基于GA和BP网络的钢坯表面温度建模方法研究

主要研究步进式加热炉钢坯表面温度预报模型和在线补偿方法.针对机理建模的复杂性和辨识建模实验数据获得的困难性,提出基于GA和BP网络相结合的方法建立钢坯表面温度预报模型.使用GA初始化BP网络,避免了BP算法易陷入局部最优的缺点.在模型建立的基础上,利用BP算法进行在线补偿,从而使模型更加精确.仿真结果表明钢坯表面温度预报模型建立简单、精度高、适应性强.     

连续式加热炉加热过程数学模型的开发与应用

以鞍钢股份有限公司鲅鱼圈钢铁分公司步进连续式加热炉为研究对象,建立并应用了以钢坯加热温度跟踪预报模型为基础、以轧制节奏变化为依据、以最佳炉温设定为核心的优化控制数学模型。实践证明,按动态最佳炉温设定控制炉温,不仅可以满足钢坯加热质量的要求,而且还可以最大限度地降低加热炉煤气单耗和钢坯氧化烧损。     

一种加热炉温度设定的自适应控制策略

基于目前订单品种多种多样、钢坯规格参差不齐以及生产节奏变化频繁的现状,提出了一种加热炉温度设定的自适应控制策略。自适应控制策略由板坯加热制度、加权平均算法及专家系统组成。首先根据炉内钢坯分布、板坯信息情况及温度加热制度,计算获得每块板坯在炉内实时位置的目标加热温度,然后通过加权平均算法和专家系统的温度优化补偿,计算给出加热炉各段目标温度设定值。该策略有效解决了加热炉多种钢坯混装、钢坯规格及生产节奏变化频繁时目标温度不能自动设定的问题,提高了加热炉的生产效率,节约了人工成本,并提高了钢坯的加热质量。     

工业加热炉温度设定的研究与应用

工业加热炉过程具有多变量、时变、非线性、耦合、大惯性和纯滞后等特点。当前对于加热炉温度的设定值主要还是人工操作给出。针对加热炉温度这一复杂的工业过程,设计了一个具有炉温设定的控制系统。通过建立指标优化、理想加热曲线、加热策略、待轧策略、轧线纠正、钢坯升温、钢坯温度预报和跟踪等模型以及对钢坯温度的控制,产生炉温设定值。保证炉温设定值与产量指标随工况变化实时处于优化状态。该控制系统成功应用于某钢铁公司中板工序,取得了良好的应用效果。     

高速线材加热轧制及冷却综合工艺参数模型开发

高速线材的生产特点是速度快,断面形状及内部组织变化复杂,这给生产过程中质量异议的分析与处理带来极大的困难.因此,开发了针对高线生产特点的过程分析模型:针对高线原料为方坯的特点,开发了二维加热温度场模型,可以用于钢坯在加热炉内钢坯内部温度及晶粒长大过程的预报.针对高线轧制过程,开发了自动孔型设计系统和高线轧制工艺参数模型...     

由钢坯开轧温度预测钢坯出炉温度的研究

根据钢坯的种类、规格、开轧温度，通过建立的数学模型计算了钢坯的出炉温度。经黑匣子实验验证，该模型计算的出炉温度曲线与黑匣子测试的出炉温度曲线拟合很好，所以可用此模型预测不同钢坯的出炉温度。     

加热炉不同钢种板坯混装加热制度优化模型的研究与应用

优化大型加热炉混装板坯加热制度的关键在于应用模型计算与实际生产相结合的方法,直接根据钢种、初始温度、目标温度及均热时间确定钢坯入炉顺序、加热炉各段温度控制值、加热时间和钢坯加热过程温度变化情况.在保证加热炉钢坯加热温度的同时,采用合理的钢坯在炉加热时间,有利于降低加热炉燃料消耗和减少钢坯氧化烧损.模型在迁钢公司2 16...     

炉内板坯表面温度实时监测技术及温升过程数值研究

采用自主研发的比色高温监测系统,实时检测板坯表面温度,依据热传导理论建立了加热炉钢坯加热过程的数学模型,采用有限元法对数学模型进行了离散化分析,开发了钢坯内部中心温度随表面加热过程变化的数值模型。根据检测的钢坯表面温度及开发的数值模型实时通过有限元法[1]估算钢坯中心温度,与传统的通过热电偶探测相比精确了0.46%~0.53%[2];同时根据检测的钢坯表面与中心温差对实时建立温度补偿模型起到辅助作用,同时可以将温度补偿数据实时传递给燃烧优化控制系统,从而建立了基于钢坯表面温差补偿模型的燃烧优化控制,优化调整燃烧工艺,保证了钢坯加热质量,实现了节能降耗和效益提升。     

基于加热炉埋偶实验的GCr15钢坯心部温度预测

加热炉钢坯的心部温度均匀性控制对产品质量稳定性至关重要，由于加热炉中的高温环境，对钢坯心部温度高精度预测始终是一个难题。为了解决这个难题，本实验建立了一种基于钢坯埋偶黑匣子温度测量方法，有效获知加热炉内钢坯不同位置实际温度分布情况。基于黑匣子测温实验数据，采用数据清洗、数据平滑与标准化等预处理方法，采用基于数据驱动的神经网络、随机森林与XGBoost模型，利用加热炉中可测的炉气温度对不可测的钢坯心部的温度进行预测。预测GCr15钢150 mm×150 mm坯心部温度，结果表明：XGBoost模型回归预测效果最好，相对误差主要分布在0%～5.4%,模型中97.1%的样本点绝对误差小于10℃,其RMSE误差为4.1345℃,MAPE误差为0.47%。提出了钢坯埋偶黑匣子测温+XGBoost模型预测钢坯心部温度的方法。     

精轧轧辊磨损自适应模型的应用研究

针对攀钢热轧板厂精轧模型在轧制单位中后期出现温度模型及变形模型中轧制参数预报精度下降的现象，提出应用精轧轧辊磨损自适应模型补偿、修正精轧工作辊及支承辊磨损，避免单独依靠厚度调节变量HUVER调节而导致轧制中后期模型预报精度下降。     

基于支持向量机的连铸板坯表面温度预测

提出了一种最小二乘支持向量机的连铸板坯表面温度预测新模型.以中间罐温度、拉速、二冷水量等主要工艺因素为输入,连铸坯表面温度为输出,通过最小二乘支持向量机模型拟合输入与输出之间的复杂非线性函数关系.以现场采集的连铸生产工艺数据为样本对模型进行学习训练,用训练好的模型预测在一定工艺条件下板坯的表面温度.实践表明该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型.     

连铸粘结漏钢的结晶器温度变化及其传播行为

以国内某钢厂板坯连铸粘结漏钢的实测样本为基础,重点调查了铸坯粘结时结晶器热电偶温度变化,分析了粘结传播行为,讨论了现行热电偶布置合理性和漏钢预报模型的设计.研究结果表明:粘结时单个热电偶温度在时间上表现先升后降变化规律,且具有一定温度变化速率和持续时间,多行多列相邻热电偶温度变化在空间上表现粘结传播的"时滞性",具有典型性,同列热电偶温度变化表现"温度倒置"现象,但不具典型性;粘结纵向传播速度小于拉速,与拉速呈线性正相关,横向传播速度与拉速比为 0.91 ~ 1.91,存在较大不稳定性;从纵横向检测快慢和稳定性综合考虑,以纵向检测为主、横向检测为辅设计漏钢预报模型更为合适;现行热电偶布置较为合理.     

Optimisation of a slab heating pattern with various skid button heights in a walking-beam-type reheating furnace

A three-dimensional heat transfer model considering various skid button heights for the prediction of the temperature history of steel slabs was performed in order to obtain the optimal heating pattern of these slabs with minimum energy consumption in a walking-beam type reheating furnace. An algorithm was developed using a simplified conjugated-gradient method combined with a shooting method and was used as an optimiser to design the furnace temperature distribution. The effect of the skid button heights on the design requirements, such as the energy consumption necessary for heating a slab, skid-mark temperature uniformity at the furnace exit and slab discharging temperature, was investigated. The parametric study results indicated that the skid-mark temperatures significantly decrease with increases in the skid button heights. In addition, the optimal designs suggested lower energy consumption for heating a slab and improved skid-mark temperature uniformity as compared to the original operating conditions in a steel plant.     

不锈钢铸坯宽度优化控制模型研究及应用

 铸坯宽度的精确控制是连铸生产过程中保证铸坯质量的重要手段之一,过宽或过窄都会给轧钢工序带来不利影响。目前,铸坯宽度主要通过人工经验在线调整二冷区参数来进行控制,存在铸坯宽度合格率低、波动大的问题。因此,实现不锈钢铸坯宽度的自动优化控制就极为重要。针对不锈钢铸坯宽度控制过程中影响因素多且具有非线性、多变量耦合等特性,提出一种基于随机森林-差分进化(RF-DE)算法的铸坯宽度优化控制模型。首先,根据专家经验从大量连铸生产工艺参数中选取不锈钢铸坯宽度的关键影响因素,进而采用随机森林算法(random forest,RF)建立不锈钢铸坯宽度预测模型。接着,以连铸二冷工艺参数为决策变量,以宽度模型预测值与铸坯目标宽度的绝对误差为目标函数,构建带工艺约束条件的不锈钢铸坯宽度优化控制模型,进而采用差分进化算法对上述模型进行优化求解,获得可用于连铸生产控制的二冷工艺参数设定值。最后,通过某钢厂实际生产数据对模型进行验证。结果表明,相较于梯度提升树、支持向量回归、多层感知机等模型,随机森林模型泛化能力强且精确度高,更适用于铸坯宽度的预测,其平均绝对误差MAE为0.047 2 mm;且采用宽度优化控制模型后的不锈钢铸坯宽度合格率显著提高,新模型具有较高的宽度控制精度。     

步进梁式板坯加热炉数学模型的“黑匣子”测试与应用

介绍了连铸板坯在步进梁式加热炉内加热过程中实际温度测试的方法——"黑匣子"测试法,用以验证温度预报模型的准确性,为数学模型参数的修正提供实验数据,最终实现炉子的全计算机控制。     

1780生产线的带钢宽度控制

为了满足客户对宽度指标的要求,对承钢1780生产线宽度控制模型进行了研究和分析。根据研究结果,采用粗轧下表面高温计,并且设计板坯出炉温度预测模型,减少因板坯温度不准对宽度控制的影响。通过在加热炉前安装板坯测宽仪和优化宽度控制策略来减少因板坯宽度不稳定对宽度控制的影响。对立辊短行程控制曲线进行研究,提出优化方案,有效解决了带钢头尾宽度问题;对大量带钢精轧宽展数据进行研究,提出针对不同规格带钢的宽展控制方案。经过研究和优化使成品宽度的波动明显变小,成品宽度在+0~9mm内的命中率达到96%以上,工序控制能力也得到了明显提高,提高了产品的用户满意度。     

Optimization of Temperature and Force Adaptation Algorithm in Hot Strip Mill

Abstract： In the hot strip rolling control system, the temperature distribution and deformation resistance are the main parameters affecting prediction of rolling force. In order to improve the model prediction precision, an optimiza- tion algorithm based on objective function was put forward, in which the penalty function index was adopted. During the adaptation process, the temperature distribution and deformation resistance were taken as the optimized parame ters, and the Nelder-Mead simplex algorithm was used to search the optimal solution of the objective function. Fur thermore, the temperature adaptation and force adaptation were solved simultaneously. Application results show that the method can improve the accuracy of the rolling force model obviously, and it can meet the demand of the indus trial production and has a good application prospect.     

基于改进BP算法的连铸板坯中心偏析预报模型

结合某厂连铸生产数据,采用带有附加动量项的改进BP算法,建立了连铸板坯中心偏析的BP人工神经网络预测模型。应用结果表明,其预测准确率为90%,可满足连铸生产中对铸坯中心偏析预报精度的要求。分析导致预报偏差的主要原因是,网络模型隐含层节点较多、网络结构复杂、中心偏析等级为1.0的样本学习次数较多和噪音样本剔除不彻底等。     

The Influence of Oxide Scale on Heat Transfer during Reheating of Steel

The present work presents methodology and development of a mathematical model for prediction of the influence of oxide scale on heat transfer during reheating of steel in an industrial furnace. In this developed model, temperatures inside the steel billet were measured and with thermocouples at selected places and were collected by a water cooled computer that was traveling inside the slab. CFD is used to calculate the flow field inside of a furnace. The mass‐transfer coefficient of the scale formation is obtained by solving the convection mass‐diffusion equation across a boundary layer to the surface of a flat plate. A model for inverse heat conduction is employed to calculate the local surface temperature and heat flux on top of the growing oxide scale layer on a slab moving through a walking beam reheating furnace. By using the inverse method, the transient temperature and heat flux was firstly determined on the surface of the steel. During subsequent computations, the growth of the scale was calculated and the surface temperature of the oxide scale was extracted by using the Cauchy data from the previous calculations. The sensibility of the model on steel physical parameters is studied, and suitable parameters were obtained for heating a low carbon steel plate in the reheating furnace. Results show that the oxide scale layer should not be neglected in reheating models.     

温度模型对中厚板轧制压力预算精度的影响

通过建立的中厚板轧制压力3种预算温度模型对Q235钢（/%:≤0.22C,≤1.40Mn,≤0.35Si）200mm铸坯经12道次轧成20 mm板的各轧制道次轧制压力进行预算模拟,分析轧制温度模型对中厚板轧制压力预算精度的影响。结果表明,轧制温度模型通过轧件变形抗力对轧制压力预算精度产生影响,在中厚板轧制时,采用轧制温度模型△t=24Z[(t+273)/1000]⁴/h对轧制压力进行预算的精度相对稳定且误差相对较小,为0.67%~12.41%。