【技术实现步骤摘要】
本专利技术属于轧制技术控制领域，特别是涉及一种融合ilq理论和机器学习的活套-厚度控制方法。
技术介绍
1、带钢生产比重的不断提高是现代轧钢生产发展的主要趋势。热轧带钢作为一种重要的原材料，广泛应用于汽车、电机、化工、机械制造、建筑、造船等行业。此外，大量热轧带钢用作冷轧材料，用于制造焊管和冷轧钢。随着现代工业的发展，对热轧带钢的厚度和板形控制精度提出了精确的要求。针对热轧带钢活套和厚度控制问题，国内研究人员做了一些相关研究。中国专利“一种热连轧厚度-活套综合系统逆线性二次型控制方法”以热连轧厚度-活套综合系统为研究对象，基于逆线性二次型理论，设计了控制器，并测试了控制器的性能，为实际生产和理论研究提供了指导依据。中国专利“一种基于逆线性二次型的带钢厚度和板凸度控制方法”为了解决热连轧厚度和板凸度控制系统由于相互作用而导致系统控制能力下降的问题，提出了一种基于逆线性二次型理论的带钢厚度和板凸度控制方法，并通过仿真和实验证明该方法的可行性。
2、但是上述研究所存在以下不足之处：传统的ilq控制策略仅用于线性和时不变系统。在恒张力轧制阶段，即在工作点附近，可以近似地认为带钢、轧机和活套处于平衡状态。在此过程中，活套-厚度控制系统是线性的、时不变的。此时，根据机构模型求解的偏微分系数为固定值，采用ilq控制策略是准确的。在起套和落套阶段，活套角度从零位置变化到平衡位置。当活套角度变化较大时，张力也会发生较大变化。这是一个非动态平衡过程。在建立状态空间的过程中，机构模型中的偏微分系数变化较大，系统具有非线性和时变特性。ilq
技术实现思路
1、本专利技术的目的是提供一种融合ilq理论和机器学习的活套-厚度控制方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种融合ilq理论和机器学习的活套-厚度控制方法，包括：
3、基于热连轧活套装置的工作过程获取起套和落套阶段的轧制参数和恒张力轧制阶段的相关工艺参数；
4、构建ga-bp预测模型，基于所述ga-bp预测模型对所述起套和落套阶段的轧制参数进行计算，获得最优轧制参数；
5、基于所述最优轧制参数设计ilq控制器，基于所述ilq控制器对活套-厚度进行控制。
6、优选的，所述获取起套和落套阶段的轧制参数和恒张力轧制阶段的相关工艺参数的过程包括：
7、将活套装置的工作过程划分为起套阶段、恒张力轧制阶段和落套阶段；
8、基于所述起套阶段和所述落套阶段的非线性和时变特性收集所述起套和落套阶段的轧制参数；
9、基于所述恒张力轧制阶段的线性和时不变特性收集所述恒张力轧制阶段的相关工艺参数。
10、优选的，所述构建ga-bp预测模型的过程包括：
11、构建遗传算法和bp神经网络；
12、基于所述bp神经网络确定所述遗传算法的适应度值；
13、对所述适应度值进行遗传操作后输出结果，生成所述bp神经网络的最优权值阈值；
14、将所述bp神经网络的最优权值阈值导入至所述bp神经网络中，完成ga-bp预测模型的构建。
15、优选的，所述ga-bp预测模型中适应度函数的表达式为：
16、
17、其中，k0是系数，n为节点数，mi为期望输出值，ni为预测输出值，fi为适应度函数。
18、优选的，基于所述ga-bp预测模型对所述起套和落套阶段的轧制参数进行计算，获得最优轧制参数的过程包括：
19、对所述起套和落套阶段的轧制参数中干扰数据进行清洗，获得正常工作数据；
20、将所述正常工作数据进行归一化处理后输入至所述ga-bp预测模型中进行计算，获得所述最优轧制参数。
21、优选的，基于所述最优轧制参数设计ilq控制器的过程包括：
22、获取带钢生产的现场数据和机理模型，基于所述现场数据和机理模型构建活套-厚度协调控制系统的状态空间方程；
23、将所述最优轧制参数设定为活套控制系统的设定值；
24、基于所述活套-厚度协调控制系统的状态空间方程获取最优控制律；
25、基于所述最优控制律设计ilq控制器。
26、优选的，所述活套-厚度协调控制系统的状态空间方程的表达式为：
27、
28、其中，a为系统矩阵，b为输入矩阵，c为输出矩阵，x为状态变量，y为输出变量，u为输入变量。
29、优选的，基于所述ilq控制器对活套-厚度进行控制的过程包括：
30、基于起套阶段和落套阶段的控制特性和受力情况对所述ilq控制器的参数进行设置，获得起套阶段和落套阶段的ilq控制器；
31、基于所述起套阶段和落套阶段的ilq控制器对活套-厚度进行控制。
32、本专利技术的技术效果为：本专利技术能够有效地消除轧制过程中活套角度和张力震荡，进而减少热轧板带平直度、凸度过大等板形缺陷，提高产品厚度精度，优化板形截面形状。
本文档来自技高网...【技术保护点】
1.一种融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，所述获取起套和落套阶段的轧制参数和恒张力轧制阶段的相关工艺参数的过程包括：
3.根据权利要求1所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，所述构建GA-BP预测模型的过程包括：
4.根据权利要求3所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，所述GA-BP预测模型中适应度函数的表达式为：
5.根据权利要求1所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，基于所述GA-BP预测模型对所述起套和落套阶段的轧制参数进行计算，获得最优轧制参数的过程包括：
6.根据权利要求1所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，基于所述最优轧制参数设计ILQ控制器的过程包括：
7.根据权利要求6所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，所述活套-厚度协调控制系统的状态空间方
8.根据权利要求1所述的融合ILQ理论和机器学习的活套-厚度控制方法，其特征在于，基于所述ILQ控制器对活套-厚度进行控制的过程包括：
...【技术特征摘要】
1.一种融合ilq理论和机器学习的活套-厚度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的融合ilq理论和机器学习的活套-厚度控制方法，其特征在于，所述获取起套和落套阶段的轧制参数和恒张力轧制阶段的相关工艺参数的过程包括：
3.根据权利要求1所述的融合ilq理论和机器学习的活套-厚度控制方法，其特征在于，所述构建ga-bp预测模型的过程包括：
4.根据权利要求3所述的融合ilq理论和机器学习的活套-厚度控制方法，其特征在于，所述ga-bp预测模型中适应度函数的表达式为：
5.根据权利要求1所述的融合ilq理论...
【专利技术属性】
技术研发人员：李旭，原浩，姬亚锋，马轶伟，陈丰，周娜，王伦，王海深，张殿华，
申请(专利权)人：东北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。