CN105400951B - 一种用于硅钢退火的加湿混合控制系统及其控制方法 - Google Patents
一种用于硅钢退火的加湿混合控制系统及其控制方法 Download PDFInfo
- Publication number
- CN105400951B CN105400951B CN201511021750.8A CN201511021750A CN105400951B CN 105400951 B CN105400951 B CN 105400951B CN 201511021750 A CN201511021750 A CN 201511021750A CN 105400951 B CN105400951 B CN 105400951B
- Authority
- CN
- China
- Prior art keywords
- mrow
- pid controller
- wet
- control
- mixture
- 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
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D1/00—General methods or devices for heat treatment, e.g. annealing, hardening, quenching or tempering
- C21D1/26—Methods of annealing
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Mechanical Engineering (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种用于硅钢退火的加湿混合控制系统及其控制方法。控制系统包括加湿混合系统和控制模块两大部分，控制模块包括数据处理单元与工业PLC控制单元，数据处理单元包括数据预处理模块和LS‑SVM预测模型模块。控制方法是在蒸汽加湿系统的平台上，利用最小二乘支持向量机模型对退火炉炉内露点进行预测，以此作为露点前馈控制的依据，并建立露点与蒸汽加热、湿干气流量的串级控制回路，最终实现加湿混合系统的自动闭环控制。本发明能很好地实现蒸汽加湿混合系统对硅钢退火炉炉内露点的自动闭环控制，大大提高了退火炉的自动化水平，减少能源消耗，促进硅钢退火产品质量的提升，并能最终创造可观的经济效益。
Description
技术领域
本发明属于在线监控技术领域，尤其是涉及一种用于硅钢退火的加湿混合控制系统及其控制方法。
背景技术
在硅钢连续退火生产线上，氮氢混合加湿系统是硅钢退火不可或缺的设备。硅钢板带对于退火炉炉内气氛要求严格，既要满足脱碳需要，又要防止板带表面氧化，因而需要采用湿的氮氢混合气作为保护气体。
现有的氮氢混合加湿系统是将干的氮氢混合气鼓入一定温度的脱盐水中，然后于水面上方收集湿润的混合气再送入炉内。整个系统是通过电加热器控制水温进而控制混合气的湿度。但这种加湿的方式不仅设备较多，对电能和脱盐水的消耗很大，经济性差，而且加热和加湿效率很低，对混合气目标露点控制的响应速度也慢，进而影响炉内露点控制，特别是炉段露点的自动控制。
由于不同规格硅钢的退火，特别是取向硅钢退火对炉段露点的要求差异很大，所以国内生产线在进行板带规格切换时，常常需要花费很长时间对炉段露点进行调整，且完全通过人工完成，其调整精度和响应速度均不理想，因而造成了能源和资源的大量浪费。
发明内容
本发明要解决的技术问题是，针对现有的氮氢混合加湿系统所存在的问题和弊端，提供一种用于硅钢退火的加湿混合控制系统及其控制方法，利用最小二乘支持向量机的模型预测和串级控制实现对炉内露点的前馈和串级控制，实现硅钢退火炉炉内露点的自动闭环控制。
本发明为解决上述技术问题所采用的技术方案是：
一种用于硅钢退火的加湿混合控制系统，包括加湿混合系统和控制模块两大部分：
所述的加湿混合系统，至少包括氮氢混合系统、干混合气流通通道、湿混合气流通通道、干湿混合流通通道、湿混合气加湿系统、加湿罐和退火炉，所述氮氢混合系统的输出端分别与干混合气流通通道的一端、湿混合气流通通道的一端连接，湿混合气流通通道经加湿罐后与干混合气流通通道的另一端共同接至干湿混合流通通道后再与退火炉连接；
所述氮氢混合系统包括由纯氮气和纯氢气组成的混合室；所述干混合气流通通道设置有干混合气流量计、干气流量调节阀，所述湿混合气流通通道依次设置有湿混合气流量计、湿气流量调节阀、混合气喷入口、填料、湿混合气输出管、湿混合气输出温度计和电加热器，混合气喷入口设置在加湿罐的侧壁，填料设置在加湿罐内部，湿混合气输出管一端伸入加湿罐内、另一端与湿混合气输出温度计连接，湿混合气流量计、湿气流量调节阀用于控制湿混合气流量；混合室内的混合气通过混合气喷入口进入加湿罐内，加湿罐用于对混合气进行蒸汽加湿，并通过湿混合气输出温度计测量湿混合气输出温度，进而监测湿混合气输出露点，电加热器用于防止湿混合气在流通管道中结露而影响炉内加湿效果；所述湿混合气加湿系统包括蒸汽调节阀、蒸汽喷入管，蒸汽调节阀通过蒸汽喷入管通入加湿罐，蒸汽调节阀用于通过控制蒸汽通入量来控制湿混合气的露点；所述退火炉内设置有露点分析仪，露点分析仪用于测量得到退火炉内的露点；
所述的控制模块包括数据处理单元与工业PLC控制单元，数据处理单元包括数据预处理模块和LS-SVM预测模型模块；工业PLC控制单元至少包括露点PID控制器、串级逻辑运算器、蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器，干混合气流量计、湿混合气流量计、湿混合气输出温度计与数据预处理模块的输入端连接，数据预处理模块的输出端依次与LS-SVM预测模型模块、露点PID控制器、串级逻辑运算器连接，串级逻辑运算器的输出端分别与蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器连接，蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器，蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器分别与蒸汽调节阀、湿气流量调节阀和干气流量调节阀连接。
本发明还提供了一种上述用于硅钢退火的加湿混合控制系统的控制方法，包括如下步骤：
S1、通过加湿混合系统和控制模块建立干湿混合气流量的闭环调节回路，建立加湿混合系统的蒸汽加热加湿调节回路，向退火炉通入干湿混合气，并启动露点分析仪实时分析炉内露点；在人工干预下进行混合气的加湿及干湿混合控制，并记录数据；
S2、人工设定LS-SVM预测模型模块的惩罚系数和核宽度，数据预处理模块将炉内的露点DP、通入炉内的干湿混合气的流量比Kf、湿混合气输出温度Ts和带钢运行的线速度Vf数据进行归一化预处理，并由人工选定训练集和测试集；
S3、由LS-SVM预测模型模块建立预测模型，并利用最小二乘支持向量机对预测模型进行训练；
S4、将预测模型计算数据与实际测量数据比较测试，并进行误差评价；如果误差评价合格，表示预测模型建立成功，暂停训练；但LS-SVM预测模型模块仍持续监测和评价预测误差，如出现差异，提示人工启动训练流程(即步骤S3)；
S5、利用成熟的预测模型计算下一时刻的露点DP预测值，并由露点PID控制器根据露点DP预测值和DP设定值计算露点PID控制器输出MVDP；
S6、由串级逻辑运算器根据露点PID控制器输出MVDP，按串级控制逻辑运算器的运算规则计算得到流量比Kf，并得到湿气流量PID控制器的设定流量、干气流量PID控制器的设定流量和蒸汽加热PID控制器设定温度SVTs；
S7、湿气流量PID控制器、干气流量PID控制器和蒸汽加热PID控制器分别实现湿气流量调节阀、干气流量调节阀和蒸汽调节阀动作，控制湿干气和蒸汽流量，并最终实现对炉内露点的调节。
按上述方案，所述步骤S2中，数据预处理模块对数据进行归一化预处理，具体为：
设定(Kf,Ts,Vf,DP)＝(x1,x2,x3,y)；
归一化公式：
式(1)中，为采集的原始数据，和分别是采集数据中的最大和最小值，归一化后，作为LS-SVM预测模型模块的输入向量，输出向量y进行类似的归一化，得到yi作为LS-SVM预测模型模块的输出向量；
由数据处理单元在数据库中建立样本集并在样本集中输入输出向量随时间存在一定变化的过程中选取连续的大量样本作为训练集，少量样本作为测试集；
所述步骤S3中，数据处理单元根据训练集构建预测模型，具体为：建立非线性回归函数其中ω为权向量，b为偏差量，是将原始空间映射到一个高维特征空间的核空间映射函数；
根据结构风险最小化准则，建立预测模型
式(2)中，εi为误差变量；c≥0为惩罚系数，用于在训练误差和模型复杂度之间取一个折中；
构造Lagrange函数进行求解：
式(3)中，ai(i＝1,2,···,N)为Lagrange乘子，优化Lagrange函数得到：
消去式(4)中的变量ω和εi，并根据Mercer条件，设定 并采用径向基函数作为预测机的核函数，其中σ为核宽度，得到如下线性方程组：
人工设定惩罚系数c和核宽度σ，并用方程组(5)求解ai和b，最后得到非线性回归函数作为输出向量yi的预测公式：
预测模型建立后，将测试集代入到模型中进行性能评价。
按上述方案，所述步骤S4中误差评价采用平均误差计算公式式中，Qi为实际测量值，fi为预测值，m为验证次数。
按上述方案，所述控制模块对湿混合气输出温度的控制采取选择性控制，当通入炉内的干湿混合气的流量比小于15％，或者大于65％时，控制模块才对湿混合气输出温度进行调节。
按上述方案，所述串级逻辑运算器的运算规则如下：
1)流量比Kf＝露点PID控制器输出MVDP/100；
2)湿气流量PID控制器设定流量＝湿气实测流量PVSH×流量比Kf；
3)干气流量PID控制器设定流量＝干气实测流量PVGH×(1-流量比Kf)；
4)蒸汽加热PID控制器设定温度SVTs计算式如下：
本发明的工作原理：在硅钢连续退火炉中，炉内的露点与通入炉内的干湿混合气的流量比、湿混合气输出温度和带钢运行的线速度等参数密切相关，因此本发明的核心控制方法就是在蒸汽加湿系统的平台上，采用最小二乘向量机(LS-SVM)方法建立上述三个参量与炉内露点之间的模型关系，再利用模型计算并预测后一时刻的炉内露点，具体是：利用最小二乘支持向量机模型对退火炉炉内露点进行预测，以此作为露点前馈控制的依据，并建立露点与蒸汽加热、湿干气流量的串级控制回路，最终实现加湿混合系统的自动闭环控制。数据处理单元用于数据库管理、预测模型建立及运算，工业PLC控制单元用于执行数据采集、控制及系统操作的人机交互HMI。
本发明的有益效果：利用最小二乘支持向量机的模型预测和串级控制技术实现对炉内露点的前馈和串级控制，能很好地实现蒸汽加湿混合系统对硅钢退火炉炉内露点的自动闭环控制，大大提高了退火炉的自动化水平，减少能源消耗，促进硅钢退火产品质量的提升，并能最终创造可观的经济效益。
附图说明
图1是本发明加湿混合系统的原理图；
图中，FE-XC01：湿混合气流量计，FCV-XC01：湿气流量调节阀，FE-XC02：干混合气流量计，FCV-XC02：干气流量调节阀，TCV-XC01：蒸汽调节阀，TE-XC01：湿混合气输出温度计，AE-01：露点分析仪；
图2是本发明控制模块的结构框图；
图3是本发明的LS-SVM预测模型模块的训练流程图。
具体实施方式
下面结合附图和一个较佳实施例对本发明技术方案进行详细的描述。
实施例中，本发明用于硅钢退火的加湿混合控制系统包括加湿混合系统和控制模块两大部分。
如图1所示，本发明所述的加湿混合系统，至少包括氮氢混合系统、干混合气流通通道、湿混合气流通通道、干湿混合流通通道、湿混合气加湿系统、加湿罐和退火炉，氮氢混合系统的输出端分别与干混合气流通通道的一端、湿混合气流通通道的一端连接，湿混合气流通通道经加湿罐后与干混合气流通通道的另一端共同接至干湿混合流通通道后再与退火炉连接。
氮氢混合系统包括由纯氮气和纯氢气组成的混合室；干混合气流通通道设置有FE-XC02干混合气流量计、FCV-XC02干气流量调节阀，湿混合气流通通道依次设置有FE-XC01湿混合气流量计、FCV-XC01湿气流量调节阀、混合气喷入口、填料、湿混合气输出管、TE-XC01湿混合气输出温度计和电加热器，混合气喷入口设置在加湿罐的侧壁，填料设置在加湿罐内部，湿混合气输出管一端伸入加湿罐内、另一端与TE-XC01湿混合气输出温度计连接，FE-XC01湿混合气流量计、FCV-XC01湿气流量调节阀用于控制湿混合气流量；混合室内的混合气通过混合气喷入口进入加湿罐内，加湿罐用于对混合气进行蒸汽加湿，并通过TE-XC01湿混合气输出温度计测量湿混合气输出温度，进而监测湿混合气输出露点(由于加湿系统可实现气体充分加湿，湿混合气可认为为湿度饱和气体，所以湿混合气输出温度可认为就是其露点)，电加热器用于防止湿混合气在流通管道中结露而影响炉内加湿效果；湿混合气加湿系统包括TCV-XC01蒸汽调节阀、蒸汽喷入管，TCV-XC01蒸汽调节阀通过蒸汽喷入管通入加湿罐，TCV-XC01蒸汽调节阀用于通过控制蒸汽通入量来控制湿混合气的露点；退火炉内设置有露点分析仪，露点分析仪用于测量得到退火炉内的露点。
如图2所示，本发明所述的控制模块包括数据处理单元与工业PLC控制单元，数据处理单元用于数据库管理、预测模型建立及运算，包括数据预处理模块和LS-SVM预测模型模块；工业PLC控制单元用于执行数据采集、控制及系统操作的人机交互HMI，至少包括露点PID控制器、串级逻辑运算器、蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器，FE-XC02干混合气流量计、FE-XC01湿混合气流量计、TE-XC01湿混合气输出温度计与数据预处理模块的输入端连接，数据预处理模块的输出端依次与LS-SVM预测模型模块、露点PID控制器、串级逻辑运算器连接，串级逻辑运算器的输出端分别与蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器连接，蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器，蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器分别与TCV-XC01蒸汽调节阀、FCV-XC01湿气流量调节阀和FCV-XC02干气流量调节阀连接、用于驱动对应的调节阀动作。
在硅钢连续退火炉中，炉内的露点与通入炉内的干湿混合气的流量比Kf、湿混合气输出温度Ts和带钢运行的线速度Vf等参数密切相关，因此本发明的核心控制方法就是采用最小二乘向量机(LS-SVM)方法建立上述三个参量与炉内露点之间的模型关系，再利用模型计算并预测后一时刻的炉内露点。通入炉内的干湿混合气的流量比Kf、湿混合气输出温度Ts和带钢运行的线速度Vf等参数就是加湿混合系统的输入变量。而此系统模型预测的基础就是输入变量和露点分析仪所采集数据的样本。
由于带钢运行线速度与退火炉及生产状态密切相关，所以加湿混合控制系统对此参数一般只接收，不调整；而湿混合气输出温度的控制具有大滞后特性，调整时参数波动很大，加湿混合控制系统对此参数只有在特定条件下才进行调整；而系统更多地是对通入炉内的干湿混合气的流量比Kf进行调整，并进而得到目标露点。
由于各流量计和阀门均存在量程比和调节比的限制，加湿混合控制系统对通入炉内的干湿混合气的流量比也存在调节盲区，那么就需要加入对湿混合气输出温度的控制。根据实际应用经验，通入炉内的干湿混合气的流量比小于15％，或者大于65％时，加湿混合控制系统均需要对湿混合气输出温度进行调节，即调节蒸汽的流量大小。
完成初始化之后，系统进入预测模型训练过程。本发明采用最小二乘支持向量机(LS-SVM)方法进行模型预测。图3展示了预测模型训练流程。
设定(Kf,Ts,Vf,DP)＝(x1,x2,x3,y)。
首先，数据预处理模块对数据进行归一化预处理：
式(1)中，为采集的原始数据，和分别是采集数据中的最大和最小值。归一化后，(j＝1,2,3)，并作为LS-SVM预测模型模块的输入向量。输出向量y也进行类似的归一化，得到yi作为LS-SVM预测模型模块的输出向量。
由数据处理单元在数据库中建立样本集并在样本集中输入输出向量随时间存在一定变化的过程中选取连续的大量样本作为训练集，少量样本作为测试集。
然后数据处理单元根据训练集构建预测模型。基本过程是：建立非线性回归函数其中ω为权向量，b为偏差量，是将原始空间映射到一个高维特征空间的核空间映射函数。
根据结构风险最小化准则，建立预测模型
式(2)中，εi为误差变量；c≥0为惩罚系数，用于在训练误差和模型复杂度之间取一个折中。
构造Lagrange函数进行求解：
式(3)中，ai(i＝1,2,···,N)为Lagrange乘子，优化Lagrange函数得到：
消去式(4)中的变量ω和εi，并根据Mercer条件，设定 并采用径向基函数作为预测机的核函数，其中σ为核宽度，得到如下线性方程组：
人工设定惩罚系数c和核宽度σ，并用方程组求解ai和b，最后得到非线性回归函数作为输出向量yi的预测公式：
预测模型建立后，将测试集代入到模型中进行性能评价。模型性能评价指标采用平均误差计算公式式中，Qi为实际测量值，fi为预测值，m为验证次数。
在本发明中，平均误差ε主要用于衡量人工设定的惩罚系数c和核宽度σ的准确性。如果平均误差ε不能达到要求，则由人工调整惩罚系数c和核宽度σ，控制模块根据训练集和测试集重新计算，直至平均误差达到要求。
数据处理单元主要在The MathWorks公司的MATLAB平台下完成，而数据库则建立在微软的ACCESS平台下。工业PLC控制系统为西门子PCS7系统。
实施例中，在数据处理之前，数据处理单元提示人工设定惩罚系数c和核宽度σ，系统给出默认值分别是4500和0.6。数据采集与归一化处理同时进行，并将样本数据在画面上以曲线方式表达出来。由人工根据数据曲线选取连续的300组样本作为训练集，随后的60组样本作为测试集。测试集的部分样本和结果如下表1。
表1 测试集的部分样本和结果
此实例中，平均误差ε要求低于5％。如表1所示，平均误差ε满足要求，认为模型评价合格，此预测模型训练结束。
但LS-SVM预测模型模块仍持续监测和评价预测误差，如出现差异，提示人工启动训练流程。
随后，利用成熟的预测模型计算下一时刻的露点DP预测值，并由露点PID控制器根据露点DP预测值和DP设定值计算露点PID控制器输出MVDP。
由串级逻辑运算器根据露点PID控制器输出MVDP，按串级控制逻辑运算器的运算规则计算得到流量比Kf，并得到湿气流量PID控制器的设定流量、干气流量PID控制器的设定流量和蒸汽加热PID控制器设定温度SVTs。
湿气流量PID控制器、干气流量PID控制器和蒸汽加热PID控制器分别实现FCV-XC01湿气流量调节阀、FCV-XC02干气流量调节阀和TCV-XC01蒸汽调节阀动作，控制湿干气和蒸汽流量，并最终实现对炉内露点的调节。
以上所述的实例仅是对本发明的基本实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域技术人员对本发明的技术方案做出的各种变换和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (5)
1.一种用于硅钢退火的加湿混合控制系统的控制方法，控制系统包括加湿混合系统和控制模块两大部分：
所述的加湿混合系统，至少包括氮氢混合系统、干混合气流通通道、湿混合气流通通道、干湿混合流通通道、湿混合气加湿系统、加湿罐和退火炉，所述氮氢混合系统的输出端分别与干混合气流通通道的一端、湿混合气流通通道的一端连接，湿混合气流通通道经加湿罐后与干混合气流通通道的另一端共同接至干湿混合流通通道后再与退火炉连接；
所述氮氢混合系统包括由纯氮气和纯氢气组成的混合室；所述干混合气流通通道设置有干混合气流量计、干气流量调节阀，所述湿混合气流通通道依次设置有湿混合气流量计、湿气流量调节阀、混合气喷入口、填料、湿混合气输出管、湿混合气输出温度计和电加热器，混合气喷入口设置在加湿罐的侧壁，填料设置在加湿罐内部，湿混合气输出管一端伸入加湿罐内、另一端与湿混合气输出温度计连接，湿混合气流量计、湿气流量调节阀用于控制湿混合气流量；混合室内的混合气通过混合气喷入口进入加湿罐内，加湿罐用于对混合气进行蒸汽加湿，并通过湿混合气输出温度计测量湿混合气输出温度，进而监测湿混合气输出露点，电加热器用于防止湿混合气在流通管道中结露而影响炉内加湿效果；所述湿混合气加湿系统包括蒸汽调节阀、蒸汽喷入管，蒸汽调节阀通过蒸汽喷入管通入加湿罐，蒸汽调节阀用于通过控制蒸汽通入量来控制湿混合气的露点；所述退火炉内设置有露点分析仪，露点分析仪用于测量得到退火炉内的露点；
所述的控制模块包括数据处理单元与工业PLC控制单元，数据处理单元包括数据预处理模块和LS-SVM预测模型模块；工业PLC控制单元至少包括露点PID控制器、串级逻辑运算器、蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器，干混合气流量计、湿混合气流量计、湿混合气输出温度计与数据预处理模块的输入端连接，数据预处理模块的输出端依次与LS-SVM预测模型模块、露点PID控制器、串级逻辑运算器连接，串级逻辑运算器的输出端分别与蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器连接，蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器，蒸汽加热PID控制器、湿气流量PID控制器和干气流量PID控制器分别与蒸汽调节阀、湿气流量调节阀和干气流量调节阀连接，其特征在于，控制方法包括如下步骤：
S1、通过加湿混合系统和控制模块建立干湿混合气流量的闭环调节回路，建立加湿混合系统的蒸汽加热加湿调节回路，向退火炉通入干湿混合气，并启动露点分析仪实时分析炉内露点；在人工干预下进行混合气的加湿及干湿混合控制，并记录数据；
S2、人工设定LS-SVM预测模型模块的惩罚系数和核宽度，数据预处理模块将炉内的露点DP、通入炉内的干湿混合气的流量比Kf、湿混合气输出温度Ts和带钢运行的线速度Vf数据进行归一化预处理，并由人工选定训练集和测试集；
S3、由LS-SVM预测模型模块建立预测模型，并利用最小二乘支持向量机对预测模型进行训练；
S4、将预测模型计算数据与实际测量数据比较测试，并进行误差评价；如果误差评价合格，表示预测模型建立成功，暂停训练；但LS-SVM预测模型模块仍持续监测和评价预测误差，如出现差异，提示人工启动训练流程；
S5、利用成熟的预测模型计算下一时刻的露点DP预测值，并由露点PID控制器根据露点DP预测值和DP设定值计算露点PID控制器输出MVDP；
S6、由串级逻辑运算器根据露点PID控制器输出MVDP，按串级控制逻辑运算器的运算规则计算得到流量比Kf，并得到湿气流量PID控制器的设定流量、干气流量PID控制器的设定流量和蒸汽加热PID控制器设定温度SVTs；
S7、湿气流量PID控制器、干气流量PID控制器和蒸汽加热PID控制器分别实现湿气流量调节阀、干气流量调节阀和蒸汽调节阀动作，控制湿干气和蒸汽流量，并最终实现对炉内露点的调节。
2.根据权利要求1所述的用于硅钢退火的加湿混合控制系统的控制方法，其特征在于，所述步骤S2中，数据预处理模块对数据进行归一化预处理，具体为：
设定(Kf,Ts,Vf,DP)＝(x1,x2,x3,y)；
归一化公式：
式(1)中，为采集的原始数据，和分别是采集数据中的最大和最小值，归一化后，作为LS-SVM预测模型模块的输入向量，输出向量y进行归一化，得到yi作为LS-SVM预测模型模块的输出向量；
由数据处理单元在数据库中建立样本集并在样本集中输入输出向量随时间存在一定变化的过程中选取连续的大量样本作为训练集，少量样本作为测试集；
所述步骤S3中，数据处理单元根据训练集构建预测模型，具体为：建立非线性回归函数其中ω为权向量，b为偏差量，是将原始空间映射到一个高维特征空间的核空间映射函数；
根据结构风险最小化准则，建立预测模型
式(2)中，εi为误差变量；c≥0为惩罚系数，用于在训练误差和模型复杂度之间取一个折中；
构造Lagrange函数进行求解：
式(3)中，ai(i＝1,2,…,N)为Lagrange乘子，优化Lagrange函数得到：
消去式(4)中的变量ω和εi，并根据Mercer条件，设定 并采用径向基函数作为预测机的核函数，其中σ为核宽度，得到如下线性方程组：
人工设定惩罚系数c和核宽度σ，并用方程组(5)求解ai和b，最后得到非线性回归函数作为输出向量yi的预测公式：
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mi>K</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mi>j</mi>
</msup>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>b</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>;</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
预测模型建立后，将测试集代入到模型中进行性能评价。
3.根据权利要求1所述的用于硅钢退火的加湿混合控制系统的控制方法，其特征在于，所述步骤S4中误差评价采用平均误差计算公式式中，Qi为实际测量值，fi为预测值，m为验证次数。
4.根据权利要求1所述的用于硅钢退火的加湿混合控制系统的控制方法，其特征在于，所述控制模块对湿混合气输出温度的控制采取选择性控制，当通入炉内的干湿混合气的流量比小于15％，或者大于65％时，控制模块才对湿混合气输出温度进行调节。
5.根据权利要求1所述的用于硅钢退火的加湿混合控制系统的控制方法，其特征在于，所述串级逻辑运算器的运算规则如下：
1)流量比Kf＝露点PID控制器输出MVDP/100；
2)湿气流量PID控制器设定流量＝湿气实测流量PVSH×流量比Kf；
3)干气流量PID控制器设定流量＝干气实测流量PVGH×(1-流量比Kf)；
4)蒸汽加热PID控制器设定温度SVTs计算式如下：
<mrow>
<msub>
<mi>SV</mi>
<mrow>
<mi>T</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>K</mi>
<mi>f</mi>
</mrow>
<mn>0.15</mn>
</mfrac>
<mo>&times;</mo>
<mi>T</mi>
<mi>s</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<mi>K</mi>
<mi>f</mi>
<mo>&le;</mo>
<mn>0.15</mn>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>K</mi>
<mi>f</mi>
<mo>-</mo>
<mn>0.65</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mrow>
<mn>80</mn>
<mo>-</mo>
<mi>T</mi>
<mi>s</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>T</mi>
<mi>s</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mrow>
<mi>K</mi>
<mi>f</mi>
<mo>&GreaterEqual;</mo>
<mn>0.65</mn>
</mrow>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
3
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511021750.8A CN105400951B (zh) | 2015-12-30 | 2015-12-30 | 一种用于硅钢退火的加湿混合控制系统及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511021750.8A CN105400951B (zh) | 2015-12-30 | 2015-12-30 | 一种用于硅钢退火的加湿混合控制系统及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105400951A CN105400951A (zh) | 2016-03-16 |
| CN105400951B true CN105400951B (zh) | 2017-10-17 |
Family
ID=55466704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511021750.8A Active CN105400951B (zh) | 2015-12-30 | 2015-12-30 | 一种用于硅钢退火的加湿混合控制系统及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105400951B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106282905B (zh) * | 2016-09-12 | 2019-03-15 | 北京首钢股份有限公司 | 一种提高取向电工钢氧含量稳定性的系统及方法 |
| EP3899069A1 (en) * | 2018-12-21 | 2021-10-27 | ArcelorMittal | Steel strip annealing furnace with humidity control device |
| CN115029527B (zh) * | 2022-04-27 | 2023-09-19 | 首钢智新迁安电磁材料有限公司 | 一种加湿器蒸汽露点的控制方法 |
| CN115058570A (zh) * | 2022-06-22 | 2022-09-16 | 首钢集团有限公司 | 一种退火炉炉区露点控制方法、装置、系统及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201132843Y (zh) * | 2007-11-30 | 2008-10-15 | 中冶南方工程技术有限公司 | 氮氢混合气加湿槽 |
| CN201186942Y (zh) * | 2008-04-22 | 2009-01-28 | 宝山钢铁股份有限公司 | 一种连续退火炉用加湿装置 |
| CN201605295U (zh) * | 2009-10-23 | 2010-10-13 | 宝山钢铁股份有限公司 | 高精度连续退火炉用加湿装置 |
| CN202595220U (zh) * | 2012-02-17 | 2012-12-12 | 宝山钢铁股份有限公司 | 一种连续退火炉气氛露点控制装置 |
| CN104962709A (zh) * | 2015-06-12 | 2015-10-07 | 内蒙古包钢钢联股份有限公司 | 一种新型硅钢连续退火炉氮氢配比加湿装置及连续退火脱碳方法 |
-
2015
- 2015-12-30 CN CN201511021750.8A patent/CN105400951B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201132843Y (zh) * | 2007-11-30 | 2008-10-15 | 中冶南方工程技术有限公司 | 氮氢混合气加湿槽 |
| CN201186942Y (zh) * | 2008-04-22 | 2009-01-28 | 宝山钢铁股份有限公司 | 一种连续退火炉用加湿装置 |
| CN201605295U (zh) * | 2009-10-23 | 2010-10-13 | 宝山钢铁股份有限公司 | 高精度连续退火炉用加湿装置 |
| CN202595220U (zh) * | 2012-02-17 | 2012-12-12 | 宝山钢铁股份有限公司 | 一种连续退火炉气氛露点控制装置 |
| CN104962709A (zh) * | 2015-06-12 | 2015-10-07 | 内蒙古包钢钢联股份有限公司 | 一种新型硅钢连续退火炉氮氢配比加湿装置及连续退火脱碳方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105400951A (zh) | 2016-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105400951B (zh) | 一种用于硅钢退火的加湿混合控制系统及其控制方法 | |
| CN105546572B (zh) | 一种立式退火炉燃烧段温度自动控制系统及其方法 | |
| CN106949598B (zh) | 网络流量负载变化时的网络中心机房节能优化方法 | |
| CN105886680B (zh) | 一种高炉炼铁过程铁水硅含量动态软测量系统及方法 | |
| CN102053562B (zh) | 一种裂解炉出口温度混合控制方法 | |
| CN108105844B (zh) | 一种基于室内和室外温度联合补偿的智能换热站控制方法 | |
| CN109190848A (zh) | 一种基于时延预估的SCR系统NOx排放浓度预测方法 | |
| CN104090491B (zh) | 燃气蒸汽联合循环机组多变量受限预测函数负荷控制方法 | |
| CN106227038A (zh) | 基于神经网络和模糊控制的粮食烘干塔智能控制方法 | |
| CN101477367A (zh) | 面向节能降耗的工艺过程效能优化控制方法及其应用 | |
| CN102540879A (zh) | 基于群决策检索策略的多目标评价优化方法 | |
| CN109492335B (zh) | 一种退火炉炉温预测方法及系统 | |
| CN101509812A (zh) | 一种冶金加热炉炉内钢坯温度分布检测的软测量方法 | |
| CN102156496A (zh) | 一种反应釜温度混合控制方法 | |
| CN107023966A (zh) | 一种地铁站空调冷却水出水温度设定值优化方法 | |
| CN111880504A (zh) | 一种智能的动态分区喷氨控制方法和系统 | |
| CN201476905U (zh) | 神经网络pid控温的热电偶自动检定系统 | |
| JP6063058B2 (ja) | 冷間圧延における酸洗のための酸濃度制御方法および装置 | |
| CN104536396A (zh) | 一种水泥生料在分解炉内分解过程的软测量建模方法 | |
| CN108579929B (zh) | 一种基于rbf神经网络预测控制的双进双出球磨机控制系统及控制方法 | |
| CN108386953A (zh) | 一种产生恒定温湿度气体的控制系统及调节方法 | |
| CN112923435B (zh) | 一种基于人工智能和优化算法的集中供热二次侧调控方法 | |
| CN208205047U (zh) | 适于烟气余热回收的前馈神经网络控制系统的硬件架构 | |
| CN106709149A (zh) | 一种基于神经网络的铝电解槽三维炉膛形状实时预测方法和系统 | |
| CN105785761A (zh) | 水泥生料分解过程温度智能切换控制方法 |
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 |