熱軋帶鋼層流冷卻過程控制模型及智能調優(yōu).pdf

1、本文以攀枝花新鋼釩股份公司1450熱軋板廠三期改造為背景，以帶鋼層流冷卻過程控制模型為研究對象，從傳熱機理出發(fā)，建立了現(xiàn)場使用的層流冷卻過程控制模型。利用以有限差分法為基礎的控制冷卻數(shù)學模型，研究了冷卻過程中帶鋼厚度方向溫度變化過程，在模型參數(shù)智能調優(yōu)中，引入數(shù)據(jù)挖掘技術，對模型參數(shù)進行回歸分析，并利用人工神經元網(wǎng)絡分析數(shù)學模型的預報偏差。自投產以來，該系統(tǒng)運行穩(wěn)定、可靠，控制精度高，產品性能有了顯著提高。本文的主要進展如下：

2、(1)建立了攀鋼1450熱連軋機組新的層流冷卻控制系統(tǒng)。設計了控制系統(tǒng)的結構、操作方式、層冷區(qū)的軋件跟蹤以及系統(tǒng)的數(shù)據(jù)流，加入了控制策略，其中包括組別分類、控制模式、冷卻策略，以及熱頭熱尾、學習系數(shù)的讀取、頭部特殊控制處理等，保證了整個系統(tǒng)功能的完善以及數(shù)據(jù)流的暢通。 (2)利用有限元模擬計算了帶鋼斷面溫度場，分析了帶鋼溫度在寬度方向的不均勻分布。通過研究帶鋼的冷卻過程，構建了控制冷卻過程的數(shù)學模型結構，建立了空冷和水冷的數(shù)學模

3、型。考慮溫度和鋼種對冷卻過程溫度變化的影響，以熱焓為基礎建立帶鋼比熱模型，以插值法建立熱傳導率的權重系數(shù)模型，該模型以溫度和含碳量作為自變量。可以在實時狀態(tài)下完成模型預設定計算、修正計算(設定計算和再計算)、自學習計算等重要功能。采用動態(tài)修正設定計算可以對帶鋼厚度、速度、溫度變化造成的溫度偏差進行微調，及時地調整集管組態(tài)，從而提高卷取溫度控制精度。 (3)開發(fā)了帶鋼冷卻過程仿真軟件并進行了仿真研究，采用差分格式建立了熱軋帶鋼控制

4、冷卻的一維非穩(wěn)態(tài)溫度場方程，該方程截斷誤差小且無條件穩(wěn)定。根據(jù)現(xiàn)場條件進行仿真計算，計算結果與實際控制很接近，并得到了帶鋼厚度上的溫度分布，從數(shù)值仿真結果中得到水冷時帶鋼厚度方向上的溫度梯度隨厚度的增加而變大；空冷返紅時，帶鋼越薄，返紅時間越短，表面溫度上升的速率越大。在分析模擬數(shù)據(jù)結果的基礎上，建立了返紅溫度、返紅時間與帶鋼厚度的定量關系，對于厚度為8.23mm的帶鋼，其返紅溫升可達到59℃，返紅時間可持續(xù)2.25s，而對于厚度為2.

5、0mm的帶鋼，其返紅溫升為18.5℃，返紅時間可持續(xù)0.42s。 (4)在智能調優(yōu)中引入數(shù)據(jù)挖掘技術，進行異常數(shù)據(jù)的剔除等數(shù)據(jù)預處理。利用回歸方法，得到帶鋼層流冷卻中空冷回歸系數(shù)以及基本熱流密度修正系數(shù)，并用于在線計算。在數(shù)據(jù)挖掘的結果上建立了卷取溫度差值預報的神經網(wǎng)絡，BP網(wǎng)絡結構層次的方案為7-10-1。利用網(wǎng)絡模型，對訓練樣本進行了處理，網(wǎng)絡的預報值與實際溫差吻合較好。結果表明，采用BP網(wǎng)絡可以預測數(shù)學模型計算中的偏差。利

6、用神經網(wǎng)絡與數(shù)學模型相結合的方法，可以提高卷取溫度的預報精度；提出智能糾偏的在線應用新思想，可在線修正數(shù)學模型的偏差，為神經網(wǎng)絡的在線預報提供了一種可行的方案。 (5)成功地完成了攀鋼熱軋板廠層流冷卻三期改造項目，建立了具有我國自主知識產權的成套帶鋼控制冷卻系統(tǒng)的模型和軟件，實現(xiàn)了帶鋼層流冷卻過程的自動控制。所開發(fā)的帶鋼控制冷卻過程模型和軟件己成功應用于攀鋼1450熱軋板廠，自投入在線應用以來，程序控制穩(wěn)定，設備運行良好，產品的