随着科学技术和工业水平的日益发展,热镀锌钢板的发展突飞猛进。热镀锌钢板具有良好的抗腐蚀性和物理性能,根据镀锌层的不同厚度,其在家电、建筑、汽车等行业都取得了广泛应用和关注。镀锌钢板锌层的厚度是衡量热镀锌板质量的一项极其重要性能指标,其中气刀设备的控制精度直接决定镀锌板的质量和属性。钢带所镀锌层太厚,会引起原材料的浪费,提高生产成本,同时对产品的附着性和抗冲压性也对带来负面影响;而镀锌锌层太薄或不均匀也会影响热镀锌钢带的抗腐蚀性,同样也不能满足客户的需求。热镀锌的生产是一个连续的过程,钢带运行通过装满液态锌的锌锅时,会有大量的液态锌附着在钢带表面,多余的液态锌会被气刀喷出的高速气流吹回锌锅,气刀装置与挡板以及带钢自身的规格和运行速度对于锌层的均匀性和锌层厚度控制方面起着重要的作用。由此可见,热镀锌板带的质量和生产成本与钢带表面镀锌层的厚度和均匀性密切相关。气刀装置是控制镀锌层厚度的关键设备,要想使锌层厚度控制精准达到生产要求,则必须对锌层的厚度控制的执行单元──气刀的结构和原理进行研究和分析,控制锌层厚度的精准度直接影响镀锌板的产品质量,从而影响整个镀锌线的生产效率和性能指标。目前,气刀的控制技术较过去得到了迅猛的发展,技术和结构上都有很大的改善,但是国内很少有专家和学者对气刀设备的结构和控制技术进行深入的分析和探讨,从而导致了在一定程度上阻碍了它的优化和创新。镀锌层厚度的自动控制系统错综复杂,在实际生产过程中难以通过建立数学模型的方法得到锌层厚度的输出函数,目前很多产家对于刀高和刀间距等相关变量参数大多采取人工手动调节的方式,这个过程中常常依靠操作人员的过往经验,这种调节方式并不是最优调节,使得锌层厚度的偏差无法得到及时而精确的调整,长此以往就会导致锌层的厚度存在偏差,最终影响其生产效率,而且在一定程度上也不能完全形成全自动控制。由于锌层厚度控制过程的影响因素非常之多,并且各个因素之间相互影响、相互约束,值得注意的是气刀设备调节机构对锌层厚度的影响是非线性的,因此若将常规的PID控制理论用于控制锌层厚度则很难达到令人满意的控制效果。BP神经网络算法可以通过其网络结构形成一个从输入到输出的映射关系,其功能强大,应用范围广泛,研究证实其能实现任何复杂非线性映射关系的功能。因此,利用BP神经网络算法来调节气刀压力、刀高及刀间距等参数可以实现锌层厚度自动调节控制系统。本文利用BP神经网络建立双闭环锌层控制系统,完成硬件配置和通讯设置,制作系统改进方案的结构原理图,确定锌层厚度的BP神经网络模型,对锌层厚度控制BP神经网络模型的学习过程进行运算和分析,将锌层的厚度精度控制在误差范围之内。其中,整个锌层厚度控制系统的主回路为锌层厚度闭环控制回路,通过采用BP神经网络算法控制,解决多变量、非线性且很难建立数学模型的问题;而副回路为气刀的喷射压力闭环控制回路,通常采取常规的PID算法控制来快速调节气刀喷射压力的大小。由此可见,现代控制理论的不断更新和计算机技术的飞速发展,为锌层厚度的控制奠定了良好的基础。鉴于锌层控制的诸多特点和手动控制的弊端,本次论文将采用BP神经网络的算法进行相关探讨和研究,通过建立合理的数学模型来解决锌层厚度控制的相关问题。