专利名称：一种轧钢加热炉优化控制系统的制作方法
技术领域：
本发明涉及加热炉优化控制技术领域，尤其涉及一种轧钢加热炉优化控制系统。
技术背景
轧钢加热炉是利用燃料在炉膛内燃烧时产生的高温火焰和烟气作为热源，来加热 炉中流动的钢坯，使其达到规定工艺温度的加热装置。加热炉装置生产运行操作要求保证 被加热介质出炉温度的控制精度、最少的燃料用量和钢损等。
为实现上述加热炉生产性指标，加热炉控制中关键技术一方面是根据生产节奏， 钢坯进炉温度，钢坯出炉温度来调整炉温，使钢坯的出炉温度满足轧钢的需求，需要对炉温 进行动态控制；另一方面主要是从节能和物耗等方面考虑，通过寻找合理的风燃比，使得加 热炉的热效率最大，并通过降低炉内均热段的氧化性气氛，从而降低钢损。其中在炉温控制 过程中，炉温目标值的动态设定以及炉温控制精度的提高，是炉温控制的重点。
在炉温的动态设定上，有宝钢股份有限公司申请的“热轧加热炉炉温动态设定控 制方法”，申请号20051002485. 0，公开号CN1840715A，该发明共分为四步来实现。第一步， 采用板坯温度预报模型计算板坯所在段的段末温度，其方法是前向递推的；第二步，按板坯 移动距离，动态计算板坯各段段末的目标温度；第三步，计算板坯当前段所需要的炉气温 度；第四步，考虑当前所在板坯的差异进行专家经验加权平均。由于加热炉工作的不确定 性，如生产节奏的变化、进炉钢坯温度的差异(进冷坯和热坯)、钢坯的类型差异等，所以采 用前向递推方法很难预测钢坯的温度，或者是预测温度不准确，这些都将大大的影响炉温 动态设定的效果。
在炉温的控制方法上，目前采用较多的方法有双交叉限幅控制，模糊自适应控制 技术，预测控制和前馈控制技术等。在工业控制技术杂志上，2009年4月期，由江苏锡业集 团张秀丽、吴定会撰写的名为“轧钢加热炉燃烧过程的模糊自适应控制策略” 一文，其将模 糊控制理念运用到加热炉控制技术上去，采用的控制算法仍然是常规PID，仅对P、1、D的 参数进行了模糊计算、设定，模糊控制技术的技术难点是模糊控制器的构成，集中体现在输 入语言变量、输出语言变量选择，隶属度赋值表的确定原则，所以模糊控制的规则确定的过 程比较复杂，没有好的通用性；由清华大学申请的“加热炉出口温度的一种综合控制方法”， 申请号200810102875. 7，公开号CN 101256418A,该发明将反馈预测控制和前馈控制应用 于加热炉出口炉温的控制上。其反馈预测控制是建立在诸多的假设之上，建立的反馈预测 模型不能准确反映实际情况，或者建立的反馈预测模型不准确；其前馈控制策略将煤气压 力或者空气压力作为流量变化的前馈，但未涉及对负荷变化的前馈控制。
在风燃比的控制上，由日本碍子株式会社申请的“燃烧加热炉的空气燃料比控制 系统”申请号200810086051. 5，公开号CN 101270880A，该发明中需要操作人员给定一个固 定的烟气氧含量设定值，通过氧含量值来修正空气与燃料的流量配比。由于在不同的工况 下最佳氧含量不是固定不变的，因此难以真正实现最佳操作，加之烟气氧量存在测量滞后 的问题，难以满足控制的实时性，所以这种通过氧含量表来调整空气燃料配比的方式很难达到理想的结果。
综上所述，现有的技术仍旧存在一定的局限性和缺陷，因此开发本系统。发明内容
本发明所要解决的问题是发明一种轧钢加热炉优化控制系统，在保证加热炉不同负荷下钢坯出口温度稳定的前提下，降低煤气消耗，降低钢损。
本发明解决其技术问题采用的技术方案是本系统中设有炉温在线设定器，热负荷估计器，均热段上、下部及加热段上、下部的炉温调节器、炉温前馈调节器、煤气流量调节器、空气流量调节器，空燃比优化控制器，炉温、钢坯温度、钢坯位置、煤气流量、空气流量等测量仪表以及煤气流量调节阀、空气流量调节阀等执行器；炉温在线设定器的输出作为炉温调节器的给定值，该调节器采用PID控制算法；热负荷估计器的输出乘以负荷分配系数作为各炉温前馈调节器的测量，该调节器采用ro控制算法，其中负荷分配系数根据各部分热负荷大小比例按照操作经验给出；炉温调节器的输出与炉温前馈调节器的输出之和作为煤气流量调节器的设定值，煤气流量调节器采用PID 控制算法实现燃气流量的闭环控制；空燃比优化控制器的输出与煤气流量测量值的乘积作为空气流量调节器的设定值，空气流量调节器采用PID控制算法实现空气流量的闭环控制；(1)炉温在线设定器 采用最近邻聚类RBF神经网络辨识系统模型在线计算炉温设定值；模型输入变量包括入炉钢坯温度Λ1,出炉钢坯温度i 2 ,生产节奏53,钢坯类型i 4 ;模型输出变量包括均热段上、下部炉温设定值、r_m2 ,加热段上、下部炉温设定值、Γ_ 4 ,通过采集工业现场过程中的模型输入变量以及均热段上、下部温度D、 ,加热段上、下部温度Τ3 、Γ4在内的训练样本数据，根据模型输出的炉温设定值与实际炉温的偏差，对神经网络进行离线训练，调整神经网路各层的权值，得到加热炉炉温设定值神经网络模型；通过采集入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型实时数据，模型就可输出加热炉炉温设定值；其中生产节奏是表征单位时间内的出钢量，单位为“根或件/时”，依据用于检测钢坯出炉的光电开关测量信号，实时计算两根钢坯的出炉间隔，计算出每小时钢坯的出炉量 R3 ；(2)热负荷估计器热负荷估计器基于加热炉热效率计算当前负荷下需要的煤气流量，热效率采用最近邻聚类RBF神经网络模型，基于热效率模型计算热负荷，热负荷估计器的输出为煤气流量；热效率神经网络模型的输入变量包括入炉钢坯温度iH ,出炉钢坯温度52，生产节奏 Λ3 ,钢坯类型i 4 ,模型输出变量为加热炉热效率,通过采集工业现场过程中的模型输入变量以及加热炉热实际效率计算值在内的训练样本数据，根据模型输出加热炉热效率 3 ―桃与加热炉实际热效率 ――的偏差，对神经网络进行离线训练，调整神经网路各层的权值，得到加热炉热效率神经网络模型；通过采集入炉钢坯温度，出炉钢坯温度，生产节奏， 钢坯类型实时数据，模型就可输出加热炉热效率值？;分别为钢坯进入和离开O实际热效率P-。址计算如下
权利要求
1.一种轧钢加热炉优化控制系统，其特征在于设有炉温在线设定器，热负荷估计器，均热段上、下部及加热段上、下部的炉温调节器、炉温前馈调节器、煤气流量调节器、空气流量调节器，空燃比优化控制器，炉温、钢坯温度、钢坯位置、煤气流量、空气流量等测量仪表以及煤气流量调节阀、空气流量调节阀等执行器； 炉温在线设定器的输出作为炉温调节器的给定值，该调节器采用PID控制算法；热负荷估计器的输出乘以负荷分配系数作为各炉温前馈调节器的测量，该调节器采用ro控制算法，其中负荷分配系数根据各部分热负荷大小比例按照操作经验给出；炉温调节器的输出与炉温前馈调节器的输出之和作为煤气流量调节器的设定值，煤气流量调节器采用PID控制算法实现燃气流量的闭环控制；空燃比优化控制器的输出与煤气流量测量值的乘积作为空气流量调节器的设定值，空气流量调节器采用PID控制算法实现空气流量的闭环控制； (1)炉温在线设定器 采用最近邻聚类RBF神经网络辨识系统模型在线计算炉温设定值；模型输入变量包括入炉钢坯温度i l,出炉钢坯温度i 2 ,生产节奏i 3 ,钢坯类型54 ;模型输出变量包括均热段上、下部炉温设定值、Γ_ 2 ,加热段上、下部炉温设定值Γ_Μ3、T_m4 ,通过采集工业现场过程中的模型输入变量以及均热段上、下部温度B、 ,加热段上、下部温度Γ3、Γ4在内的训练样本数据，根据模型输出的炉温设定值与实际炉温的偏差，对神经网络进行离线训练，调整神经网路各层的权值，得到加热炉炉温设定值神经网络模型；通过采集入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型实时数据，模型就可输出加热炉炉温设定值； 其中生产节奏是表征单位时间内的出钢量，单位为“根或件/时”，依据用于检测钢坯出炉的光电开关测量信号，实时计算两根钢坯的出炉间隔，计算出每小时钢坯的出炉量R3 ； (2)热负荷估计器 热负荷估计器基于加热炉热效率计算当前负荷下需要的煤气流量，热效率采用最近邻聚类RBF神经网络模型，基于热效率模型计算热负荷，热负荷估计器的输出为煤气流量； 热效率神经网络模型的输入变量包括入炉钢坯温度Λ1 ,出炉钢坯温度Λ2，生产节奏53 ,钢坯类型於4 ,模型输出变量为加热炉热效率P ,通过采集工业现场过程中的模型输入变量以及加热炉热实际效率计算值在内的训练样本数据，根据模型输出加热炉热效率与加热炉实际热效率7 ――的偏差，对神经网络进行离线训练，调整神经网路各层的权值，得到加热炉热效率神经网络模型；通过采集入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型实时数据，模型就可输出加热炉热效率值P; O实际热效率^ 计算如下
全文摘要
本发明公开了一种轧钢加热炉优化控制系统，涉及加热炉轧钢优化控制技术领域。首先根据不同钢坯类型，生产节奏、钢坯的初始温度和出炉温度建立炉温在线设定器，采用控制炉温的方法控制钢坯出炉温度；基于各种工况下的热效率模型，计算加热炉负荷变化量并作为炉温前馈值，实现负荷波动下的加热炉炉温高精度控制；在此基础上，通过建立空燃比优化控制模型，寻找最佳的空燃比，使加热炉的燃烧状况达到最佳，达到了节约燃料和降低钢损的目的。
文档编号G05B13/04GK103019097SQ20121049512
公开日2013年4月3日 申请日期2012年11月29日 优先权日2012年11月29日
发明者于现军, 李鹏 申请人:北京和隆优化控制技术有限公司