CN115591947B - 一种连轧过程板带质量分布式调控方法 - Google Patents
一种连轧过程板带质量分布式调控方法 Download PDFInfo
- Publication number
- CN115591947B CN115591947B CN202211609053.4A CN202211609053A CN115591947B CN 115591947 B CN115591947 B CN 115591947B CN 202211609053 A CN202211609053 A CN 202211609053A CN 115591947 B CN115591947 B CN 115591947B
- Authority
- CN
- China
- Prior art keywords
- rack
- data set
- quality
- process variables
- variables
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B1/00—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations
- B21B1/22—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length
- B21B1/24—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length in a continuous or semi-continuous process
- B21B1/26—Metal-rolling methods or mills for making semi-finished products of solid or profiled cross-section; Sequence of operations in milling trains; Layout of rolling-mill plant, e.g. grouping of stands; Succession of passes or of sectional pass alternations for rolling plates, strips, bands or sheets of indefinite length in a continuous or semi-continuous process by hot-rolling, e.g. Steckel hot mill
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明公开了一种连轧过程板带质量分布式调控方法,具体步骤为:获取精轧流程的历史数据,包括过程工艺变量和质量指标;将精轧流程划分为7个子***,根据最大相关、最小冗余筛选原理得到子***内部过程工艺变量和质量指标的优选数据集合;采用混合核函数的方法将优选数据集合映射到高维特征空间;根据映射到高维特征空间中优选数据集合构建多***分布式协调控制模型,引入群智能优化算法,采用循环修正策略实现机架间的协调控制。本发明充分利用了以往的轧制信息,引入群智能优化算法和循环修正策略,提高了机架间的协调性,满足分布式调控的要求。
Description
技术领域
本发明属于轧制技术和控制科学与工程领域,尤其涉及一种连轧过程板带质量分布式调控方法。
背景技术
传统的热连轧过程控制方法是以PID控制器为主的分散控制,无法***考虑产线部分之间的耦合作用,不利于面向全局实现闭环控制的性能优化。热连轧过程是典型的多变量、强耦合、非线性的工业生产过程,随着我国制造业向高端化、智能化转型,市场对于热轧板带的质量要求越来越高。其中,板形和板厚是用户尤为关注的重点质量指标,实际生产中两者相互影响,工业化和信息化的发展使得热连轧生产线的控制效果已近极限,但对于质量的追求应是无止境的,并且轧制过程涉及的一些关键问题尚未得到完全解决。就质量控制方面而言,关于厚度和板形的控制已见诸多报道,此外,对于热连轧生产线的分布式控制研究亦乏善可陈。因此,适时引入先进的控制策略、提出新颖的分布式控制***对提高整个生产过程的鲁棒性、提升热轧板带质量具有重要的指导意义。
发明内容
为解决上述问题,本发明提出了一种连轧过程板带质量分布式调控方法,提高热连轧板带质量控制***的性能,一定程度上改善热连轧带钢产品的质量。
为实现上述目的,本发明提供了一种连轧过程板带质量分布式调控方法,包括以下步骤:
获取精轧流程的历史数据,其中,所述历史数据包括:过程工艺变量和质量指标;
将精轧流程划分为7个子***,分别将所述过程工艺变量划分至不同的子***中,根据最大相关、最小冗余筛选原理,得到各子***内部过程工艺变量和质量指标的优选数据集合;
采用混合核函数的方法将所述优选数据集合映射到高维特征空间;
根据所述高维特征空间中优选数据集合构建多***分布式协调控制模型;
基于所述多***分布式协调控制模型,引入群智能优化算法,采用循环修正策略,实现机架间的协调控制。
优选的,获取的精轧流程的历史数据为:轧制同一钢种不同钢号、同一钢号不同钢种、不同板厚的板带产生的数据;所述过程工艺变量包括轧制力、辊缝值、轧制速度、弯辊力和窜辊量;所述质量指标包括厚度、板带的宽度、板带的凸度和板带的平直度。
优选的,将精轧流程划分的7个子***包括:第一机架、第二机架、第三机架、第四机架、第五机架、第六机架、第七机架。
优选的,将所述过程工艺变量划分至不同的子***的方法为:
其中,表示过程工艺变量数据集,为第一机架过程工艺变量组成的数据集,为第二机架过程工艺变量组成的数据集,为第三机架过程工艺变量组成的数据集,为第四机架过程工艺变量组成的数据集,为第五机架过程工艺变量组成的数据集,为第六机架过程工艺变量组成的数据集,为第七机架过程工艺变量组成的数据集;
优选的,根据最大相关、最小冗余筛选原理,得到各子***内部过程工艺变量和质量指标的优选数据集合的方法包括:
根据最大相关筛选原理,得到各子***内部所述过程工艺变量和所述质量指标之间的关联关系;
根据最小冗余筛选原理,得到各子***内部所述过程工艺变量之间和所述质量指标之间的冗余关系;
所述过程工艺变量和质量指标之间的关联关系的表达式为:
所述过程工艺变量之间和质量指标之间的冗余关系的表达式为:
优选的,所述混合核函数的表达式为:
优选的,根据所述高维特征空间中优选数据集合构建多***分布式协调控制模型的方法为:
式中,为由和组合而成的输入-输出矩阵,其中,为工艺参数经过混合核函数映射到高维空间的高维特征组成的矩阵,为
质量指标经过混合核函数映射到高维空间的高维特征组成的矩阵,为未来的输出
矩阵,即质量指标矩阵,为未来的输入矩阵,即过程工艺变量矩阵,和分
别为对应矩阵的控制矩阵,过程工艺变量和质量指标之间存在的未知扰动。
优选的,引入群智能优化算法,采用循环修正策略,实现机架间的协调控制的方法为:
设定有关厚度和板形的综合目标函数以及个体的维度,其中,所述个体的维度设置为14维,分别为7个机架的出口厚度和凸度;
以所述综合目标函数为基准,对各机架的出口厚度和凸度进行寻优,寻优后得到各机架的最佳出口厚度和最佳凸度值;
校验末机架的出口厚度和凸度是否满足所述综合目标函数,满足条件终止迭代,否则继续迭代,直至达到误差允许范围内;
当终止迭代后,根据各机架的最佳出口厚度和最佳凸度值,结合所述多***分布式协调控制模型反推出各个机架所施加的轧制力、弯辊力、窜辊量,结合轧制力、弯辊力、窜辊量的具体数值反推出液压缸和弯辊缸的具体行程,完成相应过程工艺变量的调控;
在完成相应过程工艺变量的调控后,通过多功能仪测量得到成品出口厚度和凸度
的实测值和目标值存在的偏差向量;根据调控矩阵,计算得到消除相应偏差向量
所需要的调节量;以时间为变量循环往复对生产过程进行调控,实现各个机架负荷分
配和机架间的动态协调;
与现有技术相比,本发明具有如下优点和技术效果:
本发明提供了一种连轧过程板带质量分布式调控方法,利用采集到的现场数据,采用最大相关、最小冗余原则对数据进行筛选,利用混合核函数的方法将数据中的过程工艺变量和质量指标映射到高维特征空间中,为多***分布式协调控制模型奠定基础。通过设计的多***分布式协调控制模型建立有关厚度和板形的目标函数,进一步利用群智能优化算法以目标函数为基准对各机架的厚度和凸度进行寻优。当算法终止迭代后,通过各机架的厚度和凸度反推出各机架的轧制力、弯辊力、窜辊量,继而采用循环修正策略,对各个机架的轧制力、弯辊力、窜辊量进行补偿和纠偏,实现各个机架负荷分配和机架间的动态协调。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的控制原理图;
图2为本发明实施例的子***和控制器之间的交互信息图示;
图3为本发明实施例的群智能优化算法寻优原理图;
图4为本发明实施例的分布式***过程自动化级的具体配置示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1-4所示,本发明提供了一种连轧过程板带质量分布式调控方法,包括以下步骤:
S1:获取精轧流程的历史数据,其中,所述历史数据包括:过程工艺变量和质量指标;
S2:将精轧流程划分为7个子***,分别将所述过程工艺变量和所述质量指标划分至不同的子***中,根据最大相关、最小冗余筛选原理,得到各子***内部过程工艺变量和质量指标的优选数据集合;
S3:采用混合核函数的方法将所述优选数据集合映射到高维特征空间;
S4:根据所述高维特征空间中优选数据集合构建多***分布式协调控制模型;
S5:基于所述多***分布式协调控制模型,引入群智能优化算法,采用循环修正策略,实现机架间的协调控制。
所述获取精轧流程的历史数据包括:
S1.1、冶金行业尤其是带钢生产行业的生产数据具有多元异构、体量庞大、多变量、多粒度的特点,依托实际生产现场,数据采集一般是以实时数据库为基础数据平台对数据进行管理和配置,采用基于OPC、ODBC等数据采集协议,利用实时数据平台提供的标准I/O驱动接口采集对应的数据;
S1.2、轧制同一钢种不同钢号、同一钢号不同钢种、不同板厚的板带产生的数据;所述过程工艺变量包括轧制力、辊缝值、轧制速度、弯辊力、窜辊量,质量指标包括厚度、板带的宽度、板带的凸度、板带的平直度。
所述将精轧流程划分为7个子***包括:
S2.1、第一机架、第二机架、第三机架、第四机架、第五机架、第六机架、第七机架;
S2.2、将上述过程工艺变量划分至不同的子***中表示为:,。其中,表示过程工艺变量数据集,为第一机架过程工艺变量组成的数据
集,为第二机架过程工艺变量组成的数据集,为第三机架过程工艺变量组成的数据
集,为第四机架过程工艺变量组成的数据集,为第五机架过程工艺变量组成的数据
集,为第六机架过程工艺变量组成的数据集,为第七机架过程工艺变量组成的数据
集;表示质量指标数据集。表示质量指标数据集对应的成品的厚度和凸度。
S2.3、根据最大相关、最小冗余筛选原理得到子***内部过程工艺变量和质量指标的优选数据集合包括:所述最大相关原理是为了建立过程工艺变量与质量指标之间强关联关系,最小冗余是工艺变量之间最大程度上避免相互影响;
式中,表示各子***的过程工艺变量集合,表示质量指标集合,和
分别为和中的元素,类似地,定义为和之间的最大信息系数。本发明双向
地建立了过程工艺变量和质量指标的相关关系,是后续建立多***分布式协调控制模型的
基础;
S3.1、混合核函数为径向基核函数和Sigmoid核函数的整合形式,表示为:,为混合核函数,为径向基核函数,
为Sigmoid核函数,表示权值,混合核函数与核函数相比具有更强的泛化能力,
基于混合核函数映射到高维空间的数据使得建立的多***分布式控制模型更稳定。迁移到
本发明中表示为:
所述根据映射到高维特征空间中优选数据集合构建多***分布式协调控制模型如下:
S4.1、构建多***分布式协调控制模型
式中,为由和组合而成的输入-输出矩阵,其中,为工艺参数经过混合核函数映射到高维空间的高维特征组成的矩阵,为
质量指标经过混合核函数映射到高维空间的高维特征组成的矩阵,为未来的输出
矩阵,即质量指标矩阵,为未来的输入矩阵,即过程工艺变量矩阵,和分
别为对应矩阵的控制矩阵,过程工艺变量和质量指标之间存在的未知扰动;
进一步地,表示未来的最佳输出,即控制***设定的最佳控制效
果。式中,表示未来各个子***的最优输出集合,和越接近说明
控制效果越好。其中的表示质量指标中对应的最佳出口厚度,表示质量指标中对应
的最佳板形。通常情况下,相关的度量指标包括凸度、平直度,本发明重点考虑凸度。
上述厚度和板形的调节最终执行机构在液压缸和弯辊缸的动作上。在过程工艺变量中具体涉及到轧制力、弯辊力、窜辊量。
所述引入群智能优化算法,采用循环修正策略实现机架间的协调控制包括:
S5.1、引入群智能优化算法进行优化包括:群智能优化算法借助仿生学的思想,将生物的觅食、捕猎等具体活动抽象出来,种群内个体的维度即为优化的变量数,各维度中的矢量参数为待优化变量,本例中个体的维度设置为14维,分别为7个机架的出口厚度和凸度。以具体以综合目标函数为基准对各机架的出口厚度和凸度进行寻优,寻优后得到各机架的最佳出口厚度和最佳凸度值,此时校验末机架的厚度和凸度是否满足综合目标函数,满足条件终止迭代,否则继续迭代,直至达到误差允许范围内。
当终止迭代后,根据各机架的最佳出口厚度和最佳凸度值,结合多***分布式协调控制模型反推出各个机架所施加的轧制力、弯辊力、窜辊量,结合轧制力、弯辊力、窜辊量的具体数值反推出液压缸和弯辊缸的具体行程,完成相应工艺变量的调控;
S5.2、循环优化策略是在上述完成相应变量的调控后,通过多功能仪测量得到成
品出口厚度和凸度的实测值和目标值存在偏差向量,根据调控矩阵,可快速相应
计算得到消除偏差所需要的调节量。循环优化策略以时间为变量循环往复对生产过程
进行上述调控,实现各个机架负荷分配和机架间的动态协调。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种连轧过程板带质量分布式调控方法,其特征在于,包括以下步骤:
获取精轧流程的历史数据,其中,所述历史数据包括:过程工艺变量和质量指标;
将精轧流程划分为7个子***,将所述过程工艺变量划分至不同的子***中,根据最大相关、最小冗余筛选原理,得到各子***内部过程工艺变量和质量指标的优选数据集合;
采用混合核函数的方法将所述优选数据集合映射到高维特征空间;
根据所述高维特征空间中优选数据集合构建多***分布式协调控制模型;
基于所述多***分布式协调控制模型,引入群智能优化算法,采用循环修正策略,实现机架间的协调控制;
引入群智能优化算法,采用循环修正策略,实现机架间的协调控制的方法为:
设定有关厚度和板形的综合目标函数以及个体的维度,其中,所述个体的维度设置为14维,分别为7个机架的出口厚度和凸度;
以所述综合目标函数为基准,对各机架的出口厚度和凸度进行寻优,寻优后得到各机架的最佳出口厚度和最佳凸度值;
校验末机架的出口厚度和凸度是否满足所述综合目标函数,满足条件终止迭代,否则继续迭代,直至达到误差允许范围内;
当终止迭代后,根据各机架的最佳出口厚度和最佳凸度值,结合所述多***分布式协调控制模型反推出各个机架所施加的轧制力、弯辊力、窜辊量,结合轧制力、弯辊力、窜辊量的具体数值反推出液压缸和弯辊缸的具体行程,完成相应过程工艺变量的调控;
在完成相应过程工艺变量的调控后,通过多功能仪测量得到成品出口厚度和凸度的实测值和目标值存在的偏差向量;根据调控矩阵,计算得到消除相应偏差向量所需要的调节量;以时间为变量循环往复对生产过程进行调控,实现各个机架负荷分配和机架间的动态协调;
将精轧流程划分的7个子***包括:第一机架、第二机架、第三机架、第四机架、第五机架、第六机架、第七机架;
将所述过程工艺变量划分至不同的子***的方法为:
其中,表示过程工艺变量数据集,为第一机架过程工艺变量组成的数据集,为第二机架过程工艺变量组成的数据集,为第三机架过程工艺变量组成的数据集,为第四机架过程工艺变量组成的数据集,为第五机架过程工艺变量组成的数据集,为第六机架过程工艺变量组成的数据集,为第七机架过程工艺变量组成的数据集;
根据最大相关、最小冗余筛选原理,得到各子***内部过程工艺变量和质量指标的优选数据集合的方法包括:
根据最大相关筛选原理,得到各子***内部所述过程工艺变量和所述质量指标之间的关联关系;
根据最小冗余筛选原理,得到各子***内部所述过程工艺变量之间和所述质量指标之间的冗余关系;
所述过程工艺变量和质量指标之间的关联关系的表达式为:
所述混合核函数的表达式为:
2.根据权利要求1所述的连轧过程板带质量分布式调控方法,其特征在于,获取的精轧流程的历史数据为:轧制同一钢种不同钢号、同一钢号不同钢种、不同板厚的板带产生的数据;所述过程工艺变量包括轧制力、辊缝值、轧制速度、弯辊力和窜辊量;所述质量指标包括厚度、板带的宽度、板带的凸度和板带的平直度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609053.4A CN115591947B (zh) | 2022-12-15 | 2022-12-15 | 一种连轧过程板带质量分布式调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211609053.4A CN115591947B (zh) | 2022-12-15 | 2022-12-15 | 一种连轧过程板带质量分布式调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115591947A CN115591947A (zh) | 2023-01-13 |
CN115591947B true CN115591947B (zh) | 2023-03-17 |
Family
ID=84853818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211609053.4A Active CN115591947B (zh) | 2022-12-15 | 2022-12-15 | 一种连轧过程板带质量分布式调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115591947B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004076086A2 (de) * | 2003-02-25 | 2004-09-10 | Siemens Aktiengesellschaft | Verfahren zur regelung der temperatur eines metallbandes, insbesondere in einer fertigstrasse zum walzen von metallwarmband |
CN101003063A (zh) * | 2006-01-18 | 2007-07-25 | 宝山钢铁股份有限公司 | 在平整轧制过程中带钢的延伸率、板形及综合控制方法 |
CN102069094A (zh) * | 2010-11-16 | 2011-05-25 | 北京首钢自动化信息技术有限公司 | 一种基于数据挖掘的板形控制关键工艺参数优化*** |
CN103143574A (zh) * | 2011-08-04 | 2013-06-12 | 上海交通大学 | 带钢热连轧过程的分布式预测控制*** |
CN103722022A (zh) * | 2013-12-29 | 2014-04-16 | 北京首钢自动化信息技术有限公司 | 一种轧制过程中摩擦系数模型优化***及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5193066A (en) * | 1989-03-14 | 1993-03-09 | Kabushiki Kaisha Kobe Seiko Sho | Equipment for adjusting the shape of a running band-like or plate-like metal material in the width direction |
CN102941232B (zh) * | 2012-11-12 | 2014-12-10 | 东北大学 | 一种热连轧精轧过程控制方法 |
CN104985003A (zh) * | 2015-06-03 | 2015-10-21 | 燕山大学 | 一种基于数据驱动的轧制过程打滑诊断及预测的方法 |
EP3461567A1 (de) * | 2017-10-02 | 2019-04-03 | Primetals Technologies Germany GmbH | Planheitsregelung mit optimierer |
CN111209967A (zh) * | 2020-01-08 | 2020-05-29 | 太原科技大学 | 一种基于支持向量机的轧制过程板凸度预测方法 |
CN111250548B (zh) * | 2020-01-18 | 2021-11-12 | 太原科技大学 | 一种基于核偏最小二乘结合支持向量机的板凸度预测方法 |
CN111389915B (zh) * | 2020-03-24 | 2020-12-29 | 燕山大学 | 模拟板带材电热场量变化的微控装置 |
CN114048592A (zh) * | 2021-10-25 | 2022-02-15 | 北京科技大学 | 一种精轧全流程分布式运行性能评估及非优原因追溯方法 |
-
2022
- 2022-12-15 CN CN202211609053.4A patent/CN115591947B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004076086A2 (de) * | 2003-02-25 | 2004-09-10 | Siemens Aktiengesellschaft | Verfahren zur regelung der temperatur eines metallbandes, insbesondere in einer fertigstrasse zum walzen von metallwarmband |
CN101003063A (zh) * | 2006-01-18 | 2007-07-25 | 宝山钢铁股份有限公司 | 在平整轧制过程中带钢的延伸率、板形及综合控制方法 |
CN102069094A (zh) * | 2010-11-16 | 2011-05-25 | 北京首钢自动化信息技术有限公司 | 一种基于数据挖掘的板形控制关键工艺参数优化*** |
CN103143574A (zh) * | 2011-08-04 | 2013-06-12 | 上海交通大学 | 带钢热连轧过程的分布式预测控制*** |
CN103722022A (zh) * | 2013-12-29 | 2014-04-16 | 北京首钢自动化信息技术有限公司 | 一种轧制过程中摩擦系数模型优化***及方法 |
Non-Patent Citations (1)
Title |
---|
谭树彬 ; 刘建昌 ; .Multi-Agent的连续轧制过程控制***研究.2008,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115591947A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440368A (zh) | 一种多模型动态软测量建模方法 | |
CN103809472A (zh) | 基于模型的优化和无模型的控制的在线集成 | |
CN111522229B (zh) | 参数自整定的mimo异因子偏格式无模型控制方法 | |
CN109634108A (zh) | 参数自整定的mimo异因子全格式无模型控制方法 | |
Chen et al. | Input-output dynamic model for optimal environmental pollution control | |
CN109856973A (zh) | 一种基于模糊神经网络的温室环境控制方法及*** | |
CN113075881A (zh) | 一种pid控制器的参数调节方法、装置及电子设备 | |
CN104991984A (zh) | 一种用于煮糖结晶的数据监测方法和*** | |
Vogt et al. | On-line adaptation of grid-based look-up tables using a fast linear regression technique | |
CN115591947B (zh) | 一种连轧过程板带质量分布式调控方法 | |
CN107085371A (zh) | 基于数据驱动的原油蒸馏装置经济模型预测控制方法 | |
Yang et al. | Thermal error modeling by integrating GWO and ANFIS algorithms for the gear hobbing machine | |
Pan et al. | Optimization of industrial boiler combustion control system based on genetic algorithm | |
CN110298385A (zh) | 一种基于*信息与增量svdd在线早期故障检测方法 | |
Liu et al. | Flatness Prediction of Cold Rolled Strip Based on EM-TELM | |
CN109782586A (zh) | 参数自整定的miso异因子紧格式无模型控制方法 | |
CN110597055B (zh) | 抗不确定性的2d分段仿射间歇过程最小-最大优化的预测控制方法 | |
CN102284505A (zh) | 一种基于arm的模糊pi厚度控制*** | |
CN112180733A (zh) | 一种基于模糊逻辑的建筑能耗***预测控制参数整定方法 | |
CN111444619A (zh) | 一种注塑模具冷却***在线分析方法及设备 | |
CN109814389A (zh) | 参数自整定的mimo异因子紧格式无模型控制方法 | |
CN113641101A (zh) | 一种基于数值仿真的多渠池控制参数寻优算法 | |
Wang et al. | Hybrid end-point static control model for 80 tons BOF steelmaking | |
Shaikh et al. | Computational Analysis of PID and PSO-PID Optimization for MIMO Process Control System | |
CN109388851B (zh) | 螺旋锥齿轮形性协同制造智能参数驱动决策与处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |