确定性上界进行自适应学习，降低了滑模控制器的抖振发生概率，提高了系统控制精度。

公开(公告)号：CN113245373A

公开(公告)日：2021-08-13

申请号：CN202110556678.8

申请日：2021-05-21

Applicant: 安徽工业大学

Inventor： 沈浩 ,  丁红菲 ,  汪煜东 ,  梅宇 ,  苏磊 ,  汪婧

IPC: B21B37/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种热轧带钢活套张力自适应控制系统及其控制方法，属于自动控制技术领域。本发明的系统包括滑模控制器和RBF神经网络单元，滑模控制器与RBF神经网络单元连接，本发明方法为根据滑模控制器设定方程滑模控制器根据热轧带钢活套系统的实际参数X和设定参数Xm计算得到控制信号并输入至热轧带钢活套系统；RBF神经网络单元根据X和计算得到不确定项的上界估计值并输入至热轧带钢活套系统；热轧带钢活套系统根据控制信号和不确定项的上界估计值控制活套角度和带钢张力。本发明克服了现有技术中活套张力控制精度较低的问题，本发明通过RBF神经网络对干扰不确定性上界进行自适应学习，降低了滑模控制器的抖振发生概率，提高了系统控制精度。