白 濤

（承德石油高等?？茖W校，河北 承德067000）

0 引言

液壓彎輥通過正負彎輥形式調整軋輥凸度和撓度改善板帶材板形[1]，但由于其系統(tǒng)復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]，從模糊性和隨機性共同角度研究定性概念與定量數(shù)據(jù)的不確定性轉換。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)具有更強理論優(yōu)勢。但云模型控制器有個明顯的缺點缺乏學習機制，而神經網(wǎng)絡模擬人腦的運行機制，對歷史數(shù)據(jù)樣本進行記憶和自適應學習[4]，所以本文在云模型基礎上引入神經網(wǎng)絡，最終建立基于云神經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用價值。

1 云模型

1.1 云模型的基本定義

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

這是一個具有穩(wěn)定傾向的隨機數(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個數(shù)字特征來表示并實現(xiàn)控制計算。

2 云神經模糊混合集成模型

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整量u進行在線調整，以滿足不同時刻對調節(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整量u為輸出變量。語言變量的語言值都取為{NB(負大)，NM(負中),NS(負小)，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)設計如表1所示。

圖1 云神經模糊混合集成算法結構

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 云神經模糊混合集成的智能算法

云神經模糊集成控制算法由輸入條件部分的一個云處理層和輸出結論部分的m個BP網(wǎng)絡共同構成[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規(guī)則下的適應度μ，而BP網(wǎng)絡1～BP網(wǎng)絡m分別表示不同規(guī)則對應的輸出結論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，表達式為：

云神經模糊混合集成的智能系統(tǒng)，其結構如圖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)則下的適應度[7]。

（2）通過BP網(wǎng)絡對歷史軋制數(shù)據(jù)進行學習，第i組模糊推理規(guī)則對應的軋制樣本為第i個BP網(wǎng)絡的學習樣本。

3 仿真實驗

為了驗證建立的云神經模糊混合集成算法的控制性能，利用某企業(yè)1220四棍軋機第五機架實際軋制數(shù)據(jù)，建立如圖3所示的BP網(wǎng)絡仿真器進行輸出結論預報。中間層節(jié)點數(shù)為4，將帶鋼軋制的歷史數(shù)據(jù)作為BP神經網(wǎng)絡的訓練數(shù)據(jù)，其輸入為6個參量：k時刻二次板形偏差e(k)，二次板形偏差變化率ec(k)，前張力實測值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個變量：為消除（k+1）時刻出現(xiàn)的二次板形偏差需要的液壓彎輥力的調整量ΔFw（k+1）即：

圖2 云神經模糊混合集成的智能系統(tǒng)

圖3 二次板形BP神經網(wǎng)絡仿真器

為了驗證算法的有效性，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，材質為Stw22，分別模糊控制方法、云模型控制方法以及云神經模糊混合集成算法進行仿真實驗。同時為進一步比較三種控制算法的抗干擾性，t=2 s時板形輸出測加2I的外部擾動。3種不同方法的仿真結果如圖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，云神經模糊控制模型對于二次板形缺陷調整時間快、超調量小、穩(wěn)態(tài)精度高，在受到干擾時，云神經模糊控制模型可以在較短的時間內恢復目標板形，能較好的應對液壓彎輥控制出現(xiàn)的復雜干擾情況。

4 結語

云神經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、神經網(wǎng)絡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)，仿真實驗展現(xiàn)出其控制精度高，調整時間短，抗干擾能力強，有效提高了板帶材質量，為液壓彎輥板形控制提供了新途徑。