CN110030842A - 一种蓄热式加热炉间歇延时换向控制方法 - Google Patents

Abstract

一种蓄热式加热炉间歇延时换向控制方法，涉及燃烧的调节或控制技术领域，利用神经网络的学习能力，通过不断的对实验数据的训练，确定出最优的阀位控制模型。具体是通过历史数据分析并结合工艺人员经验，确定如下影响控制阀位开度的参数,结合之前不同控制策略情况下阀位开度值（网络输出层）训练该人工神经元网络模型，调整模型中的权重。得到最佳影响因素权重后，利用现有输入（阀位影响因素的实际采样值）确定当前工况条件下的阀位设定值。本发明针对蓄热式加热炉换向操作导致的炉压波动剧烈、炉气氛围不均，提出了一种间歇延时换向控制方法,能够在稳定控制温度和炉压的基础上，有效的解决钢坯出炉温度的均匀性问题，提高加热质量。

Description

一种蓄热式加热炉间歇延时换向控制方法

技术领域

本发明涉及燃烧的调节或控制技术领域，更具体地说是指一种蓄热式加热炉间歇延时换向控制方法。

背景技术

蓄热式加热炉的控制模式一般为“前馈型双交叉限幅燃烧控制”。此控制模式本质上是一种双环控制策略。外环将温度偏差作为前馈量，确定系统燃气的流量输出，进而根据空燃比确定系统的空气流量，内环则根据流量偏差确定具体的阀门开度，进而达到快速响应温度控制的需求。然而，由于加热炉是一个大惯性的控制系统，因此为了达到理想的炉温响应速度，必须要时刻调整每个燃烧控制段煤气与空气支管的阀门。在此情况下，炉压会产生极大的变化，而烧嘴排烟温度是个大滞后的参数调节，为了调节炉压，煤烟及空烟阀门会在烧嘴排烟温度发生变化后再进行动作，因此，炉压与烧嘴排烟温度达到相对稳定的状态需要一个较长的调节周期。

目前针对加热炉炉温、炉压控制的相关公开技术有：

专利申请号为201510697152.6的中国发明专利申请《一种退火炉炉压控制方法及退火炉》公开了一种退火炉炉压控制方法：当喷冷段有风机启动时，对喷冷段进行充气升压，以使喷冷段的压力达到并维持在充气压力值；充气压力值大于工作炉压，小于报警炉压；当满足第一预设条件时，停止对喷冷段进行充气升压，以使喷冷段的压力回复至工作炉压。该方案具有一定的创新性，但是由于该方案只针对退火炉炉压控制，针对蓄热式加热炉并不能适用，蓄热式加热炉强行充气升压会破坏炉内气氛，导致炉温达不到控制要求，并且对轧制品质量造成影响。

专利申请号为201210034821.8的中国发明专利申请《蓄热脉冲加热炉燃烧控制方法》公开了一种蓄热脉冲加热炉燃烧控制方法：获取当前段的流量设定值和工艺规定的流量分档阈值表，把该流量设定值除以该段的最大流量值，获得流量设定百分比，然后与流量分档阈值表比较，确定当前的新流量档级和投入运行的烧嘴的对数；根据新流量档级对应的标准排烟流量和炉气温度，采用蓄热箱模型，计算出给定蓄热换向周期对应的排烟温度曲线；根据工艺设定的蓄热箱排烟温度，再结合排烟温度曲线，插值确定该排烟温度对应的蓄热换向周期；根据新流量档级确定的投入烧嘴个数和段内总的可用烧嘴总数以及蓄热换向周期，确定蓄热脉冲周期和分组滚动方法。该申请案的控制过程仅仅将与炉温、炉压控制影响因素制成规定表，按照现有规则燃烧控制。而对温度控制精度没有要求，尤其在复杂工况及混装钢种情况下，该控制方案无法保证温度控制需求。

发明内容

本发明提供的一种蓄热式加热炉间歇延时换向控制方法，其目的在于克服现有技术中存在的上述问题。

本发明采用的技术方案如下：

一种蓄热式加热炉间歇延时换向控制方法，以燃烧工况和加热条件为输入，阀位开度值为输出构建人工神经元网络模型，并对人工神经元网络模型不断训练，得到最优的阀位控制模型；再使用阀位控制模型根据目前的燃烧工况与加热条件，确定每个燃烧段煤气阀的调节阀位。

进一步，所述人工神经元网络模型的输入为：烧嘴数量、坯料规格、入炉温度与煤气总管压力，采用Sigmoid激活函数，结合之前不同控制策略情况下阀位开度值训练该人工神经元网络模型，调整模型中的权重。

更进一步，上述人工神经元网络模型的具体训练过程如下：

（1）、选择之前不同的工况参数和实际阀位值为样本，包括工况参数数据DATA，实际阀位AY；

（2）、以实验数据为样本通过默认权重的神经元网络模型计算出此时的计算输出值，即计算阀位CY；

（3）、计算实际阀位和计算阀位的误差D =AY-CY；

（4）、根据误差D调整权重矩阵W；

（5）、对每个样本重复上述过程，直到对整个样本集来说，误差不超过规定范围。

进一步，确定了阀门开度之后，采用闭环控制，根据炉温温度的偏差量来确定每个燃烧控制段的烧嘴开闭时间，达到稳定炉内温度均匀性的目的；

进一步，通过如下公式

确认每对烧嘴的占空比时间；其中，表示一对烧嘴完整的换向周期时间；， 表示根据温度偏差值确定的目前所需煤气流量，表示当前工况下的额定流量。

和现有的技术相比，本发明的优点在于：

本发明是利用神经网络的学习能力，通过不断的对实验数据的训练，确定出最优的阀位控制模型。具体是通过历史数据分析并结合工艺人员经验，确定如下影响控制阀位开度的参数，即人工神经元网络模型的输入为：烧嘴数量、坯料规格、入炉温度与煤气总管压力。人工神经元网络模型采用Sigmoid激活函数。结合之前不同控制策略情况下阀位开度值（网络输出层）训练该人工神经元网络模型，调整模型中的权重。得到最佳影响因素权重后，利用现有输入（阀位影响因素的实际采样值）确定当前工况条件下的阀位设定值。本发明相比于现有技术具有炉膛压力波动小、炉内燃烧温度的均匀性等优点。

具体实施方式

下面说明本发明的具体实施方式。为了全面理解本发明，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本发明。

一种应用于蓄热式加热炉的间歇延时换向控制技术。此技术采用一种间断燃烧模式，通过调节烧嘴的占空比来实现炉内温度的控制。具体来说，在每对烧嘴的换向周期中，设置一个间歇延时时长，在此间歇延时时长之内，该对烧嘴处于关闭状态。而该间歇延时时长需要根据炉膛压力、温度等情况综合确定。然而，单纯的借鉴“脉冲式燃烧控制”的思想，存在着如下问题：炉膛压力波动剧烈，需要不断变化延时时长，并不能有效改善炉内燃烧温度的均匀性。因此，间歇延时换向控制技术在煤气流量与脉冲燃烧控制之间进行折衷处理。间歇延时换向控制技术在进行温度控制时，首先根据目前的燃烧工况与加热条件，确定每个燃烧段煤气阀的调节阀位。在此燃烧工况下，调节阀阀位不再发生变化，而控制系统根据炉温的偏差量确定具体的间歇延时时长。

间歇延时换向控制技术在确定煤气调节阀的阀位时，需要考虑如下影响因素：

烧嘴数量：每个燃烧段的使用烧嘴数量不同，会导致调节阀在相同阀位情况下烧嘴的煤气流量发生极大变化。因此，间歇延时换向控制技术在确定煤气阀门调节阀位时，首先需要确定目前燃烧控制段的实际使用阀门数量，根据实际使用烧嘴数量确定阀门开度。

坯料规格：炉内坯料的目标轧制规格确定了出炉坯料出炉节奏，不同的出炉节奏会导致需热量发生较大变化，因此间歇延时换向控制技术还需要根据坯料的规格确定阀门开度。

入炉温度：不同的入炉坯料温度对于热量的需求的差别也较大，室温的冷坯与600度的辊道热送坯，其对于间歇延时换向控制技术所需确定的阀门开度也会造成影响。

煤气总管压力：炉压频繁的波动会造成炉内燃烧温度分布的不均匀。因此，在不同的煤气总管压力情况下，煤气的阀门开度也需要分别确定。

间歇延时换向控制技术在确定当前工况情况下的阀门开度时，可以根据以上影响因素确定具体的阀门开度。由于影响阀阀位的影响因素多，相互耦合。以往阀位控制方法可以看作一个多影响因素的非线性复杂的数学模型，普通数学模型很难将其表现出来。本发明是利用神经网络的学习能力，通过不断的对实验数据的训练，确定出最优的阀位控制模型。该方法的特征在于要求如下：

通过历史数据分析并结合工艺人员经验，确定如下影响控制阀位开度的参数，即人工神经元网络模型的输入为：烧嘴数量、坯料规格、入炉温度与煤气总管压力。本方案中人工神经元网络模型采用Sigmoid激活函数。结合之前不同控制策略情况下阀位开度值（网络输出层）训练该人工神经元网络模型，调整模型中的权重。得到最佳影响因素权重后，利用现有输入（阀位影响因素的实际采样值）确定当前工况条件下的阀位设定值。训练过程如下：

（1）、选择之前不同的工况参数和实际阀位值为样本，包括工况参数数据DATA，实际阀位AY。

（2）、以实验数据为样本通过默认权重的神经元网络模型计算出此时的计算输出值，即计算阀位CY。

（3）、计算实际阀位和计算阀位的误差D =AY-CY。

（4）、根据误差D调整权重矩阵W。

（5）、对每个样本重复上述过程，直到对整个样本集来说，误差不超过规定范围。

确定了阀门开度之后，采用闭环控制，可以根据炉温温度的偏差量来确定每个燃烧控制段的烧嘴开闭时间，进而达到稳定炉内温度均匀性的目的。

由于最大控制流量经过了流量调节阀的调节，因此在不同工况条件下的最大流量不完全相同。接着，对于每个燃烧控制段的烧嘴占空比时间可由如下经验公式确定：

（1）

式中， 表示一对烧嘴完整的换向周期时间，表示当前工况下的额定流量，表示根据温度偏差值确定的目前所需煤气流量。考虑到燃烧过程中热负荷状态大部分处于20%-70%区间，式（1）可以在进行二次拟合，以达到最佳控制的效果，因此式（1）可表示为

(2)

式中，，由式(2)即可确定每对烧嘴的占空比时间。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (5)

1.一种蓄热式加热炉间歇延时换向控制方法，其特征在于：以燃烧工况和加热条件为输入，阀位开度值为输出构建人工神经元网络模型，并对人工神经元网络模型不断训练，得到最优的阀位控制模型；再使用阀位控制模型根据目前的燃烧工况与加热条件，确定每个燃烧段煤气阀的调节阀位。

2.如权利要求1所述的一种蓄热式加热炉间歇延时换向控制方法，其特征在于：所述人工神经元网络模型的输入为：烧嘴数量、坯料规格、入炉温度与煤气总管压力，采用Sigmoid激活函数，结合之前不同控制策略情况下阀位开度值训练该人工神经元网络模型，调整模型中的权重。

3.如权利要求2所述的一种蓄热式加热炉间歇延时换向控制方法，其特征在于：人工神经元网络模型的具体训练过程如下：

（1）、选择之前不同的工况参数和实际阀位值为样本，包括工况参数数据DATA，实际阀位AY；

（2）、以实验数据为样本通过默认权重的神经元网络模型计算出此时的计算输出值，即计算阀位CY；

（3）、计算实际阀位和计算阀位的误差D =AY-CY；

（4）、根据误差D调整权重矩阵W；

（5）、对每个样本重复上述过程，直到对整个样本集来说，误差不超过规定范围。

4.如权利要求1至3任一所述的一种蓄热式加热炉间歇延时换向控制方法，其特征在于：确定了阀门开度之后，采用闭环控制，根据炉温温度的偏差量来确定每个燃烧控制段的烧嘴开闭时间，达到稳定炉内温度均匀性的目的。

5.如权利要求4所述的一种蓄热式加热炉间歇延时换向控制方法，其特征在于：通过如下公式

确认每对烧嘴的占空比时间；其中，表示一对烧嘴完整的换向周期时间；， 表示根据温度偏差值确定的目前所需煤气流量，表示当前工况下的额定流量。