CN116607001A - 一种基于多点反馈的炉温优化控制方法及系统 - Google Patents
一种基于多点反馈的炉温优化控制方法及系统 Download PDFInfo
- Publication number
- CN116607001A CN116607001A CN202310900238.9A CN202310900238A CN116607001A CN 116607001 A CN116607001 A CN 116607001A CN 202310900238 A CN202310900238 A CN 202310900238A CN 116607001 A CN116607001 A CN 116607001A
- Authority
- CN
- China
- Prior art keywords
- furnace temperature
- monitoring
- billet
- furnace
- temperature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 234
- 238000012545 processing Methods 0.000 claims abstract description 142
- 238000011217 control strategy Methods 0.000 claims abstract description 60
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 59
- 239000010959 steel Substances 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000010219 correlation analysis Methods 0.000 claims abstract description 14
- 238000010438 heat treatment Methods 0.000 claims description 75
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 18
- 238000010079 rubber tapping Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 16
- 238000005096 rolling process Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 13
- 230000033764 rhythmic process Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- C21D9/00—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor
- C21D9/70—Furnaces for ingots, i.e. soaking pits
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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)
- Control Of Heat Treatment Processes (AREA)
Abstract
本公开提供了一种基于多点反馈的炉温优化控制方法及系统,涉及智能控制技术领域,该方法包括:确定多个监测点;设置炉温监测传感器,实时监测炉温获得炉温监测数据集;获得待加工的钢坯加工工况信息,获得炉温反应特征;根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温‑钢坯对应关系;基于所述炉温‑钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制,解决了现有技术中存在的由于炉控参数设置不够准确,进而导致对炉温的控制精度和准确度不足的技术问题,达到提高炉温控制精度和准确度的技术效果。
Description
技术领域
本公开涉及智能控制技术领域,具体涉及一种基于多点反馈的炉温优化控制方法及系统。
背景技术
钢坯加热炉是轧钢工业用于钢坯轧制前的重要设备,加热炉炉温的优化控制对于钢坯后续的轧制质量具有重要影响,同时,加热温度的优化对于节能降耗也有重要影响。
目前,现有技术中存在由于炉控参数设置不够准确,进而导致对炉温的控制精度和准确度不足的技术问题。
发明内容
本公开提供了一种基于多点反馈的炉温优化控制方法及系统,用以解决现有技术中存在的由于炉控参数设置不够准确,进而导致对炉温的控制精度和准确度不足的技术问题。
根据本公开的第一方面,提供了一种基于多点反馈的炉温优化控制方法,包括:基于历史加工数据,确定多个监测点,所述监测点为与加工件具有炉温反应相关性的区域;在确定的多个监测点设置炉温监测传感器,实时监测炉温获得炉温监测数据集,所述炉温监测数据集包括监测点、监测温度、监测时间;获得待加工的钢坯加工工况信息,并基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征;根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温-钢坯对应关系;基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制。
根据本公开的第二方面,提供了一种基于多点反馈的炉温优化控制系统,包括:监测点确定模块,所述监测点确定模块用于基于历史加工数据,确定多个监测点,所述监测点为与加工件具有炉温反应相关性的区域;炉温实时监测模块,所述炉温实时监测模块用于在确定的多个监测点设置炉温监测传感器,实时监测炉温获得炉温监测数据集,所述炉温监测数据集包括监测点、监测温度、监测时间;炉温相关性分解模块,所述炉温相关性分解模块用于获得待加工的钢坯加工工况信息,并基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征;相关性分析模块,所述相关性分析模块用于根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温-钢坯对应关系;炉温控制策略寻优模块,所述炉温控制策略寻优模块用于基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;炉温监测控制模块,所述炉温监测控制模块用于根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制。
根据本公开采用的一种基于多点反馈的炉温优化控制方法,本公开首先基于历史数据确定多个监测点,根据监测点设置炉温监测传感器,用于对各个监测点进行温度监测,获取炉温监测数据集,进一步根据钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征,进而根据炉温监测数据集、炉温反应特征进行相关性分析,确定炉温-钢坯对应关系,基于炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略,根据炉温控制策略设置加热时间和加热温度,减少钢坯的在炉时间和待轧时间,达到提升炉温控制准确度和精度,同时降低钢坯加热过程的损耗,实现节能降耗的技术效果。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的一种基于多点反馈的炉温优化控制方法的流程示意图;
图2为本公开实施例中确定多个监测点的流程示意图;
图3为本公开实施例中进行炉温控制策略寻优确定炉温控制策略的流程示意图;
图4为本公开实施例提供的一种基于多点反馈的炉温优化控制系统的结构示意图。
附图标记说明:监测点确定模块11,炉温实时监测模块12,炉温相关性分解模块13,相关性分析模块14,炉温控制策略寻优模块15,炉温监测控制模块16。
实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在由于炉控参数设置不够准确,进而导致对炉温的控制精度和准确度不足的技术问题,本公开的发明人经过创造性的劳动,得到了本公开的一种基于多点反馈的炉温优化控制方法及系统。
实施例
图1为本公开实施例提供的一种基于多点反馈的炉温优化控制方法图,如图1所示,所述方法包括:
步骤S100:基于历史加工数据,确定多个监测点,所述监测点为与加工件具有炉温反应相关性的区域;
其中,如图2所示,本公开实施例步骤S100还包括:
步骤S110:获得多类型钢坯的历史加工数据;
步骤S120:获得炉控参数与炉温分布差异信息;
步骤S130:根据所述多类型钢坯的历史加工数据、炉控参数与炉温分布差异信息进行炉温关系确定,基于炉温关系、历史加工数据,将炉温关系敏感或具有炉温差的区域作为所述监测点。
具体而言,历史加工数据是指过去一段时间内的钢坯加工数据,包括炉控参数、出炉温度、装炉温度等参数,基于历史加工数据,确定多个监测点,监测点为与加工件具有炉温反应相关性的区域,也就是说多个监测点位于加热炉的不同位置。
具体地,获得多类型钢坯的历史加工数据,也就是说,不同规格、不同种类的钢坯的出炉温度、装炉温度等参数是不同的,获取工厂内可加工的多类型钢坯的历史出炉温度、装炉温度等参数作为历史加工数据。炉控参数是指对加热炉的温度进行控制的参数,包括加热温度和加热时间,也就是说,通过加热炉的控制端输入加热温度和加热时间,对加热炉进行加热,通过加热炉对钢坯再进行加热,对加热炉进行加热时,加热炉的不同位置可能会有温度差,炉温分布差异信息是指加热炉不同区域的温度差异,进而根据多类型钢坯的历史加工数据、炉控参数与炉温分布差异信息进行炉温关系确定,简单来说,不同类型的钢坯在加工过程中受到炉控参数的调整,导致出现不同的炉温分布差异和炉温变化温度特征,炉温关系是指通过炉控参数进行炉温调整过程中,炉温的变化特征和炉温分布差异特征,举例如,不同加热炉的不同部位的温度变化不同,即为历史加工数据、炉控参数与炉温分布差异信息之间的炉温关系。进一步基于炉温关系、历史加工数据,将炉温关系敏感或具有炉温差的区域作为监测点,也就是说,在进行炉控参数的调整时,加热炉有些部位比较敏感,炉温变化特征比较明显,将该部位作为监测点,炉温分布差异信息显示加热炉的不同部位内某个部位的温度较高或较低,将这种炉温差较大的部位也作为监测点,达到为后续的炉温监测控制奠定基础,使得后续的炉温监测控制更加具有针对性的效果。
步骤S200:在确定的多个监测点设置炉温监测传感器,实时监测炉温获得炉温监测数据集,所述炉温监测数据集包括监测点、监测温度、监测时间;
具体而言,炉温监测传感器是用于对加热炉进行温度监测的传感器,比如温度传感器等,具备实时采集、自动传输的功能。在确定的多个监测点分别设置炉温监测传感器,通过炉温监测传感器对加热炉的不同位置进行实时炉温监测,获得炉温监测数据集,炉温监测数据集中的数据具有监测点和监测时间标识,也就是说,炉温监测数据集包括多个监测点对应的监测温度和监测时间,炉温监测数据集是动态变化的。
步骤S300:获得待加工的钢坯加工工况信息,并基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征;
其中,本公开实施例步骤S300还包括:
步骤S310:根据所述钢坯加工工况信息,确定钢坯类型、目标出炉温度、轧制节奏;
步骤S320:基于所述钢坯类型从所述多类型的历史加工数据中提取对应类型的历史加工数据,进行加工过程炉温变化特征分解,获得加工流程炉温数据;
步骤S330:基于所述加工流程炉温数据与炉温关系进行转化投射,获得所述炉温反应特征。
具体而言,获得待加工的钢坯加工工况信息,钢坯加工工况信息包括待加工钢坯的钢坯类型、装炉温度、出炉温度、轧制节奏等信息,基于钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征,炉温反应特征是指待加工的钢坯类型对应的加热炉不同部位对炉控参数的反应。
具体地,基于钢坯加工工况信息进行炉温相关性分解的过程如下:从钢坯加工工况信息中提取出钢坯类型、目标出炉温度、轧制节奏,钢坯类型即为钢坯规格,目标出炉温度是预期的钢坯出炉时钢坯表面温度和断面温度,轧制节奏是指轧钢过程中开始轧制第一个钢坯到开始轧制第二个钢坯的间隔时间长度。进一步基于钢坯类型,从多类型的历史加工数据中提取待加工钢坯类型对应的历史加工数据,基于该历史加工数据,进行加工过程炉温变化特征分解,也就是说,历史加工过程中一个钢坯加热完成后会进行下一个钢坯的加热,钢坯加热后会进行轧制,加工流程过程中,炉温会发生变化,对炉温变化特征进行分解,获得每一个加工流程对应的炉温作为加工流程炉温数据,基于加工流程炉温数据与炉温关系进行转化投射,炉温关系是炉控参数进行调整过程中,炉温的变化特征和炉温分布差异特征,根据加工流程炉温数据在炉温关系中进行遍历比对,获得匹配的炉温关系作为炉温反应特征,炉温反应特征即为待加热钢坯对应的炉控参数进行调整过程中,炉温的变化特征和炉温分布差异特征。
步骤S400:根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温-钢坯对应关系;
具体而言,根据炉温监测数据集、炉温反应特征进行相关性分析,简单来说,就是分析钢坯加工时的温度和加热炉上的监测点对应的监测温度之间的对应关系,监测点是加热炉上的炉温关系敏感或具有炉温差的区域,炉温反应特征是待加热钢坯对应的炉控参数进行调整过程中,炉温的变化特征和炉温分布差异特征,炉温反应特征与监测点是对应的,以炉温反应特征与监测点的对应关系作为炉温-钢坯对应关系。
步骤S500:基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;
其中,如图3所示,本公开实施例步骤S500还包括:
步骤S510:根据所述加工钢坯工况信息中的目标出炉温度,生成约束条件;
步骤S520:根据所述炉温-钢坯对应关系、加工钢坯工况信息,确定热损失系数、余温加热系数;
步骤S530:基于所述加工流程炉温数据、热损失系数、余温加热系数建立能耗最小优化空间,将所述约束条件加入所述能耗最小优化空间,进行迭代寻优,获得加工炉温参数控制策略;
步骤S540:基于所述炉温参数控制策略、炉温-钢坯对应关系,确定监测点监测策略,其中炉温控制策略包括加工炉温参数控制策略、监测点监测策略。
其中,本公开实施例步骤S520还包括:
步骤S521:根据所述加工钢坯工况信息提取历史加工数据,对历史加工数据进行多案例数据拟合,构建马尔可夫链;
步骤S522:基于所述马尔可夫链,进行各流程节点钢坯热量、炉温热量差值计算,利用钢坯热量差值、炉温热量差值,获得热损失系数;
步骤S523:基于所述马尔可夫链,进行最后流程节点炉温预测,获得余温预测信息;
步骤S524:根据所述炉温-钢坯对应关系、所述余温预测信息进行钢坯温度预测,基于所述钢坯温度预测、余温预测信息,获得所述余温加热系数。
具体而言,基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略,简单来说,以加工钢坯工况信息中的目标出炉温度是想要达到的加热效果,然后根据炉温-钢坯对应关系和加工钢坯工况信息,匹配所有可以达到目标出炉温度的多个炉控参数,炉控参数即为炉温控制策略,在多个炉控参数中进行寻优,寻找到能耗最小的炉控参数作为最终的炉温控制策略。
具体地,以加工钢坯工况信息中的目标出炉温度作为约束条件,根据炉温-钢坯对应关系、加工钢坯工况信息,确定热损失系数、余温加热系数。进一步根据加工流程炉温数据、热损失系数、余温加热系数建立能耗最小优化空间,将约束条件加入能耗最小优化空间,进行迭代寻优,获得加工炉温参数控制策略,也就是说,以加工钢坯工况信息中的目标出炉温度作为约束条件,对加工炉温参数控制策略的寻优空间(能耗最小优化空间)进行约束,能耗最小优化空间中包含多个不同的加工炉温参数控制策略,且多个加工炉温参数控制策略均能使钢坯出炉温度达到目标出炉温度,但是多个加工炉温参数控制策略所产生的能耗是不同的,热损失系数代表了加热过程中产生的损失热量对炉温的影响程度,停止对加热炉加热后,加热炉还具有余温,余温还可以对钢坯进行加热,余温加热系数表征加热炉余温对钢坯产生的热量对炉温的影响程度,通过加工流程炉温数据确定加热参数,再结合炉温加热过程中热损失系数、余温加热系数造成的损失的热量和余温加热的热量,对加热炉的加热参数和加热时间进行优化组合,以最优组合作为加工炉温参数控制策略,减少钢坯的在炉时间和待轧时间,实现节能降耗的效果。进一步基于炉温参数控制策略、炉温-钢坯对应关系,确定监测点监测策略,监测点监测策略是指通过监测点对炉温进行监测的监测时间和监测区域,具体可以基于,具体可以通过炉温参数控制策略中的加热时间,以加热时间的前后时间点作为监测时间节点,根据炉温-钢坯对应关系,获取监测点的位置,以监测时间节点和监测点的位置组成监测点监测策略。加工炉温参数控制策略和监测点监测策略一起组成炉温控制策略。通过进行炉温控制策略寻优确定炉温控制策略,达到提升炉温控制准确度和精度,同时降低钢坯加热过程的损耗的效果。
具体地,根据加工钢坯工况信息获取与待加工钢坯类型相同、轧制节奏相同的钢坯的历史加工数据,对历史加工数据进行多案例数据拟合,构建马尔可夫链,也就是说,历史加工数据中有多组钢坯的加工数据,多组钢坯的轧制节奏是相同的,将多组钢坯的加工数据拟合为一组加工数据,具体可以将相同流程节点的加工数据中的异常值去除,然后求平均值,可以得到多个流程节点对应的加工数据,基于此构建马尔可夫链,以多个流程节点作为马尔科夫链的状态节点,并将各个流程节点对应的加工数据作为马尔可夫链上施加的动作,使得状态节点的炉温发生变化。基于马尔可夫链,进行各流程节点钢坯热量、炉温热量差值计算,具体来说,通过炉控参数进行炉温控制时,会有预期炉温和钢坯温度,也就是理论上的炉温和钢坯温度,以理论值和实际炉温、实际钢坯温度的差值作为钢坯温度差值、炉温差值,根据温度差值进行钢坯损失热量和炉温损失热量的计算,具体可以用钢坯或者加热炉的质量乘钢坯或加热炉的比热再乘钢坯温度差或炉温差值计算得到钢坯热量差值、炉温热量差值,根据钢坯热量差值、炉温热量差值获得热损失系数,钢坯热量差值、炉温热量差值都是损失的热量,根据各流程节点的炉温控制参数获取预期产生热量,将钢坯热量差值、炉温热量差值相加,用相加结果除以预期产生热量得到的结果即为热量损失系数。马尔可夫链上包含多个流程节点,最后流程节点即加热末期,此时对加热炉停止加热,根据马尔可夫链上多个连续的流程节点对应的炉温,进行最后流程节点炉温预测,获得余温预测信息,余温预测信息是指停止加热后,加热炉的温度,根据炉温-钢坯对应关系确定余温预测信息中加热炉的温度对钢坯温度的影响,以此进行钢坯温度预测,钢坯温度预测即为钢坯最终的温度,根据钢坯温度预测、余温预测信息确定加热炉的余温对钢坯温度产生的影响程度,并将其作为余温加热系数。通过获取热损失系数和余温加热系数,便于在进行炉控时,针对钢坯的加工流程,确定炉控参数后,再结合热损失系数和余温加热系数对加热炉的加热参数和时间进行优化组合。
步骤S600:根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制。
具体而言,根据炉温控制策略进行炉温加热控制,通过监测点炉温监测数据对炉温进行监测,当炉温发生变化时,随时进行炉控参数的调整,达到提升炉温控制精度和控制准确度的效果。
其中,本公开实施例步骤S700还包括:
步骤S710:根据所述炉温监测数据集,构建炉温分析矩阵;
步骤S720:对所述炉温分析矩阵进行方差运算,获得炉温均匀系数;
步骤S730:判断所述炉温均匀系数是否满足钢坯加工工况要求;
步骤S740:当不满足时,发送提醒信息,并基于所述炉温均匀系数进行调整参数分析反馈。
其中,本公开实施例步骤S720还包括:
步骤S721:基于所述钢坯加工工况信息,进行历史加工数据分析,确定关键监测区域、关键监测流程;
步骤S722:根据所述关键监测区域、关键监测流程对应时间从所述炉温监测数据集中进行筛选,提取关键监测点数据集;
步骤S723:利用所述关键监测点数据集构建所述炉温分析矩阵,获得所述炉温均匀系数。
具体而言,从炉温监测数据集中提取部分炉温监测数据,进而构建炉温分析矩阵,具体来说,炉温分析矩阵是一个m×n的矩阵,m,n均为大于1的正整数,具体需要根据监测点的数量和各个监测点对应的炉温监测数据的数量确定,进一步对炉温分析矩阵中所有的监测数据进行方差计算,方差可以体现出炉温监测数据的离散程度,反映出了加热炉各个部位的温度的均匀程度,方差越小,越均匀,以方差计算结果作为炉温均匀系数,进一步判断炉温均匀系数是否满足钢坯加工工况要求,钢坯加工工况要求是对炉温均匀系数的限制范围,如果炉温均匀系数在这个范围内,就符合要求,如果炉温均匀系数不在这个范围内,说明不符合要求,可能会对钢坯加热过程产生影响,需要向工作人员发送提醒信息,并基于炉温均匀系数进行炉控参数的调整,使得炉温均匀系数满足钢坯加工工况要求,提高炉温控制精度,保证钢坯后续轧制效果。
其中,基于钢坯加工工况信息,进行历史加工数据分析,确定关键监测区域、关键监测流程,关键监测区域是指多个监测点中较为重要的监测点,监测点是炉温关系敏感或具有炉温差的区域,基于此,筛选出炉温关系敏感程度较高或者炉温差较高的区域作为关键监测区域,举例如,可以设定一个炉温差值阈值,将炉温差值大于炉温差值阈值的监测区域作为关键监测区域,关键监测流程是指钢坯加热工序中比较重要的工序,根据关键监测流程对应的加工时间节点,从炉温监测数据集中提取在该加工时间节点下的关键监测区域的炉温监测数据作为关键监测点数据集。利用关键监测点数据集构建炉温分析矩阵,然后对炉温分析矩阵中的炉温监测数据进行方差计算,以方差计算结果作为炉温均匀系数,达到减少数据运算量,提升炉温监测效率的技术效果。
基于上述分析可知,本公开提供了一种基于多点反馈的炉温优化控制方法,在本实施例中,首先基于历史数据确定多个监测点,根据监测点设置炉温监测传感器,用于对各个监测点进行温度监测,获取炉温监测数据集,进一步根据钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征,进而根据炉温监测数据集、炉温反应特征进行相关性分析,确定炉温-钢坯对应关系,基于炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略,根据炉温控制策略设置加热时间和加热温度,减少钢坯的在炉时间和待轧时间,达到提升炉温控制准确度和精度,同时降低钢坯加热过程的损耗,实现节能降耗的技术效果。
实施例
基于与前述实施例中一种基于多点反馈的炉温优化控制方法同样的发明构思,如图4所示,本公开还提供了一种基于多点反馈的炉温优化控制系统,所述系统包括:
监测点确定模块11,所述监测点确定模块11用于基于历史加工数据,确定多个监测点,所述监测点为与加工件具有炉温反应相关性的区域;
炉温实时监测模块12,所述炉温实时监测模块12用于在确定的多个监测点设置炉温监测传感器,实时监测炉温获得炉温监测数据集,所述炉温监测数据集包括监测点、监测温度、监测时间;
炉温相关性分解模块13,所述炉温相关性分解模块13用于获得待加工的钢坯加工工况信息,并基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征;
相关性分析模块14,所述相关性分析模块14用于根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温-钢坯对应关系;
炉温控制策略寻优模块15,所述炉温控制策略寻优模块15用于基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;
炉温监测控制模块16,所述炉温监测控制模块16用于根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制。
进一步而言,所述系统还包括:
历史加工数据获取模块,所述历史加工数据获取模块用于获得多类型钢坯的历史加工数据;
炉控参数获取模块,所述炉控参数获取模块用于获得炉控参数与炉温分布差异信息;
炉温关系确定模块,所述炉温关系确定模块用于根据所述多类型钢坯的历史加工数据、炉控参数与炉温分布差异信息进行炉温关系确定,基于炉温关系、历史加工数据,将炉温关系敏感或具有炉温差的区域作为所述监测点。
进一步而言,所述系统还包括:
钢坯加工工况信息分析模块,所述钢坯加工工况信息分析模块用于根据所述钢坯加工工况信息,确定钢坯类型、目标出炉温度、轧制节奏;
炉温变化特征分解模块,所述炉温变化特征分解模块用于基于所述钢坯类型从所述多类型的历史加工数据中提取对应类型的历史加工数据,进行加工过程炉温变化特征分解,获得加工流程炉温数据;
转化投射模块,所述转化投射模块用于基于所述加工流程炉温数据与炉温关系进行转化投射,获得所述炉温反应特征。
进一步而言,所述系统还包括:
约束条件生成模块,所述约束条件生成模块用于根据所述加工钢坯工况信息中的目标出炉温度,生成约束条件;
加热影响系数获取模块,所述加热影响系数获取模块用于根据所述炉温-钢坯对应关系、加工钢坯工况信息,确定热损失系数、余温加热系数;
迭代寻优模块,所述迭代寻优模块用于基于所述加工流程炉温数据、热损失系数、余温加热系数建立能耗最小优化空间,将所述约束条件加入所述能耗最小优化空间,进行迭代寻优,获得加工炉温参数控制策略;
监测点监测策略确定模块,所述监测点监测策略确定模块用于基于所述炉温参数控制策略、炉温-钢坯对应关系,确定监测点监测策略,其中炉温控制策略包括加工炉温参数控制策略、监测点监测策略。
进一步而言,所述系统还包括:
炉温分析矩阵构建模块,所述炉温分析矩阵构建模块用于根据所述炉温监测数据集,构建炉温分析矩阵;
方差运算模块,所述方差运算模块用于对所述炉温分析矩阵进行方差运算,获得炉温均匀系数;
炉温均匀系数判断模块,所述炉温均匀系数判断模块用于判断所述炉温均匀系数是否满足钢坯加工工况要求;
提醒信息发送模块,所述提醒信息发送模块用于当不满足时,发送提醒信息,并基于所述炉温均匀系数进行调整参数分析反馈。
进一步而言,所述系统还包括:
关键性分析模块,所述关键性分析模块用于基于所述钢坯加工工况信息,进行历史加工数据分析,确定关键监测区域、关键监测流程;
数据筛选模块,所述数据筛选模块用于根据所述关键监测区域、关键监测流程对应时间从所述炉温监测数据集中进行筛选,提取关键监测点数据集;
炉温均匀系数获取模块,所述炉温均匀系数获取模块用于利用所述关键监测点数据集构建所述炉温分析矩阵,获得所述炉温均匀系数。
进一步而言,所述系统还包括:
马尔可夫链构建模块,所述马尔可夫链构建模块用于根据所述加工钢坯工况信息提取历史加工数据,对历史加工数据进行多案例数据拟合,构建马尔可夫链;
热损失系数计算模块,所述热损失系数计算模块用于基于所述马尔可夫链,进行各流程节点钢坯热量、炉温热量差值计算,利用钢坯热量差值、炉温热量差值,获得热损失系数;
余温预测模块,所述余温预测模块用于基于所述马尔可夫链,进行最后流程节点炉温预测,获得余温预测信息;
余温加热系数获取模块,所述余温加热系数获取模块用于根据所述炉温-钢坯对应关系、所述余温预测信息进行钢坯温度预测,基于所述钢坯温度预测、余温预测信息,获得所述余温加热系数。
前述实施例一中的一种基于多点反馈的炉温优化控制方法具体实例同样适用于本实施例的一种基于多点反馈的炉温优化控制系统,通过前述对一种基于多点反馈的炉温优化控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于多点反馈的炉温优化控制系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行,也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (8)
1.一种基于多点反馈的炉温优化控制方法,其特征在于,所述方法包括:
基于历史加工数据,确定多个监测点,所述监测点为与加工件具有炉温反应相关性的区域;
在确定的多个监测点设置炉温监测传感器,实时监测炉温获得炉温监测数据集,所述炉温监测数据集包括监测点、监测温度、监测时间;
获得待加工的钢坯加工工况信息,并基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征;
根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温-钢坯对应关系;
基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;
根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制。
2.如权利要求1所述的方法,其特征在于,所述基于历史加工数据,确定多个监测点,包括:
获得多类型钢坯的历史加工数据;
获得炉控参数与炉温分布差异信息;
根据所述多类型钢坯的历史加工数据、炉控参数与炉温分布差异信息进行炉温关系确定,基于炉温关系、历史加工数据,将炉温关系敏感或具有炉温差的区域作为所述监测点。
3.如权利要求2所述的方法,其特征在于,基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征,包括:
根据所述钢坯加工工况信息,确定钢坯类型、目标出炉温度、轧制节奏;
基于所述钢坯类型从所述多类型的历史加工数据中提取对应类型的历史加工数据,进行加工过程炉温变化特征分解,获得加工流程炉温数据;
基于所述加工流程炉温数据与炉温关系进行转化投射,获得所述炉温反应特征。
4.如权利要求3所述的方法,其特征在于,基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略,包括:
根据所述加工钢坯工况信息中的目标出炉温度,生成约束条件;
根据所述炉温-钢坯对应关系、加工钢坯工况信息,确定热损失系数、余温加热系数;
基于所述加工流程炉温数据、热损失系数、余温加热系数建立能耗最小优化空间,将所述约束条件加入所述能耗最小优化空间,进行迭代寻优,获得加工炉温参数控制策略;
基于所述炉温参数控制策略、炉温-钢坯对应关系,确定监测点监测策略,其中炉温控制策略包括加工炉温参数控制策略、监测点监测策略。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述炉温监测数据集,构建炉温分析矩阵;
对所述炉温分析矩阵进行方差运算,获得炉温均匀系数;
判断所述炉温均匀系数是否满足钢坯加工工况要求;
当不满足时,发送提醒信息,并基于所述炉温均匀系数进行调整参数分析反馈。
6.如权利要求5所述的方法,其特征在于,所述获得炉温均匀系数,包括:
基于所述钢坯加工工况信息,进行历史加工数据分析,确定关键监测区域、关键监测流程;
根据所述关键监测区域、关键监测流程对应时间从所述炉温监测数据集中进行筛选,提取关键监测点数据集;
利用所述关键监测点数据集构建所述炉温分析矩阵,获得所述炉温均匀系数。
7.如权利要求4所述的方法,其特征在于,根据所述炉温-钢坯对应关系、加工钢坯工况信息,确定热损失系数、余温加热系数,包括:
根据所述加工钢坯工况信息提取历史加工数据,对历史加工数据进行多案例数据拟合,构建马尔可夫链;
基于所述马尔可夫链,进行各流程节点钢坯热量、炉温热量差值计算,利用钢坯热量差值、炉温热量差值,获得热损失系数;
基于所述马尔可夫链,进行最后流程节点炉温预测,获得余温预测信息;
根据所述炉温-钢坯对应关系、所述余温预测信息进行钢坯温度预测,基于所述钢坯温度预测、余温预测信息,获得所述余温加热系数。
8.一种基于多点反馈的炉温优化控制系统,其特征在于,所述系统包括:
监测点确定模块,所述监测点确定模块用于基于历史加工数据,确定多个监测点,所述监测点为与加工件具有炉温反应相关性的区域;
炉温实时监测模块,所述炉温实时监测模块用于在确定的多个监测点设置炉温监测传感器,实时监测炉温获得炉温监测数据集,所述炉温监测数据集包括监测点、监测温度、监测时间;
炉温相关性分解模块,所述炉温相关性分解模块用于获得待加工的钢坯加工工况信息,并基于所述钢坯加工工况信息进行炉温相关性分解,获得炉温反应特征;
相关性分析模块,所述相关性分析模块用于根据所述炉温监测数据集、所述炉温反应特征进行相关性分析,确定炉温-钢坯对应关系;
炉温控制策略寻优模块,所述炉温控制策略寻优模块用于基于所述炉温-钢坯对应关系、加工钢坯工况信息构建优化空间,进行炉温控制策略寻优确定炉温控制策略;
炉温监测控制模块,所述炉温监测控制模块用于根据所述炉温控制策略及监测点炉温监测数据进行炉温监测控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310900238.9A CN116607001B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多点反馈的炉温优化控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310900238.9A CN116607001B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多点反馈的炉温优化控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116607001A true CN116607001A (zh) | 2023-08-18 |
CN116607001B CN116607001B (zh) | 2023-11-14 |
Family
ID=87682264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310900238.9A Active CN116607001B (zh) | 2023-07-21 | 2023-07-21 | 一种基于多点反馈的炉温优化控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116607001B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117000781A (zh) * | 2023-10-07 | 2023-11-07 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
CN117356590A (zh) * | 2023-09-20 | 2024-01-09 | 广州市赛思达机械设备有限公司 | 一种隧道炉供热控制方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017071815A (ja) * | 2015-10-06 | 2017-04-13 | 新日鐵住金株式会社 | 炉温設定方法及び炉温設定装置 |
CN107201440A (zh) * | 2017-04-21 | 2017-09-26 | 上海联达节能科技有限公司 | 一种加热炉炉温制度设定方法与系统 |
CN108687140A (zh) * | 2018-05-11 | 2018-10-23 | 鞍钢股份有限公司 | 热轧加热炉板坯温度自学习控制方法 |
CN111411215A (zh) * | 2020-03-31 | 2020-07-14 | 北京科技大学设计研究院有限公司 | 一种多钢坯对象的炉温综合决策方法 |
CN111809040A (zh) * | 2020-06-10 | 2020-10-23 | 深圳城市节能环保科技有限公司 | 一种轧钢加热炉的控制方法和装置 |
CN111814402A (zh) * | 2020-07-13 | 2020-10-23 | 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 |
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 |
CN116103487A (zh) * | 2022-12-22 | 2023-05-12 | 北京科技大学 | 一种基于炉区多参权重的热轧板坯加热炉温度设定方法 |
CN116127760A (zh) * | 2023-02-13 | 2023-05-16 | 东北大学 | 基于混合建模与改进沙丘猫群算法的加热炉炉温优化方法 |
-
2023
- 2023-07-21 CN CN202310900238.9A patent/CN116607001B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017071815A (ja) * | 2015-10-06 | 2017-04-13 | 新日鐵住金株式会社 | 炉温設定方法及び炉温設定装置 |
CN107201440A (zh) * | 2017-04-21 | 2017-09-26 | 上海联达节能科技有限公司 | 一种加热炉炉温制度设定方法与系统 |
CN108687140A (zh) * | 2018-05-11 | 2018-10-23 | 鞍钢股份有限公司 | 热轧加热炉板坯温度自学习控制方法 |
CN111411215A (zh) * | 2020-03-31 | 2020-07-14 | 北京科技大学设计研究院有限公司 | 一种多钢坯对象的炉温综合决策方法 |
CN111809040A (zh) * | 2020-06-10 | 2020-10-23 | 深圳城市节能环保科技有限公司 | 一种轧钢加热炉的控制方法和装置 |
CN111814402A (zh) * | 2020-07-13 | 2020-10-23 | 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 |
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 |
CN116103487A (zh) * | 2022-12-22 | 2023-05-12 | 北京科技大学 | 一种基于炉区多参权重的热轧板坯加热炉温度设定方法 |
CN116127760A (zh) * | 2023-02-13 | 2023-05-16 | 东北大学 | 基于混合建模与改进沙丘猫群算法的加热炉炉温优化方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117356590A (zh) * | 2023-09-20 | 2024-01-09 | 广州市赛思达机械设备有限公司 | 一种隧道炉供热控制方法、装置、设备及存储介质 |
CN117356590B (zh) * | 2023-09-20 | 2024-05-31 | 广州市赛思达机械设备有限公司 | 一种隧道炉供热控制方法、装置、设备及存储介质 |
CN117000781A (zh) * | 2023-10-07 | 2023-11-07 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
CN117000781B (zh) * | 2023-10-07 | 2023-12-15 | 江苏甬金金属科技有限公司 | 用于钛带加工设备的故障检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116607001B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116607001B (zh) | 一种基于多点反馈的炉温优化控制方法及系统 | |
CN106636610B (zh) | 一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法 | |
CN109992921B (zh) | 一种燃煤电厂锅炉热效率的在线软测量方法及系统 | |
CN106636606B (zh) | 一种基于仿真模型的加热炉炉温控制方法 | |
CN114021290B (zh) | 一种基于数据驱动和机理模型融合的板带钢凸度预测方法 | |
CN113849020B (zh) | 一种基于人工智能算法的钢坯升温曲线设计方法及装置 | |
CN104894362A (zh) | 一种冷热钢坯混装的加热炉炉温设定方法 | |
CN102540879A (zh) | 基于群决策检索策略的多目标评价优化方法 | |
CN105018718A (zh) | 一种基于热负荷分配的加热炉工艺炉温控制方法 | |
CN110918655A (zh) | 一种精细化加热控制方法 | |
CN100534656C (zh) | 张减机钢管增厚端控制方法 | |
CN112984616A (zh) | 一种供热系统热力站调控规律的辨识方法 | |
CN117056644A (zh) | 基于机器学习的工业窑炉温度预测方法及系统 | |
CN115129005A (zh) | 基于工业过程的控制、模型方法、设备和存储介质 | |
Tian et al. | A new AdaBoost. IR soft sensor method for robust operation optimization of ladle furnace refining | |
CN108984943A (zh) | 加热炉钢坯温度跟踪模型修正方法 | |
CN110794676A (zh) | 基于Hammerstein-Wiener模型的CSTR过程非线性控制方法 | |
CN112132428B (zh) | 基于大数据的蒸汽热网配汽站预测性调控决策方法 | |
CN109884893B (zh) | 一种多工序变量间动态时滞估计方法 | |
CN115058555B (zh) | 一种转炉终点碳含量测量的智能软测量方法及系统 | |
CN117193002A (zh) | 一种面向水泥分解炉系统的优化控制方法及系统 | |
CN117505551B (zh) | 用于异型钢连轧工艺的工件质量控制方法及系统 | |
CN110607433A (zh) | 一种用于钢管淬火炉热处理的控制方法 | |
CN114545839B (zh) | 一种热力设备智能控制系统及控制方法 | |
CN116603868A (zh) | 一种基于穿带自适应的首根钢命中率控制方法 |
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 |