智能控制在石膏纤维板厚度控制中的应用
|
摘要
近年来我国石膏纤维板行业得到了飞速发展，已成为世界上石膏纤维板需求量的大国之一。但由于工业起步比较晚，我国石膏纤维板生产的技术水平与国际先进水平相比还有相当大的差距。石膏纤维板的厚度是石膏纤维板生产中重要的质量指标，板厚控制技术也自然成为现代压机中的关键。因此，板厚控制技术与板厚预测的智能化是石膏纤维板压机控制中的主要研究课题。
压机是板厚控制系统中的主要设备，它的动态特性和稳态特性对于整个板厚控制系统起着至关重要的作用。石膏纤维板在压制过程中，板材的厚度受压机的运行速度、铺料高度、主压辊压力、一区压力、二区压力、三区压力等诸多因素的影响，而这种影响具有较大的非线性和时变性。因此，采用传统的数学建模工具来建立相对准确的模型是非常困难的，而且预测精度也不能满足板厚在线控制的要求。本文利用改进Elman神经网络建立了压机板厚预测模型，探索了一种非解析原理的板厚控制建模方法，解决了复杂系统建模带来的诸多困难，仿真结果表明：该神经网络模型基本上可以反映实际系统模型的输人输出对应关系。
最后针对石膏纤维板压制控制系统具有非线性、时变性及大滞后等特点，设计了一种基于遗传算法的模糊控制器，利用遗传算法来优化模糊控制器的隶属函数，克服了传统获取隶属度函数方法的不足。将该控制器应用于压机控制回路中，仿真结果表明：板厚能够得到有效的控制，该控制器与传统的模糊控制器相比具有很小的超调量和调节时间，并且达到稳态时几乎没有振荡等控制性能。
Recent years, the industry of Gypsum-Fibre board has developed at full speed in our country, and our country has become one of the countries whose output of Gypsum-Fibre board is most in the world. But the industry of gypsum material starts very late in our country, especially in Gypsum-Fibre board, so currently sizable disparity exists in our country's Gypsum-Fibre board compared with international advanced level. The board thickness is main quality target in production of Gypsum-Fibre board. So the technology of thickness control has become pivotal point in modern pressing machine. As far as the technique is concerned, the key scientific problem in the world is thick forecast and the realization of thick intelligent control.
The pressing machine system is a basic part, its dynamic characteristic and steady characteristic affect the capability of entire thick control system. There are many influencing factors in the process of pressing Gypsum-Fibre board, such as machine running rate、height of stuff、main roller pressure、one area pressure , two area pressure and three area pressure. But these relations have the characteristics of nonlinear and the time-variable. So it is difficult to express the relation of parameter and dynamic characteristic using traditional modeling way. Therefore, this way has the difficult to establish mathematics model of thickness, and the precision of prediction cannot satisfy the thick on-line control request. This paper established prediction model of pressing machine based on Elman dynamic recursion network algorithms to apply flatness online prediction for enhance the steady state performance and real time performance of the system in thick control process. The simulation results indicate that this network model may basically reflect the corresponding relations of actual model's input and output.
Finally aiming at the characteristics of nonlinear、time-variable and lag, this paper has designed a fuzzy controller base on genetic algorithms. CA is employed to optimize the membership functions of the Fuzzy Logic Controller .This way overcomes the insufficiency of traditional way. The simulation results indicate that the thickness of board can be efficiently controlled, the FLC optimized by GA has better control performance than conventional FLC and it has self-adaptive capability to a certain degree.
压机是板厚控制系统中的主要设备，它的动态特性和稳态特性对于整个板厚控制系统起着至关重要的作用。石膏纤维板在压制过程中，板材的厚度受压机的运行速度、铺料高度、主压辊压力、一区压力、二区压力、三区压力等诸多因素的影响，而这种影响具有较大的非线性和时变性。因此，采用传统的数学建模工具来建立相对准确的模型是非常困难的，而且预测精度也不能满足板厚在线控制的要求。本文利用改进Elman神经网络建立了压机板厚预测模型，探索了一种非解析原理的板厚控制建模方法，解决了复杂系统建模带来的诸多困难，仿真结果表明：该神经网络模型基本上可以反映实际系统模型的输人输出对应关系。
最后针对石膏纤维板压制控制系统具有非线性、时变性及大滞后等特点，设计了一种基于遗传算法的模糊控制器，利用遗传算法来优化模糊控制器的隶属函数，克服了传统获取隶属度函数方法的不足。将该控制器应用于压机控制回路中，仿真结果表明：板厚能够得到有效的控制，该控制器与传统的模糊控制器相比具有很小的超调量和调节时间，并且达到稳态时几乎没有振荡等控制性能。
Recent years, the industry of Gypsum-Fibre board has developed at full speed in our country, and our country has become one of the countries whose output of Gypsum-Fibre board is most in the world. But the industry of gypsum material starts very late in our country, especially in Gypsum-Fibre board, so currently sizable disparity exists in our country's Gypsum-Fibre board compared with international advanced level. The board thickness is main quality target in production of Gypsum-Fibre board. So the technology of thickness control has become pivotal point in modern pressing machine. As far as the technique is concerned, the key scientific problem in the world is thick forecast and the realization of thick intelligent control.
The pressing machine system is a basic part, its dynamic characteristic and steady characteristic affect the capability of entire thick control system. There are many influencing factors in the process of pressing Gypsum-Fibre board, such as machine running rate、height of stuff、main roller pressure、one area pressure , two area pressure and three area pressure. But these relations have the characteristics of nonlinear and the time-variable. So it is difficult to express the relation of parameter and dynamic characteristic using traditional modeling way. Therefore, this way has the difficult to establish mathematics model of thickness, and the precision of prediction cannot satisfy the thick on-line control request. This paper established prediction model of pressing machine based on Elman dynamic recursion network algorithms to apply flatness online prediction for enhance the steady state performance and real time performance of the system in thick control process. The simulation results indicate that this network model may basically reflect the corresponding relations of actual model's input and output.
Finally aiming at the characteristics of nonlinear、time-variable and lag, this paper has designed a fuzzy controller base on genetic algorithms. CA is employed to optimize the membership functions of the Fuzzy Logic Controller .This way overcomes the insufficiency of traditional way. The simulation results indicate that the thickness of board can be efficiently controlled, the FLC optimized by GA has better control performance than conventional FLC and it has self-adaptive capability to a certain degree.
引文
[1] 陈福广，沈荣熹，徐洛屹．新型墙体材料手册．北京：中国建材工业出版社，2000．
[2] 蒋志全．均质石膏纤维板的生产与应用．房材与应用，1999，5．
[3] 叶宪文．石膏纤维板在建筑上的应用．木材工业，2002，16(3)：26-27．
[4] Egon F K, Karsten H L. Gypsum Fiberboard History and Outlook. Inorganic Bonded Wood and Fiber Composite Materials. Forest Products Society(USA),1991.
[5] 王兴贵，李哗．矢量控制变频器在石膏板自动化生产线中的应用．电气设备自动化，1997，(11)：26-28．
[6] 景林，郭建刚．纤维板热压机模糊控制模型的研究．福建林学院学报，2000，(5)：13-16．
[7] 张秀玲．冷带轧机板形智能识别与智能控制研究．燕山大学，2002．
[8] 贾同春．国产纸面石膏板生产线石膏粉制备工艺探讨．非金属矿，1995，108(6)：25-29．
[9] 欧阳琳．连续平压热压机．林业科学研究．1998，(1)：42-44．
[10] 徐燮中．石膏纤维板生产工艺及设备简介．中国建材装备，1995，(1)：21-23．
[11] 张宜生，陈士英，龙玲．半干法石膏纤维板工艺研究．木材工业，1998，12(5)：8-11．
[12] 王快社，赵远攀，钟春生．基于人工神经网络的一种板形检测方法研究．冶金设备，2002，(134)：12-14．
[13] 孙兆强．人工神经网络在冷轧机厚度、板形控制中的应用．天津冶金，1998，3．
[14] 符强，张进之．基于人工神经网络的热连轧参数预测模型．钢铁研究学报，2003，15(4)：70-72．
[15] 孙增圻．智能控制理论与技术．北京：清华大学出版社，2000．
[16] 汪镭，周国兴，吴启迪．人工神经网络理论在控制领域中的应用综述．同济大学学报，2001，29(3)：357-361．
[17] 张立民．人工神经网络的模型及其应用．上海：复旦大学出版社，1993．
[18] 乔俊飞．UC轧机板形建模与控制方法的研究．东北大学，1998．
[19] Carlstedt A G. Modern approach to flatness measurement and control in cold rolling. Iron and Steel Engineer, 1991(3):34-39.
[20] 秦鹏，林中达．基于改进型Elman神经网络和遗传算法的锅炉在线燃烧优化．锅炉技术，2005，36(5)：37-41．
[21] Knohl T, Unbehauen H. Adaptive Position Control of Electro hydraulic Servo Systems Using ANN. Mechatronics, 2000, 2 (10) : 127-143.
[22] 郭丹，李平，曹江涛．基于Elman网络的非线性系统神经元自适应预测控制．计算机仿真，2003，20(8)：55-60．
[23] Gerard Bloch, Franck sirou, Philippe Fatrez. Neural intellinent control for a steelplant. IEEE Trans on Neural Networks, 1997, 8(4):910-918.
[24] 郭晶，孙伟娟．神经网络理论与MATLAB实现．北京：电子工业出版社，2005．
[25] 闻新，周露，李翔．MATLAB神经网络仿真与应用．北京：科学出版社．
[26] 吴晓莉，林哲辉．MATLAB辅助模糊系统设计．西安电子科技大学出版社，2002．
[27] 魏铬炎．国内外模糊控制技术的研究和应用概况．电机电器技术，1995，5(1)：25-30．
[28] 王耀南．智能控制系统—模糊逻辑·专家系统·神经网络控制．长沙：湖南大学出版社，1996．
[29] 赵振宇，徐用懋．模糊理论和神经网络的基础与应用．北京：清华大学出版社，1996．
[30] 易继楷等．智能控制技术．北京：北京工业大学出版社，1999．
[31] Zadeh L A.Fuzzy Sets and their Application. New York: Academic Press, 1975.
[32] 蒋慰孙，俞金寿．过程控制工程．中国石化出版社，1995．
[33] Minsuk S, YLee K. Intelligent controller design for the flatness control in a cold rolling process. Proceedings of the 40_(th) IEEE Conference on Decision and Control, Orlando, Fl.orida, USA, 2001,.12.
[34] 王小平，曹立明．遗传算法理论、应用与软件实现，西安：西安交通大学出版社，2000．
[35] 张颖，刘艳秋．软计算方法．北京：科学出版社，2002．
[36] 李家炜．一种新的模糊控制器的优化方法．控制理论与应用，2004，4(19)：279-290．
[37] 季春霖，张洋洋，都培锋．用于模糊控制器设计的遗传算法研究．控制与决策，2003，(6)1：1432-1439．
[38] 卢红光，李平，孙世国．基于遗传算法的模糊隶属函数的优化．抚顺石油学院学报，2000，(20)6：59-61．
[39] Karr C L, Gentry E J. FuzzYcontrol of PH Using genetic algorithms. IEEE transactions on fuzzy systems, 1993,1(1):46-53.
[40] Khaled Belarbi. Genetic Algorithm for the Design of a Class of Fuzzy Controller: An Alternative Approach. IEEE Trans. on Fuzzy Syst, 2000,8:398-405.
[41] Lee M A, Takagi H. Embedding a priori knowledge into an integrated fuzzy system design method based on genetic algorithm. Proc of 5th IFSA World Congress. Seou1,1993.1293-1296.
[42] Kang H and Vachtsevanos G J. Nonlinear fuzzy Control based on the vector fields of the phase portrait assignment algorithm. Proc. 28th American Control Conf. Baltimore, 1990,368-376.
[43] 毕妍，张庆生．基于遗传算法的模糊控制器设计与仿真．机械工程与自动化，2005，3(6)22-24．
[44] 乔孟丽，张景元．用遗传算法优化模糊控制规则的方法及其MATLAB实现．山东理工大学学报，2005，3(5)：43-47．
[45] 殷铭，张兴华，戴先中．基于MATLAB的遗传算法实现．计算机应用，2000，1(1)：9—10．
[2] 蒋志全．均质石膏纤维板的生产与应用．房材与应用，1999，5．
[3] 叶宪文．石膏纤维板在建筑上的应用．木材工业，2002，16(3)：26-27．
[4] Egon F K, Karsten H L. Gypsum Fiberboard History and Outlook. Inorganic Bonded Wood and Fiber Composite Materials. Forest Products Society(USA),1991.
[5] 王兴贵，李哗．矢量控制变频器在石膏板自动化生产线中的应用．电气设备自动化，1997，(11)：26-28．
[6] 景林，郭建刚．纤维板热压机模糊控制模型的研究．福建林学院学报，2000，(5)：13-16．
[7] 张秀玲．冷带轧机板形智能识别与智能控制研究．燕山大学，2002．
[8] 贾同春．国产纸面石膏板生产线石膏粉制备工艺探讨．非金属矿，1995，108(6)：25-29．
[9] 欧阳琳．连续平压热压机．林业科学研究．1998，(1)：42-44．
[10] 徐燮中．石膏纤维板生产工艺及设备简介．中国建材装备，1995，(1)：21-23．
[11] 张宜生，陈士英，龙玲．半干法石膏纤维板工艺研究．木材工业，1998，12(5)：8-11．
[12] 王快社，赵远攀，钟春生．基于人工神经网络的一种板形检测方法研究．冶金设备，2002，(134)：12-14．
[13] 孙兆强．人工神经网络在冷轧机厚度、板形控制中的应用．天津冶金，1998，3．
[14] 符强，张进之．基于人工神经网络的热连轧参数预测模型．钢铁研究学报，2003，15(4)：70-72．
[15] 孙增圻．智能控制理论与技术．北京：清华大学出版社，2000．
[16] 汪镭，周国兴，吴启迪．人工神经网络理论在控制领域中的应用综述．同济大学学报，2001，29(3)：357-361．
[17] 张立民．人工神经网络的模型及其应用．上海：复旦大学出版社，1993．
[18] 乔俊飞．UC轧机板形建模与控制方法的研究．东北大学，1998．
[19] Carlstedt A G. Modern approach to flatness measurement and control in cold rolling. Iron and Steel Engineer, 1991(3):34-39.
[20] 秦鹏，林中达．基于改进型Elman神经网络和遗传算法的锅炉在线燃烧优化．锅炉技术，2005，36(5)：37-41．
[21] Knohl T, Unbehauen H. Adaptive Position Control of Electro hydraulic Servo Systems Using ANN. Mechatronics, 2000, 2 (10) : 127-143.
[22] 郭丹，李平，曹江涛．基于Elman网络的非线性系统神经元自适应预测控制．计算机仿真，2003，20(8)：55-60．
[23] Gerard Bloch, Franck sirou, Philippe Fatrez. Neural intellinent control for a steelplant. IEEE Trans on Neural Networks, 1997, 8(4):910-918.
[24] 郭晶，孙伟娟．神经网络理论与MATLAB实现．北京：电子工业出版社，2005．
[25] 闻新，周露，李翔．MATLAB神经网络仿真与应用．北京：科学出版社．
[26] 吴晓莉，林哲辉．MATLAB辅助模糊系统设计．西安电子科技大学出版社，2002．
[27] 魏铬炎．国内外模糊控制技术的研究和应用概况．电机电器技术，1995，5(1)：25-30．
[28] 王耀南．智能控制系统—模糊逻辑·专家系统·神经网络控制．长沙：湖南大学出版社，1996．
[29] 赵振宇，徐用懋．模糊理论和神经网络的基础与应用．北京：清华大学出版社，1996．
[30] 易继楷等．智能控制技术．北京：北京工业大学出版社，1999．
[31] Zadeh L A.Fuzzy Sets and their Application. New York: Academic Press, 1975.
[32] 蒋慰孙，俞金寿．过程控制工程．中国石化出版社，1995．
[33] Minsuk S, YLee K. Intelligent controller design for the flatness control in a cold rolling process. Proceedings of the 40_(th) IEEE Conference on Decision and Control, Orlando, Fl.orida, USA, 2001,.12.
[34] 王小平，曹立明．遗传算法理论、应用与软件实现，西安：西安交通大学出版社，2000．
[35] 张颖，刘艳秋．软计算方法．北京：科学出版社，2002．
[36] 李家炜．一种新的模糊控制器的优化方法．控制理论与应用，2004，4(19)：279-290．
[37] 季春霖，张洋洋，都培锋．用于模糊控制器设计的遗传算法研究．控制与决策，2003，(6)1：1432-1439．
[38] 卢红光，李平，孙世国．基于遗传算法的模糊隶属函数的优化．抚顺石油学院学报，2000，(20)6：59-61．
[39] Karr C L, Gentry E J. FuzzYcontrol of PH Using genetic algorithms. IEEE transactions on fuzzy systems, 1993,1(1):46-53.
[40] Khaled Belarbi. Genetic Algorithm for the Design of a Class of Fuzzy Controller: An Alternative Approach. IEEE Trans. on Fuzzy Syst, 2000,8:398-405.
[41] Lee M A, Takagi H. Embedding a priori knowledge into an integrated fuzzy system design method based on genetic algorithm. Proc of 5th IFSA World Congress. Seou1,1993.1293-1296.
[42] Kang H and Vachtsevanos G J. Nonlinear fuzzy Control based on the vector fields of the phase portrait assignment algorithm. Proc. 28th American Control Conf. Baltimore, 1990,368-376.
[43] 毕妍，张庆生．基于遗传算法的模糊控制器设计与仿真．机械工程与自动化，2005，3(6)22-24．
[44] 乔孟丽，张景元．用遗传算法优化模糊控制规则的方法及其MATLAB实现．山东理工大学学报，2005，3(5)：43-47．
[45] 殷铭，张兴华，戴先中．基于MATLAB的遗传算法实现．计算机应用，2000，1(1)：9—10．