CN104714519A - 一种连续退火机组生产过程工艺参数设定与在线优化方法 - Google Patents
一种连续退火机组生产过程工艺参数设定与在线优化方法 Download PDFInfo
- Publication number
- CN104714519A CN104714519A CN201410841003.8A CN201410841003A CN104714519A CN 104714519 A CN104714519 A CN 104714519A CN 201410841003 A CN201410841003 A CN 201410841003A CN 104714519 A CN104714519 A CN 104714519A
- Authority
- CN
- China
- Prior art keywords
- continuous annealing
- annealing unit
- processing parameter
- unit processing
- parameter
- 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.)
- Granted
Links
- 238000000137 annealing Methods 0.000 title claims abstract description 473
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 135
- 229910000831 Steel Chemical group 0.000 claims abstract description 136
- 239000010959 steel Chemical group 0.000 claims abstract description 136
- 238000005457 optimization Methods 0.000 claims abstract description 89
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 230000003068 static effect Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 303
- 238000010438 heat treatment Methods 0.000 claims description 31
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000002791 soaking Methods 0.000 claims description 21
- 238000004886 process control Methods 0.000 claims description 17
- 239000007789 gas Substances 0.000 claims description 13
- 229910052799 carbon Inorganic materials 0.000 claims description 10
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 229910052698 phosphorus Inorganic materials 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 4
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 4
- 239000004411 aluminium Substances 0.000 claims description 4
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 239000011574 phosphorus Substances 0.000 claims description 4
- 229920001296 polysiloxane Polymers 0.000 claims description 4
- 238000010791 quenching Methods 0.000 claims description 4
- 230000000171 quenching effect Effects 0.000 claims description 4
- 238000010079 rubber tapping Methods 0.000 claims description 4
- 229910052717 sulfur Inorganic materials 0.000 claims description 4
- 239000011593 sulfur Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 abstract description 13
- 229910052742 iron Inorganic materials 0.000 abstract description 5
- 230000007812 deficiency Effects 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract 2
- 235000019589 hardness Nutrition 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 238000005097 cold rolling Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010583 slow cooling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Heat Treatment Of Strip Materials And Filament Materials (AREA)
- Control Of Heat Treatment Processes (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
Abstract
一种连续退火机组生产过程工艺参数设定与在线优化方法，属于钢铁企业连续退火机组的自动控制技术领域，包括连续退火机组生产工艺参数静态优化阶段的主要任务是在带钢生产之前确定连续退火机组工艺参数最优值；连续退火机组生产工艺参数在线动态优化阶段的主要任务是监测生产运行状态，并在状态发改变时快速获得新的工艺参数最优设定值。本发明同时考虑了产品质量、能源消耗、机组生产效率、退火工艺规程执行度四个评价指标，能够保证连续退火机组在动态的生产过程中始终运行在最优的连续退火机组工艺参数下，从而弥补人工经验的不足，帮助连续退火机组提高产品质量、降低能源消耗、提高机组生产效率。
Description
技术领域
本发明属于钢铁企业连续退火机组的自动控制技术领域，特别涉及一种连续退火机组生产过程工艺参数设定与在线优化方法。
背景技术
在钢铁企业冷轧厂连续退火机组的实际生产过程中，带钢的硬度是评价带钢产品质量的重要指标。而且，对连续退火机组的相关工艺参数进行控制，以保证带钢产品硬度在合同规定的范围内，同时兼顾节能降耗和机组产能提高，一直是冷轧厂连续退火机组生产过程控制的首要任务。然而，由于连续退火机组生产线较长，包含多个生产阶段，而每个生产阶段又涉及多个与带钢产品硬度相关的工艺参数，使得整个连续退火机组需要进行相关控制的工艺参数元素多达30余项；另外，在各个生产阶段的处理过程中都会发生复杂的热交换和带钢内部的金属相变过程，同时，各生产阶段之间又存在耦合关系。当前的连续退火机组实际生产过程中主要依靠现场操作人员的经验对连续退火机组的工艺参数进行设定和优化，但是，由于连续退火机组生产过程的复杂性，人工方法难以实现对连续退火机组生产工艺的优化控制，经常出现带钢质量不达标、能源消耗大、机组产能无法充分发挥等问题。然而，当前多集中于对连续退火机组某一生产阶段控制方法的研究，而没有实现对整条连续退火机组工艺参数的优化与控制，更没有在对整条连续退火机组工艺参数进行优化与控制的同时兼顾机组能源消耗的优化和机组产能的优化。
发明内容
针对现有技术存在的不足，本发明提供一种连续退火机组生产过程工艺参数设定与在线优化方法。
本发明的技术方案是：
一种连续退火机组生产过程工艺参数设定与在线优化方法，包括连续退火机组生产工艺参数静态优化阶段和连续退火机组生产工艺参数在线动态优化阶段；
所述连续退火机组生产工艺参数静态优化阶段，为对连续退火机组生产工艺参数进行静态优化进而确定其最优设定值的过程；其中每一个所述的连续退火机组工艺参数均由以下27项工艺参数元素组成：中央段速度、加热炉(HF)1区炉温、加热炉(HF)2区炉温、加热炉(HF)3区炉温、加热炉(HF)4区炉温、加热炉(HF)5区炉温、均热炉(SF)1区炉温、均热炉(SF)2区炉温、均热炉(SF)1区炉温、缓冷炉(SCF)2区炉温、1#冷炉(1C)1区炉温、1#冷炉(1C)2区炉温、1#冷炉(1C)3区炉温、1#过时效炉(1OA)1区炉温、1#过时效炉(1OA)2区炉温、2#过时效炉(2OA)1-1区炉温、2#过时效炉(2OA)1-2区炉温、2#过时效炉(2OA)2-1区炉温、2#过时效炉 (2OA)2-2区炉温、2#冷却炉(2C)炉炉温、水淬炉(WQ)1区水温、平整机(TM)延伸率、平整机(TM)入口带钢张力、平整机(TM)中间带钢张力、平整机(TM)出口带钢张力、平整机(TM)中1#机架轧制力和平整机(TM)中2#机架轧制力；
所述静态是指理想情况下不发生任何扰动的连续退火机组生产过程；
所述连续退火机组生产工艺参数在线动态优化阶段，为在连续退火机组实际生产过程中在线对连续退火机组生产工艺参数进行动态优化的过程；
所述连续退火机组生产工艺参数静态优化阶段，包括如下步骤：
步骤100：针对每一种调质度带钢，从企业数据库中采集最近m时间段内的连续退火机组生产过程数据，所述连续退火机组生产过程数据包括每卷带钢的连续退火机组生产状态数据和相应的带钢信息数据；所述每卷带钢的生产状态数据包括中央段速度、加热炉(HF)内各分区温度平均值、均热炉(SF)内各分区温度平均值、缓冷炉(SCF)内各分区温度平均值、1#冷炉(1C)内各分区温度平均值、1#过时效炉(1OA)内各分区温度平均值、2#过时效炉(2OA)内各分区温度平均值、2#冷却炉(2C)内温度平均值、1#冷炉(1C)内冷却气体平均值、2#冷却炉(2C)内冷却气体平均值，以及分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的平均温度；所述带钢信息数据包括入口厚度、入口宽度、碳含量、硫含量、磷含量、锰含量、氮含量、硅含量、总铝含量、出炉温度、平均卷曲温度、平均精轧温度、平均终轧温度和连续酸洗-轧制延伸率；
步骤200：针对每一种调质度带钢，根据步骤100采集的连续退火机组历史生产过程数据，使用最小二乘方法建立连续退火机组生产过程模型并将所建立的连续退火机组生产过程模型存储于连续退火生产过程模型库中；所述连续退火机组生产过程模型包括带钢出口温度线性模型和带钢产品质量预报模型；所述带钢出口温度线性模型包括带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处平均温度的线性模型；
步骤300：根据待生产带钢的调质度，从连续退火生产过程模型库中选取该种调制度带钢的带钢出口温度线性模型和带钢产品质量预报模型，以及从企业数据库中读取相应的连续退火机组的工艺约束条件；
步骤400：使用连续退火机组生产工艺参数静态优化方法确定静态情况下的连续退火机组工艺参数最优值并下发到连续退火机组的过程控制系统进行设定。所述连续退火机组生产工艺参数静态优化方法，包括以下步骤：
步骤401：在组成连续退火机组生产工艺参数的各项工艺参数元素取值范围内，随机产生n个初始连续退火机组生产工艺参数，形成初始的连续退火机组生产工艺参数候选集合 C＝{Pi},i＝1,2,…,n，Pi表示第i个连续退火机组生产工艺参数；
步骤402：根据连续退火机组生产工艺参数评价指标，从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中；所述连续退火机组生产工艺参数评价指标包括以下4个：带钢质量、能源消耗、机组生产效率、退火工艺规程执行度；包括如下步骤
步骤402.1：针对集合C中的每个连续退火机组生产工艺参数计算其各自的连续退火机组生产工艺参数评价指标值；包括：
1.带钢质量的计算：使用相应的连续退火机组生产过程模型计算出相应的带钢硬度预报值，并利用该带钢硬度预报值与当前的带钢硬度目标值之间的偏差的绝对值作为带钢质量的量度，偏差的绝对值越小，则带钢质量越好；
2.能源消耗的计算：计算加热炉(HF)各区的温度设定值的平均值，作为能源消耗量的量度，加热炉(HF)各区的温度设定值的平均值越大，则能源消耗量越大；
3.机组生产效率的计算：根据中央段速度计算机组生产效率；
4.退火工艺规程执行度的计算：计算带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的带钢平均温度与带钢目标温度之间的偏差，并对所有偏差求和得到总偏差作为退火工艺曲线总偏差的量度；退火曲线总偏差为退火工艺规程执行度的量度，退火工艺曲线总偏差越小，则退火工艺规程执行度越高；
步骤402.2：根据步骤402.1计算出的各连续退火机组生产工艺参数的评价指标值以及连续退火机组生产工艺参数的优劣判断规则，从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中；所述连续退火机组生产工艺参数的优劣判断规则为：
针对第i个连续退火机组生产工艺参数Pi和第j个连续退火机组生产工艺参数Pj两个不同的连续退火机组生产工艺参数，按以下连续退火机组生产工艺参数的优劣判断规则评价其各自的优劣：
1)如果针对Pi计算出的4个评价指标值均优于针对Pj计算出的4个评价指标值，或者，分别针对Pi和针对Pj计算出的评价指标中，其中至少有一个评价指标Pi是优于Pj的，同时对于其它评价指标两者是相等的，则认为Pi优于Pj，也即Pj劣于Pi；
2)如果针对Pi计算出的4个评价指标中既有优于Pj的，也有劣于Pj的，即无法评价Pi和Pj哪个更好，则称Pi和Pj互为非劣连续退火机组生产工艺参数。
3)如果在当前的一个连续退火机组生产工艺参数集合中，不存在比Pi更优的连续退火机组生产工艺参数，则称Pi为该集合中最优的连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中，且认为集合E中的所有连续退火机组生产工艺参数互为非劣连续退火机组生产工艺参数；
步骤403：根据候选集合C中的连续退火机组生产工艺参数，产生新的连续退火机组生产工艺参数，并用该新的连续退火机组生产工艺参数来更新集合C和集合E；包括如下步骤：
步骤403.1：根据从当前候选集合C中随机选择的两个不同的连续退火机组生产工艺参数，产生新的连续退火机组生产工艺参数，方法为：假设从当前集合C中随机所选择的两个连续退火机组生产工艺参数分别为第h个连续退火机组生产工艺参数Ph和第g个连续退火机组生产工艺参数Pg，Ph中和Pg中的第k(k＝1,…,27)项工艺参数元素分别记为xhk和xgk、新的连续退火机组生产工艺参数记为P′以及P′中第k项工艺参数元素记为xp’k，则xp’k的确定方法为：首先产生一个随机数r∈[0,1]，如果r<0.5，则xp’k＝(xmin,k–0.5Δk)+r×(xmax,k+0.5Δk)，其中xmin,k＝min{xhk,xgk}，xmax,k＝max{xhk,xgk}，Δk＝xmax,k–xmin,k；否则，xp’k＝xbest,k+r×(xhk–xgk)，其中xbest,k为从当前的最优连续退火机组生产工艺参数集合E中随机选取的一个连续退火机组生产工艺参数Pbest中第k项工艺参数元素的取值；
步骤403.2：针对步骤403.1产生的新的连续退火机组生产工艺参数，按照步骤4.2.1的方法计算其评价指标；
步骤403.3：根据连续退火机组生产工艺参数的优劣判断规则，评价该新的连续退火机组生产工艺参数相对于用来产生它的从集合C中随机选择的两个不同的连续退火机组生产工艺参数的优劣性，若该新的连续退火机组生产工艺参数至少优于它们两个中的一个，则使用该新的连续退火机组生产工艺参数替换它们两个中较差的一个；否则，删除该新的连续退火机组生产工艺参数；
步骤403.4：重复执行步骤403.1到步骤403.3若干次后，得到一个包含n个连续退火机组生产工艺参数的新的集合C，实现了对集合C的更新；
步骤403.5：利用经过步骤403.4更新后的集合C中的n个连续退火机组生产工艺参数来更新最优连续退火机组生产工艺参数集合E，方法如下：从集合C中的第一个连续退火机组生产工艺参数S1开始，按照下述方法更新集合E，直到集合C中的第n个连续退火机组生产工艺参数Sn结束：如果集合E中至少存在一个连续退火机组生产工艺参数优于集合C中的第i个连续退火机组生产工艺参数Si(i＝1,…,n)，则不对集合E进行更新，并转到集合C中的下一个连续退火机组生产工艺参数Si+1；否则，将Si插入到集合E中，同时从集合E中删除 那些劣于Si的连续退火机组生产工艺参数，并转到集合C中的下一个连续退火机组生产工艺参数Si+1；
步骤403.6：如果更新后的集合E中的连续退火机组生产工艺参数的个数超过了所需的m个，则从集合E中随机删除|E|-m个连续退火机组生产工艺参数，从而保证集合E中连续退火机组生产工艺参数的个数最多为所需的m个；
步骤404：重复执行步骤403若干次后，现场操作人员根据其生产经验和连续退火机组当前的生产要求，从更新后的集合E中选择一个连续退火机组生产工艺参数作为静态情况下的连续退火机组工艺参数最优值下发到连续退火机组的过程控制系统进行设定；
所述连续退火机组生产工艺参数在线动态优化阶段，包括如下步骤：
步骤1000：按照连续退火机组生产工艺参数静态优化阶段确定的连续退火机组工艺参数最优设定值，对待生产的某调制度带钢进行连续退火机组生产；
步骤2000：对该调制度带钢的连续退火机组生产运行状态进行在线监测，如果生产运行状态平稳，即每项生产工艺参数元素值的变化幅度都小于规定的门槛值α，则保持当前的连续退火机组工艺参数设定值不变；否则，利用连续退火机组生产工艺参数在线动态优化方法对连续退火机组工艺参数进行动态优化，以适合最新的连续退火机组生产运行状态；
步骤3000：重复执行步骤2000，直到该种调制度带钢生产结束。
所述连续退火机组生产工艺参数在线动态优化方法，包括如下步骤：
步骤2001：清空当前的连续退火机组生产工艺参数候选集合C；
步骤2002：基于该种调制度带钢当前的连续退火机组生产运行状态，将最新的最优连续退火机组生产工艺参数集合E中的连续退火机组生产工艺参数复制到已清空的候选集合C中，将此时的候选集合C作为连续退火机组当前生产运行状态下的初始连续退火机组生产工艺参数候选集合；
步骤2003：按照步骤402.1的方法分别计算当前生产运行状态下的候选集合C中的各连续退火机组生产工艺参数的评价指标值，并按照步骤403至步骤404的方法对当前的集合C和当前的集合E进行更新，得到最终的集合E；
步骤2004：针对最终的集合E中的每个连续退火机组生产工艺参数分别计算其综合评价指标；连续退火机组生产工艺参数的综合评价指标按照下式进行计算：
f＝w1f1/f1,max+w2f2/f2,max-w3f3/f3,max+w4f4/f4,max
其中f表示连续退火机组生产工艺参数的综合评价指标；f1，f2，f3，f4依次分别表示连续退火机组生产工艺参数的以下4个评价指标的计算值：带钢质量、能源消耗、机组生产效率 和退火工艺规程执行度；f1,max、f2,max、f3,max、f4,max分别表示集合E中所有连续退火机组生产工艺参数的各评价指标的最大值；w1、w2、w3、w4依次分别为由现场操作人员依据各指标的重要程度分别为带钢质量、能源消耗、机组生产效率和退火工艺规程执行度4个评价指标设置的权重，其中w1+w2+w3+w4＝1；
步骤2005：根据最终的集合E中每个连续退火机组生产工艺参数的综合评价指标值，从最终的集合E中选择综合评价指标值最小的连续退火机组生产工艺参数，将其各项工艺参数元素值下发到过程控制系统进行设定与执行；
本发明的有益效果：本发明的连续退火机组生产过程工艺参数设定与在线优化方法，包括连续退火机组生产工艺参数静态优化阶段和连续退火机组生产工艺参数在线动态优化阶段。连续退火机组生产工艺参数静态优化阶段的主要任务是在带钢生产之前确定连续退火机组工艺参数最优值；连续退火机组生产工艺参数在线动态优化阶段的主要任务是监测生产运行状态，并在状态发改变时快速获得新的工艺参数最优设定值。该方法同时考虑了产品质量、能源消耗、机组生产效率、退火工艺规程执行度四个评价指标，能够保证连续退火机组在动态的生产过程中始终运行在最优的连续退火机组工艺参数下，从而弥补人工经验的不足，帮助连续退火机组提高产品质量、降低能源消耗、提高机组生产效率。
附图说明
图1为本发明一种实施方式的连续退火机组生产过程工艺参数设定与在线优化方法原理示意图；
图2为本发明一种实施方式的连续退火机组生产工艺参数静态优化阶段方法流程图；
图3为本发明一种实施方式的从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数的过程流程图；
图4为本发明一种实施方式的更新集合C的方法流程图；
图5为本发明一种实施方式的更新集合E的方法流程图；
图6为本发明一种实施方式的连续退火机组生产工艺参数静态优化阶段产生的最优连续退火机组生产工艺参数集合E的界面示意图；
图7为本发明一种实施方式的连续退火机组生产工艺参数在线动态优化阶段方法流程图；
图8为本发明一种实施方式的T5调制度带钢的连续退火生产的某一运行状态的连续退火机组生产工艺参数设定值界面示意图；
图9为本发明一种实施方式的连续退火机组生产工艺参数在线动态优化方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步说明。
连续退火机组位于钢铁企业冷轧厂，热轧带钢到达冷轧厂后，首先经过酸洗去掉带钢表面的氧化铁皮，再经过五机架冷轧，成为厚度达到合同要求的冷轧薄带钢。由于在冷轧过程中带钢内部因冷变形会形成较大的内应力，从而影响带钢质量和机械性能，因此冷轧带钢必须经过退火处理，按照规定的工艺曲线，在连续退火机组内经过加热、均热、缓冷、快冷、过时效、淬火、平整等操作，消除内应力，提高带钢质量和机械性能。如图1所示，按照处理工艺，连续退火生产机组可以分为以下9个阶段：加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)、2#冷却炉(2C)、水淬炉(WQ)和平整机(TM)。图中FIC001至FIC009分别为各炉燃料气流量、风机转速、冷却水温度和平整辊张力与轧制力的控制器。
针对目前在连续退火机组生产过程中，还未实现对连续退火整条机组工艺参数的优化设定与控制，同时兼顾能源消耗和机组产能控制的现状，本发明提供一种连续退火机组生产过程工艺参数设定与在线优化方法。该方法的工作原理如图1所示，该方法的实施过程分为以下两个阶段：连续退火机组生产静态优化阶段和连续退火机组生产在线动态优化阶段。静态是指理想情况下不发生任何扰动的连续退火机组生产过程，也就是连续退火机组生产前的离线状态。在连续退火机组生产工艺参数静态优化阶段中：首先，根据企业的历史生产数据分别建立带钢在各炉出口处平均温度的线性模型以及带钢产品质量预报模型，且将前述所建立的所有连续退火机组生产过程模型均存储于连续退火生产过程模型库中；接着，根据待生产带钢的材质信息，从连续退火生产过程模型库中选取相应的连续退火机组生产过程模型；然后，从连续退火机组的过程控制系统中读取本连续退火机组的当前工况信息；再利用连续退火机组生产工艺参数静态优化方法，获得静态情况下连续退火机组工艺参数的最优值，经过现场操作人员确认后，将其下发到连续退火机组的过程控制系统中进行设定与执行；在连续退火机组生产工艺参数在线动态优化阶段中：即在带钢的连续退火机组生产过程中，从连续退火机组的过程控制系统中读取机组的实时工况，如果连续退火机组生产过程出现扰动，则使用连续退火机组生产工艺参数在线动态优化方法，确定适合该实时工况的新的工艺参数最优值，经过现场操作人员确认后，将其下发到连续退火机组的过程控制系统中进行设定与执行，以保证机组始终运行在最优的控制方案下，直至该带钢生产完成。
本实施方式基于图1所示的连续退火机组，生产调质度为T5的带钢产品，并根据连续退火机组生产过程工艺参数设定与在线优化方法原理，将本发明所提出的连续退火机组生产过程工艺参数设定与在线优化方法应用于本实施方式。T5调质度带钢的连续退火机组生产过程工艺参数设定与在线优化方法包括连续退火机组生产工艺参数静态优化阶段和连续退火机组 生产工艺参数在线动态优化阶段；其中连续退火机组生产工艺参数静态优化阶段，如图2所示，包括如下步骤：
S100：针对调质度为T5的带钢，从企业数据库中采集近3个月的连续退火机组生产过程数据。所述连续退火机组生产过程数据包括每卷带钢的连续退火机组生产状态数据和相应的带钢信息数据；所述每卷带钢的生产状态数据包括中央段速度、加热炉(HF)内各分区温度平均值、均热炉(SF)内各分区温度平均值、缓冷炉(SCF)内各分区温度平均值、1#冷炉(1C)内各分区温度平均值、1#过时效炉(1OA)内各分区温度平均值、2#过时效炉(2OA)内各分区温度平均值、2#冷却炉(2C)内温度平均值、1#冷炉(1C)内冷却气体平均值、2#冷却炉(2C)内冷却气体平均值，以及分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的平均温度；所述带钢信息数据包括入口厚度、入口宽度、碳含量、硫含量、磷含量、锰含量、氮含量、硅含量、总铝含量、出炉温度、平均卷曲温度、平均精轧温度、平均终轧温度和连续酸洗-轧制延伸率；
S200：针对HF炉、SF炉、SCF炉、1OA炉、2OA炉，分别以带钢规格、中央段速度、炉内各区的平均温度为输入变量，带钢在各炉出口处的平均温度为输出变量，使用最小二乘方法建立输出变量与各输入变量之间的线性关系模型如下：
(1)HF炉带钢出口温度模型
THF＝0.001w-0.58g-0.098v+0.62tHF,1-0.278tHF,2-0.015tHF,3+0.49tHF,4+0.03tHF,5+205.93，其中THF表示带钢在HF炉出口处的平均温度，w表示带钢的宽度，g表示带钢的厚度，v表示带钢的平均速度，tHF,1，tHF,2，tHF,3，tHF,4，tHF,5分别表示HF炉5个分区的温度。
(2)SF炉带钢出口温度模型
TSF＝0.001w-0.018g-0.005v+0.43tSF,1+0.51tSF,2+29.776，其中TSF表示带钢在SF炉出口处的平均温度，tSF,1和tSF,2分别表示SF炉2个分区的温度。
(3)SCF炉带钢出口温度模型
TSCF＝-0.001w-0.01g+0.044v-0.196tSCF,1+0.603tSCF,2+348.43，其中TSCF表示带钢在SCF炉出口处的平均温度，tSCF,1和tSCF,2分别表示SCF炉2个分区的温度。
(4)1OA炉带钢出口温度模型
T1OA＝0.0005w+0.064g+0.03v-0.062t1OA,1+0.898t1OA,2+23.928，其中T1OA表示带钢在1OA炉出口处的平均温度，t1OA,1和t1OA,2分别表示1OA炉2个分区的温度。
(5)2OA炉带钢出口温度模型
T2OA＝-0.005w-0.037g-0.05v+2.858t2OA,1-1-2.342t2OA,1-2+0.621t2OA,2-1-0.123t2OA,2-2+67.919 ，其中T2OA表示带钢在2OA炉出口处的平均温度，t2OA,1-1，t2OA,1-2，t2OA,2-1，t2OA,2-2，分别表示2OA炉4个分区的温度。
针对1C炉和2C炉，分别以带钢规格、中央段速度、炉内各区的平均温度、冷却气体温度为输入变量，带钢在各炉出口处的平均温度为输出变量，使用最小二乘方法建立输出变量与各输入变量之间的带钢出口温度线性关系模型如下：
(6)1C炉带钢出口温度模型
T1C＝-0.007w-0.044g+0.058v-0.025t1C,1-0.011t1C,2+0.284t1C,3+0.0005t1C,air+348.217，其中T1C表示带钢在1C炉出口处的平均温度，t1C,1，t1C,2，t1C,3分别表示1C炉3个分区的温度，t1C,air表示1C炉冷却气体温度。
(7)2C炉带钢出口温度模型
T2C＝0.001w+0.012g+0.016v-0.025t2C-0.001t2C,air+194.962，其中T2C表示带钢在2C炉出口处的平均温度，t2C表示2C炉的温度，t2C,air表示2C炉冷却气体温度。
(8)带钢质量预报模型
以S100采集的连续退火机组生产过程数据，以及基于这些过程数据所计算出的以上7个带钢出口温度为输入变量，以带钢硬度为输出变量，使用最小二乘方法建立带钢硬度预报模型如下：
Hard＝0.659w+0.027g+0.035CC-1.437CS+0.612CP-0.101CMn-0.22CN+0.049CSi
+0.112CAl+0.245tslab-0.011tc+0.386tf1-0.041tf2-0.309SCDCM+0.034v+0.458tHF,1
-0.092tHF,2-0.057tHF,3-0.54tHF,4+0.474tHF,5-0.178THF-0.105tSF,1-0.357tSF,2
+0.198TSF+0.059tSCF,1-0.133tSCF,2+0.211TSCF-0.082t1C,1-0.026t1C,2+0.124t1C,3
-0.0001t1C,air+0.081T1C-0.502t1OA,1+0.244t1OA,2+1.24T1OA-0.016t2OA,1-1-1.263t2OA,1-2
+0.867t2OA,2-1-0.237t2OA,2-2-0.546T2OA-0.048t2C-0.0001t2C,air+0.188T2C+0.236tWQ,1
+0.496tWQ,2+1.52STM-0.037TTM,1-0.008TTM,2-0.025TTM,3+0.007FTM,1+0.02FTM,2
其中Hard表示带钢的洛氏硬度；CC、CS、CP、CMn、CN、CSi、CAl分别表示带钢中的碳含量、硫含量、磷含量、锰含量、氮含量、硅含量和总铝含量；tslab、tC、tf1、tf2、SCDCM分别表示5个热轧信息数据项，即出炉温度、平均卷曲温度、平均精轧温度、平均终轧温度和连续酸洗-轧制延伸率(CDCM延伸率)；tWQ,1和tWQ,2分别表示WQ的1区和2区的水温；STM表示平整机的延伸率；TTM,1、TTM,2、TTM,3分别表示平整机的入口张力、中间张力和出口张力；FTM,1和FTM,2分别表示平整机1#机架轧制力和平整机2#机架轧制力。
最后，将所建立的带钢出口温度线性模型和带钢质量预报模型存储于连续退火生产过程模型库中。
S300：在带钢生产之前，从连续退火生产过程模型库中选取T5调制度带钢的带钢出口温度线性模型和带钢硬度预报模型，以及从企业数据库中读取相应的连续退火机组的工艺约束条件；
S400：针对要生产的带钢，其信息如表1所示，其中带钢的目标硬度为64(洛氏硬度)，带钢生产前的连续退火机组生产工况信息如下：1C炉冷却气体温度70摄氏度、2C炉冷却气体温度208摄氏度、WQ2区水温35摄氏度。使用连续退火机组生产工艺参数静态优化方法计算静态情况下最优连续退火机组工艺参数的27项工艺参数元素设定值；
表1.带钢信息数据
所述连续退火机组生产工艺参数静态优化方法，包括以下步骤：
S401：在组成连续退火机组生产工艺参数的各项工艺参数元素取值范围内，随机产生50个初始连续退火机组生产工艺参数，形成初始的连续退火机组生产工艺参数候选集合C＝{Pi},i＝1,2,…,50，Pi表示第i个连续退火机组生产工艺参数；
S402：根据连续退火机组生产工艺参数评价指标，从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中；从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数的方法，如图3所示，包括如下步骤：
S402.1：针对集合C中的每个连续退火机组生产工艺参数计算其各自的连续退火机组生产工艺参数评价指标值；包括：
1.带钢质量的计算：针对每个连续退火机组生产工艺参数，首先根据其各项工艺参数元素的取值及带钢规格，使用带钢出口温度线性模型分别计算出带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的带钢平均温度；再将各项工艺参数元素的取值、带钢的材质信息、带钢在热轧工序的生产信息、以及带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的带钢平均温度组合起来作为输入变量，使用相应的带钢产品硬度预报模型计算出带钢的硬度值，并利用该硬度值与当前带钢目标硬度值64之间的偏差的绝对值作为带钢质量的量度，偏差的绝对值越小，则带钢质量越好；
2.能源消耗的计算：计算加热炉(HF)各区的温度设定值的平均值，作为能源消耗量的量度，加热炉(HF)各区的温度设定值的平均值越大，则能源消耗量越大；
3.机组生产效率的计算：根据中央段速度计算机组生产效率；
4.退火工艺规程执行度的计算：计算带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的带钢平均温度与带钢目标温度之间的偏差，并对所有偏差求和得到总偏差作为退火工艺曲线总偏差的量度；退火曲线总偏差为退火工艺规程执行度的量度，退火工艺曲线总偏差越小，则退火工艺规程执行度越高；
S402.2：根据步骤402.1的计算出的各连续退火机组生产工艺参数的评价指标值以及连续退火机组生产工艺参数的优劣判断规则，从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中；所述连续退火机组生产工艺参数的优劣判断规则为：
针对第i个连续退火机组生产工艺参数Pi和第j个连续退火机组生产工艺参数Pj两个不同的连续退火机组生产工艺参数，按以下连续退火机组生产工艺参数的优劣判断规则评价其各自的优劣：
1)如果针对Pi计算出的4个评价指标值均优于针对Pj计算出的4个评价指标值，或者，分别针对Pi和针对Pj计算出的评价指标中，其中至少有一个评价指标Pi是优于Pj的，同时对于其它评价指标两者是相等的，则认为Pi优于Pj，也即Pj劣于Pi；
2)如果针对Pi计算出的4个评价指标中既有优于Pj的，也有劣于Pj的，即无法评价Pi和Pj哪个更好，则称Pi和Pj互为非劣连续退火机组生产工艺参数。
3)如果在当前的一个连续退火机组生产工艺参数集合中，不存在比Pi更优的连续退火机组生产工艺参数，则称Pi为该集合中最优的连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中，且认为集合E中的所有连续退火机组生产工艺参数互为非劣连续退火机组生产工艺参数；
S403：根据候选集合C中的50个连续退火机组生产工艺参数，产生新的连续退火机组生产工艺参数，并用该新的连续退火机组生产工艺参数来更新集合C和集合E；如图4所示，包括如下步骤：
S403.1：根据从当前候选集合C中随机选择的两个不同的连续退火机组生产工艺参数，产生新的连续退火机组生产工艺参数，方法为：假设从当前集合C中随机所选择的两个连续退火机组生产工艺参数分别为第h个连续退火机组生产工艺参数Ph和第g个连续退火机组生产工艺参数Pg，这两个连续退火机组生产工艺参数中的第k(k＝1,…,27)项工艺参数元素分别记为xhk和xgk、新的连续退火机组生产工艺参数记为P′以及P′中第k项工艺参数元素记为 xp’k，则xp’k的确定方法为：首先产生一个随机数r∈[0,1]，如果r<0.5，则xp’k＝(xmin,k–0.5Δk)+r×(xmax,k+0.5Δk)，其中xmin,k＝min{xhk,xgk}，xmax,k＝max{xhk,xgk}，Δk＝xmax,k–xmin,k；否则，xp’k＝xbest,k+r×(xhk–xgk)，其中xbest,k为从当前的最优连续退火机组生产工艺参数集合E中随机选取的一个连续退火机组生产工艺参数Pbest中第k项工艺参数元素的取值；
S403.2：针对步骤403.1产生的新的连续退火机组生产工艺参数，按照步骤402.1的方法计算其评价指标；
S403.3：根据连续退火机组生产工艺参数的优劣判断规则，评价该新的连续退火机组生产工艺参数相对于用来产生它的从集合C中随机选择的两个不同的连续退火机组生产工艺参数的优劣性，若该新的连续退火机组生产工艺参数至少优于它们两个中的一个，则使用该新的连续退火机组生产工艺参数替换它们两个中较差的一个；否则，删除该新的连续退火机组生产工艺参数；
S403.4：重复执行S403.1到S403.3若干次后，得到一个包含n个连续退火机组生产工艺参数的新的集合C，实现了对集合C的更新
S403.5：利用经过S403.4更新后的集合C中的n个连续退火机组生产工艺参数来更新最优连续退火机组生产工艺参数集合E，方法如下：如图5所示，从集合C中的第一个连续退火机组生产工艺参数S1开始，按照下述方法更新集合E，直到集合C中的第n个连续退火机组生产工艺参数Sn结束：如果集合E中至少存在一个连续退火机组生产工艺参数优于集合C中的第i个连续退火机组生产工艺参数Si(i＝1,…,n)，则不对集合E进行更新，并转到集合C中的下一个连续退火机组生产工艺参数Si+1；否则，将Si插入到集合E中，同时从集合E中删除那些劣于Si的连续退火机组生产工艺参数，并转到集合C中的下一个连续退火机组生产工艺参数Si+1；同时，如果更新后的集合E中的连续退火机组生产工艺参数的个数超过了所需的20个，则从集合E中随机删除|E|-20个连续退火机组生产工艺参数，从而保证集合E中连续退火机组生产工艺参数的个数最多为所需的20个；
S404：重复执行S403，500(该值能够保证所提出的方法在20秒的时间内获得满足实际生产需求的最优连续退火机组生产工艺参数)次后，将集合E中所有的连续退火机组生产工艺参数显示到连续退火机组的过程控制系统所在计算机的显示器上，如图6所示，最优连续退火机组生产工艺参数集合E如表2所示，表中质量表示按照方法所获得一个连续退火机组生产工艺参数的各项工艺参数元素设定值所能得到的带钢硬度预报值与带钢硬度目标值之间的偏差。再由现场操作人员根据其生产经验和连续退火机组当前的生产要求，从更新后的集合E中选择一个连续退火机组生产工艺参数作为静态情况下的最优连续退火机组工艺参数下发 到连续退火机组的过程控制系统进行设定；
表2.最优连续退火机组生产工艺参数集合及对应的评价指标值
连续退火机组生产工艺参数静态优化阶段完成后可以进入连续退火机组生产工艺参数在线动态优化阶段，如图7所示，包括如下步骤：
S1000：按照连续退火机组生产工艺参数静态优化阶段确定的连续退火机组工艺参数最优设定值，对待生产的T5调制度带钢进行连续退火机组生产；
S2000：对该调制度带钢的连续退火机组生产运行状态进行在线监测，如果生产运行状态平稳，即每项生产工艺参数元素值的变化幅度都小于规定的门槛值α＝3％，则保持当前的连续退火机组生产工艺参数设定值不变；否则，利用连续退火机组生产工艺参数在线动态优化方法对连续退火机组工艺参数进行动态优化获得新的连续退火机组生产工艺参数设定值，以适合最新的连续退火机组生产运行状态；
S3000：重复执行步骤2000，不断获得连续退火机组生产运行状态发生变化时新的连续退火机组生产工艺参数设定值，如图8所示，直到T5调制度带钢连续退火机组生产结束。
所述连续退火机组生产工艺参数在线动态优化方法，以当前连续退火机组生产运行状态中的1C炉和2C炉的冷却气体温度发生变化并且其变化量超过3％为例(新的1C炉和2C炉的冷却气体温度分别为65摄氏度和200摄氏度)，如图9所示包括如下步骤：
S2001：清空当前的连续退火机组生产工艺参数候选集合C；
S2002：基于当前的T5调制度带钢连续退火机组生产运行状态，将上一次优化过程中所获得的表2中所示的最优连续退火机组生产工艺参数集合E中的20个连续退火机组生产工艺参数复制到已清空的候选集合C中，将此时的候选集合C作为当前生产运行状态下的初始连续退火机组生产工艺参数候选集合；
S2003：按照步骤402.1的方法分别计算当前生产运行状态下的候选集合C中的各连续退火机组生产工艺参数的评价指标值，并按照步骤403至步骤404的方法对当前的集合C和当前的集合E进行更新，得到最终的集合E；
S2004：针对最终的集合E中的每个连续退火机组生产工艺参数分别计算其综合评价指标，如表3所示，其中f1,max＝0.7546，f2,max＝734.8，f3,max＝649，f4,max＝69.759：
表3.最优连续退火机组生产工艺参数集合的综合评价指标值
S2005：根据最终的集合E中每个连续退火机组生产工艺参数的综合评价指标值，从E中选择综合评价指标值最小的连续退火机组生产工艺参数6(f＝0.0553)，将其各项工艺参数元素值下发到过程控制系统进行设定与执行；
本实施方式通过连续退火机组生产工艺参数优化设定与在线优化系统实现本实施方式的连续退火机组生产过程工艺参数设定与在线优化方法，该系统包括以下部分：连续退火机组生产过程模型模块、连续退火机组生产工艺参数静态优化单元和连续退火机组生产工艺参数在线动态优化模块。连续退火机组生产过程模型模块用来完成S200所述的基于最小二乘方法建立连续退火机组生产过程模型。连续退火机组生产工艺参数静态优化单元包括：连续退火机组工艺约束设置模块，用来实现对连续退火机组工艺约束的设定和修改；连续退火机组生产工艺参数静态优化设定模块，用来完成S400所述的工艺参数优化设定，获得多目标条件下的最优连续退火机组生产工艺参数集合，以及向现场操作人员显示结果。连续退火机组生产工艺参数在线动态优化模块，用来实现S1000-S3000所述的带钢连续退火机组生产过程中的连续退火机组工艺参数的在线优化过程，保证机组始终运行在最优的连续退火机组生产工艺参数下。
本发明所提供的连续退火机组生产工艺参数优化设定与在线优化系统，是与连续退火机组的过程控制系统配套的，在现场使用时会将其安装到连续退火机组的过程控制系统所在的计算机中，该计算机作为本发明方法的硬件平台。本发明方法首先在连续退火机组生产工艺参数静态优化阶段获得针对当前带钢的工艺参数静态最优设定值，下发到过程控制系统执行，然后从该计算机所安装的过程控制系统中实时读取连退生产过程各采样点的实时过程数据，监测各环境变量的变化幅度，如果变化幅度过大而导致生产运行状态发生改变，则进入连续退火机组生产工艺参数在线动态优化阶段进行工艺参数的在线优化，从而保证连退生产过程始终运行在最优的状态。
Claims (9)
1.一种连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：包括连续退火机组生产工艺参数静态优化阶段和连续退火机组生产工艺参数在线动态优化阶段；
所述连续退火机组生产工艺参数静态优化阶段，为对连续退火机组生产工艺参数进行静态优化确定其最优设定值的过程；所述静态是指理想情况下不发生任何扰动的连续退火机组生产过程；
所述连续退火机组生产工艺参数在线动态优化阶段，为在带钢连续退火实际生产过程中在线对连续退火机组生产工艺参数进行动态优化的过程。
2.根据权利要求1所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：
每一个所述的连续退火机组工艺参数均由以下27项工艺参数元素组成：中央段速度、加热炉(HF)1区炉温、加热炉(HF)2区炉温、加热炉(HF)3区炉温、加热炉(HF)4区炉温、加热炉(HF)5区炉温、均热炉(SF)1区炉温、均热炉(SF)2区炉温、均热炉(SF)1区炉温、缓冷炉(SCF)2区炉温、1#冷炉(1C)1区炉温、1#冷炉(1C)2区炉温、1#冷炉(1C)3区炉温、1#过时效炉(1OA)1区炉温、1#过时效炉(1OA)2区炉温、2#过时效炉(2OA)1-1区炉温、2#过时效炉(2OA)1-2区炉温、2#过时效炉(2OA)2-1区炉温、2#过时效炉(2OA)2-2区炉温、2#冷却炉(2C)炉炉温、水淬炉(WQ)1区水温、平整机(TM)延伸率、平整机(TM)入口带钢张力、平整机(TM)中间带钢张力、平整机(TM)出口带钢张力、平整机(TM)中1#机架轧制力和平整机(TM)中2#机架轧制力。
3.根据权利要求1所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：所述连续退火机组生产工艺参数静态优化阶段，包括如下步骤：
步骤100：针对每一种调质度带钢，从企业数据库中采集最近m时间段内的连续退火机组生产过程数据，所述连续退火机组生产过程数据包括每卷带钢的连续退火机组生产状态数据和相应的带钢信息数据；所述每卷带钢的生产状态数据包括中央段速度、加热炉(HF)内各分区温度平均值、均热炉(SF)内各分区温度平均值、缓冷炉(SCF)内各分区温度平均值、1#冷炉(1C)内各分区温度平均值、1#过时效炉(1OA)内各分区温度平均值、2#过时效炉(2OA)内各分区温度平均值、2#冷却炉(2C)内温度平均值、1#冷炉(1C)内冷却气体平均值、2#冷却炉(2C)内冷却气体平均值，以及分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的平均温度；所述带钢信息数据包括入口厚度、入口宽度、碳含量、硫含量、磷含量、锰含量、氮含量、硅含量、总铝含量、出炉温度、平均卷曲温度、平均精轧温度、平均终轧温度和连续酸洗-轧制延伸率；
步骤200：针对每一种调质度带钢，根据步骤1采集的连续退火机组历史生产过程数据，使用最小二乘方法建立连续退火机组生产过程模型并将所建立的连续退火机组生产过程模型存储于连续退火生产过程模型库中；所述连续退火机组生产过程模型包括带钢出口温度线性模型和带钢产品质量预报模型；所述带钢出口温度线性模型包括带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处平均温度的线性模型；
步骤300：根据待生产带钢的调质度，从连续退火生产过程模型库中选取该种调制度带钢的连续退火机组生产过程模型，以及从企业数据库中读取相应的连续退火机组的工艺约束条件；
步骤400：使用连续退火机组生产工艺参数静态优化方法确定静态情况下的最优连续退火机组工艺参数并下发到连续退火机组的过程控制系统进行设定；所述步骤400中所述的连续退火机组生产工艺参数静态优化方法，包括以下步骤：
步骤401：在组成连续退火机组生产工艺参数的各项工艺参数元素取值范围内，随机产生n个初始连续退火机组生产工艺参数，形成初始的连续退火机组生产工艺参数候选集合C＝{Pi},i＝1,2,…,n，Pi表示第i个连续退火机组生产工艺参数；
步骤402：根据连续退火机组生产工艺参数评价指标，从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中；所述连续退火机组生产工艺参数评价指标包括以下4个：带钢质量、能源消耗、机组生产效率、退火工艺规程执行度；
步骤403：根据候选集合C中的连续退火机组生产工艺参数，产生新的连续退火机组生产工艺参数，并用该新的连续退火机组生产工艺参数来更新集合C和集合E；
步骤404：重复执行步骤403若干次后，现场操作人员根据其生产经验和连续退火机组当前的生产要求，从更新后的集合E中选择一个连续退火机组生产工艺参数作为静态情况下的连续退火机组工艺参数最优值下发到连续退火机组的过程控制系统进行设定。
4.根据权利要求3所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：所述的步骤402包括如下步骤：
步骤402.1：针对集合C中的每个连续退火机组生产工艺参数计算其各自的连续退火机组生产工艺参数评价指标值；
步骤402.2：根据步骤402.1计算出的各连续退火机组生产工艺参数的评价指标值以及连续退火机组生产工艺参数的优劣判断规则，从初始的连续退火机组生产工艺参数候选集合C中找出最优连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中。
5.根据权利要求3所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：所述的步骤403包括如下步骤：
步骤403.1：根据从当前候选集合C中随机选择的两个不同的连续退火机组生产工艺参数，产生新的连续退火机组生产工艺参数，方法为：假设从当前集合C中随机所选择的两个连续退火机组生产工艺参数分别为第h个连续退火机组生产工艺参数Ph和第g个连续退火机组生产工艺参数Pg，Ph中和Pg中的第k(k＝1,…,27)项工艺参数元素分别记为xhk和xgk、新的连续退火机组生产工艺参数记为P′以及P′中第k项工艺参数元素记为xp’k，则xp’k的确定方法为：首先产生一个随机数r∈[0,1]，如果r<0.5，则xp’k＝(xmin,k–0.5Δk)+r×(xmax,k+0.5Δk)，其中xmin,k＝min{xhk,xgk}，xmax,k＝max{xhk,xgk}，Δk＝xmax,k–xmin,k；否则，xp’k＝xbest,k+r×(xhk–xgk)，其中xbest,k为从当前的最优连续退火机组生产工艺参数集合E中随机选取的一个连续退火机组生产工艺参数Pbest中第k项工艺参数元素的取值；
步骤403.2：针对步骤403.1产生的新的连续退火机组生产工艺参数计算其评价指标；
步骤403.3：根据连续退火机组生产工艺参数的优劣判断规则，评价该新的连续退火机组生产工艺参数相对于用来产生它的从集合C中随机选择的两个不同的连续退火机组生产工艺参数的优劣性，若该新的连续退火机组生产工艺参数至少优于它们两个中的一个，则使用该新的连续退火机组生产工艺参数替换它们两个中较差的一个；否则，删除该新的连续退火机组生产工艺参数；
步骤403.4：重复执行步骤403.1到步骤403.3若干次后，得到一个包含n个连续退火机组生产工艺参数的新的集合C，实现了对集合C的更新；
步骤403.5：利用经过步骤403.4更新后的集合C中的n个连续退火机组生产工艺参数来更新最优连续退火机组生产工艺参数集合E，方法如下：从集合C中的第一个连续退火机组生产工艺参数S1开始，按照下述方法更新集合E，直到集合C中的第n个连续退火机组生产工艺参数Sn结束：如果集合E中至少存在一个连续退火机组生产工艺参数优于集合C中的第i个连续退火机组生产工艺参数Si(i＝1,…,n)，则不对集合E进行更新，并转到集合C中的下一个连续退火机组生产工艺参数Si+1；否则，将Si插入到集合E中，同时从集合E中删除那些劣于Si的连续退火机组生产工艺参数，并转到集合C中的下一个连续退火机组生产工艺参数Si+1；同时，如果更新后的集合E中的连续退火机组生产工艺参数的个数超过了所需的m个，则从集合E中随机删除|E|-m个连续退火机组生产工艺参数，从而保证集合E中连续退火机组生产工艺参数的个数最多为所需的m个。
6.根据权利要求4或权利要求5所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：连续退火机组生产工艺参数评价指标值的计算方法为：
1.带钢质量的计算：使用相应的连续退火机组生产过程模型计算出相应的带钢硬度预报值，并利用该带钢硬度预报值与当前的带钢硬度目标值之间的偏差的绝对值作为带钢质量的量度，偏差的绝对值越小，则带钢质量越好；
2.能源消耗的计算：计算加热炉(HF)各区的温度设定值的平均值，作为能源消耗量的量度，加热炉(HF)各区的温度设定值的平均值越大，则能源消耗量越大；
3.机组生产效率的计算：根据中央段速度计算机组生产效率；
4.退火工艺规程执行度的计算：计算带钢分别在加热炉(HF)、均热炉(SF)、缓冷炉(SCF)、1#冷炉(1C)、1#过时效炉(1OA)、2#过时效炉(2OA)和2#冷却炉(2C)出口处的带钢平均温度与带钢目标温度之间的偏差，并对所有偏差求和得到总偏差作为退火工艺曲线总偏差的量度；退火曲线总偏差为退火工艺规程执行度的量度，退火工艺曲线总偏差越小，则退火工艺规程执行度越高。
7.根据权利要求4或权利要求5所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：
所述连续退火机组生产工艺参数的优劣判断规则为：针对第i个连续退火机组生产工艺参数Pi和第j个连续退火机组生产工艺参数Pj两个不同的连续退火机组生产工艺参数，按以下连续退火机组生产工艺参数的优劣判断规则评价其各自的优劣：
1)如果针对Pi计算出的4个评价指标值均优于针对Pj计算出的4个评价指标值，或者，分别针对Pi和针对Pj计算出的评价指标中，其中至少有一个评价指标Pi是优于Pj的，同时对于其它评价指标两者是相等的，则认为Pi优于Pj，也即Pj劣于Pi；
2)如果针对Pi计算出的4个评价指标中既有优于Pj的，也有劣于Pj的，即无法评价Pi和Pj哪个更好，则称Pi和Pj互为非劣连续退火机组生产工艺参数；
3)如果在当前的一个连续退火机组生产工艺参数集合中，不存在比Pi更优的连续退火机组生产工艺参数，则称Pi为该集合中最优的连续退火机组生产工艺参数，并将该最优连续退火机组生产工艺参数存储到最优连续退火机组生产工艺参数集合E中，且认为集合E中的所有连续退火机组生产工艺参数互为非劣连续退火机组生产工艺参数。
8.根据权利要求1所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：所述连续退火机组生产工艺参数在线动态优化阶段，包括如下步骤：
步骤1000：按照连续退火机组生产工艺参数静态优化阶段确定的连续退火机组工艺参数最优设定值，对待生产的某调制度带钢进行连续退火机组生产；
步骤2000：对该调制度带钢的连续退火机组生产运行状态进行在线监测，如果生产运行状态平稳，即每项生产工艺参数元素值的变化幅度都小于规定的门槛值α，则保持当前的连续退火机组工艺参数设定值不变；否则，利用连续退火机组生产工艺参数在线动态优化方法对连续退火机组工艺参数进行动态优化，以适合最新的连续退火机组生产运行状态；
步骤3000：重复执行步骤2000，直到该种调制度带钢生产结束。
9.根据权利要求8所述的连续退火机组生产过程工艺参数设定与在线优化方法，其特征在于：所述步骤2000中所述的连续退火机组生产工艺参数在线动态优化方法，包括如下步骤：
步骤2001：清空当前的连续退火机组生产工艺参数候选集合C；
步骤2002：基于该种调制度带钢当前的连续退火机组生产运行状态，将最新的最优连续退火机组生产工艺参数集合E中的连续退火机组生产工艺参数复制到已清空的候选集合C中，将此时的候选集合C作为连续退火机组当前生产运行状态下的初始连续退火机组生产工艺参数候选集合；
步骤2003：分别计算当前生产运行状态下的候选集合C中的各连续退火机组生产工艺参数的评价指标值，并对当前的集合C和当前的集合E进行更新，得到最终的集合E；
步骤2004：针对最终的集合E中的每个连续退火机组生产工艺参数分别计算其综合评价指标；连续退火机组生产工艺参数的综合评价指标按照下式进行计算：
f＝w1f1/f1,max+w2f2/f2,max-w3f3/f3,max+w4f4/f4,max
其中f表示连续退火机组生产工艺参数的综合评价指标；f1，f2，f3，f4依次分别表示连续退火机组生产工艺参数的以下4个评价指标的计算值：带钢质量、能源消耗、机组生产效率和退火工艺规程执行度；f1,max、f2,max、f3,max、f4,max分别表示集合E中所有连续退火机组生产工艺参数的各评价指标的最大值；w1、w2、w3、w4依次分别为由现场操作人员依据各指标的重要程度分别为带钢质量、能源消耗、机组生产效率和退火工艺规程执行度4个评价指标设置的权重，其中w1+w2+w3+w4＝1；
步骤2005：根据最终的集合E中每个连续退火机组生产工艺参数的综合评价指标值，从最终的集合E中选择综合评价指标值最小的连续退火机组生产工艺参数，将其各项工艺参数元素值下发到过程控制系统进行设定与执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410841003.8A CN104714519B (zh) | 2014-12-30 | 2014-12-30 | 一种连续退火机组生产过程工艺参数设定与在线优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410841003.8A CN104714519B (zh) | 2014-12-30 | 2014-12-30 | 一种连续退火机组生产过程工艺参数设定与在线优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104714519A true CN104714519A (zh) | 2015-06-17 |
| CN104714519B CN104714519B (zh) | 2017-07-28 |
Family
ID=53413941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410841003.8A Active CN104714519B (zh) | 2014-12-30 | 2014-12-30 | 一种连续退火机组生产过程工艺参数设定与在线优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104714519B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106929662A (zh) * | 2017-01-17 | 2017-07-07 | 唐山钢铁集团有限责任公司 | 一种热冲压成形钢的连续退火方法 |
| CN108034804A (zh) * | 2017-12-08 | 2018-05-15 | 中国地质大学（武汉） | 一种连退机组炉区能耗建模的方法及系统 |
| CN110989522A (zh) * | 2019-12-06 | 2020-04-10 | 东北大学 | 一种面向多钢卷的连退生产过程工艺参数优化设定方法 |
| CN111460376A (zh) * | 2020-04-30 | 2020-07-28 | 中国地质大学（武汉） | 一种面向退火加热过程的多模态识别方法、设备及存储设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1704487A (zh) * | 2004-05-28 | 2005-12-07 | 上海宝信软件股份有限公司 | 一种控制带钢温度的方法 |
| CN101864517A (zh) * | 2010-06-08 | 2010-10-20 | 首钢总公司 | 连续退火机组连退机组炉内张力综合优化设定方法 |
| CN103882176A (zh) * | 2014-03-25 | 2014-06-25 | 东北大学 | 一种基于数据驱动的转炉炼钢过程在线动态最优控制方法 |
-
2014
- 2014-12-30 CN CN201410841003.8A patent/CN104714519B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1704487A (zh) * | 2004-05-28 | 2005-12-07 | 上海宝信软件股份有限公司 | 一种控制带钢温度的方法 |
| CN101864517A (zh) * | 2010-06-08 | 2010-10-20 | 首钢总公司 | 连续退火机组连退机组炉内张力综合优化设定方法 |
| CN103882176A (zh) * | 2014-03-25 | 2014-06-25 | 东北大学 | 一种基于数据驱动的转炉炼钢过程在线动态最优控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| TANG LIXIN: ""A Hybrid Multiobj ective Evolutionary Algorithm for Multiobj ective Optimization Problems"", 《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》 * |
| 尹显东: ""连续退火机组张力在线设定技术开发"", 《冶金设备》 * |
| 汪源: ""基于PLS的连退机组带钢质量预报及过程监测系统设计与实现"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 洪悦: ""基于数据子空间PLS建模技术的热轧轧制力优化设定"", 《控制与决策》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106929662A (zh) * | 2017-01-17 | 2017-07-07 | 唐山钢铁集团有限责任公司 | 一种热冲压成形钢的连续退火方法 |
| CN106929662B (zh) * | 2017-01-17 | 2019-05-24 | 唐山钢铁集团有限责任公司 | 一种热冲压成形钢的连续退火方法 |
| CN108034804A (zh) * | 2017-12-08 | 2018-05-15 | 中国地质大学（武汉） | 一种连退机组炉区能耗建模的方法及系统 |
| CN108034804B (zh) * | 2017-12-08 | 2019-04-23 | 中国地质大学（武汉） | 一种连退机组炉区能耗建模的方法及系统 |
| CN110989522A (zh) * | 2019-12-06 | 2020-04-10 | 东北大学 | 一种面向多钢卷的连退生产过程工艺参数优化设定方法 |
| CN110989522B (zh) * | 2019-12-06 | 2022-09-09 | 东北大学 | 一种面向多钢卷的连退生产过程工艺参数优化设定方法 |
| CN111460376A (zh) * | 2020-04-30 | 2020-07-28 | 中国地质大学（武汉） | 一种面向退火加热过程的多模态识别方法、设备及存储设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104714519B (zh) | 2017-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021189739A1 (zh) | 一种基于生产计划的钢铁企业氧气负荷预测方法 | |
| CN104517162B (zh) | 一种连续退火产品硬度在线集成学习预报方法 | |
| CN100349081C (zh) | 一种高炉热风炉系统协调控制方法 | |
| CN104714519A (zh) | 一种连续退火机组生产过程工艺参数设定与在线优化方法 | |
| CN104376424B (zh) | 一种钢铁企业冷轧区多产线钢卷协调调度方法 | |
| CN101334660B (zh) | 一种冷轧连续退火机组钢卷优化排序方法及其系统 | |
| CN102151704B (zh) | 一种以温度为直控参数的高速线材斯太尔摩线冷却方法 | |
| CN101391268B (zh) | 一种钢板控轧控冷过程温度制度的逆向优化方法 | |
| CN106862283B (zh) | 热轧超快冷过程控制系统 | |
| CN105303243B (zh) | 一种应用高炉煤气预测平衡调度系统的方法 | |
| CN112215464B (zh) | 一种多工况下高炉煤气的预测平衡调度系统 | |
| CN113962050A (zh) | 一种结合产耗预测及管网计算的氧气调度计算方法 | |
| CN103019097A (zh) | 一种轧钢加热炉优化控制系统 | |
| CN103882221A (zh) | 热轧加热炉模型中动态预测板坯最短在炉时间的方法 | |
| CN108921232B (zh) | 一种热轧带钢冷却历史数据聚类及相似性度量方法 | |
| JP5803810B2 (ja) | プロセス制御システム、プロセス制御方法、及びコンピュータプログラム | |
| CN109710976B (zh) | 一种轧钢加热炉煤气消耗量预测方法 | |
| WO2021200118A1 (ja) | 製鉄所におけるエネルギー運用条件の最適計算方法、製鉄所におけるエネルギー運用条件の最適計算装置、及び製鉄所の操業方法 | |
| Puttkammer et al. | A GRASP heuristic for the hot strip mill scheduling problem under consideration of energy consumption | |
| Zanoni et al. | Energy savings in reheating furnaces through process modelling | |
| CN113849020A (zh) | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 | |
| CN112359159A (zh) | 一种基于深度强化学习的热风炉自动烧炉方法及系统 | |
| CN115449621A (zh) | 一种加热炉温度设定的控制方法 | |
| CN106011353B (zh) | 一种高炉热风炉空燃比自寻优方法 | |
| KR102075245B1 (ko) | 전기 강판의 철손 저감 예측 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |