带钢冷连轧生产系统的动态智能质量控制 作者：程菲，任飞 著出版时间：2014年内容简介 《带钢冷连轧生产系统的动态智能质量控制》提出了一种基于模糊逻辑推理和神经网络的动态智能质量控制器DIQC。《带钢冷连轧生产系统的动态智能质量控制》介绍了在最大输出误差点添加新隶属函数的构造性动态结构的控制器以减轻偏差／方差两难问题、控制器的全局逼近性质、参数的局部性与线性化要求；为达到全局闭环稳定而需要的全局控制方案、激励持续条件、学习率的界定；对于泛化能力的可靠性、数据分布的优化策略、在线学习条件、控制器反馈结构；去模糊化方法的选定、T—norm算子与隶属函数的选择、ε一完备性要求以及模糊相似程度判定等内容。《带钢冷连轧生产系统的动态智能质量控制》可供从事自动化、连铸连轧等相关专业的工程技术人员参考使用。目录1.1 冷连轧工艺流程简介1.2 冷连轧计算机质量控制系统1.2.1 带钢冷连轧计算机控制的发展与趋势1.2.2 冷连轧计算机质量控制系统类别1.3 攀钢冷连轧计算机控制系统的组成及其存在的问题1.4 带钢冷连轧系统的智能化控制要求1.5 智能控制在轧制工业领域的发展1.5.1 国外发展情况1.5.2 国内发展情况1.6 本书所解决问题2 智能算法与工业控制2.1 概述2.2 人工智能（AI）2.3 神经网络与控制2.4 模糊逻辑推理系统与控制2.4.1 模糊推理机2.4.2 模糊逼近计算2.5 模糊神经网络2.6 智能控制和学习控制2.6.1 简介2.6.2 智能控制与古典控制方法的联系2.6.3 学习控制的分类2.6.4 讨论2.7 小结3 基于模糊神经网络的冷连轧动态智能质量控制（DIQC）3.1 控制问题简述3.2 带钢冷连轧自动厚度控制（AGC）的理论基础3.2.1 自动厚度控制（AGC）基本环节3.2.2 轧机弹跳方程3.2.3 轧件塑型曲线与F—h图3.2.4 解析法3.2.5 流量AGC系统3.3 动态智能质量控制（DIQC）思想及需要解决的问题3.4 冷连轧质量控制系统函数逼近方法的选取3.4.1 简介3.4.2 参量与非参量方法3.4.3 逼近方法3.4.4 讨论3.5 DIQC泛化能力提高条件3.5.1 泛化与激励3.5.2 闭环控制中的激励，3.5.3 过程特点与泛化能力3.5.4 小结与讨论3.6 DIQC优化方法的选用研究3.7 DIQC中FNN动态网络结构研究3.7.1 简介3.7.2 Pruning算法的分类3.7.3 构造算法的分类3.7.4 DIQC中FNN结构调整算法3.7.5 DIQC中“模糊与”乘积算子方法3.7.6 DIQC中s完备性要求3.7.7 讨论3.7.8 小结3.8 DIQC输入域要求及局部性网络架构3.9 DIQC在线学习的必要性3.10 DIQC反馈结构的必要性3.11 DIQC的稳定性研究3.11.1 简介3.11.2 激励的持续3.11.3 学习率边界3.11.4 小结与讨论3.12 全局DIQC的构建设计3.12.1 全局协调控制策略3.12.2 子系统FNN结构及算法3.13 FNN的学习算法实现3.14 小结4 冷连轧过程数据处理、采集与跟踪4.1 引言4.2 钢卷原始数据处理4.2.1 一级基础自动化需要请求钢卷原始数据的区域4.2.2 钢卷原始数据4.2.3 一级基础自动化的钢卷原始数据人机接口4.2.4 钢卷缺陷数据4.3 数据采集（DAc）4.3.1 概述4.3.2 钢卷数据采集4.3.3 故障状态下的过程数据采集4.4 带钢跟踪（STR）4.4.1 概述4.4.2 跟踪的信息4.5 钢卷跟踪（CTR）4.5.1 自动方式和后备方式的转换4.5.2 酸洗线的钢卷跟踪4.5.3 后备方式下活套跟踪数据4.5.4 出口钢卷跟踪（钢卷数据跟踪2功能）4.5.5 一级基础自动化与二级控制界面4.6 基于IBA的冷连轧过程数据收集与跟踪系统4.6.1 PDA系统硬件4.6.2 PDA硬件配置及分析4.6.3 PDA02硬件配置及分析4.6.4 PDA的系统软件以及通道设置4.6.5 PDA过程数据采集及其分析系统的作用4.7 小结5 基于DIQC的冷连轧机轴扭振控制5.1 引言5.2 问题描述5.3 串列式冷连轧机双质量系统5.4 仿真结果与讨论5.5 小结6 基于DIQC的冷连轧偏心与硬度干扰控制研究6.1 问题描述6.2 仿真模型6.3 仿真结果与讨论6.4 小结7 基于DIQC的冷连轧厚度控制（AGC）研究7.1 问题描述7.2 仿真模型7.3 仿真结果与讨论7.4 小结8 结论与展望参考文献 上一篇: 萃取冶金原理与实践 下一篇: 冶金流程集成理论与方法 2013年版
