CN101464096B - 燃气加热炉温度多点传感与智能控制方法 - Google Patents
燃气加热炉温度多点传感与智能控制方法 Download PDFInfo
- Publication number
- CN101464096B CN101464096B CN2008102436664A CN200810243666A CN101464096B CN 101464096 B CN101464096 B CN 101464096B CN 2008102436664 A CN2008102436664 A CN 2008102436664A CN 200810243666 A CN200810243666 A CN 200810243666A CN 101464096 B CN101464096 B CN 101464096B
- Authority
- CN
- China
- Prior art keywords
- temperature
- fuzzy
- point
- variable
- stove
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/10—Reduction of greenhouse gas [GHG] emissions
- Y02P10/143—Reduction of greenhouse gas [GHG] emissions of methane [CH4]
Landscapes
- Feedback Control In General (AREA)
- Control Of Temperature (AREA)
Abstract
本发明公开了一种燃气加热炉温度多点传感与智能控制方法，包括以下步骤：首先通过均匀分布于天然气加热炉内的温度传感器同步并实时连续检测炉内各点位置的温度；然后通过输入接口、数据采集卡把检测到的温度信号传输给工业控制计算机；工控机通过系统控制软件计算分析并实时存储各点的温差及温差变化率，并实时计算炉内综合温度；最后判断炉温是否达到设定值，按照达到设定值、若远未达到设定值、接近设定值三种情况分别进行处理。本发明能够同步传感天然气加热炉多点温度，能够实时显示炉温变化曲线及各区域温度差，并能够将各区域温度变化曲线等数据实时连续存入数据库；采用模糊-神经网络方法智能调整各区域温度，提高了大型锻件的质量。
Description
技术领域
本发明属于大型锻件热加工技术领域，特别是一种大型锻件燃气加热炉及炉温控制方法。
背景技术
大型锻件加热炉一般采用电阻加热、煤气等气体加热，最新的采用天然气加热，温度检测和控制，保持温度均匀性是加热炉和锻件加热质量的最重要体现。加热炉控制系统一般只检测炉内1点(一个位置)或2点(二个位置)的温度，并对检测数据进行显示，依据检测到的数据，判断是否达到设定的加热温度。对电阻加热炉，若已达到设定温度、则控制系统停止对电阻加热炉的供电，未达到设定温度、常规加热炉则继续加热，近年开发的加热炉、则根据设定值和实际值的温度差，控制系统调整对电阻加热炉输入电压的大小，差值越小、输入电阻加热炉的电压值越小；对煤气等气体加热炉，若未达到设定温度、继续供气加热，达到加热温度、停止供气加热。
总之，现有技术存在的缺陷为：(1)、未能有效检测出炉内温度的差异和均匀性，(2)、不能通过检测数据实时调整不同部位的温度，保证加热炉的温度均匀性。
发明内容
本发明的目的在于提供一种获得优质大型锻件、高效、节能的大型锻件燃气加热炉及炉温控制方法。
实现本发明目的的技术解决方案为：一种燃气加热炉温度多点传感与智能控制方法，其特征在于，包括以下步骤：
1.1、通过均匀分布于天然气加热炉内的温度传感器同步并实时连续检测炉内各点位置的温度；
1.2、通过输入接口、数据采集卡把检测到的温度信号传输给工业控制计算机；
1.3、工业控制计算机通过系统控制软件计算分析并实时存储各点温差及温差变化率，并实时计算炉内综合温度；
1.4、判断炉内综合温度是否达到设定值，如果达到设定值，则执行步骤1.5；若远未达到设定值，则执行步骤1.6；若接近设定值，即炉内综合温度与设定温度相差小于100℃，则执行步骤1.7；
1.5、关闭天然气流量调节阀，停止输气量调节控制装置；并继续通过温度传感器检测炉内各点位置的温度，并实时连续存储到工业控制计算机，若达到出炉温度，则结束整个控制过程；若未达到出炉温度，则继续检测并存储，直至达到出炉温度，结束整个过程；
1.6、判断天然气输气量是否达到最大输气量的65％，若未达到，则增大天然气输气量，直至达到最大输气量的65％；若达到则执行步骤1.1；
1.7、计算各点温差及温差变化率，依据各点温度差异和变化情况，采用模糊-神经网络方法实时计算相应各点天然气流量变化量，并把控制结果通过输出接口传送到驱动器，然后通过调节天然气流量调节阀实时控制各个位置的输气加热装置的天然气输气量，继续执行步骤1.1，其中所述模糊-神经网络方法包括以下步骤：
1)对数据进行初始化，根据设定的炉温和各点采集的温度值，计算出各点温度偏差ei及偏差变化率eci，作为模糊神经网络的输入变量；
2)利用公式
对输入变量进行模糊化，变换到各自的论域范围，获得各点温度偏差ei的模糊变量及模糊变量隶属度及偏差变化率eci的模糊变量及模糊变量隶属度，其中cij表示高斯模糊集的中心值，σij表示高斯模糊集的宽度，xi表示输入变量，
属于第j个模糊集合的隶属度，i表示输入层的结点数，j表示模糊子集的个数；
3)进行模糊推理；用神经网络对采样数据进行参数学习，利用公式建立完善的模糊推理规则，根据模糊化阶段计算出的各点温度偏差及偏差变化率的模糊变量计算出模糊控制变量，将模糊化得到的隶属度两两相乘，计算出模糊规则的强度αk，其中k＝1，2，…，38；
4)对模糊量进行清晰化，利用模糊规则的强度加权求和公式
通过归一化计算实现去模糊化，将上述步骤中的模糊量的模糊状态转化为与网络输入值相应的确定状态的量；
5)利用公式
计算并输出确定状态的每个点天然气流量的变化量，其中ωk为权值系数。
本发明与现有技术相比，其显著优点：能够同步传感天然气加热炉多点(区域)温度，能够实时显示炉温变化曲线及各区域温度差，并能够将各区域温度变化曲线等数据存入数据库；能够依据实时采集的温度数据，实时调整各区域天然气流量，实现了天然气加热炉温度的智能控制，有效的保证了天然气加热炉内各区域温度的均匀；多点传感炉内温度，采用模糊-神经网络方法智能调整各区域温度，使大型锻件加热和热处理均匀，提高了大型锻件的质量。
附图说明
图1为本发明的燃气加热炉温度多点传感与智能控制方法系统流程图。
图2为本发明的燃气加热炉温度多点传感与温度智能控制装置示意图。
图3为本发明的燃气加热炉多点温度模糊-神经网络控制结构图。
图4为本发明的燃气加热炉多点温度模糊-神经网络控制流程图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
结合图1，本发明的一种燃气加热炉温度多点传感与智能控制方法，其特征在于，包括以下步骤：
1.1、通过均匀分布于天然气加热炉1内的温度传感器3同步并实时连续检测炉内各点位置的温度；
1.2、通过输入接口15、数据采集卡8把检测到的温度信号传输给工业控制计算机10；
1.3、工业控制计算机10通过系统控制软件9计算分析并实时存储各点温差及温差变化率，并实时计算炉内综合温度；
1.4、判断炉温是否达到设定值，如果达到设定值，则执行步骤1.5；若远未达到设定值，则执行步骤1.6；若接近设定值，即炉内综合温度与设定温度相差小于100℃，则执行步骤1.7；
1.5、关闭天然气流量调节阀13-1，停止输气量调节控制装置13；并继续通过温度传感器3检测炉内各点位置的温度，并存储工业控制计算机10，若达到出炉温度，则结束整个控制过程；若未达到出炉温度，则继续检测并存储，直至达到出炉温度，结束整个过程；
1.6、判断天然气输气量是否达到最大输气量的65％，若未达到，则增大天然气输气量，直至达到最大输气量的65％；若达到则执行步骤1.1；
1.7、计算各点温差及温差变化率，依据各点温度差异和变化情况，采用模糊-神经网络方法实时计算相应各点天然气流量变化量，并把控制结果通过输出接口16传送到驱动器12，然后通过调节天然气流量调节阀13-1实时控制各个位置的输气加热装置2的天然气输气量，继续执行步骤1.1。
结合图2，本发明中传感器设置的位置可以为：天然气加热炉1内部前中20、左中17、右中19、后中18四个位置或天然气加热炉1内部前左4偏中、前右5偏中、后左6偏中、后右7偏中、左中17、右中19六个位置。输气加热装置2的位置可以为：天然气加热炉1内部前左4、前右5、后左6、后右7四个位置。
结合图3，本发明采用的模糊-神经网络采用五层模糊神经网络；第一层为输入层，网络输入层变量为各点区域温度偏差ei及偏差变化率eci，共8个节点；第二层为模糊化层，每个检测点温度偏差有3个模糊子集(即{小，中，大})，共有24个节点，该层的输出为模糊变量的隶属度；第三层为规则层，根据输入输出共同模糊子集的划分，共812条模糊规则，故有812个节点；网络的一到三层实现模糊控制的模糊推理；第四层为去模糊层，采用代数积一加法一重心法的推理方式实现计算归一化；第五层为输出层，计算出每个点(区域)天然气流量的变化量，用以实时调节天然气输气量；后两层实现去模糊化。
结合图4，本发明采用的模糊-神经网络控制方法具体包括以下步骤：
(1)、对数据进行初始化，根据设定的炉温和各点采集的温度值，计算出各点温度偏差ei及偏差变化率eci，作为模糊神经网络的输入变量；
(2)、利用公式
对输入变量进行模糊化，变换到各自的论域范围，获得各点温度偏差ei及偏差变化率eci的模糊变量及模糊变量隶属度；采用高斯型的激活函数表示模糊变量的隶属函数(
c和σ分别为高斯模糊集的中心和宽度)，通过神经网络调整该层的权值和阈值，即调整高斯型函数的中心向量和宽度向量，得到不同形状和位置的隶属函数，该层的输出为模糊变量的隶属度(用
表示，其中i＝1，2，…，8表示输入层的结点数；j＝1，2，3，表示模糊子集的个数)，即计算出各点温度偏差及偏差变化率属于某一个模糊子集的隶属度。
(3)、进行模糊推理；用神经网络对采样数据进行参数学习，利用公式
建立完善的模糊推理规则。根据模糊化阶段计算出的各点温度偏差及偏差变化率的模糊变量计算出模糊控制变量；将模糊化得到的隶属度两两相乘，计算出模糊规则的强度(用
)表示，其中k＝1，2，…，38)，作为模糊神经网络模糊推理层的节点数；
(4)、对模糊量进行清晰化，利用规则强度加权求和公式通过归一化计算实现去模糊化，将推理结论变量的模糊状态转化为与网络输入值相应的确定状态的量；
(5)、利用公式
计算并输出确定状态的每个点天然气流量的变化量。
下面结合实施例进行具体描述：
对直径2000mm齿轮锻件加热，加热温度980℃。在天然气加热炉1的前左4、前右5、后左6、后右7四位置安装有输气加热装置2，各位置气体流量由天然气流量调节阀13-1控制，在前中20、左中17、右中19、后中18四个位置(区域)设计安装温度传感器3，采用温度测试传感器，温度测试范围100-1600℃。数据采集卡采用研华PCI-1711数据采集卡8，控制系统采用工业控制计算机10，CPU2.8G、内存1G。打开工业控制计算机10，启动系统控制软件9，打开各位置天然气流量调节阀13-1，点火加热，温度检测传感器3开始工作，检测前中、左中、右中、后中四位置温度，计算分析各点温度数据，并计算炉内综合温度，判断温度是否达到980℃：达到则关闭天然气流量调节阀13-1，停止输气量调节控制装置13的工作，并继续多点传感炉内各区域温度，计算、处理和存储传感的各点温度数据信息，然后判断是否达到大型锻件出炉温度，若大于出炉温度则继续传感和存储，若低于等于出炉温度200℃，则结束；若计算炉内综合温度远低于980℃，低于680℃，判断天然气输气量是否大于最大输气量的65％，小于则增大到最大输气量的65％，大于则保持不变，继续多点传感炉内各区域温度，计算、处理和存储传感的各点温度数据信息，继续判断炉内综合温度，若炉内综合温度与设计温度相差小于100℃(即温度接近设定温度)，计算各区域温度变化曲线，炉内温度变化曲线，依据各点温度差异和变化情况，采用模糊-神经网络法计算各区域天然气流量变化值及天然气流量调节阀13-1驱动参数变化数值，并实时调节天然气输气量，保证炉内温度的均匀和温升的均匀；继续传感各区域温度，计算、分析、存储各区域温度及变化，判断炉内综合温度，直至炉内温度小于出炉温度。
Claims (3)
1.一种燃气加热炉温度多点传感与智能控制方法，其特征在于，包括以下步骤：
1.1、通过均匀分布于天然气加热炉[1]内的温度传感器[3]同步并实时连续检测炉内各点位置的温度；
1.2、通过输入接口[15]、数据采集卡[8]把检测到的温度信号传输给工业控制计算机[10]；
1.3、工业控制计算机[10]通过系统控制软件[9]计算分析并实时存储各点温差及温差变化率，并实时计算炉内综合温度；
1.4、判断炉内综合温度是否达到设定值，如果达到设定值，则执行步骤1.5；若远未达到，则执行步骤1.6；若接近设定值，即炉内综合温度与设定温度相差小于100℃则执行步骤1.7；
1.5、关闭天然气流量调节阀[13-1]，停止输气量调节控制装置[13]；但是继续通过温度传感器[3]检测炉内各点位置的温度，并存储到工业控制计算机[10]，若达到出炉温度，则结束整个控制过程；若未达到出炉温度，则继续检测并存储，直至达到出炉温度，结束整个过程；
1.6、判断天然气输气量是否达到最大输气量的65％，若未达到，则增大天然气输气量，直至达到最大输气量的65％；若达到则执行步骤1.1；
1.7、计算各点温差及温差变化率，依据各点温度差异和变化情况，采用模糊-神经网络方法实时计算相应各点天然气流量变化量，并把控制结果通过输出接口[16]传送到驱动器[12]，然后通过调节天然气流量调节阀[13-1]实时控制各个位置的输气加热装置[2]的天然气输气量，继续执行步骤1.1，
其中所述模糊-神经网络方法包括以下步骤：
1)对数据进行初始化，根据设定的炉温和各点采集的温度值，计算出各点温度偏差ei及偏差变化率eci，作为模糊神经网络的输入变量；
2)利用公式
对输入变量进行模糊化，变换到各自的论域范围，获得各点温度偏差ei的模糊变量及模糊变量隶属度及偏差变化率eci的模糊变量及模糊变量隶属度，其中cij表示高斯模糊集的中心值，σij表示高斯模糊集的宽度，xi表示输入变量，属于第j个模糊集合的隶属度，i表示输入层的结点数，j表示模糊子集的个数；
3)进行模糊推理；用神经网络对采样数据进行参数学习，利用公式
建立完善的模糊推理规则，根据模糊化阶段计算出的各点温度偏差及偏差变化率的模糊变量计算出模糊控制变量，将模糊化得到的隶属度两两相乘，计算出模糊规则的强度αk，其中k＝1，2，…，38；
4)对模糊量进行清晰化，利用上述步骤中的模糊规则的强度加权求和公式
通过归一化计算实现去模糊化，将上述步骤中的模糊量的模糊状态转化为与网络输入值相应的确定状态的量；
5)利用公式
计算并输出确定状态的每个点天然气流量的变化量，其中wk为权值系数。
2.根据权利要求1所述的燃气加热炉温度多点传感与智能控制方法，其特征在于，步骤1.1中传感器设置的位置为：天然气加热炉[1]内部前中[20]、左中[17]、右中[19]、后中[18]四个位置。
3.根据权利要求1所述的燃气加热炉温度多点传感与智能控制方法，其特征在于，步骤1.7中输气加热装置[2]的位置为：天然气加热炉[1]内部前左[4]、前右[5]、后左[6]、后右[7]四个位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008102436664A CN101464096B (zh) | 2008-12-11 | 2008-12-11 | 燃气加热炉温度多点传感与智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008102436664A CN101464096B (zh) | 2008-12-11 | 2008-12-11 | 燃气加热炉温度多点传感与智能控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101464096A CN101464096A (zh) | 2009-06-24 |
| CN101464096B true CN101464096B (zh) | 2010-10-06 |
Family
ID=40804790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008102436664A Active CN101464096B (zh) | 2008-12-11 | 2008-12-11 | 燃气加热炉温度多点传感与智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101464096B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859118B (zh) * | 2010-06-01 | 2012-03-21 | 北京航空航天大学 | 小型人工生态系统气体平衡调节的鲁棒控制器 |
| CN102455135B (zh) * | 2010-10-27 | 2013-11-20 | 宝山钢铁股份有限公司 | 明火加热炉炉温控制设备 |
| CN102080155B (zh) * | 2010-12-17 | 2012-10-31 | 武汉钢铁(集团)公司 | 重轨钢坯加热过程温度曲线记录方法 |
| CN102759279B (zh) * | 2011-04-28 | 2015-06-03 | 上海宝信软件股份有限公司 | 工业炉窑热处理分布式火焰温度智能烧嘴控制器 |
| CN102508445B (zh) * | 2011-11-16 | 2013-08-21 | 华北电力大学（保定） | 一种智能算法处理系统和方法 |
| CN103447314B (zh) * | 2012-05-28 | 2015-06-17 | 宝山钢铁股份有限公司 | 一种粗轧测温反馈控制方法 |
| CN102717023A (zh) * | 2012-06-28 | 2012-10-10 | 江苏金源锻造股份有限公司 | 一种天然气加热炉 |
| CN103529699B (zh) * | 2013-10-28 | 2016-01-06 | 中国科学院自动化研究所 | 一种煤气化炉系统的炉温自学习控制方法 |
| CN103808784A (zh) * | 2014-02-17 | 2014-05-21 | 华北电力大学（保定） | 一种氧化锆氧量测量装置及方法 |
| CN104075587B (zh) * | 2014-06-27 | 2016-03-23 | 中机中联工程有限公司 | 一种砂再生炉炉内温度稳定控制方法 |
| CN105640691B (zh) * | 2015-12-29 | 2019-02-01 | 浙江大学 | 一种大鼠颅脑低温实验平台及温度控制方法 |
| WO2018206515A1 (en) * | 2017-05-07 | 2018-11-15 | Feracitas Oy | Improvement for glass tempering furnace control system |
| CN107388822B (zh) * | 2017-06-28 | 2019-04-19 | 张家港中环海陆特锻股份有限公司 | 燃气炉中低温加热控温工艺 |
| CN107450622A (zh) * | 2017-08-18 | 2017-12-08 | 曹阳 | 加热炉炉温智能控制系统及控制方法 |
| CN109668645B (zh) * | 2017-10-16 | 2021-08-03 | 青岛海尔洗涤电器有限公司 | 洗衣机电机温升检测方法、系统和洗衣机 |
| CN108050528A (zh) * | 2017-11-21 | 2018-05-18 | 北京石油化工学院 | 一种垃圾焚烧炉控制方法、装置与系统 |
| CN110196112B (zh) * | 2019-05-31 | 2021-07-16 | 苏州迅鹏仪器仪表有限公司 | 点火设备状态检测方法和应用其的火检仪 |
| CN112378268B (zh) * | 2020-11-13 | 2023-03-31 | 水滴智能装备技术(苏州)有限公司 | 一种加热炉在线式炉温控制系统和控制方法 |
| CN114711033B (zh) * | 2022-04-27 | 2023-03-14 | 北京良安科技有限公司 | 一种粮仓内环流系统 |
| CN116027673B (zh) * | 2023-03-29 | 2023-06-06 | 中国电子科技集团公司第二十九研究所 | 一种基于模糊神经网络的装备控制自主决策方法 |
-
2008
- 2008-12-11 CN CN2008102436664A patent/CN101464096B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN101464096A (zh) | 2009-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101464096B (zh) | 燃气加热炉温度多点传感与智能控制方法 | |
| CN103019097B (zh) | 一种轧钢加热炉优化控制系统 | |
| CN106636610B (zh) | 一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法 | |
| CN110187727A (zh) | 一种基于深度学习和强化学习的玻璃熔炉温度控制方法 | |
| CN101962708B (zh) | 大型板材真空退火炉多温区均温性控制系统及其控制方法 | |
| CN101392939A (zh) | 一种建筑物独立供能温度非线性预测控制方法 | |
| CN104374053A (zh) | 一种智能控制方法、装置及系统 | |
| CN101950156B (zh) | 一种自适应串级pid控制方法 | |
| CN104913559B (zh) | 一种基于主机cop值的制冷机组群控方法 | |
| CN110023850A (zh) | 用于控制技术系统的方法和控制装置 | |
| CN109472397B (zh) | 基于粘度变化的聚合工艺参数调节方法 | |
| CN106369834A (zh) | 基于神经网络的直热式热泵系统恒温流量控制方法 | |
| CN105159071A (zh) | 一种迭代学习策略下工业模型预测控制系统的经济性能评估方法 | |
| CN104101105B (zh) | 一种原油加热炉温度的复合控制方法及其装置 | |
| CN101990960A (zh) | 一种茶叶杀青机及其模糊控制方法 | |
| CN102840571A (zh) | 基于子空间辨识的火力电站锅炉输出过热蒸汽的预报方法 | |
| CN105468054B (zh) | 刹车温度监控装置的智能控制方法 | |
| CN107621781A (zh) | 油田加热炉定温加热和热效率自寻优控制方法及系统 | |
| Li et al. | Modeling and validation of bending force for 6-high tandem cold rolling mill based on machine learning models | |
| CN107065541A (zh) | 一种焦化炉炉膛压力系统模糊网络优化pid‑pfc控制方法 | |
| CN104991443B (zh) | 一种基于自适应论域划分的模糊控制方法 | |
| CN111336828A (zh) | 一种基于fcm模糊时间序列的加热炉炉温控制器 | |
| Tian et al. | Analysis and experimental study of MIMO control in refrigeration system | |
| CN109491385A (zh) | 基于elm的自动驾驶列车车速跟随的控制方法 | |
| Dai et al. | A GODFIP control algorithm for an IRC grain dryer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee | ||
| CP03 | Change of name, title or address |
Address after: 213300 No. 8, Zhongguancun Avenue, Liyang, Jiangsu Patentee after: Jiangsu Jinyuan High-end Equipment Co., Ltd. Patentee after: Nanjing University of Science and Technology Address before: 213376 No. 868 Ling Ling West Road, Jiangsu, Liyang Patentee before: Jiangsu Jinyuan Forging Co., Ltd. Patentee before: Nanjing University of Science and Technology |