步进加热炉动态控制模型的开发

本文以炉内传热过程机理分析为基础,开发了一类新型的步进加热炉动态控制模型——离散状态空间模型。该模型能实时地给出炉内加热过程中钢坯温度分布轨迹,具有结构简单,计算量及内存量小等优点,适合在微型机上实施。     

蓄热式加热炉钢温预报与炉温优化设定研究

在分析新型蓄热式钢坯加热炉的炉型结构与炉温制度特点的基础上,基于钢坯在炉内 受热辐射和钢坯内热传导的机理,设计了二维非稳态导热钢温预报模型,并给出了适用该模型 的炉温优化策略.该模型能够对出炉钢坯进行网格化钢温预报,具有精度高,通用性强,能够实 现炉内钢坯温度分布的在线预报的特点.仿真研究表明,所提出的炉温优化策略能较大地提高 钢坯的加热质量.     

钢坯三维温度场预报模型的建立

在钢坯加热的过程中．由于加热炉的炉内热状态复杂,测温技术的局限,难以直接测豉出加热炉内被加热钢坯的温度,以保证适时出钢。因此,本文根据传热学知识,采用BP神经网络对钢坯三维温度场进行预报。仿真结果表明,该模型能够满足实际生产要求。     

基于软测量的钢坏内部温度场分布研究

由于目前测试技术的限制,在生产过程中对钢坯内部温度的检测比较困难,为了获得钢坯内部的温度,一些研究人员尝试通过数学模型的方法实现钢坯内部温度分布的软测量模型.本文以步进式加热炉中钢坯温度场分布为应用背景,提出了利用机理建模的方法来实现钢坯内部温度场分布的软测量模型,并且对典型工况进行了仿真,结果表明测量精度完全符合工业应用要求.     

板坯加热炉的递阶计算机控制

本文以作者开发的板坯加热炉离散状态空间模型为基础提出了以启发式搜索方法求解加 热炉炉温设定值最优化问题的原理,并介绍了基于上述原理的加热炉递阶计算机控制系统的 设计与实施.该系统经过一年多连续运行表明其控制准确、性能可靠,降低能耗9%,明显提 高钢坯的加热质量,直接经济效益可达100万元/年以上.     

基于软测量的钢坯内部温度场分布研究

由于目前测试技术的限制，在生产过程中对钢坯内部温度的检测比较困难，为了获得钢坯内部的温度，一些研究人员尝试通过数学模型的方法实现钢坯内部温度分布的软测量模型。本文以步进式加热炉中钢坯温度场分布为应用背景，提出了利用机理建模的方法来实现钢坯内部温度场分布的软测量模型，并且对典型工况进行了仿真，结果表明测量精度完全符合工业应用要求。     

基于递推PLS的自适应钢温软测量模型

针对轧钢加热炉系统具有多变量、非线性、大滞后、交叉耦合等特点,难以预估钢坯出口温度的难题,以块式递推偏最小二乘算法为基础,结合移动窗口和遗忘因子法,建立了出炉钢坯温度和过程变量之间的预测模型.在某钢厂的实际应用表明,该钢温软测量模型具有较好的自适应能力,能提前15 min预测钢坯出口温度,且预测误差满足工业应用的精度要求.     

钢坯三维热状态模型的可视化研究

针对昆明钢铁集团有限责任公司第二轧钢厂加热炉在钢坯加热过程中,由于加热炉炉内热状态复杂,测温技术有限,难以直接测出被加热钢坯的内部温度,以确保适时出钢。因此导致钢坯加热质量不易保证,难以充分发挥加热炉的效率,造成能源浪费严重,故对钢坯加热状态可视化问题的研究就显得非常重要。鉴于此,本文首先运用VC＋＋6.0软件制作钢坯三维温度场的虚拟可视化操作界面,并用OpenGL进行图形化表现。实验数据表明,该图可以直观、准确地反应钢坯的加热状态,达到对钢坯三维热状态可视化监控的目的,为实时出钢提供依据。     

板坯加热炉的递阶计算机控制

本文以作者开发的板坯加热炉离散状态空间模型为基础提出了以启发式搜索方法求解加热炉炉温设定值最优化问题的原理,并介绍了基于上述原理的加热炉递阶计算机控制系统的设计与实施.该系统经过一年多连续运行表明其控制准确、性能可靠,降低能耗9％,明显提高钢坯的加热质量,直接经济效益可达100万元/年以上.     

基于RBF神经网络的钢坯温度预报软测量模型研究

钢坯加热过程是钢铁企业热轧生产中非常重要的工艺环节。钢坯温度预报模型是实现加热炉优化控制的重要基础,用常规仪器很难直接测量出钢坯温度。给出了基于RBF神经网络的软测量模型结构,对钢坯温度进行预报的仿真结果。     

Dynamic model based optimization control for reheating furnaces

This paper addresses the development of an advanced computer control strategy and its application to reheating furnaces. Based on the discrete state space reheating furnace model developed by the authors, a dynamic model based optimization strategy giving the optimal set points of the furnace zone temperatures and a relevant computer control system are proposed. The dynamic model based heuristic search algorithm is used to determine the optimal furnace zone temperature set points for minimal energy consumption under various operation conditions. Through more than one year's online running, the computer system shows that the proposed control system provides a considerable economic benefit through reducing the energy consumption and improving the quality of the heated slabs.     

步进加热炉经济燃烧操作的研究开发和实现

本文给出了一种以线性规划搜索来求解加热炉操作中的非线性多约束优化问题及基于以上算法和辅以动态反馈所实现的加热炉递阶控制系统。本文所提出的优化算法具有计算量小、收敛速度快、且稳定可靠的优点,故易于在线实时运行.动态反馈又充分考虑了炉子复杂多变的加热环境.实时后的控制效果表明可提高出炉钢坯加热的均匀性而使生产工况趋于平稳,并有较大的节能和节约钢原材料的潜力.     

Simultaneous optimization of slab permutation scheduling and heat controlling for a reheating furnace

In this report, for a reheating furnace, which is employed in one of the processes for producing steel sheets from slabs, we propose a modelling method that simultaneously optimizes both the permutation scheduling of slabs and the heat controlling of the furnace. The proposed modelling scheme is based on a hybrid model composed of a nonlinear advection equation that expresses the behavior of the slab temperature and a discrete model for feeding slabs. The model predictive control problem of this model, which will be reduced to a mixed integer programming problem, is formulated by discretizing the advection equation in time and space by means of the method of characteristics and spatially piecewise-linearizing the nonlinear term. It is shown by numerical simulations that the proposed model predictive control method is very effective from the viewpoint of the control performance and the computational burden.     

计算机控制力学持久机炉温的数学模型

本文讨论利用现代控制理论的一个实际例子.被控制的对象是一个带有两个独立绕组的电炉,采用两个热电偶来测量两个不同点上的炉温.炉子上、下部分的温度控制精度优于 2C.将被控对象处理为具有两个变量的LQG系统.数学模型由动态数学模型,卡尔曼 (Kalman)滤波器,最佳状态反馈及自适应设置点跟踪组成. 此系统已对70多台同类型炉子实现了群控.     

管式加热炉多模型神经网络预测控制

管式加热炉具有典型的非线性、多变量、大时滞、强耦合和时变特性,传统的控制策略很难获得理想的控制性能。为此,提出了基于一类多模型的自适应神经网络预测控制方法,首先基于不同负荷下加热炉的运行情况建立多个自适应神经网络模型,预测变负荷、大扰动时的加热炉输入输出状况,然后通过自适应调整神经网络模型的结构和参数跟踪加热炉由于参数时变或其他干扰引起的系统漂移,最后应用粒子群算法对基于多模型自适应神经网络进行滚动优化,获得加热炉操作变量的次优控制律。此方法可以有效地跟踪多路进料、多燃烧器加热炉的控制指标,提高了加热炉的整体热效率,并且能够节约燃料,减少温室气体排放。所开发的控制系统成功应用于某炼厂常减压加热炉装置,取得了良好的效果。     

自动燃烧控制中模糊优化的实现

利用模糊系统来计算炉内每块板坯对应的最佳温升曲线，然后利用该最佳温升曲线来计算加热炉的设定炉温。由于模糊系统在自动燃烧控制模型内部，因此在每个周期计算中都会根据当前板坯的情况来动态修改最佳升温曲线，从而使加热炉的设定炉温始科处于优化状态，仿真结果表明引入这种算法可以在保证板坯加热质量的同时，有效地降低系统功耗。     

基于免疫文化算法的特钢加热炉调度优化

特种钢企业的生产具有品种多、批量小的特点,导致轧制线上在线加热炉组的调度成为NP难问题.本文在详细分析该类问题的基础上,提出了基于免疫文化算法的加热炉优化调度方法.利用免疫克隆算法的全局收敛性对最优调度方案进行搜索,利用文化算法形成的公共认知信念指导和加速搜索,仿真实验表明,该方法在轧机利用率、钢坯在炉内滞留时间及加热炉运行时间等多方面均优于传统的人工调度方法.     

连续退火炉在线优化控制系统

根据我们提出的一套综合的过程仿真培训系统自本文综述了连续退火炉及其控制系统的现状,介绍了一个用于连续退火炉的在线优化控制系统。该系统利用炉内可测信息建立钢温动态数学模型,采用这个动态数学模型实现一种在线优化算法,以获取连续退火炉各段炉温的在线最佳设定。本文最后还介绍了该系统的结构和功能。