CN1644257A - 热轧过程加热炉综合优化控制系统设计及其控制方法 - Google Patents

Abstract

本发明属于冶金自动化过程控制技术领域，涉及一种满足粗轧机组轧制生产安全要求和热轧生产过程顺利进行的、实现整个热轧生产线节能降耗的、对加热炉进行综合优化控制的新型控制系统结构设计及其控制方法。本发明的特征是将加热炉和粗轧机组构成一个有机的闭环系统，将钢坯在粗轧机组一侧的轧制力以及温度等轧制生产信息反馈到加热炉一侧，利用炉温预设定补偿模块动态地修改炉温设定值，结合优化控制策略和控制算法对钢坯加热过程实现综合优化控制。本发明的效果和益处是能够明显提高钢坯在加热炉内的加热质量，显著降低加热炉和粗轧机组的整体能耗，提高粗轧机组在轧制生产过程中的安全性，有效地预防生产事故的发生。

Description

热轧过程加热炉综合优化控制系统设计及其控制方法

技术领域

本发明属于冶金自动化过程控制领域，涉及一种新的钢坯热轧过程加热炉综合优化控制系统设计及其控制方法。

背景技术

加热炉和轧制机组是钢坯热轧生产过程重要的生产设备，也是热轧过程主要的耗能设备。加热炉向轧制机组提供满足轧制工艺要求的温度分布的钢坯，轧制机组根据客户要求和轧制工艺要求将钢坯轧成高质量的轧制成品。轧制机组的轧制能耗取决于钢坯的加热质量，如果钢坯加热质量不能满足轧制工艺要求，最严重地，能够导致轧制机组断辊事故的发生。因此，钢坯的加热质量是影响钢坯热轧过程能耗水平的关键因素。

目前对钢坯加热过程控制技术的研究中，加热炉和轧制机组基本上是各自独立控制的。为降低加热能耗，加热生产工序应在提供满足轧制工艺要求的被加热钢坯的前提下尽可能降低钢坯的加热温度，并使被加热钢坯沿最佳温升曲线达到目标出炉温度，同时实现钢坯氧化烧损最小。轧制机组接受来自加热炉的钢坯并根据轧制工艺要求对钢坯进行轧制时，自身也有降低轧制能耗的要求。加热生产工序和轧制生产工序在各自节能降耗生产目标上存在固有矛盾：当钢坯出炉温度较高时，轧制生产过程能够顺利进行，而且轧制生产能耗也会降低，但加热能耗上升；当钢坯出炉温度较低时，加热能耗会降低，但轧制能耗会随之上升，且易发生断辊、烧坏电机等生产事故。目前，加热工序中对轧制生产过程中的钢坯温度、轧机负荷变化等生产信息的兼顾，都是靠操作工人的经验通过人工方式完成的，加热炉和轧制机组在生产信息的交换上没有实现有效共享，不但降低了生产效率，更大大增加了热轧生产的能耗和生产事故的发生，对该问题，目前还没有很好的解决方案。此外，由于受轧制过程中环境因素的影响，钢坯温度分布也不可避免地存在波动，如果加热炉不能实时地根据钢坯的加热状况和轧制状况动态调整钢坯的加热生产，不能利用钢坯轧制生产信息对加热过程进行反馈控制，就不能从根本上解决热轧生产能耗较高的问题。

对于加热炉炉温的控制，学者们提出了很多控制方法，其中：张立志等设计了一种用多层BP神经网络实现的模糊控制器，通过模糊控制器对炉温进行实时跟踪(张立志，王玲，高希彦.BP神经网络在加热炉控制系统中的应用.大连理工大学学报，1996，36(5)：616-619)。柴天佑等提出了一种炉温优化设定模型，对炉温和钢坯温度进行了预报，同时通过前馈环节和反馈环节动态地调整加热炉的炉温(柴天佑，王中杰，张莉.加热炉的炉温优化设定模型.自动化学报，2000，26(4)：537-541)。荣莉等论述了智能控制在加热炉温度控制中的应用，并介绍了应用于炉温控制的智能PID控制器(荣莉，柴天佑，钱晓龙.加热炉过程控制技术的新策略—智能控制.控制与决策，2000，15(3)：269-273)。李朝祥等根据加热炉传热机理建立了加热炉在线控制的最佳Q-P供热模型，解决了生产条件多变的加热炉温度控制问题(李朝祥，杨宗山.中板厂轧钢加热炉计算机在线最优供热控制模型的应用研究.钢铁，1995，30(10)：65-70)。王中杰等采用最小二乘法建立了加热炉氧闭环控制器模型，利用神经元PID控制器对氧浓度偏差进行调解，达到了降低加热炉加热能耗的目的(王中杰，柴天佑，邵诚.加热炉氧闭环控制策略的研究.钢铁，1999，34(7)：54-57)。柴天佑等在一篇综述中归纳和总结了加热炉燃烧控制的方法以及炉温优化设定的方法(柴天佑，王中杰，王伟.加热炉控制技术的回顾与展望.冶金自动化，1998(5)：1-4，28)。王中杰等针对现有加热炉钢温预报模型存在的缺陷，用RBF神经网络建立了加热炉钢温预报模型，较好地反应了钢坯的实际温度(王中杰，柴天佑，邵诚.基于RBF神经网络的加热炉钢温预报模型.系统仿真学报，1999，11(3)：181-184，193)。王中杰等提出了一种加热炉多模式动态优化控制策略，该策略给出了稳态优化炉温设定值的求解方法和炉温设定的动态补偿方法(王中杰，柴天佑，邵诚.加热炉多模式动态优化控制策略.控制与决策，1999，14(5)：465-468)。对于粗轧机的控制重点多放在轧制力的控制、钢坯板厚板型控制和轧机本身的传动系统的控制等(刘振宇，韩淑芝，王国栋.板带热连轧温度的预报计算及应用.钢铁，1994，29(2)：31-34)(赵会平，崔建江，吴庆洪等.粗轧带坯宽向温度分布的仿真.钢铁研究学报，1999，11(6)：21-24)(王秀梅，王国栋，刘相华.人工神经网络和数学模型在热轧机组轧制力预报中的综合应用.钢铁，1999，34(3)：37-39)。

综上所述，现有的加热炉炉温控制策略主要有下述特点：

1、加热炉的燃烧控制：通常采用单交叉限幅控制、双交叉限幅控制和改进型的双交叉限幅等控制方法对加热炉进行燃烧控制，部分利用氧闭环控制策略去优化空燃比。

2、加热炉炉温的优化设定：通过加热炉的传热机理模型，以加热炉能耗最小为目标，通过模型计算出优化的炉温设定值。同时基于前馈、反馈控制等策略，对加热炉加热状况变化和外界干扰进行实时补偿。

3、钢坯温度的预报与修正：通过钢坯升温的机理模型或者神经网络等智能控制方法对钢坯的升温过程进行预报，并用该预报值指导轧制和加热过程。

从上述分析可以看出，现有的加热炉优化控制策略把钢坯的加热过程和轧制过程人为地割裂开来，没有考虑到加热炉与轧制机组之间在生产工序上的密切联系和控制上的不可分割性，因而无论对加热炉进行何种优化控制，也只能得到局部优化，不能实现加热炉和粗轧机组的整体最优化，因而不能保证热轧过程总能耗最小、控制效果最佳。

发明内容

本发明的目的是提供一种降低钢坯加热过程和轧制过程总能耗、保障轧制机组生产安全的加热炉综合优化控制系统。

本发明的技术方案是设有炉温预设定模型、加热炉加热过程控制模块，包括温度反馈控制模型、炉温设定回路、燃烧控制回路和加热炉模型；炉温预设定补偿模块，包括钢坯温度预报模型、粗轧温降计算模型、粗轧阶段轧制力预报模型、一次反馈补偿模型、二次反馈补偿模型和炉温预设定补偿模型。系统结构框图如附图1所示。

炉温预设定模型根据钢坯的装炉参数对加热炉炉温进行最优化设定。该模型的输入为钢坯的种类、规格、装炉温度、轧制节奏等，输出为加热炉各段(预热段、加热段、均热段)的最优炉温分布曲线。该模型以加热能耗、钢坯氧化烧损、钢坯断面温差、钢坯表面温度与期望温度的偏差等参数最小为目标函数，具体表述为：

$J=\frac{1}{2}{\mathrm{\ω}}_1[T_s^s\left(t_n\right)-T_a^{*}{]}^2+\frac{1}{2}{\mathrm{\ω}}_2[T_s^s\left(t_n\right)-T_s^c\left(t_n\right){]}^2+\frac{1}{2}{\mathrm{\ω}}_3\underset{k=0}{\overset{k_n-1}{\mathrm{\Σ}}}\left|\right|U\left(k\right)|{|}_{R\left(k\right)}^2+\frac{1}{2}{\mathrm{\ω}}_4\mathrm{\ϵG}[T_s^s\left(t_n\right)-T_s\left(t_0\right){]}^2$

约束条件如下：

a)T_s(t+Δt)＝F(T_s(t)，T_f(t+Δt))

$b){---T}_s(t+\mathrm{\Δt})-T_s\left(t\right)\≤\mathrm{\Δ}{T}_{s\max }^v$

$c){---T}_s^s\left(t\right)-T_s^c\left(t\right)\≤\mathrm{\Δ}{T}_{s\max }$

$d)---T_s^s\left(t_n\right)-T_s^c\left(t_n\right)\≤\mathrm{\Δ}{T}_{s\max }^{s-c}$

$e)---|T_s^s\left(t_n\right)-T_a^{*}|\≤\mathrm{\Δ}{T}_{\mathrm{exit}}$

f)T_fmin(t_i)≤T_f(t_i)≤T_fmax(t_i)

目标函数中各符号意义如下：

t是钢坯在炉内的加热时间(s)，其与钢坯在炉内的位移s的关系是： $s={\∫}_{t_0}^{t_n}\mathrm{vdt},$ 而v为钢坯在炉内的运动速度(m/s)；t₀、t_n分别是钢坯的入炉时刻和出炉时刻；t_i炉温分布优化设定的关键点(s)；T_s、T_f分别代表钢坯温度分布和炉温温度分布(℃)；T_s ^s、T_s ^c表示钢坯出炉时刻的表面温度和中心温度(℃)；ΔT_smax ^v、ΔT_smax为钢坯加热时所允许的最大加热速度和最大断面温差(℃)；T_a ^*是钢坯的目标出炉温度(℃)；ΔT_smax ^s-c为钢坯出炉时刻所允许的最大断面温差(℃)；k是计算炉温分布的离散化时间步长；k_n是时间离散化之后的节点数；U(k)是与炉温分布有关的某种控制作用向量函数(例如加热炉的燃料消耗等)，U(k)＝F(T_fs，k)；其中T_fs为炉温设定值向量：T_fs＝[T_fs1，T_fs2，L，T_fsm]^T；m为需要进行炉温优化的各加热段数量；G表示被加热钢坯的质量(kg)；ε为钢坯表面的氧化烧损率(kg/t·℃)；ω₁、ω₂、ω₃、ω₄为加权系数，且ω₁，ω₂，ω₄＞＞ω₃。

通过对上述目标函数寻优可得到与钢坯最佳温升曲线相对应的最佳炉温分布曲线。

加热炉加热过程控制模块采用改进型的双交叉限幅控制策略，利用燃料热值前馈和残氧闭环反馈相结合的控制策略优化加热炉的空燃比，控制系统结构见附图2和附图3，其中附图3为附图2中残氧闭环控制环节的具体说明。附图3中各符号意义是：x₁、x₂、x₃为控制器的输入；w₁、w₂、w₃是相应的权值；k为PID控制器的比例因子；V_sp是空气控制回路的设定值；V_mp为氧分析仪测得的残氧浓度。同时增加了快速响应环节(见附图4)，提高了燃料流量系统对温度设定值偏差小幅波动的动态跟随性能，动态特性补偿环节的传递函数为 $F\left(s\right)=\frac{1+T_{a}s}{1+T_{f}s}.$ 附图4中符号含义：Δx_n为燃料系统限制环节的输入输出之差；a为补偿量限制的比例系数。通过温度反馈控制模型将钢坯温度偏差和外界扰动反馈到炉温设定回路，动态地调整炉温设定以减小温度偏差、消除外界干扰。

在加热过程中，加热炉和钢坯之间有着极其复杂的热交换过程，这个过程通常难以量化，因而钢坯在加热炉内的加热情况很难预知。按照现有的技术，我们只能在加热炉出口处测得钢坯的表面温度，因而不能根据钢坯的加热情况在加热炉内对钢坯的加热过程及时进行控制调节。利用炉温预设定补偿模块中的钢坯温度预报模型可以对钢坯在加热炉内的温升状况及温度分布进行预报，使操作人员能够及时了解钢坯的加热情况，同时也为粗轧阶段钢坯温降的准确预报提供了保证。在钢坯温度预报模型中，采用的是基于二维非稳态热传导机理分析的全系统离散状态空间方程，方程形式如下：

          X(k+1)＝A(k)X(k)+B₁(k)U₁(k)+B₂(k)U₂(k)

其中： $X\left(k\right)=[X_{:,0}^{k^T},X_{:,1}^{k^T},\mathrm{\Λ},X_{:,n-1}^{k^T}{]}^T,$ 为钢坯横截面的全系统温度分布的离散向量； $U_1\left(k\right)=[T_{m,0}^k,T_{m,1}^k,\mathrm{\Λ},T_{m,n-1}^k{]}^T,$ $U_2\left(k\right)=[T_{0,n}^k,T_{1,n}^k,\mathrm{\Λ},T_{m-1,n}^k{]}^T$ 分别为钢坯右边界节点温度分布向量和上边界节点温度分布向量；A(k)、B₁(k)、B₂(k)中的元素分别为与钢坯内部各节点温度有关的钢坯热物性参数c_s、ρ_s及λ_s的函数。

粗轧温降计算模型用来计算钢坯在粗轧阶段的温降，并将得到的预测值与粗轧末端钢坯的实际温度进行比较，得到的差值通过二次反馈补偿环节作用到加热炉一侧，对加热炉炉温预设定值进行补偿，以优化钢坯的加热过程。与预报钢坯在加热过程中的温升情况一样，粗轧温降计算模型采用的也是基于二维非稳态热传导机理分析的全系统离散状态空间方程。不同之处在于边界条件发生变化。本发明中，考虑了自然空冷、冷却水除鳞、轧件与轧辊之间热交换和轧制时轧件的变形热等影响因素。

粗轧阶段轧制负荷预报模型根据钢坯温度预报模型的输出计算出轧制负荷的预报值，通过这个预报值指导粗轧机组轧制规程的设计。在本发明中，粗轧机组轧制负荷的预报值与轧制负荷实测值的差值还作为粗轧机组一侧重要的生产信息通过一次反馈补偿环节反馈到加热炉一侧，对加热炉的炉温设定值进行在线动态补偿，实时优化钢坯的加热过程。

一次反馈补偿模型是计算由于轧制负荷的偏差变化引起的炉温预设定值补偿量的环节，二次反馈补偿模型是计算由于钢坯粗轧机组出口温度的偏差变化引起的炉温预设定值补偿量的环节。二者的输出经过炉温预设定补偿模型的加权平均处理后，对炉温预设定值进行动态补偿，在优化钢坯的加热过程的同时，保证钢坯出炉温度和断面温差满足轧制工艺的要求。

综上所述，本发明解决了将加热炉和粗轧机组作为一个整体来考虑的加热炉综合优化控制技术的关键问题，建立了热轧过程加热炉、粗轧机组综合智能优化控制系统，能够将粗轧机组一侧的轧制生产信息及时地反馈到加热炉一侧，动态地修正和调节钢坯的加热过程，实现钢坯加热过程的优化控制并尽可能地减少钢坯的氧化烧损，最大限度地降低加热炉和粗轧机组的生产总能耗。

本发明的效果和益处是该控制系统有下述特色：

1、通过炉温预设定模型对工况进行辨识，根据钢坯种类、规格、装炉温度、轧制节奏等信息给出各段炉温的优化设定值；

2、采用改进型的双交叉限幅控制策略对加热炉进行燃烧控制，利用燃料热值前馈和残氧闭环反馈相结合的控制策略优化空燃比，并及时地将外界扰动通过温度反馈控制环节作用到炉温设定回路，以及时修正炉温设定值；

3、通过钢坯温度预报模型对钢坯温度进行预报，利用钢坯温度预报值来计算钢坯粗轧温降，并将钢坯粗轧温降的预报值与粗轧末端的实际温度进行比较，其差值用来修正炉温设定值，调节加热炉的加热过程；

4、钢坯温度预报模型的输出与钢坯的出炉温度的差值通过温度反馈控制环节对加热炉炉温设定值进行调节；

5、通过钢坯温度预报模型的输出计算粗轧阶段轧制力预报值，并与粗轧末端轧制力的实际测量值进行比较，其差值用来修正炉温设定值，调节加热炉的加热过程；

6、粗轧阶段轧制力预报值与粗轧末端轧制力的实际测量值的偏差通过一次反馈补偿模型作用到炉温预设定补偿模型，粗轧阶段钢坯温降预报值与粗轧末端钢坯实际温度的偏差通过二次反馈补偿模型作用到炉温预设定补偿模型，通过炉温预设定补偿模型对这两个偏差进行加权求和处理，计算出炉温预设定值的补偿值，作用于炉温设定回路，对炉温设定值进行补偿修正。

实验证明，本发明具有很好的可行性和有效性。当粗轧机组一侧发现钢坯温度分布低于轧制要求时，就会及时地把钢坯温度、轧制负荷大小等轧制生产信息反馈给加热炉一侧，加热炉一侧据此能够及时地控制调整炉温设定值，保证后续钢坯尽快达到轧制工艺要求的温度分布，从而降低了轧制生产能耗，同时也保障了粗轧机组的生产安全，实现了热轧生产总能耗的降低；同理，当粗轧机组一侧发现钢坯温度高于轧制工艺要求时，同样会把轧制生产信息及时反馈给加热炉，适当降低加热炉炉温设定值，从而减小钢坯出炉温度，最大限度地避免了钢坯过多的氧化烧损和有效减少了加热炉生产的加热能耗，同样实现了热轧生产总能耗的降低。

附图说明

图1为本发明的系统结构框图。

图2为基于空燃比优化的燃烧控制系统结构。

图3为残氧闭环控制系统结构，采用了结合神经网络的自适应PID控制器。

图4为空气流量快速补偿响应模块。

图5为中碳钢加热时的温度分布比较图。其中，a1、b1为使用传统方法时的炉温分布和钢坯温升曲线，a2、b2为使用本发明后的炉温分布和钢坯温升曲线。图中的横坐标h/H表示钢坯当前的加热时间与在炉内总的加热时间的比例。

图6为中碳钢加热时的断面温差比较图。其中，c1为使用传统方法时的钢坯加热断面温差，d1为使用本发明后的钢坯加热断面温差。图中的横坐标h/H表示钢坯当前的加热时间与在炉内总的加热时间的比例。

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施例。

国内某中厚板厂的加热炉为六段步进式加热炉，粗轧机组为二辊可逆轧机。钢坯在炉内的停留时间为4～5小时，粗轧5道次，咬入速度为30转/分钟，稳定轧制速度为50转/分钟，抛钢速度为40转/分钟，粗轧机允许轧制力为24000KN，道次间采用水冷冷却。钢坯的装炉温度为25℃，出炉温度为1200℃～1250℃，出炉时钢坯的断面温差应小于50℃，钢坯在粗轧机组出口温度期望平均值为900℃～1150℃。加热炉的推钢速度为0.0021m/s～0.0028m/s，坯料与粗轧出口钢坯规格要求见表1。

表1

	坯料		粗轧出口
					min	max
厚度(mm)	180±5	220±6	58
				宽度(mm)	1040±10	1540±10	2100
长度(mm)	1800±50	2050±50	-

当目前在轧钢坯的温度由于某种原因低于轧制工艺要求的温度时，粗轧机组会处于轧制负荷超载状态，为了使后续待轧钢坯的温度能够尽快满足轧制工艺要求，利用本发明的方法对该过程进行了仿真实验，得到了图5和图6的结果。图5中a1、b1为使用传统方法时的炉温分布和钢坯温升曲线，a2、b2为使用本发明后的炉温分布和钢坯温升曲线。从图中可以看出，a1和b1都较低，说明目前炉温和钢坯出炉温度偏低，轧制负荷偏大，针对这种情况，使用本发明所述的综合优化控制系统后，加热炉的炉温设定有所提高，从而使钢坯的出炉温度得到提高，满足了轧制工艺的要求，粗轧机组的轧制负荷回落到正常范围内。图6中c1为使用传统方法时的钢坯断面温差，d1为使用本发明后的钢坯断面温差。从图中可以看出，使用本发明所述的方法后，钢坯在炉内的最大断面温差比使用传统方法时要高，但出炉时刻的钢坯断面温差符合轧制工艺的要求(＜50℃)。虽然未使用本发明方法时钢坯断面温差相对较小，但是因为钢坯温度偏低，所以仍然难以轧制，而使用本发明方法后，虽然钢坯断面温差有所增加，可是出炉钢坯的温度分布符合轧制工艺的要求，适于轧制。通过本发明的方法，能够在钢坯温度分布不符合粗轧机组轧制要求的情况下迅速调整钢坯的加热过程，减少了两者不必要的能耗浪费，同时保护了粗轧机组的生产安全。表2为粗轧轧制力仿真结果比较。从表2中可以看出，使用本发明以后轧制力明显下降，降低了轧制能耗，延长了轧制设备的使用寿命。

表2

Claims (5)

1.一种热轧过程加热炉综合优化控制系统设计及其控制方法，其特征在于能够将粗轧机组一侧的轧制信息，包括钢坯温度、钢坯在轧制过程中的轧制力的信息反馈到加热炉一侧，并根据这些信息调整加热炉的炉温设定值和钢坯的加热过程。

2.根据权利要求1所述的一种热轧过程加热炉综合优化控制系统设计及其控制方法，其特征在于加热炉综合优化控制系统设计是将加热炉和粗轧机构造成了一个有机的闭环控制系统，该闭环控制系统由炉温预设定模型、加热炉加热过程控制模块和炉温预设定补偿模块组成，其中加热炉加热过程控制模块包括温度反馈控制模型、炉温设定回路、燃烧控制回路和加热炉模型，炉温预设定补偿模块包括钢坯温度预报模型、粗轧温降计算模型、粗轧阶段轧制力预报模型、一次反馈补偿模型、二次反馈补偿模型和炉温预设定补偿模型。

3.根据权利要求2所述的一种热轧过程加热炉综合优化控制系统设计及其控制方法，其特征在于炉温预设定模型是根据以钢坯氧化烧损、加热炉能耗、粗轧机组能耗等指标最小为目标的多目标优化函数对加热炉各段炉温进行最优化求解，得到稳态时加热炉预热段、加热段、均热段的最优炉温分布曲线。

4.根据权利要求2所述的一种热轧过程加热炉综合优化控制系统设计及其控制方法，其特征在于加热炉加热过程控制模块是利用燃料热值前馈和残氧闭环反馈相结合的控制策略优化加热炉的空燃比，同时增加快速响应环节，提高燃料流量系统对温度设定值偏差小幅波动的动态跟随性能。

5.根据权利要求2所述的一种热轧过程加热炉综合优化控制系统设计及其控制方法，其特征在于炉温预设定补偿模型是利用基于二维非稳态传热机理的离散状态空间预报模型对钢坯轧前及粗轧阶段温度分布进行预报，将各阶段温度预报值与实际值的差值进行反馈，优化炉温的设定值。

Images