摘　　　要：以鞍凌公司１７００ｍｍ热连轧机层流冷却系统为对象，对如何提高带钢卷曲温度控制质量进行研究。卷取温度控制精度是保证板带质量和板型良好的关键因素。从具体实现过程可以看出层流冷却控制过程是一个以预设定计算和前馈修正计算为主，反馈控制为辅的复杂控制系统。
关　键　词：反馈；热连轧；层流冷却；卷曲温度控制
ＬａｍｉｎａｒＣｏｏｌｉｎｇＣｏｎｔｒｏｌＳｙｓｔｅｍｏｆＨｏｔＳｔｒｉｐＭｉｌｌ
Ａｂｓｔｒａｃｔ：Ｔａｋｉｎｇｔｈｅｌａｍｉｎａｒｃｏｏｌｉｎｇｓｙｓｔｅｍｏｆ１７００ｍｍｈｏｔｓｔｒｉｐｒｏｌｌｉｎｇｍｉｌｌｉｎＡｎｌｉｎｇＩｒｏｎａｎｄＳｔｅｅｌＣｏｍｐａｎｙａｓａｒｅｓｅａｒｃｈｏｂｊｅｃｔ，ｉｍｐｒｏｖｅｍｅｎｔｓｏｎｃｏｉｌｉｎｇｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌａｃｃｕｒａｃｙａｒｅａｃｈｉｅｖｅｄ．Ｔｈｅａｃｃｕｒａｃｙｏｆｃｏｉｌｉｎｇｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌｉｓｔｈｅｋｅｙｆａｃｔｏｒｗｈｉｃｈｃａｎｅｎｓｕｒｅｇｏｏｄｑｕａｌｉｔｙａｎｄｔｈｅｔｙｐｅｏｆｔｈｅｓｔｒｉｐ．Ｂｙｔｈｅｄｅｔａｉｌｅｄｒｅａｌｉｚａｔｉｏｎｏｆｔｈｅｐｒｏｃｅｓｓ，ｗｅｃａｎｐｒｏｖｅｔｈａｔｔｈｅｐｒｏｃｅｓｓｏｆｌａｍｉｎａｒｃｏｏｌｉｎｇｃｏｎｔｒｏｌｉｓａＣｏｍｐｌｅｘｃｏｎｔｒｏｌｓｙｓｔｅｍ．Ｉｎｔｈｉｓｓｙｓｔｅｍ，Ｐｒｅ－ｓｅｔｔｉｎｇ－ｃａｌｃｕｌａｔｉｏｎａｎｄｆｅｅｄｆｏｒｗａｒｄ－ｃｏｒｒｅｃｔｉｏｎ－ｃａｌｃｕｌａｔｉｏｎａｒｅｔｈｅｍａｉｎｐａｒｔ．Ａｌｓｏ，ｔｈｅｆｅｅｄｂａｃｋ－ｃｏｎｔｒｏｌｉｓａｃｃｅｓｓｏｒｉａｌ．
Ｋｅｙｗｏｒｄｓ：ｆｅｅｄｂａｃｋ；ｈｏｔｓｔｒｉｐｍｉｌｌ；ｌａｍｉｎａｒｃｏｏｌｉｎｇ；ｃｏｉｌｉｎｇｔｅｍｐｅｒａｔｕｒｅｃｏｎｔｒｏｌ
　　１　引　言
　　热轧带钢卷曲温度的控制是冷却过程的核心任务，已有报道［１］，国外有的热轧带钢生产线对带钢全长的卷曲温度控制精度已达到±２０℃，对带钢全长的７０％，控制精度已达到±１０℃．带钢在进入卷曲机之前，要通过精轧机出口处输出辊道上设置的层流冷却设备进行冷却，以便控制带钢的卷曲温度，使得卷曲温度达到目标值。卷曲温度控制模型（ＣｏｉｌｉｎｇＴｅｍｐｅｒａｔｕｒｅＣｏｎｔｒｏｌ简称ＣＴＣ）的功能就是决定并且控制层流冷却设备的喷水方式、喷水阀门的开闭数量。［２］卷曲温度控制的目的，就是通过层流冷却喷水阀门开闭的动态调节，对不同钢种、不同厚度、不同宽度、不同终轧温度的带钢从较高的终轧温度（例如８００～９００℃）迅速冷却到所要求的卷曲温度（例如５７０～６５０℃），使得带钢获得良好的组织性能和力学性能。因此可以说，卷曲温度控制实质上是带钢热轧生产过程中的轧后冷却控制，但它与中、厚板生产中的轧后冷却控制又有所不同［３，４］。
　　２　原理及控制策略
　　卷曲温度和终轧温度一样，对带钢的金相组织影响很大，是决定成品带钢加工性能，力学性能的重要参数。卷曲温度影响产品质量的主要因素是：冷却开始和终了的温度、冷却速度以及冷却的均匀程度。喷水强制冷却是一个很复杂的物理过程。冷却水和炽热的带钢初接触时，带钢和水之间的巨大温差引起迅速的热传导，可是由于这时在钢板表面迅速形成一隔热的蒸汽层，即“膜状沸腾”，结果出现一段低导热期。待到蒸汽层不再稳定地附在钢板表面时，钢带和水重新接触，进入“泡核沸腾”期，此时产生很强烈的热传导。之后钢件逐渐变冷，热传导也相应地逐渐降低。任何强制冷却方式的效果，都取决于蒸汽层膜破坏及达到“泡核沸腾”的程度。冷却时产生的蒸汽膜，对传热系数影响比较大，使传热系数在１０００～１６０００Ｗ／（Ｍ２Ｋ）之间波动［５］。层流冷却设备的基本原理是利用虹吸管从水箱中吸除冷却水，是冷却水流向带钢，与带钢平稳接触，冷却水不反溅，并且紧贴在带钢的表面，以保持小压力的巨大水量流向带钢。另外还设置了侧喷装置，使带钢表面上的水按照一定的方向做宏观运动，从而降低带钢的温度，如图１所示。图１　带钢冷却系统装置简图　　根据控制的需要，将喷水区划分为１４个喷水控制区（ＢＡＮＫ）。ＢＡＮＫ１～ＢＡＮＫ３为粗调区；ＢＡＮＫ４～ＢＡＮＫ１１为标准区；ＢＡＮＫ１２～ＢＡＮＫ１４为精调区。粗调区：上、下部冷却水段（ＳＥＣＴＩＯＮ）的数量各为６个。上部每个冷却水段有２个阀控制，１个作为１００％水量控制，一个作为７０％水量控制，当选择１００％水量控制时，与标准区相同。标准区：上部、下部冷却水段（ＳＥＣＴＩＯＮ）数量为６个。每个冷却水段由一个阀控制。（ＢＡＮＫ１～ＢＡＮＫ１１上部每两根集管为一段）精调区：上部、下部冷却水段（ＳＥＣＴＩＯＮ）数量为１２个。每个冷却水段由一个阀控制。
　　３　预设定预设定部分
　　主要是由三部分组成的，卷取温度初始设定、带钢速度模式的计算、卷取温度动态设定。针对各种不同的冷却方式，带钢都需要经过预设定来计算其水阀的开闭模式。据输入的参数，经卷取温度初始设定计算得到各水冷段水阀的初始开闭模式。在卷取机咬钢之后，带钢的速度将会发生变化，当变化超过一定的范围时候，就需要对各带钢段进行速度模式的计算。卷取温度动态设定部分根据带钢速度模式图对冷却区域的水阀开闭状态进行动态调整，从而保证能按照卷取温度初始设定结果对带钢进行冷却。卷取温度的初始设定是预设定模块的核心部分。主要负责计算每段带钢水阀的初始开闭状态，以便为每段带钢执行必须的冷却规则，最终使带钢冷却到卷取温度所允许的范围之内。
　　４　动态设定
　　由于同一块带钢的轧制速度、精轧出口实际温度等不断变化，需要对带钢以固定的长度分段，以每一段为控制单元实施冷却控制。控制单元的长度称为控制脉冲长度。一级计算机对控制脉冲实施跟踪冷却控制，在轧制过程中每形成一个新的控制脉冲，动态设定功能就对其执行一次修正设定。控制脉冲的形成就是动态设定的执行时序。动态控制以带钢的控制脉冲长度为控制对象，对每一段进行修正计算并根据带钢的跟踪信号对阀的开关状态进行编辑输出，达到带钢的每一段控制脉冲长度都能准确的控制在目标温度之内［６］。
　　２）带钢每走过一个控制脉冲长度，基本热流密度系数都被重新计算一次。基本热流密度系数由一级根据二级的设定数据计算得出［７］。各个控制点热流密度系数ｆ１的计算：ｆ１＝ｆ１ＣＯＩＮ＋｛ｆ１ＣＯＢＴａ（ｊ）×（Ｎ－ｆＰＬＳ（ｊ））｝＋ｆ１ＣＯＢＴｂ（ｊ）式中，ｊ＝０～１０；ｆＰＬＳ（ｊ）≤Ｎ＜ｆＰＬＳ（ｊ＋１）；ｆ１ＣＯＩＮ为热流系数基本值；ｆ１ＣＯＢＴａ（ｊ）为热流系数修正系数Ａ；ｆ１ＣＯＢＴｂ（ｊ）为热流系数修正系数Ｂ；ｆＰＬＳ（ｊ）为学习点的脉冲值；Ｎ为控制点脉冲数。
　　３）预测每个控制点在各个冷却区（ＢＡＮＫ）下的速度。按以下５个阶段进行预测；每段带钢经过层流冷却区域的平均速度可通过预测速度计算出，见表１。表１　带钢速度预测的阶段序号 区域 阶段１ 带钢穿带～精轧开始降速 Ａ２ 精轧降速开始～精轧降速到抛钢速度 Ｂ３ 精轧降速到抛钢速度～精轧抛钢 Ｃ４ 精轧抛钢后１个脉冲 Ｄ５ 精轧抛钢后１个脉冲以后 Ｅ　　基本方程ｖｉ＝（ｖｉ－１２＋２×ａ×ｌ０×ＧＶｊ）１／２式中，ｖｉ－１为前一控制点带钢实际速度（ｍ／ｓ）；ａ为加速度（ｍｐｓ／ｓ）；ｌ０为控制脉冲长度（ｍ）；ＧＶｊ为速度区增益参数（ｊ＝１～４区号）。 表２　带钢加速度Ａａ＝ｖｉ－ｖｉ－１．．　　　如果ｖｉ＋１＞ＶＭＡＸ　　　　　　　　　　　那么ｖｉ＋１＝ＶＭＡＸ　　ｔ　　　　　　　　　ｔ：脉冲间的时间间隔Ｂ　　ａ＝ａ１　　　　　　ａ１：精轧机加速度（ｍｐｓ／ｓ）如果ｖｉ＋１＞ＶＭＡＸ那么ｖｉ＋１＝ＶＭＡＸＣ ｖｉ＋１＝ｖｏｕｔＤ ｖｉ＋１＝ｖｉ×β　　　　　β：超前率　　　　（１０２％）Ｅ ａ＝ａ２　　　　　　　　ａ２：卷取机加速度（ｍｐｓ／ｓ）　　
　　４）由于带钢的轧制速度较高，层流冷却水控制阀的响应时间相对较长，必须对其进行补偿，提前输出控制信号。提前输出的脉冲数量计算如下：　　ＫＢＦＣ＝Ｖ×ｔＶＬＰ／ｌ０式中，Ｖ：预测速度（ｍ／ｓ）；ｔＶＬＰ为阀的响应时间（ｓｅｃ）；ｌ０为控制脉冲长度（ｍ）。
　　５　反馈控制
　　反馈控制调节的启动　对于头部要求特殊冷却的带钢或要求头、尾部分段控制的带钢，其特殊控部分反馈控制不投入。在特殊控制部分经过ＣＴ后，反馈控制开始调节；在正常方式下，当反馈控制开始调节脉冲经过ＣＴ后，反馈控制开始调节。
    ２）反馈控制的数据刷新反馈温度的采样次数：　　ＮＦＢＫ＝ＮＦＢＫ＋１卷取温度偏差求和：△ＴＳＵＭ＝△ＴＳＵＭ＋（ＣＴＦＢＫ－ＣＴＦＢＮＭ）式中，ＣＴＦＢＫ为ＣＴ实际值；ＣＴＦＢＮＭ为ＣＴ目标值。３）温度偏差的补偿　在反馈控制开始的第一次调节，如果适当的提高温度偏差值，可增强反馈控制的效果［８］。△ＴＳＵＭ＝△ＴＳＵＭ×ｎＦＢＫ４）反馈控制冷却量的计算　计算反馈控制的冷却量①比例调节温度偏差的计算：　△ＴＳＵＭ１＝△ＴＳＵＭ／ＮＦＢＫ．　当△ＴＳＵＭ１在０和控制死区之间时，△ＴＳＵＭ１＝０②积分调节温度偏差的计算：　△ＴＳＵＭ２＝△ＴＳＵＭ２＋△ＴＳＵＭ１．③反馈控制冷却量：　△ＴＡＤＪ＝ＧＰ×△ＴＳＵＭ１＋ＧＩ×△ＴＳＵＭ２式中，ＮＦＢＫ为采样次数；△ＴＳＵＭ为温度偏差的累加；ＧＰ为比例增益；ＧＩ为积分增益。④积分调节温度偏差的限幅　当需要的冷却量大于反馈控制的冷却能力时：　△ＴＳＵＭ２＝△ＴＳＵＭ２－△ＴＳＵＭ１卷曲温度控制曲线，如图２所示。图２　卷曲温度控制曲线６　样品段跟踪在带钢头部至尾部离开精轧机的期间，使用实测的轧制温度、厚度和带钢的速度进行周期性的前馈控制计算，适时把阀门开闭设定值送到基础自动化，在带钢进入层流冷却区的运行中，计算机按固定的时间间隔，在逻辑上把带钢划分为数小段，计算机对每小段在层流冷却区进行推算和跟踪，对带钢的卷取温度控制正是以这些小段为最小单位进行，对每一小段计算所需增减的阀门数，当该小段运行到喷水区时，增减后的喷水正好对应此小段。为了使样本的组态喷到对应的样本上以及及时开闭阀门，必须实施层冷区的轧件跟踪。７　层流系统记忆纠错功能层流系统记忆纠错功能指的是当系统出现通讯故障或者模型不正常时，ＰＬＣ系统根据最近记录的两块带钢数据，顺利实施层流冷却功能。首先需要在ＰＬＣ系统中开辟两个数据区域，用于存放带钢的相关数据（样品段的长度、温度、速度、加速度等），在带钢通过ＦＤＴ和ＣＴ点时，通过寻址功能，把动态带钢数据存入内存区域。当轧制过程中出现通讯故障或者模型不正常时，再通过寻址功能，把预存的静态数据赋值给正在运行的带钢，从而保证生产的顺利运行。
　　８　结　语
　　经过两年多的多钢种、多规格的轧制，实际结果证明该温度控制系统具有较高的控制精度。厚度１８～１２５ｍｍ的带钢月统计卷曲温度在控制精度（±１０℃）范围内的一般在９８％左右，厚度大于１２５ｍｍ的带钢达到９０％左右，结果表明该模型和控制策略有很好的控制精度和命中率。
    参考文献：［１］　ＰｒｉｅｔｏＭＭ，ＲｕｉｚＬＳ，ＭｅｎｅｎｄｅｚＪＡ．Ｔｈｅｍａｌｐｅｒｆｏｒｍａｎｃｅｏｆｎｕｍｅｒｉｃａｌｍｏｄｅｌｏｆｈｏｔｓｔｒｉｐｍｉｌｌｒｕｎｏｕｔｔａｂｌｅ［Ｊ］．ＩｒｏｎｍａｋｉｎｇａｎｄＳｔｅｅｌｍａｋｉｎｇ，２００１，２８（６）：４７４４８０。［２］　孙一康，带钢热连轧的模型与控制，北京：冶金工业出版社，２００２。［３］　杨强生，对流传热与传质，北京：高等教育出版社，１９８５．［４］　杨世铭，传热学，第二版，北京：高等教育出版社，１９８７．［５］　刘介，热轧生产自动化技术，第一版，北京：冶金工业出版社，２００６．［６］　谢海波，张中平，刘相华，等．层流冷却的前馈控制［Ｊ］．钢铁研究学报，２００６，１８（３）：６０６４．［７］　中国金属学会热轧板带学术委员会．中国热轧宽带钢轧机及生产技术［Ｍ］．北京：冶金工业出版社，２００２［８］　唐勤，董欣欣．热轧带钢卷取温度控制及其影响因素．河北冶金，２０１０年第５期．［９］　ＳｌｏｔｉｎｅＪ．Ｊ．，ＬｉＷ．ＡｐｐｌｉｅｄＮｏｎｌｉｎｅａｒＣｏｎｔｒｏｌ［Ｍ］．ＮｅｗＪｅｒｓｅｙ：ＰｒｅｎｔｉｃｅＨａｌｌ，１９９１．［１０］Ｈｅｒｅｄｉａ．Ｊ．Ａ．，ＷｅｎＹｕ．Ａｈｉｇｈ－ｇａｉｎｏｂｓｅｒｖｅｒ－ｂａｓｅｄＰＤｃｏｎｔｒｏｌｆｏｒｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒ［Ｃ］．ＡｍｅｒｉｃａｎＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ，２０００．［１１］Ｔａｅ－ＹｏｎｇＫｕｃ，Ｗｏｏｎｇ－ＧｉｅＨａｎ．ＡｎａｄａｐｔｉｖｅＰＩＤｌｅａｒｎｉｎｇｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ａｕｔｏｍａｔｉｃａ，２０００，３６（５）：７１７７２５．［１２］Ｐ．Ｒ．Ｏｕｙａｎｇ，Ｗ．Ｊ．Ｚｈａｎｇ，ＭａｄａｎＭ．Ｇｕｐｔａ．Ａｎａｄａｐｔｉｖｅｓｗｉｔｃｈｉｎｇｌｅａｒｎｉｎｇｃｏｎｔｒｏｌｍｅｔｈｏｄｆｏｒｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ｍｅｃｈａｔｒｏｎｉｃｓ，２００６，１６（１）：５１６１．［１３］ＹｕｘｉｎＳｕ，ＶｉｃｅｎｔｅＰａｒｒａ－Ｖｅｇａ．Ｇｌｏｂａｌａｓｙｍｐｔｏｔｉｃｓａｔｕｒａｔｅｄｏｕｔｐｕｔｆｅｅｄｂａｃｋｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ７ｔｈＷｏｒｌｄＣｏｎｇｒｅｓｓｏｎＩｎｔｅｌｌｉｇｅｎｔＣｏｎｔｒｏｌａｎｄＡｕｔｏｍａｔｉｏｎ，２００８．［１４］Ｌａｉｂ，Ａ．Ａｄａｐｔｉｖｅｏｕｔｐｕｔｒｅｇｕｌａｔｉｏｎｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｕｎｄｅｒａｃｔｕａｔｏｒｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ，２０００，１６（１）：２９３５．［１５］ＳｔｅｆａｎｏＬｉｕｚｚｏ，ＰａｔｒｉｚｉｏＴｏｍｅｉ．Ａｇｌｏｂａｌａｄａｐｔｉｖｅｌｅａｒｎｉｎｇｃｏｎｔｒｏｌｆｏｒｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ａｕｔｏｍａｔｉｃａ，２００８，４４（５）：１３７９１３８４．［１６］Ｓ．Ｐｕｒｗａｒ，Ｌ．Ｎ．Ｋａｒ，Ａ．Ｎ．Ｊｈａ．Ａｄａｐｔｉｖｅｏｕｔｐｕｔｆｅｅｄｂａｃｋｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｕｓｉｎｇｐｏｓｉｔｉｏｎｍｅａｓｕｒｅｍｅｎｔｓｏｎｌｙ［Ｊ］．ＥｘｐｅｒｔＳｙｓｔｅｍｓｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓ，２００８，３４（４）：２７８９２７９８．［１７］ＦｕｃｈｕｎＳｕｎ，ＺｅｎｇｑｉＳｕｎ，Ｐｅｎｇ－ＹｕｎｇＷｏｏ．Ｎｅｕｒａｌｎｅｔｗｏｒｋ－ｂａｓｅｄａｄａｐｔｉｖｅｃｏｎｔｒｏｌｌｅｒｄｅｓｉｇｎｏｆｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓｗｉｔｈａｎｏｂｓｅｒｖｅｒ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＮｅｕｒａｌｎｅｔｗｏｒｋｓ，２００１，１２（１）：５４６７．［１８］ＷａｉＲＪ，ＣｈａｎｇＣＪ．Ｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｒａｔｅｇｙｆｏｒｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２００３，５１：４２５４４５．［１９］ＣｈｉｏｕＫｕｏ－Ｃｈｉｎｇ，ＨｕａｎｇＳｈｉｕｈ－Ｊｅｒ．Ａｎａｄａｐｔｉｖｅｆｕｚｚｙｃｏｎｔｒｏｌｌｅｒｆｏｒｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ｍｅｃｈａｔｒｏｎｉｃｓ，２００５，２５（２）：１５１１７７．［２０］ＳｏｎｇＺｕｏｓｈｉ，ＹｉＪｉａｎｑｉａｎｇ，ＺｈａｏＤｏｎｇｂｉｎ，ＬｉＸｉｎｃｈｕｎ．ＡＣｏｍｐｕｔｅｄｔｏｒｑｕｅｃｏｎｔｒｏｌｌｅｒｆｏｒｕｎｃｅｒｔａｉｎｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓｙｓｔｅｍｓ：Ｆｕｚｚｙａｐｐｒｏａｃｈ［Ｊ］．ＦｕｚｚｙＳｅｔｓａｎｄＳｙｓｔｅｍｓ，２００５，１５４（２）：２０８２２６．［２１］Ｈ．Ｆ．Ｈｏ，Ｙ．Ｋ．Ｗｏｎｇ，Ａ．Ｂ．Ｒａｄ．Ｒｏｂｕｓｔｆｕｚｚｙｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｆｏｒｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．ＳｉｍｕｌａｔｉｏｎＭｏｄｅｌｉｎｇＰｒａｃｔｉｃｅａｎｄＴｈｅｏｒｙ，２００７，１５（７）：８０１８１６．［２２］Ｙ．Ｇａｏ，Ｍ．Ｊ．Ｅｒ，Ｓ．Ｙａｎｇ．Ａｄａｐｔｉｖｅｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｕｓｉｎｇｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｄｕｓｔｒｉａｌＥｌｅｃｔｒｏｎｉｃｓ，２００１，４８（６）：１２７４１２７８．［２３］Ｋ．Ｙ．Ｋｕｏ，Ｊ．Ｌｉｎ．Ｆｕｚｚｙｌｏｇｉｃｃｏｎｔｒｏｌｆｏｒｆｌｅｘｉｂｌｅｌｉｎｋｒｏｂｏｔａｒｍｂｙｓｉｎｇｕｌａｒｐｅｒｔｕｒｂａｔｉｏｎａｐｐｒｏａｃｈ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇＪｏｕｒｎａｌ，２００２，２（１）：２４３８．［２４］ＣａｓｔｉｌｌｏＯｓｃａｒ，ＭｅｌｉｎＰａｔｒｉｃｉａ．Ｉｎｔｅｌｌｉｇｅｎｔａｄａｐｔｉｖｅｍｏｄｅｌ－ｂａｓｅｄｃｏｎｔｒｏｌｏｆｒｏｂｏｔｉｃｄｙｎａｍｉｃｓｙｓｔｅｍｓｗｉｔｈａｈｙｂｒｉｄｆｕｚｚｙ－ｎｅｕｒａｌａｐｐｒｏａｃｈ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇＪｏｕｒｎａｌ，２００３，３（４）：３６３３７８．［２５］Ｇ．Ｎｏｕｒｅｄｄｉｎｅ，Ｇ．Ａｍａｒ，Ｂ．Ｋａｍｅｌ，ｅｔａｌ．Ｏｂｓｅｒｖｅｒ－ｂａｓｅｄａｄａｐｔｉｖｅｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ：Ｆｕｚｚｙｓｙｓｔｅｍｓａｐｐｒｏａｃｈ［Ｊ］．ＡｐｐｌｉｅｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，２００８，８（１）：７７８７８７．［２６］Ｓ．Ｐｕｒｗａｒ，Ｉ．Ｎ．Ｋａｒ，Ａ．Ｎ．Ｊｈａ．Ａｄａｐｔｉｖｅｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｕｓｉｎｇｆｕｚｚｙｌｏｇｉｃｓｙｓｔｅｍｓｕｎｄｅｒａｃｔｕａｔｏｒｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．ＦｕｚｚｙＳｅｔｓａｎｄＳｙｓｔｅｍｓ，２００５，１５２（３）：６５１６６４．［２７］ＬａｂｉｏｄＳ，ＢｏｕｃｈｅｒｉｔＭＳ，ＧｕｅｒｒａＴＭ．ＡｄａｐｔｉｖｅｆｕｚｚｙｃｏｎｔｒｏｌｏｆａｃｌａｓｓｏｆＭＩＭＯｎｏｎｌｉｎｅａｒｓｙｓｔｅｍｓ［Ｊ］．ＦｕｚｚｙＳｅｔｓａｎｄＳｙｓｔｅｍｓ，２００５，１５１（１）：５９７７．［２９］ＭａｎＺｈｉｈｏｎｇ，Ｍ．Ｐａｌａｎｉｓｗａｍｉ．Ｒｏｂｕｓｔｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｆｏｒｒｉｇｉｄｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ，１９９４，３９（１）：１５４１５９．［３０］ＭａｇｄｙＭ．Ａｂｄｅｌｈａｍｅｅｄ．Ｅｎｈａｎｃｅｍｅｎｔｏｆｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｌｅｒｂｙｆｕｚｚｙｌｏｇｉｃｗｉｔｈａｐｐｌｉｃａｔｉｏｎｔｏｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ｍｅｃｈａｔｒｏｎｉｃｓ，２００５，１５（４）：４３９４５８．［３１］ＺｈｉｍｅｉＣｈｅｎ，ＪｉｎｇｇａｎｇＺｈａｎｇ，ｅｔａｌ．Ｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｒｅａｃｈｉｎｇｌａｗ［Ｃ］．ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｎｔｒｏｌａｎｄＡｕｔｏｍａｔｉｏｎ，２００７．［３２］Ｚ．Ｍａｎ，Ｘ．Ｙｏ，Ｋ．Ｅｓｈｒａｇｈｉａｎ，ｅｔａｌ．ＡｒｏｂｕｓｔａｄａｐｔｉｖｅｓｌｉｄｉｎｇｍｏｄｅｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｕｓｉｎｇａｎＲＢＦＮｅｕｒａｌＮｅｔｗｏｒｋｆｏｒＲｏｂｏｔｉｃｓＭａｎｉｐｕｌａｔｏｒｓ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ，１９９５．［３３］Ｓｕ－ＨａｕＨｓｕ，Ｌｉ－ＣｈｅｎＦｕ．Ａｆｕｌｌｙａｄａｐｔｉｖｅｄｅｃｅｎｔｒａｌｉｚｅｄｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ａｕｔｏｍａｔｉｃａ，２００６，４２（１０）：１７６１１７６７．［３４］Ｃｈｕａｎ－ＫａｉＬｉｎ．Ｎｏｎｓｉｎｇｕｌａｒｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｏｆｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｕｓｉｎｇｆｕｚｚｙｗａｖｅｌｅｔｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＦｕｚｚｙＳｙｓｔｅｍｓ，２００６，１４（６）：８４９８５９．［３５］ＭａｎＺｈｉｈｏｎｇ，Ａ．Ｐ．Ｐａｐｌｉｎｓｋｉ，Ｈ．Ｒ．Ｗｕ．ＡｒｏｂｕｓｔＭＩＭＯｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｓｃｈｅｍｅｆｏｒｒｉｇｉｄｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ，１９９４，３９（２）：２４６４２４６９．［３６］ＹｏｎｇＦｅｎｇ，ＸｉｎｇｈｕｏＹｕ，ＺｈｉｈｏｎｇＭａｎ．Ｎｏｎ－ｓｉｎｇｕｌａｒｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｏｆｒｉｇｉｄｍａｎｉｐｕｌａｔｏｒｓ［Ｊ］．Ａｕｔｏｍａｔｉｃａ，２００２，３８（１２）：２１５９２１６７．［３７］ＳｈｕａｎｇｈｅＹｕ，ＸｉｎｇｈｕｏＹｕ，ＢｉｊａｎＳｈｉｒｉｎｚａｄｅｈ，ＺｈｉｈｏｎｇＭＡＮ．Ｃｏｎｔｉｎｕｏｕｓｆｉｎｉｔｅ－ｔｉｍｅｃｏｎｔｒｏｌｆｏｒｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓｗｉｔｈｔｅｒｍｉｎａｌｓｌｉｄｉｎｇｍｏｄｅ［Ｊ］．Ａｕｔｏｍａｔｉｃａ，２００５，４１（１１）：１９５７１９６４．［３８］Ｙｅｗ－ＷｅｎＬｉａｎｇ，Ｓｈｅｎｇ－ＤｏｎｇＸｕ，Ｔｚｕ－ＣｈｉａｎｇＣｈｕＲｏｂｕｓｔｃｏｎｔｒｏｌｏｆｔｈｅｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｖｉａａｎｉｍｐｒｏｖｅｄｓｌｉｄｉｎｇｍｏｄｅｓｃｈｅｍｅ［Ｃ］．ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭｅｃｈａｔｒｏｎｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ，２００７，１５９３１５９８．［３９］Ｙｕｎ－ＣｈｅｎｇＨｕａｎｇ，Ｔｚｕｕ－ＨｓｅｎｇＳ．Ｌｉ．Ｆｕｚｚｙｔｅｒｍｉｎａｌｓｌｉｄｉｎｇ－ｍｏｄｅｃｏｎｔｒｏｌｌｅｒｆｏｒｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｓ［Ｃ］．ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭｅｃｈａｔｒｏｎｉｃｓ，２００５．［４０］ＳｈｕｂｈｉＰｕｒｗａｒ．Ｈｉｇｈｅｒｏｒｄｅｒｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｌｅｒｆｏｒｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒ［Ｃ］．ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎＩｎｔｅｌｌｉｇｅｎｔＣｏｎｔｒｏｌＰａｒｔｏｆＩＥＥＥＭｕｌｔｉ－ｃｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍｓａｎｄＣｏｎｔｒｏｌ，２００７．［４１］ＬａｘｍｉｄｈａｒＢｅｈｅｒａ．Ｑｕｅｒｙｂａｓｅｄｍｏｄｅｌｌｅａｒｎｉｎｇａｎｄｓｔａｂｌｅｔｒａｃｋｉｎｇｏｆａｒｏｂｏｔａｒｍｕｓｉｎｇｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｔｗｏｒｋ［Ｊ］．ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２００３，２９（４）：５５３５７３．［４２］Ｆ．Ａｌｏｎｇｅ，Ｆ．Ｄ’Ｉｐｐｏｌｉｔｏ，Ｆ．Ｍ．Ｒａｉｍｏｎｄｉ．Ａｎａｄａｐｔｉｖｅｃｏｎｔｒｏｌｌａｗｆｏｒｒｏｂｏｔｉｃｍａｎｉｐｕｌａｔｏｒｗｉｔｈｏｕｔｖｅｌｏｃｉｔｙｆｅｅｄｂａｃｋ［Ｊ］．ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇＰｒａｃｔｉｃｅ，２００３，１１（９）：９９９１００５．［４３］Ｒ．Ｃｏｌｂａｕｇｈ，Ｋ．Ｇｌａｓｓ，Ｈ．Ｓｅｒａｊｉ．Ａｄａｐｔｉｃｅｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｏｆｍａｎｉｐｕｌａｔｏｒｓ：ｔｈｅｏｒｙａｎｄｅｘｐｅｒｉｍｅｎｔｓ［Ｊ］．Ｒｏｂｏｔｉｃｓ＆Ｃｏｍｐｕｔｅｒ－ＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇ，１９９６，１２（３）：２０９２１６．［４４］Ｓ．Ｔｏｒｒｅｓ，Ｊ．Ａ．Ｍｅ’ｎｄｅｚ，Ｌ．Ａｃｏｓｔａ，Ｖ．Ｍ．Ｂｅｃｅｒｒａ．Ｏｎｉｍｐｒｏｖｉｎｇｔｈｅｐｅｒｆｏｒｍａｎｃｅｉｎｒｏｂｕｓｔｃｏｎｔｒｏｌｌｅｒｓｆｏｒｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓｗｉｔｈｐａｒａｍｅｔｒｉｃｄｉｓｔｕｒｂａｎｃｅｓ［Ｊ］．ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇＰｒａｃｔｉｃｅ，２００７，１５（５）：５５７５６６．［４５］ＳｐｏｎｇＭ．Ｗ，ＶｉｄｙａｓａｇａｒＭ．Ｒｏｂｕｓｔｌｉｎｅａｒｃｏｍｐｅｎｓａｔｏｒｆｏｒｎｏｎｌｉｎｅａｒｒｏｂｏｔｉｃｃｏｎｔｒｏｌ［Ｊ］．ＩＥＥＥＪｏｕｒｎａｌｏｆＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ，１９８７，３（４）：３４５３５１．