声明
摘要
1 绪论
1.1 研究背景与意义
1.2 热连轧机自动化发展历程
1.3 厚度设定模型系统研究进展
1.3.1 压下负荷分配方法
1.3.2 轧制过程数学模型
1.3.3 模型自适应与自学习
1.4 厚度控制技术研究进展
1.4.1 厚度自动控制策略
1.4.2 热连轧精轧机组中的厚度自动控制
1.4.3 监控AGC系统
1.5 轧制装备健康状态诊断研究进展
1.6 本文主要研究内容
2 基于D-S证据理论信息重构的带钢厚度软测量
2.1 基于最小二乘的多项式曲线拟合
2.2 灰色关联度分析
2.3 D-S证据理论
2.3.2 D-S证据理论的融合规则
2.4 基于D-S信息重构的带钢厚度预测方法
2.5 实验和结果分析
2.5.1 实验数据阐述
2.5.2 敏感轧制参数的选择
2.5.3 预测模型评价指标
2.5.4 单一模型带钢厚度预测
2.5.5 基于D-S信息重构的带钢厚度预测
2.6 本章小结
3 基于时间序列的出口板厚预测方法
3.1 实验数据介绍
3.2 动态滚动预测机制
3.3 基于分形外推插值的出口板厚预测方法
3.3.1 验证出口板厚分形特征的存在
3.3.2 分形插值理论
3.3.3 混沌优化确定垂直尺度因子
3.3.4 基于改进分形外推插值的出口板厚预测
3.4 实验与结果分析
3.4.1 预测性能评估指标
3.4.2 对比实验
3.5 IFEIP方法鲁棒性测试
3.6 本章小结
4 基于改进分形预测的出口板厚优化控制
4.1 时滞评估
4.1.1 综合小波互相关度
4.1.2 轧制出口板厚时滞评估
4.1.3 出口板厚预测实验
4.2 预测模型与控制器结合方式
4.3 阶梯式DMC优化PID控制器参数
4.4 基于改进分形的出口板厚优化控制方法
4.5 仿真实验
4.6 本章小结
5 基于模糊集和深度置信网络的轧制过程健康状态诊断
5.1 轧制过程健康状态分析
5.1.1 健康度定义
5.1.2 负荷亚健康分析
5.1.3 健康状态划分
5.2 轧制过程健康状态诊断方法
5.2.1 健康状态隶属度计算
5.2.2 轧制过程健康度确定
5.2.3 FIDBN方法
5.3 热连轧机轧制过程健康状态诊断
5.3.1 轧制过程数据阐述
5.3.2 基于FDBN的轧制过程健康状态诊断
5.3.3 基于FIDBN的轧制过程健康状态诊断
5.3.4 运维策略
5.4 本章小结
6 结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
攻读博士学位期间科研项目及科研成果
致谢
作者简介