CN108687140B - 热轧加热炉板坯温度自学习控制方法 - Google Patents
热轧加热炉板坯温度自学习控制方法 Download PDFInfo
- Publication number
- CN108687140B CN108687140B CN201810446635.2A CN201810446635A CN108687140B CN 108687140 B CN108687140 B CN 108687140B CN 201810446635 A CN201810446635 A CN 201810446635A CN 108687140 B CN108687140 B CN 108687140B
- Authority
- CN
- China
- Prior art keywords
- temperature
- slab
- heating furnace
- heating
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/74—Temperature control, e.g. by cooling or heating the rolls or the product
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B2201/00—Special rolling modes
- B21B2201/06—Thermomechanical rolling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Heat Treatment Processes (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明涉及热轧板坯加热温度控制技术领域，尤其涉及一种热轧加热炉板坯温度自学习控制方法。根据粗轧区域测得的两个粗轧机出口温度RDT,利用回归分析和计算轧机温降，反推板坯的出炉实际温度，再与板坯目标温度比较，实现板坯温度自学习，完成对加热炉二级控制模型参数的调整。本发明方法的应用不仅可以改善因为出炉温度无法准确测量造成的加热质量问题，还能优化加热炉自动燃烧模型，提高产品质量，降低燃料消耗。显著提高钢坯加热温度控制准确性，提升粗轧出口目标温度RDT指标。改善钢坯加热质量，提高成材率，减少封锁量和废品量。更重要的是实现节能降耗，通过学习调整加热炉模型可以减少加热炉多余能源浪费，经济效益可观。
Description
技术领域
本发明涉及热轧板坯加热温度控制技术领域，尤其涉及一种热轧加热炉板坯温度自学习控制方法。
背景技术
加热炉燃烧模型是加热炉过程控制系统的核心部分，是热轧加热炉自动化控制的重点所在。加热炉二级控制模型的准确性直接关系到钢坯加热质量的好坏，模型计算温度与板坯实际温度应在±12度温度差值范围，否则会影响钢坯加热质量，同时造成加热炉燃料消耗增加。随着热轧线产品开发、规格扩展和产量提升，提高产品质量的需求逐渐显现，在加热炉燃烧控制过程中，精确的炉温设定决定板坯加热质量。
随着生产的不断扩展和品种钢的不断增加，加热模型的炉温控制存在的种种不完善逐渐表露出来。加热炉的模型温度控制不能满足生产现场的需求，严重影响产品质量，甚至造成了生产事故发生。另外随着生产的进行，炉况发生变化，加热炉燃烧模型通过原有各个工艺参数对炉温控制会发生偏差。
发明内容
为了克服现有技术的不足，本发明提供一种热轧加热炉板坯温度自学习控制方法。实现加热炉二级控制模型系统的优化，通过调整炉膛温度达到加热炉出炉温度自学习的目的，使加热炉燃烧模型更适合生产实际情况，提高板坯加热温度的控制准确性。
为了达到上述目的，本发明采用以下技术方案实现：
一种热轧加热炉板坯温度自学习控制方法，根据粗轧区域测得的两个粗轧机出口温度RDT，利用回归分析和计算轧机温降，反推板坯的出炉实际温度，再与板坯目标温度比较，实现板坯温度自学习，完成对加热炉二级控制模型参数的调整，实现加热炉二级控制模型系统的优化，使加热炉燃烧模型更适合生产实际情况，提高板坯加热温度的控制准确性，具体包括如下步骤：
(1)收集板坯生产实际数据，完成出炉板坯跟踪测量分析：统计汇总热轧生产线板坯温度数据，跟踪查看各个钢种层别的加热数据，找出多座加热炉粗轧出口温度与板坯出炉温度的对应关系；根据加热炉出炉后的温度实际情况，采用粗轧机仪表采集和人工测量相结合的方法，通过收集粗轧机入口板坯表面温度，并按钢种、轧制规格进行大量数据分析分别回归分析得到加热炉出口到粗轧机R1板坯传送过程表面温度表达式，得到粗轧机R1入口到粗轧机R2出口温度表达式；推算板坯出炉实际温度，再与板坯目标温度比较，并且多座加热炉炉况存在偏差，确定偏差大小；
加热炉出口到粗轧机R1板坯传送过程表面温度计算公式：
θR1：板坯出炉到R1入口时刻表面温度[℃]
θACT：板坯出加热炉时刻平均温度[℃]
σ：斯蒂芬常数
t：板坯出炉到R1入口时间间隔[h]
CP：板坯比热[kcal/kg℃]
γ：板坯比重[kg/m3]
粗轧机R1入口到粗轧机R2出口温度计算公式：
θR2：R1入口到R2出口时刻表面温度[℃]
θR1：R1入口时刻表面温度[℃]
σ：斯蒂芬常数
t：板坯从R1入口到R2出口时间间隔[h]
CP：板坯比热[kcal/kg℃]
γ：板坯比重[kg/m3]
(2)用收集的数据结果为依据，确定板坯温度出炉自学习控制策略：通过板坯轧制过程表面温度测量分析，温度同粗轧出口对应钢种、规格工艺控制温度差作为基准温度，形成加热炉板坯出炉加热闭环控制回路，完成对现场加热炉二级控制模型自学习参数的初始值确定，实现对加热炉二级控制模型的调整；
(3)完成程序修改：在自动燃烧控制模型中加入板坯温度自学习模块，调试程序并在线投入，实现加热炉出炉实际温度对加热炉模型动态修正功能，保证板坯出钢温度达标，粗轧出口温度命中率提升，跟踪实际情况对板坯温度学习控制参数进行优化，对加热模型程序进行修改，对模型参数更改，来优化提高温度准确性；
(4)收集加热模型投入学习功能后的数据，查看调整后效果：将调整前后数据进行对比，查看作用是否明显，判断是否需要继续调整。
与现有方法相比，本发明的有益效果是：
本发明方法的应用不仅可以改善因为出炉温度无法准确测量造成的加热质量问题，还能优化加热炉自动燃烧模型，提高产品质量，降低燃料消耗。显著提高钢坯加热温度控制准确性，提升粗轧出口目标温度RDT指标。改善钢坯加热质量，提高成材率，减少封锁量和废品量。更重要的是实现节能降耗，通过学习调整加热炉模型可以减少加热炉多余能源浪费，经济效益可观。
附图说明
图1是本发明控制方法流程图。
具体实施方式
下面对本发明的具体实施方式作进一步说明，但不用来限制本发明的范围：
见表1为本实施例的加热钢坯原始计划数据：
表1：原始计划数据
本实例应用此方法在鞍钢热轧带钢厂实际过程中，根据粗轧区域测得的粗轧机出口温度RDT，利用回归分析和计算轧机温降，反推板坯的出炉实际温度，再与板坯目标温度比较，实现板坯温度自学习，完成对加热炉二级控制模型参数的调整，实现加热炉二级控制模型系统的优化，使加热炉燃烧模型更适合生产实际情况，提高板坯加热温度的控制准确性，如图1所示，具体包括如下步骤：
(1)利用现场生产仪表数据，利用加热炉出口到粗轧机R1板坯传送过程表面温度表达式和粗轧机R1入口到粗轧机R2出口温度表达式，推算板坯出炉实际温度，再与板坯目标温度比较，确定板坯温度偏差大小。
利用粗轧机R2出口测得带钢表面温度(仪表测量1039℃)推算出粗轧机R1入口温度：
θR1＝1133℃
利用粗轧机R1入口温度推算出板坯出炉温度：
θACT＝1199℃
(2)用收集的数据结果为依据，确定板坯温度出炉自学习控制策略：通过板坯轧制过程表面温度测量分析，温度同粗轧出口对应钢种、规格工艺控制温度差作为基准温度，形成加热炉板坯出炉加热闭环控制回路，完成对现场加热炉二级控制模型自学习参数的初始值确定，实现对加热炉二级控制模型的调整；
板坯出炉温度偏差值＝推算板坯出炉温度-加热目标温度
＝1199-1190
＝9℃
根据偏差值调整炉温设定值。
实际炉温设定值＝模型计算炉温设定值×学习系数
＝1242×0.99
＝1229℃
具体模型参数如下表所示；
由于板坯出炉时受氧化铁皮的影响，不能准确知道板坯的温度。而粗轧出口板坯表面的温度可以准确地测得。实测的板坯温度用来修正目标出钢温度以达到所需的轧制温度。这个反馈温度要考虑板坯从加热炉出口到轧机这个过程中的温度变化情况，也就是说需要在计算的出钢温度和测量的轧制温度之间建立一个数学关系。
初始值的建立将根据收集的数据和分析进行确定。因此，反馈修正将在热交换模型、设定值规则之后启动和协调。实现板坯在粗轧出口温度更准确的目的。要分析加热炉出炉温度自学习，要知道加热炉出炉后的温度实际情况。采用粗轧机仪表采集和人工测量相结合的方法。通过收集粗轧机入口板坯表面温度，并按钢种、轧制规格进行大量数据分析分别回归分析得到加热炉出口到粗轧机R1板坯传送过程表面温度表达式，得到粗轧机R1入口到粗轧机R2出口温度表达式。反推板坯出炉实际温度，再与板坯目标温度比较，实现板坯温度自学习。
本发明方法的应用不仅可以改善因为出炉温度无法准确测量造成的加热质量问题，还能优化加热炉自动燃烧模型，提高产品质量，降低燃料消耗。显著提高钢坯加热温度控制准确性，提升粗轧出口目标温度RDT指标。改善钢坯加热质量，提高成材率，减少封锁量和废品量。更重要的是实现节能降耗，通过学习调整加热炉模型可以减少加热炉多余能源浪费，经济效益可观。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (1)
1.热轧加热炉板坯温度自学习控制方法，其特征在于，根据粗轧区域测得的两个粗轧机出口温度RDT，利用回归分析和计算轧机温降，反推板坯的出炉实际温度，再与板坯目标温度比较，实现板坯温度自学习，完成对加热炉二级控制模型参数的调整，实现加热炉二级控制模型系统的优化，使加热炉燃烧模型更适合生产实际情况，提高板坯加热温度的控制准确性，具体包括如下步骤：
(1)收集板坯生产实际数据，完成出炉板坯跟踪测量分析：统计汇总热轧生产线板坯温度数据，跟踪查看各个钢种层别的加热数据，找出多座加热炉粗轧出口温度与板坯出炉温度的对应关系；根据加热炉出炉后的温度实际情况，采用粗轧机仪表采集和人工测量相结合的方法，通过收集粗轧机入口板坯表面温度，并按钢种、轧制规格进行大量数据分析，分别回归分析得到加热炉出口到粗轧机R1板坯传送过程表面温度表达式，得到粗轧机R1入口到粗轧机R2出口温度表达式；推算板坯出炉实际温度，再与板坯目标温度比较，并且多座加热炉炉况存在偏差，确定偏差大小；
加热炉出口到粗轧机R1板坯传送过程表面温度计算公式：
θR1：板坯出炉到R1入口时刻表面温度℃
θACT：板坯出加热炉时刻平均温度℃
σ：斯蒂芬常数
t：板坯出炉到R1入口时间间隔h
CP：板坯比热kcal/kg℃
γ：板坯比重kg/m3
粗轧机R1入口到粗轧机R2出口温度计算公式：
θR2：R1入口到R2出口时刻表面温度℃
θR1：R1入口时刻表面温度℃
σ：斯蒂芬常数
t：板坯从R1入口到R2出口时间间隔h
CP：板坯比热kcal/kg℃
γ：板坯比重kg/m3；
(2)以收集的数据结果为依据，确定板坯温度出炉自学习控制策略：通过板坯轧制过程表面温度测量分析，温度同粗轧出口对应钢种、规格工艺控制温度差作为基准温度，形成加热炉板坯出炉加热闭环控制回路，完成对现场加热炉二级控制模型自学习参数的初始值确定，实现对加热炉二级控制模型的调整；
(3)完成程序修改：在自动燃烧控制模型中加入板坯温度自学习模块，调试程序并在线投入，实现加热炉出炉实际温度对加热炉模型动态修正功能，保证板坯出钢温度达标，粗轧出口温度命中率提升，跟踪实际情况对板坯温度学习控制参数进行优化，对加热模型程序进行修改，对模型参数更改，来优化提高温度准确性；
(4)收集加热模型投入学习功能后的数据，查看调整后效果：将调整前后数据进行对比，查看作用是否明显，判断是否需要继续调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810446635.2A CN108687140B (zh) | 2018-05-11 | 2018-05-11 | 热轧加热炉板坯温度自学习控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810446635.2A CN108687140B (zh) | 2018-05-11 | 2018-05-11 | 热轧加热炉板坯温度自学习控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108687140A CN108687140A (zh) | 2018-10-23 |
| CN108687140B true CN108687140B (zh) | 2019-06-28 |
Family
ID=63847327
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810446635.2A Active CN108687140B (zh) | 2018-05-11 | 2018-05-11 | 热轧加热炉板坯温度自学习控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108687140B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111814402B (zh) * | 2020-07-13 | 2023-10-17 | 重庆赛迪热工环保工程技术有限公司 | 一种加热炉炉温控制方法 |
| CN112404323B (zh) * | 2020-11-18 | 2022-05-24 | 攀钢集团攀枝花钢铁研究院有限公司 | 板坯加热炉控制系统及方法 |
| CN114807590A (zh) * | 2022-04-06 | 2022-07-29 | 云南天朗能源科技有限公司 | 一种基于加热炉钢坯加热二级控制方法及系统 |
| CN116607001B (zh) * | 2023-07-21 | 2023-11-14 | 江苏甬金金属科技有限公司 | 一种基于多点反馈的炉温优化控制方法及系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4102156B2 (ja) * | 2002-10-15 | 2008-06-18 | 新日本製鐵株式会社 | 熱間圧延ラインにおけるストリップの温度制御装置及び方法 |
| CN100372950C (zh) * | 2004-05-28 | 2008-03-05 | 上海宝信软件股份有限公司 | 一种控制带钢温度的方法 |
| CN100493749C (zh) * | 2005-12-27 | 2009-06-03 | 宝山钢铁股份有限公司 | 一种在热轧过程中粗轧板坯温度控制方法 |
| CN101745549B (zh) * | 2008-12-11 | 2013-06-19 | 宝山钢铁股份有限公司 | 一种热连轧机带钢进钢温度的控制方法 |
| CN102601128B (zh) * | 2011-01-24 | 2014-06-04 | 宝山钢铁股份有限公司 | 炉卷轧机轧件温差控制方法 |
| CN102364252B (zh) * | 2011-11-14 | 2013-06-19 | 北京首钢自动化信息技术有限公司 | 加热炉智能双交叉限幅燃烧自动控制方法 |
-
2018
- 2018-05-11 CN CN201810446635.2A patent/CN108687140B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108687140A (zh) | 2018-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108687140B (zh) | 热轧加热炉板坯温度自学习控制方法 | |
| CN103170508B (zh) | 一种热轧带钢宽度控制的方法 | |
| CN104209339B (zh) | 一种利用粗轧逆道次立辊辊缝测量进行板坯宽度控制的方法 | |
| CN102688894B (zh) | 一种热轧带钢连轧机组穿带的控制方法 | |
| CN102814481B (zh) | 基于在线测温与传热模型的连铸二冷动态控制方法 | |
| CN105251778B (zh) | 单锥度工作辊窜辊轧机边部减薄反馈控制方法 | |
| CN113343514A (zh) | 一种步进式加热炉加热制度优化方法 | |
| CN104324948B (zh) | 一种热连轧粗轧过程轧件宽度控制方法 | |
| CN101134998A (zh) | 加速冷却过程的控制系统及控制方法 | |
| CN101934292A (zh) | 热轧带钢粗轧机组镰刀弯和楔形自动控制方法 | |
| CN103302104A (zh) | 热轧硅钢的制造方法 | |
| CN106825479B (zh) | 一种连铸坯热送过程表面淬火工艺冷却水流量的确定方法 | |
| CN104307891B (zh) | 一种阶梯式热轧带钢产线层流冷却控制方法 | |
| CN109013717B (zh) | 一种热连轧中间坯心部温度计算方法 | |
| CN104894362A (zh) | 一种冷热钢坯混装的加热炉炉温设定方法 | |
| CN106521059A (zh) | 用相控阵雷达测量高炉料面矿焦比来控制高炉气流分布的方法 | |
| CN109108094A (zh) | 一种螺纹钢细晶轧制智能控制技术 | |
| CN109976280A (zh) | 一种精确预报热轧板坯剩余在炉时间的方法 | |
| CN107151727B (zh) | 一种变生产节奏下的加热炉炉温设定方法 | |
| CN103990653B (zh) | 精轧入口温度命中精度确保方法 | |
| CN108984943A (zh) | 加热炉钢坯温度跟踪模型修正方法 | |
| CN106607460A (zh) | 森吉米尔20辊轧机边部板形控制方法及装置 | |
| CN101811143B (zh) | 一种待轧保温铸坯温度控制方法 | |
| CN106493177A (zh) | 一种基于csp工艺的不同宽度规格带钢混合轧制方法 | |
| CN107520255B (zh) | 一种自学习式轧机入口厚度优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |