CN102560081A - 一种基于带钢力学性能预报模型的加热炉节能控制方法 - Google Patents

Abstract

一种基于带钢力学性能预报模型的加热炉节能控制方法，属过程控制领域。包括基于过程控制计算机对加热炉的炉温进行控制，其建立一个热轧带钢力学性能的工业预报模型；在铸坯进加热炉前，先根据化学成分和预定的工艺参数对轧后带钢的力学性能进行预报；若力学性能的预报值大于其目标值，则考虑对带钢出炉工艺温度进行优化；在保证带钢力学性能及不违反其它必要约束的前提下，通过降低出炉温度减少加热炉的燃气消耗，对带钢出炉工艺温度进行优化控制，实现了加热炉燃气消耗量/单位产品能耗的降低。其控制方法可覆盖钢种范围广，可广泛用于板坯热轧产线加热炉的温度控制领域。

Description

一种基于带钢力学性能预报模型的加热炉节能控制方法

技术领域

本发明属于过程控制领域，尤其涉及一种用于板坯热轧产线加热炉的温度控制方法。

背景技术

对于常规热轧生产来讲，用加热炉对铸坯进行加热，是满足轧制工艺要求与产品性能的必要条件。

加热炉过程控制就是通过调节加热炉中各分段的热过程曲线，使得铸坯在出炉时达到工艺规定的目标温度。

出炉温度不仅直接影响粗轧温度，还对产品的力学性能有直接影响。

通常，出炉温度由工艺人员负责给定，设定值存储于管控计算机的数据库。在实际的热轧生产时，控制系统通过钢号或其它键字索引得到该工艺参数，并设定到L1计算机执行。

众所周知，加热炉属于高耗能设备，加热过程会消耗大量的燃气。加热工艺的合理性和加热效率不仅关系到生产成本，还直接影响废污的排放量。

因此，研究加热炉的节能控制问题对热轧生产具有重要意义，这方面的相关研究已经有很多的公开报道。

从相关文献内容来看，目前节能控制问题方面的主要做法是改变设备结构、改进单体设备、优化控制方式等。

例如，公告日为2009年12月30日，公告号为CN101614475B的中国发明专利中公开了一种节能环保蓄热式加热炉及其运行方法，其包括炉体，炉体内开设炉膛，炉体的侧壁上至少安装一组烧嘴，每组烧嘴由第一烧嘴和第二烧嘴组成，第一烧嘴与第一燃气支管的一端连接，第一燃气支管的另一端与第一三通换向阀的c口连接，第二烧嘴与第二燃气支管的一端连接，第二燃气支管的另一端与第二三通换向阀的f口连接，第一三通换向阀的a口和第二通换向阀的d口分别通过管路与燃气气源连接，第一三通换向阀的b口与第一烟气支管的一端连接，第二三通换向阀的e口与第二烟气支管的一端连接，第一燃气支管和第二燃气支管之间安装控制阀，控制阀与惰性气体气源连接。

公告日为2009年10月14日，公告号为CN201327034Y的中国实用新型专利中公开了一种加热炉节能燃烧火嘴，其由燃气混合装置、火管、火嘴组成，燃气管线、燃气混合装置、火管焊接为一体，燃气管线上有一射流孔，与燃气混合装置相通，燃气混合装置上有多个进气孔与空气相通；火管与燃气混合装置连接相通，火管的顶端为火嘴，火嘴为圆台型，火嘴上有多个出气孔，火嘴为可拆卸的；其具有结构简单，燃烧充分，火焰温度高，使用安全方便等优点。

公告日为2007年3月21日，公告号为CN2880832Y的中国实用新型专利中公开了一种高效节能蓄热管式加热炉，其在炉体侧壁上均布有烧嘴，烧嘴通过管路与换向阀相连接，换向阀通过管路引出鼓风口和引风口，所述的烧嘴是由蓄热室、与炉体内膛相通的喷嘴、设置在蓄热室内的蓄热体和设置在蓄热室上与炉体内膛相通的空气及烟气转换嘴构成。其优点是排烟温度低、热效率高、可有效解决露点腐蚀问题、能防止炉内局部温度过高，使炉内温度均匀分布，可以大大降低一氧化碳、氮化物和碳化物等有害气体的排放，改善环境且维修方便。

可见，上述技术方案的共性是通过改进加热炉本身的结构，来实现节能的目的。

加热炉控制的主要工艺指标是铸坯的出炉温度。由于加热炉根据工艺指标进行燃烧控制，因此，出炉温度的设定值高低直接影响加热炉的燃气消耗。本质上，出炉温度的工艺指标决定于设备能力和产品性能。

在设备能力相对稳定的前提下，出炉温度主要决定于产品的力学性能。

通常，出炉温度由工艺人员结合实验进行制定，目标值存储于管控计算机的数据库。如果能在现有加热炉设备结构不作改动的前提下，根据工艺指标通过对加热炉进行燃烧控制，则无需对现有设备进行改动、便于实施和调整、实现节能目的的实施成本更低。

发明内容

本发明所要解决的技术问题是提供一种基于带钢力学性能预报模型的加热炉节能控制方法，其基于力学性能模型，在线预测轧后带钢的力学性能，通过优化轧制工艺，降低加热炉的目标控制温度，实现加热炉的节能控制，其不仅能降低生产成本，还能降低废弃物的排放量。

本发明的技术方案是：提供一种基于带钢力学性能预报模型的加热炉节能控制方法，包括基于过程控制计算机对加热炉的炉温进行控制，其特征是所述的节能控制方法至少包括：

A、建立热轧带钢的力学性能预报模型；

B、在铸坯进加热炉之前，收集带钢的化学成分、工艺参数和力学性能目标值，作为力学性能预报模型的输入参数；

C、根据带钢的化学成分和预定的工艺参数，对力学性能预报模型的输入参数进行检查，若不满足预报模型的使用条件/适用范围，则按照原来预定的轧制工艺组织生产；反之，继续下面的步骤；

D、基于力学性能预报模型，对轧后带钢的力学性能进行计算/预测，得到带钢力学性能的预测值；

E、对比带钢的力学性能的预测值和目标值，判断是否可以降低出炉温度；若预测值接近目标值，则按原来预定的轧制工艺参数组织生产；反之，继续下面的步骤；

F、基于所述的力学性能预报模型，优化热轧工艺参数，求得新的出炉温度目标值；

G、按新的出炉温度目标值，过程控制计算机对加热炉的出炉温度进行控制/调整；

H、找出下一块要加热的铸坯，重复上述步骤。

具体的，前述热轧带钢的力学性能预报模型的表达式如下：

$y_i=a_{c\left(i\right)}C+a_{\mathrm{Mn}\left(i\right)}\mathrm{Mn}+a_{P\left(i\right)}\sqrt{P}+a_{N\left(i\right)}N+a_{\mathrm{Si}\left(i\right)}\sqrt{\mathrm{Si}}+a_{S\left(i\right)}S+a_{\mathrm{TiC}\left(i\right)}\mathrm{TiC}+a_{\mathrm{NbC}\left(i\right)}\mathrm{NbC}$

$+a_{\mathrm{VC}\left(i\right)}\mathrm{VC}+a_{\mathrm{TiN}\left(i\right)}\mathrm{TiN}+a_{\mathrm{NbN}\left(i\right)}\mathrm{NbN}+a_{\mathrm{VN}\left(i\right)}\mathrm{VN}+a_{\mathrm{DT}\left(i\right)}\exp ((\mathrm{DT}+273)/1000)$

$+a_{\mathrm{RT}\left(i\right)}\exp ((\mathrm{RT}+273)/1000)+a_{\mathrm{FT}\left(i\right)}\exp ((\mathrm{FT}+273)/1000)$

$+a_{\mathrm{CT}\left(i\right)}\exp ((\mathrm{CT}+273)/1000)+a_{H\left(i\right)}\ln \left(H\right)+a_{F1\left(i\right)}{F}_1+a_{F2\left(i\right)}{F}_2+{\mathrm{\β}}_i$

其中，式中：

y_i表示力学性能的预测值，i＝1，2分别表示抗拉强度和屈服强度；C为剩余碳含量；Mn为带钢的锰含量；P为带钢的磷含量；N为剩余氮含量；Si为带钢的硅含量；S为带钢的硫含量；TiC为碳化钛析出量；NbC为碳化铌析出量；VC为碳化矾析出量；TiN为氮化钛析出量；NbN为氮化铌析出量；VN为氮化钒析出量；DT为铸坯出炉温度；RT为粗轧出口温度；FT为精轧机出口温度；CT为卷取温度；H为带钢终轧厚度；F₁为粗轧压下率；F₂为精轧压下率；β_i为模型的修正系数；exp(·)表示以e为底的幂指数；ln(·)表示以e为底的对数。

进一步的，在对所述轧后带钢的力学性能进行计算/预测之前，首先计算出轧制过程中的微合金析出物总量。

其所述带钢力学性能预报模型中的各个微合金析出量使用如下的溶解度公式进行确定：

氮化钛析出量TiN：log([Ti][N])＝0.32-8000/T；

碳化钛析出量TiC：log([Ti][C])＝2.75-7000/T；

氮化钒析出量VN：log([V][N])＝3.46-8330/T；

碳化矾析出量VC：log([V][C])＝6.72-9500/T；

碳化铌析出量NbC：log[Nb][C]＝2.9-7500/T；

氮化铌析出量NbN：log[Nb][N]＝2.8-8500/T；

其中，式中的T为带钢的卷取温度。

进一步的，上述的节能控制方法利用带钢的实际生产数据进行统计回归，确定所述力学性能预报模型的全部未知系数，把模型系数存储于过程计算机的数据库中，把带钢的化学成分、工艺参数和力学性能目标值作为力学性能预报模型的输入参数。

更进一步的，在所述B步骤中，其所述的工艺参数包括出炉温度、粗轧出口温度、精轧入口温度、精轧出口温度、卷取温度、厚度、压下率、带钢的抗拉强度和屈服强度。

更具体的，其所述的工艺参数随轧制计划由上位控制计算机下达到加热炉过程控制计算机；所述的加热炉过程控制计算机根据带钢的标识号直接索引获得这些数据。

更具体的，其在所述的C步骤中，所述带钢力学性能预报模型的使用条件/适用范围包括化学成分和工艺参数适用范围，其所述的化学成分和工艺参数适用范围如下：

C≤0.3％，Mn≤2％，S≤0.07％，Si≤0.8％，P≤0.15％，Nb≤0.1％，

Ti≤0.18％，V≤0.09％，H：1～20mm，DT：1170℃～1300℃，

RT：900℃～1100℃，FT：750℃～970℃，CT：500℃～750℃；

其中，C为剩余碳含量，Mn为带钢的锰含量，S为带钢的硫含量，Si为带钢的硅含量，P为带钢的磷含量，Nb为带钢的铌含量，Ti为带钢的钛含量，V为带钢的矾含量，H为带钢终轧厚度，DT为铸坯出炉温度，RT为粗轧出口温度，FT为精轧机出口温度，CT为卷取温度。

更进一步的，在所述的C步骤中，当所述力学性能预报模型的输入参数全部完备的情况下，根据力学性能预报模型的使用条件/适用范围，对输入参数做进一步检查；其所述力学性能预报模型的使用条件/适用范围，是指在确定模型系数过程中，所使用的带钢实际生产数据的成分和工艺温度的最大范围，但成分和工艺的最大范围不能超越力学性能预报模型使用条件中的最大适用范围。

其中，在对输入数据进行检查时，将化学成分与工艺数据逐一与适用范围的边界值进行比较判断，只有当输入参数全部满足模型的适用范围时，才继续下面的步骤，否则，按照预定的轧制工艺进行生产。

更进一步的，在所述的D步骤中进行所述的力学性能预报模型计算/预测前，对输入参数数据的完备性进行检查，以确保预报过程的可靠性；其数据的完备性，是指预报模型的所有输入变量全部被正确赋值。

更进一步的，在所述的D步骤中，把所述带钢的化学成分和工艺参数输入到所述的力学性能预报模型中，基于性能预报模型，分别计算出带钢的抗拉强度预测值和屈服强度的预测值。

更进一步的，在所述的E步骤中对比所述带钢的力学性能的预测值和目标值时，只要轧后带钢的实际力学性能大于等于带钢的力学性能最小值，即认为力学性能合格，反之，则认为力学性能不合格；

即：

y_imin≤y_i

其中，y_i为带钢的实际力学性能，y_imin为带钢的力学性能最小值。

更进一步的，在所述的E步骤中，对比所述带钢的力学性能的预测值和目标值时，如果模型预测的力学性能大于下限值并且满足一定的阈值条件，则表示力学性能有下降空间；基于出炉温度与力学性能之间的正向关系，可以降低出炉温度，以节约能源。

其在使用所述的预测值进行力学性能判定时，在预测值的基础上增加一定的阈值，以确保带钢的实际力学性能满足要求；

即，在利用所述模型预测值对力学性能的进行判定时，使用如下判定条件：

$y_{i\min }+{\mathrm{\ξ}}_i\≤{\stackrel{\‾}{y}}_i$

式中表示模型预报的力学性能预测值，y_imin表示带钢的最小力学性能目标值；ξ_i表示阈值，i＝1，2；其ξ₁、ξ₂分别代表抗拉强度和屈服强度的阈值。

所述抗拉强度阈值ξ₁和屈服强度阈值ξ₂的取值区间分别为3～7Mpa和3～9Mpa。

更进一步的，在所述第F步骤中，优化铸坯的出炉温度时，所求得新的出炉温度目标值必须大于工艺和设备允许的最低出炉温度，新的出炉温度才能被允许执行；即，

DT＞(DT)_min

式中，DT为新的出炉温度目标值，(DT)_min为工艺和设备允许的最低出炉温度。

更进一步的，在所述新的出炉温度目标值确定时，过程控制计算机按照下列步骤对加热炉的出炉温度进行控制/调整：

G1、将粗轧出口温度RT、精轧机出口温度FT、卷取温度CT、带钢终轧厚度H、粗轧压下率F₁、精轧压下率F₂的预设定值作为已知参数，带入到力学性能预测模型中进行计算；

G2、计算剩余碳含量C、带钢的锰含量Mn、带钢的磷含量P、剩余氮含量N、带钢的硅含量Si、带钢的硫含量S等基本成分和微合金析出化合物对力学性能的影响；

G3、用带钢的力学性能最小值y_imin+阈值ξ_i，减去G1步骤、G2步骤的计算结果和模型的修正系数β_i，得到力学性能差值Delta_y_imin；

G4、根据力学性能差值Delta_y_imin和铸坯出炉温度DT的关系式，计算满足条件的最低出炉温度DT_min；若计算得到的最低出炉温度DT低于工艺允许的边界值(DT)_min，则令DT取值为(DT)_min；

G5、将DT_min(i)最大者作为新的出炉温度目标值DT_Aim进行设定。

综上，本节能控制方法建立热轧带钢力学性能的工业预报模型，在铸坯进加热炉前，先根据化学成分和预定的工艺参数对轧后带钢的力学性能进行预报；若力学性能的预报值大于其目标值，则考虑对带钢出炉工艺温度进行优化；在保证带钢力学性能及不违反工艺要求的前提下，通过降低出炉温度，实现加热炉燃气消耗量/单位产品能耗的降低，实现节能降耗的目的。

与现有技术比较，本发明的优点是：

1.根据生产过程的实际情况，结合现有设备的控制特点，建立和执行热轧带钢力学性能的工业预报模型，针对具体的生产钢种和力学性能，对带钢出炉工艺温度进行优化控制；

2.充分利用现有设备的控制系统和设备能力，无需对现有设备进行改动，即可实现节能降耗，且技术覆盖钢种范围广，可以应用于各种板坯热轧产线，节能效果明显；

3.在保证带钢力学性能及不违反其他约束条件的前提下，通过降低出炉温度，实现了加热炉燃气消耗量/单位产品能耗的降低，是从更高一个层次上对现有设备的更新换代和实现优化控制。

附图说明

图1是本发明的控制方法方框示意图。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

图1中，给出了本发明技术方案的关键步骤：

1)收集带钢的成分、工艺预设定参数；

2)根据溶度积计算碳氮化物的析出量；

3)基于力学性能预报模型对性能进行预测；

4)判断出炉温度是否可优化？

5)如否，则按照原轧制工艺进行生产，否则进行下一步；

6)基于性能预报模型，调整带钢的出炉温度；

7)根据出炉温度约束，进一步优化出炉温度；

8)设定新的出炉温度。

加热炉控制的主要工艺指标是铸坯的出炉温度。由于加热炉根据工艺指标进行燃烧控制，因此，出炉温度的设定值高低直接影响加热炉的燃气消耗。本质上，出炉温度的工艺指标决定于设备能力和产品性能。在设备能力相对稳定的前提下，出炉温度主要决定于产品的力学性能。通常，出炉温度由工艺人员结合实验进行制定，目标值存储于管控计算机的数据库。实际生产时，通过钢种或其它关键字进行索引，并将具体数据设定到L1计算机(过程控制计算机)进行控制。

本发明提出的技术方案为：建立热轧带钢力学性能的工业预报模型。在铸坯进加热炉前，先根据化学成分和预定的工艺参数对轧后带钢的力学性能进行预报。

若力学性能的预报值大于其目标值，则考虑对带钢出炉工艺温度进行优化；在保证带钢力学性能及不违反其它必要约束的前提下，通过降低出炉温度减少加热炉的燃气消耗，实现节能降耗的发明目的。

在本技术方案中，采用机理和统计相结合的方式建立带钢的力学性能预报模型。

由冶金机理可知，轧制后的带钢力学性能决定于其内部的微观组织分布，而后者又决定于带钢的化学成分和轧制工艺。

本发明提供的带钢力学性能预测表达式如下：

$y_i=a_{c\left(i\right)}C+a_{\mathrm{Mn}\left(i\right)}\mathrm{Mn}+a_{P\left(i\right)}\sqrt{P}+a_{N\left(i\right)}N+a_{\mathrm{Si}\left(i\right)}\sqrt{\mathrm{Si}}+a_{S\left(i\right)}S+a_{\mathrm{TiC}\left(i\right)}\mathrm{TiC}+a_{\mathrm{NbC}\left(i\right)}\mathrm{NbC}$

$+a_{\mathrm{VC}\left(i\right)}\mathrm{VC}+a_{\mathrm{TiN}\left(i\right)}\mathrm{TiN}+a_{\mathrm{NbN}\left(i\right)}\mathrm{NbN}+a_{\mathrm{VN}\left(i\right)}\mathrm{VN}+a_{\mathrm{DT}\left(i\right)}\exp ((\mathrm{DT}+273)/1000)$

$+a_{\mathrm{RT}\left(i\right)}\exp ((\mathrm{RT}+273)/1000)+a_{\mathrm{FT}\left(i\right)}\exp ((\mathrm{FT}+273)/1000)$

$+a_{\mathrm{CT}\left(i\right)}\exp ((\mathrm{CT}+273)/1000)+a_{H\left(i\right)}\ln \left(H\right)+a_{F1\left(i\right)}{F}_1+a_{F2\left(i\right)}{F}_2+{\mathrm{\β}}_i$

式中：

y_i表示力学性能的预测值，i＝1，2分别表示抗拉强度(Mpa)、屈服强度(Mpa)；

C：剩余碳含量(总含量减以碳化物形式析出的碳含量)(％)；

Mn：带钢的锰含量(％)；

P：带钢的磷含量(％)；

N：剩余氮含量(总含量减以氮化物形式析出的氮含量)(％)；

Si：带钢的硅含量(％)；

S：带钢的硫含量(％)；

TiC：碳化钛析出量(％)；

NbC：碳化铌析出量(％)；

VC：碳化矾析出量(％)；

TiN：氮化钛析出量(％)；

NbN：氮化铌析出量(％)；

VN：氮化钒析出量(％)；

DT：铸坯出炉温度(℃)；

RT：粗轧出口温度(℃)；

FT：精轧机出口温度(℃)；

CT：卷取温度(℃)；

H：带钢终轧厚度(mm)；

F₁：粗轧压下率(％)；

F₂：精轧压下率(％)；

β_i为模型的修正系数；

exp(·)表示以e为底的幂指数；

ln(·)表示以e为底的对数。

其中，微合金析出量使用溶解度公式进行计算，具体如下：

编号	析出物	计算公式
			1.	TiN	log([Ti][N])＝0.32-8000/T
2.	TiC	log([Ti][C])＝2.75-7000/T
			3.	VN	log([V][N])＝3.46-8330/T
4.	VC	log([V][C])＝6.72-9500/T
			5.	NbC	log[Nb][C]＝2.9-7500/T
6.	NbN	log[Nb][N]＝2.8-8500/T

表1微合金的碳氮化物的溶度积公式

本技术方案所适用的化学成分和工艺范围如下：

C≤0.3％，Mn≤2％，S≤0.07％，Si≤0.8％，P≤0.15％，Nb≤0.1％，

Ti≤0.18％，V≤0.09％，H：1～20mm，DT：1170℃～1300℃，

RT：900℃～1100℃，FT：750℃～970℃，CT：500℃～750℃。

上面给出了性能预报模型的具体表达形式，实际应用时，结合实际的生产数据，用统计回归的方法确定模型参数。

在实施前，基于上面的预报模型形式，利用带钢的实际生产数据进行统计回归，确定预报模型的全部未知系数。

实际应用时，把模型系数存储于过程计算机的数据库，把模型化学成分、工艺参数和目标力学性能作为模型的输入参数。

由于带钢的化学成分在连铸工序步骤结束后已经确定，进入热轧区域前，可以直接获得，而预报模型的其它输入参数全部可以通过键字索引获得。

故此，可知本技术方案的具体实施步骤为：

a)在铸坯进加热炉之前，收集带钢的化学成分、工艺/规格参数、力学性能目标值等参数；

b)对模型输入参数进行检查，若不满足预报模型的使用条件，则按照预定的轧制工艺组织生产；相反，继续下面的步骤；

c)基于性能预报模型，对轧后带钢的力学性能进行预测；

d)对比力学性能的预测值和目标值，判断是否可以降低出炉温度。若预测值接近目标值，则按原工艺生产；相反，继续下面的步骤；

e)基于性能预报模型，优化热轧工艺参数，设定新的出炉温度目标值；

f)找出下一块要加热的铸坯，重复上述步骤。

对于步骤a)，在铸坯进加热炉加热之前，化学成分已经完全确定，而轧制工艺参数如出炉温度、粗轧出口温度、精轧入口温度、精轧出口温度、卷取温度、厚度、压下率，以及带钢的抗拉强度、屈服强度等参数已经随轧制计划下达到过程控制计算机。因此，可根据带钢的标识号直接索引获得这些数据。

对于步骤b)，由于性能预报模型是根据大生产条件下的生产数据进行性能预测，在进行预报前，必须要对数据的完备性进行检查，以确保预报过程的可靠性。数据的完备性是指，预报模型的所有输入变量全部被正确赋值。

在模型的输入参数全部完备的情况下，还需要根据模型的适用范围对输入参数做进一步检查。性能预报模型有具体的适用范围，只有当输入参数在模型的可预报范围内，预报结果才是正确可靠的。这里，模型的适用范围是指，在确定模型系数过程中，所使用的带钢实际生产数据的成分和工艺温度的最大范围，但成分和工艺的最大范围不能超越本文方法的最大适用范围。

在对输入数据进行检查时，将化学成分与工艺数据逐一与边界值进行判断，只有当输入参数全部满足模型的适用范围，才继续下面的步骤，否则，按照预定的轧制工艺进行生产。

对于步骤c)，把带钢的化学成分和工艺参数输入到性能预报模型，对于微合金钢(含Nb、Ti、V的钢种)，需要根据微合金析出公式计算带钢在轧制过程中的析出物数量，析出计算公式采用表1提供的数学表达式进行计算，其中表达式中的T指带钢的卷取温度。基于性能预报模型，分别计算出带钢的抗拉强度预测值和屈服强度的预测值。

对于步骤d)，假定带钢的实际力学性能用y_i表示，带钢的力学性能最小值用y_imin表示，只要轧后带钢的实际力学性能满足以下条件：

y_imin≤y_i

即认为力学性能合格，相反，则认为力学性能不合。

由于统计建模和数据检测方面的原因，力学性能的预报值和实际值之间可能会存在一个较小的偏差。从可靠性角度考虑，使用预报值进行力学性能判定时，需在预测值的基础上增加一定的阈值，以确保带钢的实际力学性能满足要求。

假定用ξ₁、ξ₂分别代表抗拉强度和屈服强度的阈值。通常情况下，它们的取值区间分别为3～7Mpa、3～9Mpa。因此，利用模型预报值对力学性能的进行判定时，使用如下判定条件：

$y_{i\min }+{\mathrm{\ξ}}_i\≤{\stackrel{\‾}{y}}_i$

式中

表示模型预报的力学性能。

因此，根据上面的分析，如果模型预测的力学性能大于下限值并且满足一定的阈值条件，则表示力学性能有下降空间。由于出炉温度与力学性能之间的正向关系，因此，可以降低出炉温度。

对于步骤e)，带钢轧制过程也是温度变化的一个过程。带钢出加热炉后，在除鳞水，机架间冷却水的作用下，再加上辐射散热，与轧辊的接触散热，带钢温度会下降。在轧制过程中，终轧温度和卷取温度是保证带钢性能的重要工艺指标，通常都作为重要的受控变量。

由于改变出炉温度会间接影响到终轧温度，因此，出炉温度不能过低。所以，要综合些情况，确定工艺和设备允许的最低出炉温度。假定允许的最低出炉温度用(DT)_min表示，在优化铸坯的出炉温度时，新的出炉温度要大于(DT)_min才能被正确执行。

下面是调整出炉温度的具体步骤：

1)把RT、FT、CT、H、F₁、F₂的预设定值作为已知参数，带入到力学性能预测模型中进行计算。

2)计算C、Mn、P、N、Si、S等基本成分和析出化合物(如有)对力学性能的影响。

3)用y_imin+ξ_i减去1)、2)和β_i，得到力学性能差值Delta_y_imin。

4)根据Delta_y_imin和DT的关系式，计算满足条件的DT_min(最低出炉温度)。若计算得到的DT低于工艺允许的边界值(DT)_min，则令DT取值为(DT)_min。

5)将DT_min(i)最大者作为新的出炉温度目标值DT_Aim进行设定。

对于步骤f)，根据轧制计划，找出下一块要优化的铸坯，重复上述计算步骤。

实施例：

为说明本技术发明的具体应用方式，下面以某钢厂的热轧产线为例，介绍本发明的具体实施步骤。

按照前面给出的力学性能预报模型形式，基于实际的生产数据，利用统计回归的方法确定模型系数，其中带钢的成分范围如下：

序号	成分名称	含量上限(％)
			1.	碳	0.22
2.	锰	2
			3.	磷	0.053
4.	氮	0.01
			5.	硅	0.42
6.	硫	0.03
			7.	钛	0.12
8.	矾	0.002
			9.	铌	0.002

表2建模所使用数据中的化学成分范围

带钢的厚度规格主要为1～3mm。

基于统计回归的方法，得到的预报模型如下：

$\mathrm{ys}1=642C+84\mathrm{Mn}+96\sqrt{\mathrm{Si}}+175\sqrt{P}+2864N+3021\mathrm{TiC}+1052\mathrm{TiN}$

$+89\exp ((\mathrm{DT}+273)/1000)+101\exp ((\mathrm{RT}+273)/1000)$

$-47.3\exp ((\mathrm{FT}+273)/1000)-244.52\exp ((\mathrm{CT}+273)/1000)$

$-24\ln \left(h\right)+0.12F_1+0.15F_2+1344$

$\mathrm{ys}2=430C+52\mathrm{Mn}+73\sqrt{\mathrm{Si}}+157\sqrt{P}+2545N+2814\mathrm{TiC}+873\mathrm{TiN}$

$+81\exp ((\mathrm{DT}+273)/1000)+97\exp ((\mathrm{RT}+273)/1000)$

$-38.8\exp ((\mathrm{FT}+273)/1000)-204.4\exp ((\mathrm{CT}+273)/1000)$

$-21\ln \left(h\right)+0.108F_1+0.12F_2+1086$

基于上面建立的力学性能预报模型，下面介绍出炉温度的调整过程：

1)收集带钢的化学成分及轧制工艺参数，其中化学成分为：

C：0.06、Si：0.154、Mn：1.31、P：0.012、S：0.0098、N：0.004、Ti：0.11、Nb：0.0000、V：0.0000。

工艺参数的预设定值为：

DT：1260℃、RT：1040℃、FT：850℃、CT：650℃

精轧出口的带钢厚度2.5mm、粗轧压下率F₁：11.3％，精轧压下率F₂：15.7％。

要求抗拉强度大于700MPa，屈服强度大于650MPa。

2)将化学成分和工艺参数与表2列出的参数范围进行检查，结果表明成分和工艺完全在模型预报范围内。

3)该带钢只含有Ti，在轧制过程中会析出TiN、TiC的细小颗粒。

由于析出物对带钢的力学性能有较大影响，因此，需要计算轧制过程中的析出物总量。

根据表1中的溶度积公式：

log([Ti][N])＝0.32-8000/T

log([Ti][C])＝2.75-7000/T

把溶度积公式中的温度T用卷取温度的开氏温度替代进行计算，在这种条件下可以计算出TiN、TiC在带钢中溶解的数量，进而可以计算出析出总量。

根据计算，在带钢卷取之前，形成的TiN、TiC基本都析出。

另外，根据析出物所占的C和N以及总含量，可以计算出剩余的C和N含量。

把成分、析出物、工艺等参数输入到性能预报模型进行计算，结果如下：

抗拉强度ys₁＝717MPa，屈服强度ys₂＝674MPa

4)对力学性能的预测值进行判断，分别选取ξ₁、ξ₂为5Mpa和8Mpa，然后对性能进行判断：发现抗拉强度和屈服强度的预测值均大于目标值。

因此，可以在保证力学性能的前提下降低出炉温度。

5)对出炉温度进行调整：

根据前述方法进行计算，可知满足抗拉强度目标值的最低出炉温度为1230.4℃；而满足屈服强度的最低出炉温度为1216.4℃。

由于两者均大于工艺允许的最低出炉温度1200℃，因此，出炉温度的设定值选择1230.4℃可以满足力学性能的要求。

由于实际的加热温度设定值并非连续变化，而是阶梯状变化，通常阶梯变化量为5℃，所以，本次优化的设定值选择为1235℃。

综上可知，本技术方案的核心思想是基于力学性能预报模型，根据铸坯的化学成分和预设定的轧制工艺来预测轧后带钢的力学性能；在满足力学性能要求的前提下，根据出炉温度与力学性能的相互关系对加热炉的出炉温度进行优化，通过降低铸坯的出炉温度来实现节能。

换句话说，本发明的技术方案根据带钢的化学成分、工艺参数和力学性能目标值，通过建立热轧带钢的力学性能预报模型，对轧后带钢的力学性能进行计算和预测，基于力学性能预报模型，来优化热轧工艺参数，进而达到节能降耗的目的。

使用本发明的技术方案可以在保证产品力学性能的前提下降低加热炉的出炉温度。

本方法覆盖钢种范围广，可以应用于各种板坯热轧产线；而且，由于该技术方案不需要投入大量的软硬件，只需在现有的过程控制计算机网络上，增加模型服务器即可实施本发明所涉及的技术；因此，本发之技术方案具有非常广阔的应用前景。

本发明可广泛用于板坯热轧产线加热炉的温度控制领域。

Claims (18)

1.一种基于带钢力学性能预报模型的加热炉节能控制方法，包括基于过程控制计算机对加热炉的炉温进行控制，其特征是所述的节能控制方法至少包括：

A、建立热轧带钢的力学性能预报模型；

B、在铸坯进加热炉之前，收集带钢的化学成分、工艺参数和力学性能目标值，作为力学性能预报模型的输入参数；

C、根据带钢的化学成分和预定的工艺参数，对力学性能预报模型的输入参数进行检查，若不满足预报模型的使用条件/适用范围，则按照原来预定的轧制工艺组织生产；反之，继续下面的步骤；

D、基于力学性能预报模型，对轧后带钢的力学性能进行计算/预测，得到带钢力学性能的预测值；

E、对比带钢的力学性能的预测值和目标值，判断是否可以降低出炉温度；若预测值接近目标值，则按原来预定的轧制工艺参数组织生产；反之，继续下面的步骤；

F、基于所述的力学性能预报模型，优化热轧工艺参数，求得新的出炉温度目标值；

G、按新的出炉温度目标值，过程控制计算机对加热炉的出炉温度进行控制/调整；

H、找出下一块要加热的铸坯，重复上述步骤。

2.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是所述热轧带钢的力学性能预报模型的表达式如下：

$y_i=a_{c\left(i\right)}C+a_{\mathrm{Mn}\left(i\right)}\mathrm{Mn}+a_{P\left(i\right)}\sqrt{P}+a_{N\left(i\right)}N+a_{\mathrm{Si}\left(i\right)}\sqrt{\mathrm{Si}}+a_{S\left(i\right)}S+a_{\mathrm{TiC}\left(i\right)}\mathrm{TiC}+a_{\mathrm{NbC}\left(i\right)}\mathrm{NbC}$

$+a_{\mathrm{VC}\left(i\right)}\mathrm{VC}+a_{\mathrm{TiN}\left(i\right)}\mathrm{TiN}+a_{\mathrm{NbN}\left(i\right)}\mathrm{NbN}+a_{\mathrm{VN}\left(i\right)}\mathrm{VN}+a_{\mathrm{DT}\left(i\right)}\exp ((\mathrm{DT}+273)/1000)$

$+a_{\mathrm{RT}\left(i\right)}\exp ((\mathrm{RT}+273)/1000)+a_{\mathrm{FT}\left(i\right)}\exp ((\mathrm{FT}+273)/1000)$

$+a_{\mathrm{CT}\left(i\right)}\exp ((\mathrm{CT}+273)/1000)+a_{H\left(i\right)}\ln \left(H\right)+a_{F1\left(i\right)}{F}_1+a_{F2\left(i\right)}{F}_2+{\mathrm{\β}}_i$

其中，式中：

y_i表示力学性能的预测值，i＝1，2分别表示抗拉强度和屈服强度；C为剩余碳含量；Mn为带钢的锰含量；P为带钢的磷含量；N为剩余氮含量；Si为带钢的硅含量；S为带钢的硫含量；TiC为碳化钛析出量；NbC为碳化铌析出量；VC为碳化矾析出量；TiN为氮化钛析出量；NbN为氮化铌析出量；VN为氮化钒析出量；DT为铸坯出炉温度；RT为粗轧出口温度；FT为精轧机出口温度；CT为卷取温度；H为带钢终轧厚度；F₁为粗轧压下率；F₂为精轧压下率；β_i为模型的修正系数；exp(·)表示以e为底的幂指数；ln(·)表示以e为底的对数。

3.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在对所述轧后带钢的力学性能进行计算/预测之前，首先计算出轧制过程中的微合金析出物总量。

4.按照权利要求3所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是所述带钢力学性能预报模型中的各个微合金析出量使用如下的溶解度公式进行确定：

氮化钛析出量TiN：log([Ti][N])＝0.32-8000/T；

碳化钛析出量TiC：log([Ti][C])＝2.75-7000/T；

氮化钒析出量VN：log([V][N])＝3.46-8330/T；

碳化矾析出量VC：log([V][C])＝6.72-9500/T；

碳化铌析出量NbC：log[Nb][C]＝2.9-7500/T；

氮化铌析出量NbN：log[Nb][N]＝2.8-8500/T；

其中，式中的T为带钢的卷取温度。

5.按照权利要求1或2所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是所述的节能控制方法利用带钢的实际生产数据进行统计回归，确定所述力学性能预报模型的全部未知系数，把模型系数存储于过程计算机的数据库中，把带钢的化学成分、工艺参数和力学性能目标值作为力学性能预报模型的输入参数。

6.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述B步骤中，其所述的工艺参数包括出炉温度、粗轧出口温度、精轧入口温度、精轧出口温度、卷取温度、厚度、压下率、带钢的抗拉强度和屈服强度的目标值。

7.按照权利要求1或6所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是其所述的工艺参数随轧制计划由上位控制计算机下达到加热炉过程控制计算机；所述的加热炉过程控制计算机根据带钢的标识号直接索引获得这些数据。

8.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是其在所述的C步骤中，所述带钢力学性能预报模型的使用条件/适用范围包括化学成分和工艺参数适用范围，其所述的化学成分和工艺参数适用范围如下：

C≤0.3％，Mn≤2％，S≤0.07％，Si≤0.8％，P≤0.15％，Nb≤0.1％，

Ti≤0.18％，V≤0.09％，H：1～20mm，DT：1170℃～1300℃，

RT：900℃～1100℃，FT：750℃～970℃，CT：500℃～750℃；

其中，C为剩余碳含量，Mn为带钢的锰含量，S为带钢的硫含量，Si为带钢的硅含量，P为带钢的磷含量，Nb为带钢的铌含量，Ti为带钢的钛含量，V为带钢的矾含量，H为带钢终轧厚度，DT为铸坯出炉温度，RT为粗轧出口温度，FT为精轧机出口温度，CT为卷取温度。

9.按照权利要求1或2所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述的C步骤中，当所述力学性能预报模型的输入参数全部完备的情况下，根据力学性能预报模型的使用条件/适用范围，对输入参数做进一步检查；其所述力学性能预报模型的使用条件/适用范围，是指在确定模型系数过程中，所使用的带钢实际生产数据的成分和工艺温度的最大范围，但成分和工艺的最大范围不能超越力学性能预报模型使用条件中的最大适用范围；

其中，在对输入数据进行检查时，将化学成分与工艺数据逐一与适用范围的边界值进行比较判断，只有当输入参数全部满足模型的适用范围时，才继续下面的步骤，否则，按照预定的轧制工艺进行生产。

10.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述的D步骤中进行所述的力学性能预报模型计算/预测前，对输入参数数据的完备性进行检查，以确保预报过程的可靠性；其数据的完备性，是指预报模型的所有输入变量全部被正确赋值。

11.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述的D步骤中，把所述带钢的化学成分和工艺参数输入到所述的力学性能预报模型中，基于性能预报模型，分别计算出带钢的抗拉强度预测值和屈服强度的预测值。

12.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述的E步骤中对比所述带钢的力学性能的预测值和目标值时，只要轧后带钢的实际力学性能大于等于带钢的力学性能最小值，即认为力学性能合格，反之，则认为力学性能不合格；

即：

y_imin≤y_i

其中，y_i为带钢的实际力学性能，y_imin为带钢的力学性能最小值。

13.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述的E步骤中，对比所述带钢的力学性能的预测值和目标值时，如果模型预测的力学性能大于下限值并且满足一定的阈值条件，则表示力学性能有下降空间；基于出炉温度与力学性能之间的正向关系，可以降低出炉温度，以节约能源。

14.按照权利要求13所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是使用所述的预测值进行力学性能判定时，在预测值的基础上增加一定的阈值，以确保带钢的实际力学性能满足要求；

即，在利用所述模型预测值对力学性能的进行判定时，使用如下判定条件：

$y_{i\min }+{\mathrm{\ξ}}_i\≤{\stackrel{\‾}{y}}_i$

式中

表示模型预报的力学性能预测值，y_imin表示带钢的最小力学性能目标值；ξ_i表示阈值，i＝1，2；其ξ₁、ξ₂分别代表抗拉强度和屈服强度的阈值。

15.按照权利要求14所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是所述抗拉强度阈值ξ₁和屈服强度阈值ξ₂的取值区间分别为3～7Mpa和3～9Mpa。

16.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述第F步骤中，优化铸坯的出炉温度时，所求得新的出炉温度目标值必须大于工艺和设备允许的最低出炉温度，新的出炉温度才能被允许执行；即，

DT＞(DT)_min

式中，DT为新的出炉温度目标值，(DT)_min为工艺和设备允许的最低出炉温度。

17.按照权利要求1或16所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是在所述新的出炉温度目标值确定时，过程控制计算机按照下列步骤对加热炉的出炉温度进行控制/调整：

G1、将粗轧出口温度RT、精轧机出口温度FT、卷取温度CT、带钢终轧厚度H、粗轧压下率F₁、精轧压下率F₂的预设定值作为已知参数，带入到力学性能预测模型中进行计算；

G2、计算剩余碳含量C、带钢的锰含量Mn、带钢的磷含量P、剩余氮含量N、带钢的硅含量Si、带钢的硫含量S等基本成分和微合金析出化合物对力学性能的影响；

G3、用带钢的力学性能最小值y_imin+阈值ξ_i，减去G1步骤、G2步骤的计算结果和模型的修正系数β_i，得到力学性能差值Delta_y_imin；

G4、根据力学性能差值Delta_y_imin和铸坯出炉温度DT的关系式，计算满足条件的最低出炉温度DT_min；若计算得到的最低出炉温度DT低于工艺允许的边界值(DT)_min，则令DT取值为(DT)_min；

G5、将DT_min(i)最大者作为新的出炉温度目标值DT_Aim进行设定。

18.按照权利要求1所述的基于带钢力学性能预报模型的加热炉节能控制方法，其特征是所述的节能控制方法建立热轧带钢力学性能的工业预报模型，在铸坯进加热炉前，先根据化学成分和预定的工艺参数对轧后带钢的力学性能进行预报；若力学性能的预报值大于其目标值，则考虑对带钢出炉工艺温度进行优化；在保证带钢力学性能及不违反工艺要求的前提下，通过降低出炉温度，实现加热炉燃气消耗量/单位产品能耗的降低，实现节能降耗的目的。

Images