CN108998653A - 一种螺纹钢智能加热控制技术 - Google Patents

Abstract

本发明公开了一种螺纹钢智能加热控制技术，涉及螺纹钢生产领域；在钢坯加热炉预热段、加热段、均热段设置多点热电偶，在加热炉预热段、加热段、均热段三段的排烟管道安装废气取样装置，在燃料总管安装燃料热值检测仪，在钢坯加热炉进炉侧和粗轧机进口侧安装温度检测仪检测钢坯入炉前温度和加热后的温度，将钢坯加热后的温度作为因变量，钢坯入炉前温度、燃料热值、废气含氧量、空燃比作为自变量，建立多元回归模型，通过解算多元回归模型调整钢坯入炉前温度、燃料热值、废气含氧量、空燃比以达到设定钢坯加热后的温度；智能控制加热过程，使温度调整及时、准确，钢坯加热后温差小于30℃。

Description

一种螺纹钢智能加热控制技术

技术领域：

本发明涉及螺纹钢生产领域，具体涉及一种螺纹钢智能加热控制技术。

背景技术：

我国是当之无愧的钢铁大国，新世纪以来的十几年间，我国钢铁工业迅猛发展，粗钢产量快速增加，常年位居世界第一，粗钢产量达8亿吨，约占世界粗钢产量的49.5％。目前全国共有钢铁企业1400余家。其中螺纹钢产量约3亿吨，生产线超过500条。目前国内螺纹钢生产线自动化和智能化水平均较低，对人的依赖度高，成本高。螺纹钢生产近年来工艺发展快速，由原来的单线轧制快速发展为二切分、三切分、四切分、五切分轧制，六切分轧制已试验成功，自动化控制水平有所提高，但智能化控制水平低。

钢坯加热用燃料目前主要用煤气，受煤气热值、压力、温度、检测手段等影响，螺纹钢生产企业在此工序均采用人工判断钢坯加热程度、人工操作方式，造成调整不及时，不准确，燃料消耗高、钢坯加热温度不均匀。为了提高螺纹钢产量及技术经济指标，轧制用钢坯尺寸及重量不断增加，现在普遍使用150×150×12000、165×165×12000规格钢坯，钢坯在加热过程中，钢坯较长、断面大，钢坯加热后温度不均匀，差值达到100℃以上。

发明内容：

本发明所要解决的技术问题在于提供一种螺纹钢智能加热控制技术，在加热过程中不需要采用人工判断，智能控制加热过程，使温度调整及时、准确，钢坯加热后温差小于30℃。

本发明所要解决的技术问题采用以下的技术方案来实现：

一种螺纹钢智能加热控制技术，包括以下步骤：

(1)在钢坯加热炉预热段、加热段、均热段设置多点热电偶，利用加热炉步进周期跟踪钢坯入炉后位置变化，通过热电偶实时检测各段位置温度；

(2)在加热炉预热段、加热段、均热段三段的排烟管道安装废气取样装置，实时对各段的废气进行取样分析，检测废气含氧量、空燃比；

(3)在燃料总管安装燃料热值检测仪，实时检测燃料热值；

(4)在钢坯加热炉进炉侧和粗轧机进口侧安装温度检测仪检测钢坯入炉前温度和加热后的温度；

(5)将步骤(1)-(4)检测的参数输入计算机数据库，并将钢坯加热后的温度作为因变量，钢坯入炉前温度、燃料热值、废气含氧量、空燃比作为自变量，建立多元回归模型；

(6)设定钢坯加热后的温度并将其输入多元回归模型，通过解算多元回归模型调整钢坯入炉前温度、燃料热值、废气含氧量、空燃比以达到设定钢坯加热后的温度。

所述燃料为高炉煤气或转炉煤气。

所述多元回归模型建立包括以下步骤：

(1)建模：在生产线的加热炉、中轧后、精轧第一段冷却控制后、精轧二段冷却控制后、精轧第三段控制冷却后以及上冷床位置安装传感器，实时采集初始钢温、燃料热值、加热炉温度、加热炉压力、穿水流量、水压、水温、成品速度作为自变量参数，同时采集最终钢温作为因变量参数，在自变量矩阵和因变量矩阵之间建立多元回归模型，模型如下：

Y_n＝X_n×pA_p

Y_n+1＝X_(n+1)×_pA_p

式中，Y为因变量矩阵，X为自变量矩阵，A为矩阵系数；n为矩阵行数，p为矩阵列数；

(2)建立、更新数据库：根据多次采集的自变量和因变量参数生成数据库，按照因变量对各个自变量的敏感度进行优先级排序，按照优先级顺序选取参数状态，通过存储不同状态下的因变量和自变量，从数据库中读出与当前状态最接近的参数状态，根据最接近的参数状态调整当前状态，并将调整后的状态参数再次存储到数据库，从而进一步更新数据库，作为下一次控制参数的依据。

本发明提供了一种螺纹钢智能加热控制技术，其有益效果为：钢坯加热控制采取智能控制技术，保证钢坯加热后温度差小于30℃，在加热过程自变量和因变量之间建立多元回归模型，建立数据库，易于通过数据库管理加热温度，相比人工观察判断调整加热温度，具有温度调整及时、准确、节约燃料的特点，而且提高了生产效率，节约了人工成本。

具体实施方式：

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明。

实施例1：

一种螺纹钢智能加热控制技术，其特征在于，包括以下步骤：

(1)在钢坯加热炉预热段、加热段、均热段设置多点热电偶，利用加热炉步进周期跟踪钢坯入炉后位置变化，通过热电偶实时检测各段位置温度；

(2)在加热炉预热段、加热段、均热段三段的排烟管道安装废气取样装置，实时对各段的废气进行取样分析，检测废气含氧量、空燃比；

(3)在燃料总管安装燃料热值检测仪，实时检测燃料热值；

(4)在钢坯加热炉进炉侧和粗轧机进口侧安装温度检测仪检测钢坯入炉前温度和加热后的温度；

(5)将步骤(1)-(4)检测的参数输入计算机数据库，并将钢坯加热后的温度作为因变量，钢坯入炉前温度、燃料热值、废气含氧量、空燃比作为自变量，建立多元回归模型；

(6)设定钢坯加热后的温度并将其输入多元回归模型，通过解算多元回归模型调整钢坯入炉前温度、燃料热值、废气含氧量、空燃比以达到设定钢坯加热后的温度。

所述燃料为高炉煤气或转炉煤气。

和现有加工技术相比，本实施例钢坯加热后温差为25℃，节约人工成本为60元/吨，加热生产效率提高23％。

实施例2：

一种螺纹钢智能加热控制技术，其特征在于，包括以下步骤：

(1)在钢坯加热炉预热段、加热段、均热段设置多点热电偶，利用加热炉步进周期跟踪钢坯入炉后位置变化，通过热电偶实时检测各段位置温度；

(2)在加热炉预热段、加热段、均热段三段的排烟管道安装废气取样装置，实时对各段的废气进行取样分析，检测废气含氧量、空燃比；

(3)在燃料总管安装燃料热值检测仪，实时检测燃料热值；

(4)在钢坯加热炉进炉侧和粗轧机进口侧安装温度检测仪检测钢坯入炉前温度和加热后的温度；

(5)将步骤(1)-(4)检测的参数输入计算机数据库，并将钢坯加热后的温度作为因变量，钢坯入炉前温度、燃料热值、废气含氧量、空燃比作为自变量，建立多元回归模型；

(6)设定钢坯加热后的温度并将其输入多元回归模型，通过解算多元回归模型调整钢坯入炉前温度、燃料热值、废气含氧量、空燃比以达到设定钢坯加热后的温度。

所述燃料为高炉煤气或转炉煤气。

所述多元回归模型建立包括以下步骤：

(1)建模：在生产线的加热炉、中轧后、精轧第一段冷却控制后、精轧二段冷却控制后、精轧第三段控制冷却后以及上冷床位置安装传感器，实时采集初始钢温、燃料热值、加热炉温度、加热炉压力、穿水流量、水压、水温、成品速度作为自变量参数，同时采集最终钢温作为因变量参数，在自变量矩阵和因变量矩阵之间建立多元回归模型，模型如下：

Y_n＝X_n×pA_p

Y_n+1＝X_(n+1)×_pA_p

式中，Y为因变量矩阵，X为自变量矩阵，A为矩阵系数；n为矩阵行数，p为矩阵列数；

(2)建立、更新数据库：根据多次采集的自变量和因变量参数生成数据库，按照因变量对各个自变量的敏感度进行优先级排序，按照优先级顺序选取参数状态，通过存储不同状态下的因变量和自变量，从数据库中读出与当前状态最接近的参数状态，根据最接近的参数状态调整当前状态，并将调整后的状态参数再次存储到数据库，从而进一步更新数据库，作为下一次控制参数的依据。

和现有加工技术相比，本实施例钢坯加热后温差为22℃，节约人工成本为65元/吨，加热生产效率提高24％。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种螺纹钢智能加热控制技术，其特征在于，包括以下步骤：

(1)在钢坯加热炉预热段、加热段、均热段设置多点热电偶，利用加热炉步进周期跟踪钢坯入炉后位置变化，通过热电偶实时检测各段位置温度；

(2)在加热炉预热段、加热段、均热段三段的排烟管道安装废气取样装置，实时对各段的废气进行取样分析，检测废气含氧量、空燃比；

(3)在燃料总管安装燃料热值检测仪，实时检测燃料热值；

(4)在钢坯加热炉进炉侧和粗轧机进口侧安装温度检测仪检测钢坯入炉前温度和加热后的温度；

(5)将步骤(1)-(4)检测的参数输入计算机数据库，并将钢坯加热后的温度作为因变量，钢坯入炉前温度、燃料热值、废气含氧量、空燃比作为自变量，建立多元回归模型；

(6)设定钢坯加热后的温度并将其输入多元回归模型，通过解算多元回归模型调整钢坯入炉前温度、燃料热值、废气含氧量、空燃比以达到设定钢坯加热后的温度。

2.根据权利要求1所述的螺纹钢智能加热控制技术，其特征在于，所述燃料为高炉煤气或转炉煤气。

3.根据权利要求1所述的螺纹钢智能加热控制技术，其特征在于，所述多元回归模型建立包括以下步骤：

(1)建模：在生产线的加热炉、中轧后、精轧第一段冷却控制后、精轧二段冷却控制后、精轧第三段控制冷却后以及上冷床位置安装传感器，实时采集初始钢温、燃料热值、加热炉温度、加热炉压力、穿水流量、水压、水温、成品速度作为自变量参数，同时采集最终钢温作为因变量参数，在自变量矩阵和因变量矩阵之间建立多元回归模型，模型如下：

Y_n＝X_n×pA_p

Y_n+1＝X_(n+1)×pA_p

式中，Y为因变量矩阵，X为自变量矩阵，A为矩阵系数；n为矩阵行数，p为矩阵列数；

(2)建立、更新数据库：根据多次采集的自变量和因变量参数生成数据库，按照因变量对各个自变量的敏感度进行优先级排序，按照优先级顺序选取参数状态，通过存储不同状态下的因变量和自变量，从数据库中读出与当前状态最接近的参数状态，根据最接近的参数状态调整当前状态，并将调整后的状态参数再次存储到数据库，从而进一步更新数据库，作为下一次控制参数的依据。