白 涛

（承德石油高等专科学校，河北 承德067000）

0 引言

液压弯辊通过正负弯辊形式调整轧辊凸度和挠度改善板带材板形[1]，但由于其系统复杂性难以建立精确模型，传统控制理论很难满足高精度轧制需求[2]。李德毅院士定义了一种新的云模型[3]，从模糊性和随机性共同角度研究定性概念与定量数据的不确定性转换。因此，云模型在研究本文的非线性和不确定性液压弯辊板形控制系统具有更强理论优势。但云模型控制器有个明显的缺点缺乏学习机制，而神经网络模拟人脑的运行机制，对历史数据样本进行记忆和自适应学习[4]，所以本文在云模型基础上引入神经网络，最终建立基于云神经模糊液压弯辊板形控制系统。通过仿真分析，该算法具有良好的控制性能和较好的应用价值。

1 云模型

1.1 云模型的基本定义

定义1：设论域U，T为U上的模糊子集，U到闭区间[0,1]的映射CT(x)。

这是一个具有稳定倾向的随机数，CT(x)在U上的分布称为T的隶属云，简称云，或称之为T的云模型[5]。云模型通过期望Ex、熵En和超熵He3个数字特征来表示并实现控制计算。

2 云神经模糊混合集成模型

2.1 控制原理

控制算法根据不同的板形偏差e和偏差变化率ec对工作辊的液压弯辊力的调整量u进行在线调整，以满足不同时刻对调节参数的不同要求。其控制原理如图1所示。

2.2 变量的确定

在云神经模糊混合集成的液压弯辊板形控制系统中，取带钢二次板形的偏差e和偏差变化率ec为输入变量，工作辊的液压弯辊力的调整量u为输出变量。……