张凯举[1]2004年在《钢铁冶金加热过程建模与综合优化控制方法的研究》文中研究指明钢坯加热是轧钢生产线上的重要环节,担负着为轧制工序提供加热质量合格的钢坯的任务。对加热炉以节能降耗为目标的控制策略和方法的研究一直是冶金自动化领域研究的热点,已取得了大量的研究成果,这其中包括加热炉的优化设定方法和燃烧控制方法等等。 然而,以往在控制系统设计时都是人为地把钢坯加热生产和轧制生产看成是两个相互独立的过程进行的,而没有将这两个相互联系的过程进行综合控制。因此,为加热炉节能降耗而采取的各种控制方法不能保证整个轧钢生产线总体能耗、生产设备利用和产品质量指标的最优化。 为此,本文从综合解决轧钢生产线总体能耗过大、降低轧钢过程生产事故的问题分析入手,提出了将加热和轧制工序相互协调,对钢坯加热过程进行综合优化控制的新的控制策略和方法,为从根本上解决轧钢生产能耗过大、提高轧机的安全性提供了全新的解决方案。 热轧钢坯的温度是联系钢坯加热过程和轧制过程的重要过程参数,本文利用机理分析和离散状态空间相结合的方法建立了热轧生产过程中钢坯温度变化的数学模型,为钢坯加热过程基于轧制信息反馈的综合优化控制奠定了模型基础。 加热炉炉温的优化设定和燃烧控制优化方法是实现钢坯加热生产综合优化控制的重要内容,本文对炉温设定问题中目标函数的确定及其优化策略进行了深入分析,对现有方法进行了改进,使炉温设定更符合生产目标的要求;通过综合利用燃料热值前馈和残氧分析反馈的方法,提出了一种基于空燃比优化的燃烧控制新方法,系统解决了钢坯炉内加热过程的优化问题。 为解决加热炉炉温的在线优化问题,本文提出了基于模糊控制规则提取和神经网络技术相结合的钢坯加热过程综合优化控制策略,通过将轧制过程的生产信息及时反馈到加热生产工序,实现了对加热炉炉温预设定值波动的动态优化补偿。 为实现加热炉基于轧制生产信息的综合优化控制,本文分别建立了基于温度反馈和轧制负荷变量反馈的钢坯加热生产的综合优化控制模型,仿真结果表明了方法的有效性。
林涛[2]2007年在《大系统理论在钢铁冶金加热过程中的应用研究》文中研究说明论文的研究工作是以某型钢厂加热炉控制系统研究项目为背景展开的。加热炉是冶金行业中的重要热工设备,担负着为轧制工序提供加热质量合格钢坯的任务。对加热炉以节能降耗为目标的控制策略和方法的研究一直是冶金自动化领域研究的热点。因此在钢铁冶金行业竞争日趋激烈的今天,如何实现加热炉的有效控制,有着重要的意义。加热炉控制的难点和重点在于燃烧过程是受随机因素干扰的、具有大惯性、纯滞后的非线性过程,因而很难用简单方法建立其精确模型。然而对于大系统问题来说,如果目标函数可分,利用传统的递阶优化理论可以解决其控制和优化问题。由于被控对象涉及的变量多,关联复杂,各个子系统相互有关联,可用分解协调算法来建模和优化。所以把大系统理论应用到加热炉控制中,对于加热炉控制的学术研究和工程应用将会产生积极的推动作用。论文以较好的逻辑阐述了加热炉大系统控制的设计思想,体现了作者的大量工作和独特贡献。具体包括:①将大系统理论引入加热炉控制系统,从大系统的角度进行了对象特性分析;②采用机理分析建立加热炉模型,提出用叁次函数描述炉温分布,讨论了建立钢温预估计模型的叁种主要方法,从建模的难度、算法的收敛性、实时性和模型的自适应性等多个方面进行了分析;③根据炉温分布与钢温变化唯一对应的特点,提出一种以优化钢坯升温曲线来逆推炉温分布的新方法。对钢坯升温优化模型中目标函数及约束条件的确定进行分析,更全面地兼顾了钢坯质量与节能,使炉温设定更符合生产目标;④在分散控制的基础上,分析系统中各扰动量影响,提出以各加热段炉温和空燃比作为关联变量构成递阶控制,增强了模型的自适应性和控制实时性;⑤将大系统理论与智能控制有机结合,探索出了一条解决相关复杂系统控制的新路子。论文对加热炉的大系统特性进行了深入分析,改进了炉温分布形态,提出了逆推法,尤其是将大系统理论与智能控制结合运用,在学术和工程上都有一定的参考价值。
关力[3]2006年在《基于轧制信息的钢坯热轧过程智能建模研究》文中认为对钢坯热轧过程以节能降耗为目标的控制模型和控制方法的研究，一直是钢铁冶金自动化领域的研究重点之一，但以往的研究多集中于钢坯加热过程或者轧制过程，割裂了两者在生产上的连续性和在能耗上的相关性，不能实现整个热轧生产线能耗的最小化。为此本文从生产过程特性出发，系统分析了热轧过程建模需要解决的难点，提出了基于轧制信息反馈的热轧过程智能建模的新方法。 由于钢坯热轧过程特性复杂，应用传统模糊神经网络方法建模存在模糊规则数目多，不可调等问题，对此本文提出了一种基于自适应神经模糊推理系统(ANFIS)的热轧生产过程建模方法。该方法可根据训练样本数据的分布情况来灵活划分模糊集合，从而保证以较少的模糊规则得到理想的建模精度。针对上述ANFIS方法，进一步提出了一种两步混合学习算法：首先采用最近聚类算法确定网络的结构和初始参数，然后采用梯度下降法对参数做进一步调整。仿真结果表明，该算法收敛速度比传统BP算法快。 针对两步混和学习算法不能解决模糊神经网络训练容易陷入局部极小值的问题，本文利用人工免疫系统(AIS)的数据聚类方法，并通过对传统AIS聚类算法进行优化，提出了对人工免疫网络算法参数的优化设定方法。仿真结果表明，该方法提高了网络的训练速度，避免了聚类规则数大幅波动的现象，解决了热轧生产过程建模中神经网络训练容易陷入局部极小值的问题。 利用热轧生产数据对基于AIS聚类的自适应神经模糊推理系统建模方法的仿真结果表明，该方法具有结构简单、学习速度快、规则数少、建模精度高等优点，能够有效处理如钢坯热轧过程等数据量大、工况复杂的工业过程的建模问题。
金迪[4]2005年在《热轧过程加热炉综合优化控制策略及控制方法研究》文中提出钢坯的加热过程和轧制过程是热轧生产线上非常重要的两个生产环节,加热炉需要将钢坯加热到满足粗轧机轧制工艺要求的温度分布,粗轧机则需要根据生产要求将加热好的钢坯轧制成指定规格的产品,这两者是热轧生产线上的主要耗能设备。 由于以往实际生产和理论研究均把加热炉和粗轧机作为两个独立的生产设备进行控制,割裂了两者在生产过程上的前后连续性和在生产能耗上的相互影响性,针对每一个设备的控制即使保证了其自身能耗的最小化,也不能实现将这两者作为一个整体来看待的整个热轧生产线的能耗最小化。在当前世界能源日益匮乏的情况下,结合当前热轧过程中存在的能耗浪费过大、钢坯加热质量不好、轧制安全难以保证的实际问题,本文从以下几个方面着手,试图解决上述问题。 首先,本文从加热炉和钢坯之间的热交换机理入手,以加热炉能耗最小、钢坯损耗最小、钢坯出炉温度与期望温度之差最小为目标函数,利用基于专家经验的炉温优化调整策略寻求钢坯在加热炉内的最佳温升曲线以及与此相对应的最佳炉温分布曲线,从而得到了最优的炉温预设定曲线,实现了炉温的优化设定,减少了加热能耗的浪费。 其次,针对目前加热炉和粗轧机的分离控制带来的生产信息难以共享、钢坯的加热过程难以动态调整而造成的能耗浪费过大、粗轧机轧制安全难以保障等问题,提出了基于轧制信息反馈的加热炉综合优化控制策略,利用模糊控制和神经网络的方法,将粗轧机一侧的能够反映钢坯加热质量好坏的生产信息,如粗轧机的轧制力、钢坯的温度等,反馈到加热炉一侧并计算出炉温设定值的补偿量,从而能够根据钢坯的加热状况动态地调整后续钢坯的加热过程,减少了能耗浪费,保障了轧制安全。 另外,在文中提出了将热轧过程中的质量指标与经济指标相结合的综合优化指标,阐述了基于生产目标的热轧过程综合优化控制策略的基本思想,并通过仿真实验验证了控制策略的有效性。
吴小芳[5]2007年在《步进梁加热炉炉温控制与优化》文中进行了进一步梳理加热炉是轧钢生产线上的重要设备之一,也是钢铁工业中的耗能大户,因此提高加热炉的加热效率,降低能耗,对整个钢铁工业的节能具有重要的意义。特别是随着现代化轧机向连续、大型、高速、高精度和多品种方向发展,对冶金加热炉的模型研究和优化控制提出了越来越高的要求。但由于加热炉是一个典型的复杂工业被控对象,其间包括热力学的、化学的和物理的各种过程,它具有多变量、时变、非线性、强耦合、大惯性和纯滞后等特点,而且炉内钢温分布不能直接测量、外界扰动因素多,加热过程受多种生产工艺因素的制约。所以总的来说,加热炉的高级计算机控制策略还不成熟,真正具有成功应用的并不多见。加热炉控制的目的是按照轧机轧制节奏,设定加热炉区段炉温,使板坯在炉内充分受热,在板坯出炉时其出炉温度和均热度满足轧制要求,同时要使所消耗的燃料尽量小。目前通常是通过控制加热炉区段炉温来达到控制加热炉内板坯温度的目的。本文主要是围绕加热炉炉温优化设定及其控制展开了一些研究,主要
胡杰, 杜胜, 吴敏, 陈鑫, 曹卫华[6]2018年在《铁前炉料制备过程先进控制与智能优化》文中研究表明铁前炉料制备过程主要包括炼焦过程和烧结过程,分别生产焦炭和烧结矿,为高炉炼铁提供燃料和原料.实现铁前炉料制备过程的先进控制与智能优化,有利于提高产品的质量和产量、降低生产能耗和成本.本文阐述了炼焦过程和烧结过程先进控制与智能优化的研究进展,包括炼焦配煤过程智能优化与控制、焦炉火道温度集成软测量、焦炉加热燃烧过程智能控制、炼焦生产全流程优化及烧结配料过程建模与优化、烧结热状态参数控制、烧结生产全流程优化与控制、烧结碳效建模与优化.最后总结分析了铁前炉料制备过程控制与优化的发展趋势.
乌江津[7]2006年在《加热炉优化控制方法与仿真系统研究》文中提出钢坯加热炉是热轧生产线上的一个重要设备，其主要功能是将钢坯加热到符合轧制要求的温度，加热炉同时也是热轧生产线上主要的耗能设备，对其节能降耗的控制方法研究一直是冶金自动化领域的热点。 目前，在加热炉的优化控制方面还存在一些问题。首先，由于在实际生产过程中不能在线测量炉内钢坯的温度分布，因此需要建立能够精确预报被加热钢坯温度分布的数学模型。对钢坯温度建模中比较有效的方法之一是根据热交换机理推算钢坯升温数学模型，在工程应用中通常采用简化条件下的一维非稳态导热模型，但该模型的运算精度不高。其次，在计算加热炉炉温优化分布时，对优化指标的选取考虑不够全面。另外，在对加热炉过程进行优化控制研究时，缺少模拟加热炉过程的仿真实验环境。本文针对存在的问题做了以下的研究工作。 首先，本文对钢坯加热过程的传热机理进行了分析，并结合工程实际情况建立了钢坯二维状态空间温度预报模型，该模型既保证了计算精度又兼顾了运算速度，为加热炉炉温优化控制奠定了模型基础。其次，本文提出了包含加热炉各炉段温度设定值以及钢坯在炉时间等工艺指标的炉温优化目标函数，在计算目标优化参数时，考虑到目标函数的复杂性，本文采用了遗传优化算法求得目标优化参数。另外，针对加热炉炉温设定值在线调整问题，本文提出了基于钢坯预报温度与理想温度之间偏差的PID动态补偿策略。最后，本文设计了加热炉过程控制仿真实验平台的总体结构，并开发了平台中工艺模型站和仿真分析站中的模拟屏模块、模型库模块以及仿真运行主模块等功能模块。该平台为加热炉优化控制研究提供了一个很好的仿真环境。
胡玲艳[8]2017年在《步进梁加热炉炉温综合优化控制策略研究》文中提出步进梁加热炉是冶金领域的一种大型多区段热处理设备,主要用于各类板坯、铸锭等的退火处理,具有热工制度灵活、加热坯料不受尺寸规格限制等优点。近年来,随着现代工业对热轧产品越来越高的质量要求,以及国家环保节能政策的不断推出,作为冶金工业的重要耗能设备,对步进炉加热过程在燃烧效率、控温精度以及炉温均匀性等方面也提出更高的要求。优化系统控制过程,提高坯料加热质量、降低炉子能耗、并节约系统设计成本是加热炉工程设计中的重要内容。本文以宁夏中色某集团公司所建的一座天然气步进梁加热炉为研究对象,结合实际工艺控制要求,开展以下研究工作:1.进行炉温动态过程建模。采集实际加热过程数据,利用瞬态响应插值法进行模型辨识,借助MATLAB软件进行模型测试,比较模型输出与实际过程数据偏差,验证模型的有效性。2.基于步进炉供热机制,进行铜锭内部热传导方程的工程简化,通过有限元分析法对模型进行离散化,借助MATLAB进行铜锭内部传热行为的仿真计算,并采用埋敷偶工程试验方法验证铜锭温度分布仿真计算的有效性。同时基于传热过程能量守恒法则,在已知铜锭上表面温度工艺曲线下,反向求解炉温设定值,以降低各控温区温度设定余量及燃料消耗,减小铜锭内部温度偏差。3.针对步进炉炉温过程模型存在的不确定性参数摄动情况,借助Lyapunov稳定性理论和LMI方法,进行H∞鲁棒稳定性分析,推导并获得系统鲁棒渐近稳定充分条件及控制器求解方法。对算法进行仿真验证,所得结论可有效预估炉温系统一定参数摄动及扰动因素下,系统输出表现。4.归纳热电偶工程应用中存在的故障情况,建立热电偶故障数学模型,针对不确定炉温模型存在的状态及控制时滞,进行非脆弱有记忆和无记忆容错状态反馈控制器设计。通过构造合适的Lyapunov-Krasovskii泛函,借助LMI方法获得系统鲁棒渐近稳定条件及控制器求解方法,仿真及实际工程测试验证了算法的有效性。5.考虑控温过程热电偶传感器故障及外部扰动,针对炉温系统的多状态定常时滞情况,进行鲁棒保性能容错设计。通过构建复合型Lyapunov-Krasovskii泛函,利用LMI方法,给出满足一定性能界及具有H∞干扰抑制能力的鲁棒二次镇定充分条件,同时给出性能上界为最小的鲁棒最优保性能容错控制器求解方法,仿真及工程测试验证了算法的有效性。6.针对步进炉燃烧控制环节,借助可编程软件与常规燃烧设备配合开发程控多段位脉冲燃烧控制器,代替硬件分频设备,实现对加热烧嘴工作时序及燃烧状态的智能控制。实际应用表明,所提出方法能够节约系统成本,有效提高炉温控制精度及炉内温度分布均匀性。
鲁毅[9]2008年在《基于模糊逻辑参数整定的加热炉炉温仿人智能控制的研究》文中指出钢坯加热炉是热轧钢工业中用于钢坯轧前加热的重要热工设备,也是轧钢生产过程中的耗能大户,其作用是将钢坯加热到轧制工艺所需要的温度,其工艺要求是尽可能地降低加热炉的能耗、减少钢坯的烧损和减少环境污染。因此,加热炉先进控制方法的研究对钢铁企业的技术创新、对降低企业生产成本的意义非常重要。钢坯加热炉是一个典型的复杂工业过程,它几乎具备了复杂系统的所有特征,即建模困难、干扰严重,而且具有多变量、时变、非线性、耦合、大惯性兼滞后等特点,导致传统的控制方法很难取得良好的控制效果。因此加热炉的优化控制是一个复杂的控制与优化问题,采用常规控制技术难以取得良好的优化控制效果。本文结合步进梁式加热炉的实际特点,以加热炉的炉温作为研究和控制对象,提出一种基于模糊逻辑参数整定的加热炉炉温仿人智能控制。本文主要做了以下工作:(1)阐述了课题的研究背景及选题意义、钢坯加热目的、作用以及钢坯的加热质量对整个轧制工艺的影响,分析了加热炉炉温控制的研究现状及其存在的问题。(2)详细阐述了仿人智能控制理论的基本思想、基本概念和基本原理,研究了仿人智能控制系统的结构及其设计方法,分析了仿人智能控制的不足和面临的问题。(3)阐述了钢坯加热炉的炉型结构、钢坯的加热过程以及钢坯加热炉的燃烧系统。并论述了加热炉的工艺和控制要求、顺序控制、燃烧控制以及炉膛压力的模糊控制策略。着重研究了加热炉的炉温控制,分析了影响加热炉炉温控制的几个因素,并研究了加热炉炉温的优化设定。(4)针对加热炉炉温控制中的实际问题,根据仿人智能控制理论和模糊推理系统的原理,提出和设计了基于模糊逻辑参数整定的炉温的仿人智能控制系统。最后用MATLAB作为仿真实验平台,结果表明提出的基于模糊逻辑参数整定的加热炉炉温控制是可行的、有效的,为其在实际生产中的应用奠定了基础。
刘加新[10]2013年在《基于差分进化算法的加热炉预测控制》文中研究表明随着现代钢铁工业的迅速发展和能源危机问题的日益提升,能源资源的保护和有效利用成为钢铁企业生产过程中的新问题和新重心。加热炉是冶金行业生产环节中的重要设备,也是钢铁工业中的耗能大户。如何提高加热炉的加热效率,降低能耗,节约成本,提升竞争力对整个钢铁工业的节能具有重要的意义。加热炉是一个具有多变量、时变、非线性、强耦合、大惯性和纯滞后等特点的典型复杂工业被控对象,加热过程受多种生产工艺因素的制约。因此,加热炉的优化控制是一个复杂的控制与优化问题,采用常规控制技术难以取得良好的优化控制效果。为了实现加热炉炉温的优化控制,本文从钢坯加热炉生产实际和现代工业复杂化的实际出发,结合实际加热炉控制的应用与研究现状,以加热炉的炉温为主要研究对象,从以下几个方面进行分析和研究。(1)加热炉炉温预测控制。加热炉是复杂的非线性系统,难以用精确的数学模型来描述。而广义预测控制的特点是对数学模型依赖性不强,而且在工业实际生产过程中具有良好应用的效果。为了克服系统中由于其它不确定性扰动造成的模型预测误差,得到较为精确的炉温预测值,本文采用基于差分进化算法的广义预测控制算法,并取得了良好的实验效果。(2)预测控制的参数整定。由于燃气流量的变化直接影响加热炉炉温控制,所以实现对其准确控制是确保炉温优化的重要方法.本文为了实现对输入量大小的最佳控制,采用了基于差分进化算法的PID控制器参数整定方法,对控制变量进行智能优化。(3)建模仿真实验。对本文的算法模型通过C#高级编程语言以及MATLAB软件进行仿真实验,并取得了良好的实验结果。(4)实验结果有效性验证。为了验证基于差分进化算法的广义预测控制策略对加热炉炉温控制具有很好的可行性与有效性,将其与传统的经典控制策略进行了对比实验。结果表明,本文采用的方法更加的具有优越性。
参考文献：
[1]. 钢铁冶金加热过程建模与综合优化控制方法的研究[D]. 张凯举. 大连理工大学. 2004
[2]. 大系统理论在钢铁冶金加热过程中的应用研究[D]. 林涛. 重庆大学. 2007
[3]. 基于轧制信息的钢坯热轧过程智能建模研究[D]. 关力. 大连理工大学. 2006
[4]. 热轧过程加热炉综合优化控制策略及控制方法研究[D]. 金迪. 大连理工大学. 2005
[5]. 步进梁加热炉炉温控制与优化[D]. 吴小芳. 上海交通大学. 2007
[6]. 铁前炉料制备过程先进控制与智能优化[J]. 胡杰, 杜胜, 吴敏, 陈鑫, 曹卫华. 信息与控制. 2018
[7]. 加热炉优化控制方法与仿真系统研究[D]. 乌江津. 大连理工大学. 2006
[8]. 步进梁加热炉炉温综合优化控制策略研究[D]. 胡玲艳. 大连海事大学. 2017
[9]. 基于模糊逻辑参数整定的加热炉炉温仿人智能控制的研究[D]. 鲁毅. 太原理工大学. 2008
[10]. 基于差分进化算法的加热炉预测控制[D]. 刘加新. 东北大学. 2013