针对轧机单独传动系统中上下轧辊的拖动电机速度同步精度不高、在正弦扰动下同步性能和抗干扰性能较差的问题,以直流调速系统为研究对象,提出了基于Widrow-Hoff学习算法的神经网络同步控制器和扰动观测器相结合的策略。该策略利用神经网络同步控制器实现电机速度同步,利用扰动观测器观测扰动,并将其补偿至电机输入端,以提高抗干扰性能。仿真结果和分析表明,与未引入扰动观测器的两个电机同步控制系统相比,该控制策略能使系统保持较高的同步性能,在轧制钢材时抗干扰能力更强,同步精度更高,速度同步误差保持在0.0005以下。

针对风光储互补的双层母线直流微电网系统,提出一种基于多端口变换器直流微电网分布式模型预测控制策略。首先,建立各个子微网系统中风电系统、光伏系统和储能系统的数学模型,其次,依据风电系统、光伏系统工作在经济最优,发电功率最大,储能系统作为补充的原则,采用分布式模型预测控制算法优化风电系统、光伏系统输出功率,保证高低压侧母线负荷跟踪性能和经济性能。最后,通过微网间DC/DC变换器进行PI控制,实现高低压母线间能量平衡,维持母线电压稳定。通过仿真、实验验证,所提控制策略能够实现各个微电网发电单元经济最优的同时,维持高低压侧母线的功率平衡和母线电压稳定,提高了系统的运行可靠性。

针对冷连轧机负荷分配寻优速度缓慢的问题,采用了基于改进人工鱼群算法的优化方法。由于基本人工鱼群算法后期收敛速度慢、精度不高,所以对其中觅食行为的视野和步长进行了优化。首先给定一个较大的视野和步长,随着算法的迭代,视野不断减小,到某一值后不再改变,同时步长随着视野的减小而同比例减小。结合某钢厂五机架冷连轧机,以轧制力成比例分配为目标函数,以压下率为约束条件,通过MATLAB对轧制负荷分配的寻优过程进行仿真,结果表明改进后的人工鱼群算法在轧制负荷分配方面,具有算法实现简便、收敛速度快等优点,而且与典型轧制规程相比,各机架出口厚度误差最大为4.26%,为实际生产中轧制规程的制定提供了有效的方法。

带钢热连轧过程中采集的数据具有较强的自相关性、互相关性以及时变性,典型变量分析方法(CVA)虽然能够解决自相关性和互相关性的问题,但是由于过程数据存在时变性,导致以前构建的监控模型不再适用于现在的数据,因此提出了一种基于滑动窗口的典型变量分析方法(MWCVA)。该方法首先通过初始窗口构建CVA模型和统计量,解除了数据之间的自相关性和互相关性,然后通过滑动窗口更新过程数据,不断更新CVA模型和统计量,解决了时变性导致检测结果不准确的问题,最后通过控制限判断是否发生故障,在监测系统内部状态空间的同时监测外部状态空间的变化,更加全面地进行故障检测。通过带钢热连轧过程(HSMP)案例的仿真研究,对比CVA、MWCVA的检测效果,证明了MWCVA对故障识别的精度高达100%,误报率不足0.5%。

综合考虑测厚仪反馈AGC系统轧制时存在厚度反馈时滞以及外干扰,提出将自抗扰控制技术运用于测厚仪反馈型AGC系统,设计一自抗扰控制器用来减弱厚度反馈时滞和外干扰给系统带来的不利影响。仿真结果证明该控制器能有效地抑制干扰、减小时滞对板带出口厚度的影响,其控制性能优于常规的PID控制器,为带钢厚度精度的提高提供了一种新的解决办法。

在考虑轧辊与轧件间的摩擦力、弹性力和轧辊偏心力的基础上,建立了板带轧机自动厚度控制系统(AGC)非线性参激振动模型,用多尺度法求解了振动系统在主参数共振情况下的一阶近似解,给出了振子的频率响应方程,用数值方法研究了定常解的稳定性,并应用最大Lyapunov指数和Poincare映射方法分析了轧辊偏心角频率对AGC系统非线性参激共振的影响。

针对带钢冷连轧精轧机组中负荷分配的优化问题,提出一种免疫萤火虫算法。该方法利用免疫算法中抗体对抗原敏感性强的特点,在目标函数的激励下迅速大量产生可行域中适应度高的解,解决基本人工萤火虫算法中因观察范围内高亮度的萤火虫发现率低导致的算法初始迭代缓慢问题。为提高萤火虫算法的精度、避免陷入局部极值,根据免疫算法中抗体浓度与激励度的关系,提出新的萤光素更新公式。仿真分析免疫算法、人工萤火虫算法和免疫萤火虫算法,结果表明了免疫萤火虫算法在收敛速度和精度上的优越性。

冷连轧过程中的厚度与张力系统具有多变量、强耦合和不确定的特点。为降低两者的耦合影响,提高系统响应速度和抗干扰能力,提出基于BP神经网络逆系统解耦原理的PID控制策略。考虑轧制力相对于张应力的变化系数,建立厚度与张力系统的动态耦合模型,并应用Interactor算法证明此模型的可逆性。应用BP神经网络逆系统解耦原理实现对厚度与张力系统的解耦,减弱厚度与张力的耦合影响。针对粒子群优化算法极易陷入局部最优的问题,提出一种粒子群优化算法

考虑到液压APC系统存在不确定负载干扰和未建模动态的特点首先建立了液压APC系统的模型将不确定性负载扰动和未建模动态视为一个综合扰动项然后利用扩张状态观测器（ESO）对其进行观测和补偿并基于自抗扰控制技术设计了一个不依赖于对象模型的控制器。仿真结果表明：该控制器不仅有效地抑制了不确定负载扰动对系统的影响同时对受控对象模型参数的变化也具有较强的鲁棒性。

考虑到液压自动位置控制（APC）系统存在不确定外部干扰的特点，首先建立了液压APC系统的模型，然后根据对象的输入输出信息，利用扩张状态观测器（ESO）对扰动项进行了观测和补偿，并基于自抗扰控制技术设计了一个不依赖于对象模型的控制器。仿真结果表明：该控制器不仅有效地抑制了不确定外部干扰对系统的影响，同时对受控对象模型参数的变化也具有较强的鲁棒性。