CN105414205A - 一种基于plc的钢板温度在线预测方法 - Google Patents

Abstract

本发明一种基于PLC的钢板温度在线预测方法，属于轧制领域，本发明针对钢板温度的在线预测模型直接嵌入至PLC中，能够高速运算，满足计算精度的要求；同时，温度模型计算所需数据直接从PLC中获取，减少了通讯环节，计算结果可为工艺模型提供温度预测数据，即具有计算速度快、精度高、响应迅速的特点，实时获得钢板厚度方向上的温度分布，对于轧制工艺的稳定实施、指导轧制规程优化及过程控制模型的参数自学习具有重要的实际意义。

Description

一种基于PLC的钢板温度在线预测方法

技术领域

本发明属于轧制领域，具体涉及一种基于PLC的钢板温度在线预测方法。

背景技术

随着先进的计算机和控制技术在轧制中的广泛应用，用户对产品的尺寸、质量和性能等要求越来越严格；对于钢板的轧制来说，钢板温度的控制至关重要，温度决定了金属的变形抗力，是轧制力、力矩、功率等力学参数的敏感影响因素，影响到成品的厚度精度、板形和表面状态等外形质量；同时温度也是钢板再结晶、相变、析出等微观组织变化的重要条件，钢板温度的控制精度决定了轧后产品的组织和性能；

轧制过程中钢板工艺规程的制定与温度制度密切相关，生产过程中生产线上每块钢板的温度的变化是轧制节奏的控制和力能模型精确计算具的重要基础；目前生产环境下对于钢板温度的处理和计算的方法具有如下缺点：

(1)通过测温仪测量钢板温度。

现场安装的测温仪仅能测量到钢板在某个位置的表面温度，而且由于热轧钢板表面氧化铁皮和表面残余冷却水的原因，特别是在轧机附近钢板温度的测量值变化剧烈，测量结果并不能代表实际钢板温度，无法为模型计算提供精确温度数据；

(2)在计算机中使用模型计算温度。

目前的计算机中常采用的非实时操作系统，温度模型的计算周期长，无法实现高速计算，计算精度无法保证；此外，计算机温度模型所需的大量数据均来自于生产现场，计算机需要与生产控制PLC进行大量的数据通讯，消耗系统资源。

发明内容

针对现有技术的不足，本发明提出一种基于PLC的钢板温度在线预测方法，以达到提高钢板生产全过程的温度预测的计算速度、精度和响应速度的目的。

一种基于PLC的钢板温度在线预测方法，包括以下步骤：

步骤1、建立生产过程中钢板的跟踪队列，并在跟踪队列中对钢板的头部位置、长度、厚度和温度分布进行实时更新；

步骤2、采用建立差分温度模型的方式描述钢板沿厚度方向的温度分布情况；

步骤3、根据钢板的换热方式，基于PLC对钢板的温度进行在线预测，并在跟踪队列中更新温度数据。

步骤2所述的差分温度模型，具体如下：

从钢板1/2厚度处向钢板上表面，沿厚度方向离散划分若干个节点，并建立差分温度模型；所述的差分温度模型，包括边界节点随时间变化的差分温度模型和内部节点岁时间变化的差分温度模型；

边界节点随时间变化的差分温度模型，公式如下：

$T_N^{k+1}=(1-2f-2B_{i}f)T_N^k+2{\mathrm{fT}}_{N-1}^k+2{\mathrm{fB}}_i---\left(1\right)$

其中，B_i＝hΔy/K，h表示为钢板表面与外界的换热系数，K为导热系数；Δy表示厚度方向相邻节点的距离；表示k时刻边界节点N的温度，表示k时刻边界节点N-1的温度，表示k+1时刻边界节点N的温度；f＝αΔt/(Δy)²，α＝K/(ρc)表示导温系数，ρ表示材料密度；c表示比热；Δt表示时间迭代步长。

内部节点随时间变化的差分温度模型，公式如下：

$T_j^{k+1}=(1-2f)T_j^k+{\mathrm{fT}}_{j+1}^k+{\mathrm{fT}}_{j-1}^k---\left(2\right)$

其中，表示k时刻节点j的温度，表示k时刻节点j-1的温度，表示k时刻节点j+1的温度，表示k+1时刻节点j的温度，k＝0时，

步骤3所述的根据钢板的换热方式，基于PLC对钢板的温度进行在线预测，并在跟踪队列中更新温度数据，具体包括如下步骤：

步骤3-1、判断钢板所属换热方式，包括：空冷辐射换热、轧制过程轧辊与钢板接触换热和除鳞过程高压水与钢板接触换热；

当为空冷辐射换热时，则执行步骤3-2；

当为轧制过程轧辊与钢板接触换热或除鳞过程高压水与钢板接触换热时，则执行步骤3-3；

步骤3-2、采用PLC中定时中断组织块OB35，定时获取跟踪队列中钢板的换热系数、传导系数和比热，并根据建立的差分温度模型对跟踪队列中钢板的温度进行更新，实现在线预测；

步骤3-3、采用PLC中循环组织块OB1，根据触发获取跟踪队列中钢板的换热系数、传导系数和比热，并根据建立的差分温度模型对跟踪队列中钢板的温度进行更新，实现在线预测。

本发明优点：

本发明为了能够对轧制过程每块钢板的温度进行预测，建立队列对钢板进行位置微跟踪；钢板从出炉开始加入队列中，轧制结束时从队列中删除；队列中钢板的位置跟踪利用所占用的辊道速度进行计算，并通过金属检测器进行修正；在轧制过程中，根据实际的轧制规程修改所跟踪钢板的厚度和长度信息。

本发明在PLC中开发钢板温度计算的一维显式差分模型，使用结构化控制语言(StructuredControlLanguage，简称SCL)编写程序对队列中的所有钢板按照一定的触发周期在线计算钢板厚度方向的温度变化，计算结果数据存储于在PLC中建立的数据块；钢板温度计算主要考虑空冷、除鳞水冷和轧制过程三种边界条件，计算结果通过通讯接口传递至人机界面和过程控制系统，用于实时显示和为力能模型计算提供温度数据；

本发明针对钢板温度的在线预测模型直接嵌入至PLC中，能够高速运算，满足计算精度的要求；同时，温度模型计算所需数据直接从PLC中获取，减少了通讯环节，计算结果可为工艺模型提供温度预测数据，即具有计算速度快、精度高、响应迅速的特点，实时获得钢板厚度方向上的温度分布，对于轧制工艺的稳定实施、指导轧制规程优化及过程控制模型的参数自学习具有重要的实际意义。

附图说明

图1为本发明一种实施例的基于PLC的钢板温度在线预测方法总体流程图；

图2为本发明一种实施例的钢板温度有限差分计算节点划分示意图；

图3为本发明一种实施例的基于PLC对钢板的温度进行在线预测方法流程图；

图4为本发明一种实施例的钢板温度在线计算模块间调用示意图；

图5为本发明一种实施例的各个道次温降变化曲线示意图。

具体实施方式

下面结合附图对本发明一种实施例做进一步说明。

本发明实施例中，选择对某双机架3000mm中厚板生产车间钢板温度进行预测，从钢板出炉开始计算，至轧制结束整个产品的生产过程，轧制产品的原始数据及工艺参数如下：

●钢种：Q345

●坯料规格：230mm×1250mm×2250mm

●成品尺寸：16mm×1750mm

●出炉温度：1180℃

●轧机刚度：6500kN/mm

●零点轧制力：20000kN

轧制规程如表1所示，其中包括粗轧8道次，精轧6道次，有些轧制道次需要开启除鳞，以去除钢板表面的氧化铁皮。轧制规程的分配是由过程控制模型根据原始数据和实际的工艺要求，按照预设定的轧制节奏，考虑钢板轧制过程的温降以及力能校核条件，包括最大咬入角、最大轧制力、最大扭矩等限制条件进行计算的。由于实际的轧制节奏可能和预设定的节奏有偏差，所以过程控制模型中钢板温降过程的计算与实际钢板温度相比同样存在偏差，进而影响轧制规程的设定精度，这也是基于PLC对钢板温度在线预测的重要意义所在，可以及时将钢板温度的变化反馈给工艺模型，提高轧制规程的计算精度。

表1双机架轧机轧制规程

本发明实施例中，基于PLC的钢板温度在线预测方法，如图1所示，包括以下步骤：

步骤1、建立生产过程中钢板的跟踪队列，并在跟踪队列中对钢板的头部位置、长度、厚度和温度分布进行实时更新；

本发明实施例中，在轧制过程中，生产线上常常同时存在多块钢板，每块钢板的尺寸、位置及温度边界条件均不一致，为了能够同时预测多块钢板的温度值，需要建立一个队列对轧线上的钢板进行管理，本发明实施例中，PLC中的温度模型不断的对钢板队列进行遍历，根据每块钢板的边界条件求解温度值。

本发明实施例中，钢板跟踪的起点为加热炉出口，跟踪终点为精轧机轧制结束；在PLC的数据块中建立能最大容纳10块钢板属性的队列，每块钢板的属性包括身份证、钢种、碳含量、头部位置、长度、厚度信息和需要计算的温度值，钢板跟踪方式如下：

(1)在钢板出炉触发时加入跟踪队列，整个轧制阶段完成后从队列中删除；

(2)在PLC定时中断OB35中，根据钢板所占用的辊道速度、方向和PLC中的触发时间周期，计算钢板头部的位置变化；

(3)利用金属检测器的上升沿、下降沿信号，以及钢板的咬钢、抛钢信号对队列中钢板的位置进行修正计算；

(4)轧制过程随着钢板的变薄、变长，根据轧制工艺对钢板的尺寸进行更新；

步骤2、采用建立差分温度模型的方式描述钢板沿厚度方向的温度分布情况，具体如下：

本发明实施例中，对于热轧钢板而言，由于长度和宽度方向上的散热量远远小于厚度向上的散热量，可忽略长度、宽度方向上的热传导，而将传热过程视为沿钢板厚度方向上的一维传热过程，含内热源的导热微分方程用公式(3)表示：

$\frac{{\∂}^{2}T}{\∂y^2}+\frac{\stackrel{\·}{q}}{K}=\frac{1}{\mathrm{\α}}\frac{\∂T}{\∂t}---\left(3\right)$

其中，T表示温度；t表示时间；y表示钢板厚度方向；q表示热量；

本发明实施例中，对于给出表面换热系数和周围介质的温度的第三类温度边界条件形式为：

$K\frac{\∂T}{\∂y}+h(T-T_w)=0---\left(4\right)$

其中，h表示钢板表面与外界的换热系数，T_w表示环境温度；

本发明实施例中，对于公式(3)和公式(4)，利用有限差商代替微商对其进行数值求解，对于在厚度方向温度分布函数T(y)的一阶和二阶差商的格式为：

$\frac{\∂T\left(y\right)}{\∂y}=\frac{T(y+\mathrm{\Δ}y)-T(y-\mathrm{\Δ}y)}{2\mathrm{\Δ}y}---\left(5\right)$

$\frac{{\∂}^{2}T\left(y\right)}{\∂y^2}=\frac{T(y+\mathrm{\Δ}y)-2T\left(y\right)+T(y-\mathrm{\Δ}y)}{{\left(\mathrm{\Δ}y\right)}^2}---\left(6\right)$

将温度导热微分方程与边界条件利用有限差分显式形式代替，求解出温度微分方程的迭代形式，由于钢板在厚度方向上温度对称分布，为了减少计算量，只需计算半厚度即可；有限差分方法计算温度前需要对钢板在厚度方向离散化划分节点；钢板属性中的温度分布即为PLC在线计算值，如图2所示，本发明实施例中，在半厚度方向上分为5个节点，设定T1表示钢板的中心温度，T5表示钢板的表面温度；采用SCL语言建立钢板属性结构体；

本发明实施例中，一维显式有限差分的迭代计算包含两类公式，一类是内部节点，一类是边界节点。由于是计算钢板的半厚度范围内的温度变化，对于内部节点又分为两种类型：仅有一个相邻节点的温度为T1的中心点，有两个相邻节点的温度为T2、T3和T4的内部节点。

本发明实施例中，温度为T5的节点为边界节点，根据公式(1)得到其迭代方程：

$T_5^{k+1}=(1-2f-2B_{i}f)T_5^k+2{\mathrm{fT}}_4^k+2{\mathrm{fB}}_i---\left(7\right)$

根据内部节点的温度迭代计算公式(2)可知，温度为T1的节点迭代方程为：

$T_1^{k+1}=(1-2f)T_1^k+2{\mathrm{fT}}_2^k---\left(8\right)$

温度为T2、T3和T4的节点的迭代方程为：

$T_2^{k+1}=(1-2f)T_2^k+{\mathrm{fT}}_3^k+{\mathrm{fT}}_1^k---\left(9\right)$

$T_3^{k+1}=(1-2f)T_3^k+{\mathrm{fT}}_4^k+{\mathrm{fT}}_2^k---\left(10\right)$

$T_4^{k+1}=(1-2f)T_4^k+{\mathrm{fT}}_5^k+{\mathrm{fT}}_3^k---\left(11\right)$

步骤3、根据钢板的换热方式，基于PLC对钢板的温度进行在线预测，并在跟踪队列中更新钢板温度；

本发明实施例中，钢板在出炉处假定温度均匀分布，在之后的温降过程按照钢板的轧制节奏，分别根据辊道速度、轧制速度、轧机入口和出口钢板厚度计算出钢板的空冷时间、轧制时间和除鳞时间，对于本实施例，钢板从出炉至轧制结束的时间分配统计如下：

出炉空冷(34s)→粗轧第1道次轧制(0.06021s)→空冷(6s)→粗轧第2道次轧制(0.06063s)→空冷(45s)→粗轧第3道次轧制(0.06192s)→空冷(7s)→粗轧第4道次轧制(0.06073s)→空冷(14s)→粗轧第5道次轧制(0.06213s)→空冷(6s)→粗轧第6道次轧制(0.06175s)→空冷(25s)→粗轧第7道次轧制(0.05403s)→空冷(8s)→粗轧第8道次轧制(0.05217s)→空冷待温(101s)→精轧第1道次轧制(0.03515s)→空冷(11s)→精轧第2道次轧制(0.02686s)→空冷(14s)→精轧第3道次轧制(0.02091s)→空冷(15s))→精轧第4道次轧制(0.01453s)→空冷(17s)→精轧第5道次轧制(0.01018s)→空冷(18s)→精轧第6道次轧制(0.00777s)→运送至冷却设备空冷(36s)。

如图3所示，具体包括如下步骤：

步骤3-1、判断钢板所属换热方式，包括：空冷辐射换热、轧制过程轧辊与钢板接触换热和除鳞过程高压水与钢板接触换热；当为空冷辐射换热时，则执行步骤3-2；当为轧制过程轧辊与钢板接触换热或除鳞过程高压水与钢板接触换热时，则执行步骤3-3；

本发明实施例中，钢板轧制过程中，钢板温降过程包括空冷辐射换热、轧制过程轧辊与钢板接触换热和除鳞过程高压水与钢板接触换热三个因素影响，分别对应3类不同的换热系数计算公式；

步骤3-2、采用PLC中定时中断组织块OB35，定时获取跟踪队列中钢板的换热系数、传导系数和比热，并根据建立的差分温度模型对跟踪队列中钢板的温度进行更新，实现在线预测；

本发明实施例中，根据换热方式不同，基于PLC对队列中钢板的温度计算分为两种调用方式，如图4所示，一种方式为定时中断调用，计算钢板的空冷温降，每间隔固定时间计算一次，本发明采用100ms定时中断组织块OB35，定时调用空冷计算子程序。在微跟踪队列中遍历钢板，计算每块钢板在空冷条件下的换热系数，利用一维显式温度差分模型，迭代计算空冷影响下的温度分布；

步骤3-3、采用PLC中循环组织块OB1，根据触发获取跟踪队列中钢板的换热系数、传导系数和比热，并根据建立的差分温度模型对跟踪队列中钢板的温度进行更新，实现在线预测。

本发明实施例中，如图4所示，另外一种方式为有条件调用，即轧制过程和除鳞过程；只有当轧制、除鳞条件发生时，在循环组织块OB1中调用一次轧制、除鳞条件下的温度计算子程序。根据轧制、除鳞所对应的钢板ID，在队列中寻找其位置，计算轧制、除鳞对应的换热系数和轧辊、冷却水与钢板的接触时间，使用显式差分模型，迭代计算此块钢板在轧制和除鳞条件影响下的温度分布；

本发明实施例中，由PLC在线预测的钢板空冷、除鳞和轧制过程的钢板中心、中部和表面温度变化曲线如图5所示。

本发明实施例中，钢板的传导系数、比热等热物性参数受到钢种成分和温度的影响而变化，在PLC的数据块中提前建立传导系数、比热与温度、成分相关的层别表，计算温度时按照需要进行查表插值计算获得精确的初始参数；在轧制过程中钢板的厚度会发生改变，为保证温度计算与钢板厚度的对应关系，当轧制触发条件下计算温度的同时，按照轧制工艺更新当前钢板属性中的厚度和长度；钢板温度的初始值在钢板出炉时进行赋值，每次在空冷、轧制或除鳞条件下的温度计算完成后，覆盖原来的温度数据，为下次迭代计算做准备。

Claims (3)

1.一种基于PLC的钢板温度在线预测方法，其特征在于，包括以下步骤：

步骤1、建立生产过程中钢板的跟踪队列，并在跟踪队列中对钢板的头部位置、长度、厚度和温度分布进行实时更新；

步骤2、采用建立差分温度模型的方式描述钢板沿厚度方向的温度分布情况；

步骤3、根据钢板的换热方式，基于PLC对钢板的温度进行在线预测，并在跟踪队列中更新温度数据。

2.根据权利要求1所述的基于PLC的钢板温度在线预测方法，其特征在于，步骤2所述的差分温度模型，具体如下：

从钢板1/2厚度处向钢板上表面，沿厚度方向离散划分若干个节点，并建立差分温度模型；所述的差分温度模型，包括边界节点随时间变化的差分温度模型和内部节点岁时间变化的差分温度模型；

边界节点随时间变化的差分温度模型，公式如下：

$T_N^{k+1}=(1-2f-2B_{i}f)T_N^k+2{\mathrm{fT}}_{N-1}^k+2{\mathrm{fB}}_i---\left(1\right)$

其中，B_i＝hΔy/K，h表示为钢板表面与外界的换热系数，K为导热系数；Δy表示厚度方向相邻节点的距离；表示k时刻边界节点N的温度，表示k时刻边界节点N-1的温度，表示k+1时刻边界节点N的温度；f＝αΔt/(Δy)²，α＝K/(ρc)表示导温系数，ρ表示材料密度；c表示比热；Δt表示时间迭代步长。

内部节点随时间变化的差分温度模型，公式如下：

$T_j^{k+1}=(1-2f)T_j^k+{\mathrm{fT}}_{j+1}^k+{\mathrm{fT}}_{j-1}^k---\left(2\right)$

其中，表示k时刻节点j的温度，表示k时刻节点j-1的温度，表示k时刻节点j+1的温度，表示k+1时刻节点j的温度，k＝0时，

3.根据权利要求1所述的基于PLC的钢板温度在线预测方法，其特征在于，步骤3所述的根据钢板的换热方式，基于PLC对钢板的温度进行在线预测，并在跟踪队列中更新温度数据，具体包括如下步骤：

步骤3-1、判断钢板所属换热方式，包括：空冷辐射换热、轧制过程轧辊与钢板接触换热和除鳞过程高压水与钢板接触换热；

当为空冷辐射换热时，则执行步骤3-2；

当为轧制过程轧辊与钢板接触换热或除鳞过程高压水与钢板接触换热时，则执行步骤3-3；

步骤3-2、采用PLC中定时中断组织块OB35，定时获取跟踪队列中钢板的换热系数、传导系数和比热，并根据建立的差分温度模型对跟踪队列中钢板的温度进行更新，实现在线预测；

步骤3-3、采用PLC中循环组织块OB1，根据触发获取跟踪队列中钢板的换热系数、传导系数和比热，并根据建立的差分温度模型对跟踪队列中钢板的温度进行更新，实现在线预测。