基于云神經(jīng)模糊集成的液壓彎輥板形控制系統(tǒng)設(shè)計(jì)

白 濤

（承德石油高等專科學(xué)校，河北 承德067000）

0 引言

液壓彎輥通過正負(fù)彎輥形式調(diào)整軋輥凸度和撓度改善板帶材板形[1]，但由于其系統(tǒng)復(fù)雜性難以建立精確模型，傳統(tǒng)控制理論很難滿足高精度軋制需求[2]。李德毅院士定義了一種新的云模型[3]，從模糊性和隨機(jī)性共同角度研究定性概念與定量數(shù)據(jù)的不確定性轉(zhuǎn)換。因此，云模型在研究本文的非線性和不確定性液壓彎輥板形控制系統(tǒng)具有更強(qiáng)理論優(yōu)勢。但云模型控制器有個(gè)明顯的缺點(diǎn)缺乏學(xué)習(xí)機(jī)制，而神經(jīng)網(wǎng)絡(luò)模擬人腦的運(yùn)行機(jī)制，對歷史數(shù)據(jù)樣本進(jìn)行記憶和自適應(yīng)學(xué)習(xí)[4]，所以本文在云模型基礎(chǔ)上引入神經(jīng)網(wǎng)絡(luò)，最終建立基于云神經(jīng)模糊液壓彎輥板形控制系統(tǒng)。通過仿真分析，該算法具有良好的控制性能和較好的應(yīng)用價(jià)值。

1 云模型

1.1 云模型的基本定義

定義1：設(shè)論域U，T為U上的模糊子集，U到閉區(qū)間[0,1]的映射CT(x)。

這是一個(gè)具有穩(wěn)定傾向的隨機(jī)數(shù)，CT(x)在U上的分布稱為T的隸屬云，簡稱云，或稱之為T的云模型[5]。云模型通過期望Ex、熵En和超熵He3個(gè)數(shù)字特征來表示并實(shí)現(xiàn)控制計(jì)算。

2 云神經(jīng)模糊混合集成模型

2.1 控制原理

控制算法根據(jù)不同的板形偏差e和偏差變化率ec對工作輥的液壓彎輥力的調(diào)整量u進(jìn)行在線調(diào)整，以滿足不同時(shí)刻對調(diào)節(jié)參數(shù)的不同要求。其控制原理如圖1所示。

2.2 變量的確定

在云神經(jīng)模糊混合集成的液壓彎輥板形控制系統(tǒng)中，取帶鋼二次板形的偏差e和偏差變化率ec為輸入變量，工作輥的液壓彎輥力的調(diào)整量u為輸出變量。語言變量的語言值都取為{NB(負(fù)大)，NM(負(fù)中),NS(負(fù)小)，O(零)，PS(正小),PM(正中)，PB(正大)}。論域中各語言變量值的隸屬云數(shù)字特征參數(shù)設(shè)計(jì)如表1所示。

圖1 云神經(jīng)模糊混合集成算法結(jié)構(gòu)

2.3 模糊控制規(guī)則的建立

控制規(guī)則采用：If E……and EC……then U……，根據(jù)液壓彎輥板形控制的特點(diǎn)以及現(xiàn)場數(shù)據(jù)，最終建立的液壓彎輥模糊規(guī)則，如表2所示。

表1 云模型特征參數(shù)表

表2 液壓彎輥模糊規(guī)則表

2.4 云神經(jīng)模糊混合集成的智能算法

云神經(jīng)模糊集成控制算法由輸入條件部分的一個(gè)云處理層和輸出結(jié)論部分的m個(gè)BP網(wǎng)絡(luò)共同構(gòu)成[6]。云處理層通過云發(fā)生器得出不同輸入變量在模糊推理對應(yīng)規(guī)則下的適應(yīng)度μ，而BP網(wǎng)絡(luò)1～BP網(wǎng)絡(luò)m分別表示不同規(guī)則對應(yīng)的輸出結(jié)論fi(x)，（i=1，2…，M），最終輸出分別由兩部分的輸出共同作用得到，表達(dá)式為：

云神經(jīng)模糊混合集成的智能系統(tǒng)，其結(jié)構(gòu)如圖2所示，其算法具體步驟如下：

（1）對特定的輸入按照表2液壓彎輥控制規(guī)則表做“軟與”操作，通過云模型發(fā)生器求得不同規(guī)則下的適應(yīng)度[7]。

（2）通過BP網(wǎng)絡(luò)對歷史軋制數(shù)據(jù)進(jìn)行學(xué)習(xí)，第i組模糊推理規(guī)則對應(yīng)的軋制樣本為第i個(gè)BP網(wǎng)絡(luò)的學(xué)習(xí)樣本。

3 仿真實(shí)驗(yàn)

為了驗(yàn)證建立的云神經(jīng)模糊混合集成算法的控制性能，利用某企業(yè)1220四棍軋機(jī)第五機(jī)架實(shí)際軋制數(shù)據(jù)，建立如圖3所示的BP網(wǎng)絡(luò)仿真器進(jìn)行輸出結(jié)論預(yù)報(bào)。中間層節(jié)點(diǎn)數(shù)為4，將帶鋼軋制的歷史數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，其輸入為6個(gè)參量：k時(shí)刻二次板形偏差e(k)，二次板形偏差變化率ec(k)，前張力實(shí)測值TF(k)、傾輥量LM(k)、彎輥力FW(k)和軋制力P(k)。即：

最終的輸出為1個(gè)變量：為消除（k+1）時(shí)刻出現(xiàn)的二次板形偏差需要的液壓彎輥力的調(diào)整量ΔFw（k+1）即：

圖2 云神經(jīng)模糊混合集成的智能系統(tǒng)

圖3 二次板形BP神經(jīng)網(wǎng)絡(luò)仿真器

為了驗(yàn)證算法的有效性，采用原料厚度為3 mm的鋼卷號5550770000，成品規(guī)格為0.505 mm×1 005 mm，材質(zhì)為Stw22，分別模糊控制方法、云模型控制方法以及云神經(jīng)模糊混合集成算法進(jìn)行仿真實(shí)驗(yàn)。同時(shí)為進(jìn)一步比較三種控制算法的抗干擾性，t=2 s時(shí)板形輸出測加2I的外部擾動。3種不同方法的仿真結(jié)果如圖4所示。

圖4 二次板形控制仿真圖(鋼卷號5550770000)

從仿真結(jié)果可以看出：相對于常規(guī)模糊控制模型及云模型控制，云神經(jīng)模糊控制模型對于二次板形缺陷調(diào)整時(shí)間快、超調(diào)量小、穩(wěn)態(tài)精度高，在受到干擾時(shí)，云神經(jīng)模糊控制模型可以在較短的時(shí)間內(nèi)恢復(fù)目標(biāo)板形，能較好的應(yīng)對液壓彎輥控制出現(xiàn)的復(fù)雜干擾情況。

4 結(jié)語

云神經(jīng)模糊混合集成的液壓彎輥板形控制系統(tǒng)，有效融合了云模型、神經(jīng)網(wǎng)絡(luò)和模糊推理三者所長，在不確定性控制系統(tǒng)推理中更具有優(yōu)勢，為液壓彎輥系統(tǒng)提供了合理的控制參數(shù)，仿真實(shí)驗(yàn)展現(xiàn)出其控制精度高，調(diào)整時(shí)間短，抗干擾能力強(qiáng)，有效提高了板帶材質(zhì)量，為液壓彎輥板形控制提供了新途徑。