【技术实现步骤摘要】
一种加热炉炉温控制方法
本专利技术属于加热炉优化控制领域,涉及一种加热炉炉温控制方法。
技术介绍
加热炉是轧钢生产的重要设备,加热炉对钢坯加热主要是服务于钢坯轧制工序的需求。因此在实际生产中部分钢铁厂以钢坯完成粗轧后的终轧平均温度作为考核钢坯加热环节的指标。钢坯粗轧后的终轧温度可以通过在线连续监测仪表监测,且不受氧化铁皮等干扰因素的影响,其本身测量精度可以信赖。但此检测值本身为钢坯出炉后的检测值,因此有必要建立相应的算法才能将钢坯粗轧终轧平均温度,用于加热炉的炉温的实时控制。目前国内在加热炉炉温控制方法方面的专利申请,主要是在针对炉内气氛以及和炉内钢坯装炉策略专利,例如CN201510158776.0,CN201310535432.8等专利,均未涉及到利用钢坯粗轧终轧温度来进行加热炉炉温控制的方法。
技术实现思路
有鉴于此,本专利技术的目的是提供一种加热炉炉温控制方法。为达到上述目的,本专利技术提供如下技术方案:一种加热炉炉温控制方法,包括以下步骤:S1:为每块钢坯建立与之相关的加热炉区域单坯实测平均炉温与钢坯粗轧终轧温度的数据集;S2:通过自学习算法建立寻找大量记录的已出炉钢坯、每块钢坯粗轧终轧温度与其在各加热区域实测有效平均炉温度之间的关系;S3:利用已生产的大量钢坯数据完成自学习后,利用训练好的神经网络预测计算,以当前各炉温控制区域设定温度为输入值,预测计算在炉每块钢坯粗轧终轧温度,并将预测的记过赋值给每块板坯,用Tcalrdt进行记录; >S4:根据每块钢坯粗轧终轧温度预测值与目标值的差异来进行每块钢板所在炉温控制区域的钢坯必要炉温设定值计算;S5:根据控制区域内每块钢坯必要炉温设定值进行加权计算,确定炉温控制区域的炉温设定值。进一步,步骤S1中,所述数据集以钢坯坯号为数据集主键进行测量数据收集,包括钢坯在不同炉段不同时间内采集的热电偶数据及钢坯的位置信息,利用数据集进行加权平均来计算处理后产生的每块钢坯实测平均炉温、钢坯的钢种信息、钢坯的厚度信息。进一步,步骤S1中,采集钢坯所在炉段不同时间段的热电偶数据,计算每块钢坯实测平均炉温:式中,Tf为每块钢坯实测平均炉温值,Tf1为每块钢坯在此控制区域第一次采集炉温,Tf2为每块钢坯在此控制区域第二次采集炉温,Tfn为每块钢坯在此控制区域第n次采集炉温。进一步,步骤S2中所述自学习算法包括炉温输入层、隐藏层及输出层,将n次采集的炉温分为第1,2…,n控温段上部和下部,作为炉温输入层的输入数据,经过隐藏层处理,输出钢坯终轧平均温度,其中选取的激活函数为ReLU激活函数,选取的算法为Adam算法。进一步,步骤S4中所述每块钢坯所在炉温控制区域的钢坯必要炉温设定值计算公式如下:Tsetslabn=k*(Tgoalrdt-Tcalrdt)+Tfset式中,Tsetslabn为每块钢坯必要炉温设定值,k为修正系数,Tgoalrdt为每块钢坯粗轧终轧温度目标值,Tcalrdt为步骤S3预测的钢坯粗轧终轧温度平均值,Tfset为当前控制区域温度设定值。进一步,步骤S5中通过下式确定炉温控制区域的炉温设定值:Tset=Tsetslab1Perslab1+Tsetslab2Perslab2+…+TsetslabnPerslabnWn=Wgrade*Wlocation*Wweight*式中,Tset为控制炉温设定值,Tsetslabn为每块钢坯必要炉温设定值,Perslabn为影响因子,Wn为第n块钢坯综合影响权重,Wgrade为钢坯钢种因素影响权重,Wlocation为钢坯控制区域影响权重,Wweight*为钢坯重量影响权重。本专利技术的有益效果在于:本专利技术提出一种加热炉炉温控制方法,将钢坯加热工艺与轧制工艺进行了有效的控制关联,从而能更好的使加热炉的加热工艺服务于轧制工艺的总体需求,降低了因为加热钢坯的温度影响到钢坯粗轧终轧温度实现的可能性,从而是上下游生产更加顺畅。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚,下面将结合附图对本专利技术作优选的详细描述,其中:图1为本专利技术所述加热炉炉温控制方法流程图;图2为自学习算法结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利技术的限制;为了更好地说明本专利技术的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件;在本专利技术的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本专利技术和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利技术的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。如图1所示,一种加热炉炉温控制方法,本实例中选取的加热炉有效长度为49.5m,炉膛内宽12.7m,加热炉设计有效长度为44870mm,内宽为11700mm。加热炉设12个炉温自动控制区域,即预热段、一加热段、二加热段、均热段的上、下控制区。S1:为每块钢坯建立与之相关的加热炉区域每块钢坯坯实测平均炉温与钢坯粗轧终轧温度的数据集合。以每30秒为周期记录其所处区域的热电偶温度实际测量值。当钢坯完成粗轧后,记录粗轧终轧温度平均值。表1实测数据项目表表中的各段加权平均温度通过以下公式计算完成:式中,Tf为每块钢坯实测平均炉温值,Tf1为每块钢坯在此控制区域第一次采集炉温,Tf2为每块钢坯在此控制区域第二次采集炉温,Tfn为每块钢坯在此控制区域第n次采集炉温。S2:通过自学习算法建立寻找大量记录的已出炉钢坯,每块钢坯粗轧终轧温度与其在各加热区域时实测平均炉温度之间的关系。如图2所示,在进行算法自学习过程中,引入mes函数进行建立的自学习算法误差评估,保证训练数据满足可接受本文档来自技高网...
【技术保护点】
1.一种加热炉炉温控制方法,其特征在于:包括以下步骤:/nS1:为每块钢坯建立与之相关的加热炉区域单坯实测平均炉温与钢坯粗轧终轧温度的数据集;/nS2:通过自学习算法建立寻找大量记录的已出炉钢坯、每块钢坯粗轧终轧温度与其在各加热区域实测有效平均炉温度之间的关系;/nS3:利用已生产的大量钢坯数据完成自学习后,利用训练好的神经网络预测计算,以当前各炉温控制区域设定温度为输入值,预测计算在炉每块钢坯粗轧终轧温度,并将预测的记过赋值给每块板坯,用Tcal
【技术特征摘要】
1.一种加热炉炉温控制方法,其特征在于:包括以下步骤:
S1:为每块钢坯建立与之相关的加热炉区域单坯实测平均炉温与钢坯粗轧终轧温度的数据集;
S2:通过自学习算法建立寻找大量记录的已出炉钢坯、每块钢坯粗轧终轧温度与其在各加热区域实测有效平均炉温度之间的关系;
S3:利用已生产的大量钢坯数据完成自学习后,利用训练好的神经网络预测计算,以当前各炉温控制区域设定温度为输入值,预测计算在炉每块钢坯粗轧终轧温度,并将预测的记过赋值给每块板坯,用Tcalrdt进行记录;
S4:根据每块钢坯粗轧终轧温度预测值与目标值的差异来进行每块钢板所在炉温控制区域的钢坯必要炉温设定值计算;
S5:根据控制区域内每块钢坯必要炉温设定值进行加权计算,确定炉温控制区域的炉温设定值。
2.根据权利要求1所述的加热炉炉温控制方法,其特征在于:步骤S1中,所述数据集以钢坯坯号为数据集主键进行测量数据收集,包括钢坯在不同炉段不同时间内采集的热电偶数据及钢坯的位置信息,利用数据集进行加权平均来计算处理后产生的每块钢坯实测平均炉温、钢坯的钢种信息、钢坯的厚度信息。
3.根据权利要求2所述的加热炉炉温控制方法,其特征在于:步骤S1中,采集钢坯所在炉段不同时间段的热电偶数据,计算每块钢坯实测平均炉温:
式中,Tf为每块钢坯实测平均炉温值,Tf1为每块钢坯在此控制区域第一次采集炉温,Tf2为每块钢坯在此控制区域第二次采集炉温,Tfn为每块钢坯在此控制区域第n次采集炉温。
...
【专利技术属性】
技术研发人员:董斌,罗建枫,朱伟素,叶波,孟广辉,
申请(专利权)人:重庆赛迪热工环保工程技术有限公司,中冶赛迪技术研究中心有限公司,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。