The present invention relates to a method for real-time optimization control of a zinc air knife pressure prediction model based on neural network based on the thickness of the coating, the corresponding time delay deviation correction and real-time optimization technology based on incremental PID algorithm, providing excellent anti-jamming and servo control effect. When the thickness of the coating due to outside interference from the set value, the prediction of coating thickness deviation correction value of the differences between the values and the set based on the real-time optimization of air knife pressure, thickness of coating is maintained at the set value near; when the product is switched, without bias correction of plating layer thickness the predictive value of pressure on the air knife an iterative optimization based on fast switching process curve of the coating thickness closely follow the set value. The invention can effectively overcome the adverse effects of external interference brought to the thickness of the coating, and realize fast switching between different thickness of coating products, coating can significantly reduce the quality fluctuation, reduce excessive zinc consumption, improve the qualified rate of galvanized products.
【技术实现步骤摘要】
一种镀锌过程气刀压力实时优化控制方法及系统
本专利技术涉及镀锌工艺
及工业过程实时优化控制
,尤其是涉及一种镀锌过程气刀压力实时优化控制方法及系统。
技术介绍
进入二十一世纪,我国正在由钢铁大国迈向钢铁强国。调整产业结构,发展深加工和高附加值产品,提高产品的竞争力是我国钢铁工业的发展方向。然而,据统计,我国每年因腐蚀报废的金属制品占世界总金属年产量的三分之一,说明解决钢材的腐蚀问题对我国具有非常重要的经济意义。镀锌工艺能够有效的防止钢材腐蚀,延长使用寿命,其锌层厚度控制精度是热镀锌产品质量控制精度的主要内容之一,不管是汽车板用户还是家电板使用厂家,包括钢铁制造商,为了控制生产成本,提高产品质量,都对热镀锌产品的锌层厚度控制水平提出了严格的要求。镀锌:这里指热镀锌,也叫热浸锌和热浸镀锌,是一种有效的金属防腐方式,主要用于各行业的金属结构设施上。热镀锌是将除锈并经退火工艺后的钢件浸入融化的锌液中,使钢构件表面附着锌层,从而起到防腐蚀的目的。连续热镀锌生产系统具有以下特点:(1)镀层厚度值的在线测量需要采用测厚仪,而由于测量工艺原理的限制,需要在镀层锌液冷却后才能获得精确的镀层厚度测量值,为了等待镀层锌液冷却,测厚仪的安装位置常常距离气刀较远,导致气刀处控制作用对镀层厚度的影响需要较长的时间后才能检测到,即系统具有较大的测量滞后。(2)镀锌过程受到空气动力、边界流层、传热等多个复杂的物理因素作用,最终的锌层厚度和镀层前后均匀性主要受气刀距离、气刀气压、带钢速度等三个变量共同作用的影响,而这些变量对镀层厚度和镀层横向均匀性的影响原理较为复杂,具有较强的 ...
【技术保护点】
一种镀锌过程气刀压力实时优化控制方法,其特征在于,该方法包括以下步骤:S1、获取当前时刻的工况信息,包括气刀距离D(t),气刀压力P(t),生产线速度S(t)、镀层厚度测量值CW_act(t)和镀层厚度设定值CW_set(t);S2、判断式(1)是否成立,如果是,执行S3,否则,执行S4,CW_set(t)=CW_set(t‑1) (1)其中,t表示当前时刻,t‑1表示上一采样时刻,CW_set(t‑1)表示上一采样时刻的镀层厚度设定值,S(t‑1)表示上一采样时刻的生产线速度;S3、将S1中的当前工况信息输入神经网络预测模型后得到的输出作为镀层厚度预测值CW_pred(t),将镀层厚度设定值CW_set(t)与镀层厚度预测值CW_pred(t)的差值作为镀层厚度控制偏差,执行S7;S4、通过机理法计算当前时刻测厚仪的测量滞后时间τ(t),并根据当前时刻的镀层厚度测量值CW_act(t),通过过程量时域匹配,得到气刀距离D(t‑τ(t))、气刀压力P(t‑τ(t))和生产线速度S(t‑τ(t));S5、将气刀距离D(t‑τ(t))、气刀压力P(t‑τ(t))和生产线速度S(t‑τ(t ...
【技术特征摘要】
1.一种镀锌过程气刀压力实时优化控制方法,其特征在于,该方法包括以下步骤:S1、获取当前时刻的工况信息,包括气刀距离D(t),气刀压力P(t),生产线速度S(t)、镀层厚度测量值CW_act(t)和镀层厚度设定值CW_set(t);S2、判断式(1)是否成立,如果是,执行S3,否则,执行S4,CW_set(t)=CW_set(t-1)(1)其中,t表示当前时刻,t-1表示上一采样时刻,CW_set(t-1)表示上一采样时刻的镀层厚度设定值,S(t-1)表示上一采样时刻的生产线速度;S3、将S1中的当前工况信息输入神经网络预测模型后得到的输出作为镀层厚度预测值CW_pred(t),将镀层厚度设定值CW_set(t)与镀层厚度预测值CW_pred(t)的差值作为镀层厚度控制偏差,执行S7;S4、通过机理法计算当前时刻测厚仪的测量滞后时间τ(t),并根据当前时刻的镀层厚度测量值CW_act(t),通过过程量时域匹配,得到气刀距离D(t-τ(t))、气刀压力P(t-τ(t))和生产线速度S(t-τ(t));S5、将气刀距离D(t-τ(t))、气刀压力P(t-τ(t))和生产线速度S(t-τ(t))输入神经网络预测模型后得到的输出作为当前时刻的神经网络预测值,并与当前镀层厚度测量值CW_act(t)比较得到当前时刻的模型偏差bias(t),并通过滑动窗口法对当前时刻的模型偏差及之前各时刻的模型偏差进行加权平滑,得到最终模型偏差;S6、将S1中的当前工况信息输入神经网络预测模型后得到的输出加上最终模型偏差作为镀层厚度预测值CW_pred(t),将镀层厚度设定值CW_set(t)与镀层厚度预测值CW_pred(t)的差值作为镀层厚度控制偏差;S7、如果镀层厚度控制偏差大于阈值,则执行S8,否则,保持气刀压力设定值不变,并在一个采样周期后返回S1;S8、根据当前工况信息及镀层厚度控制偏差,采用增量式PID算法求解气刀压力设定值P_set,并在一个采样周期后返回S1。2.如权利要求1所述的一种镀锌过程气刀压力实时优化控制方法,其特征在于,所述步骤S3包括:S301、将气刀距离D(t),气刀压力P(t),生产线速度S(t)输入神经网络预测模型,得到镀层厚度预测值CW_pred(t),如式(2)所示:CW_pred(t)=NNp{D(t),P(t),S(t)}(2)其中,NNp{*}表示神经网络预测模型的非线性映射关系;S302、计算镀层厚度控制偏差CWm,如式(3)所示:CWm=CW_set(t)-CW_pred(t)(3)。3.如权利要求1所述的一种镀锌过程气刀压力实时优化控制方法,其特征在于,所述步骤S4包括:S401、采用机理法根据式(4)和式(5)计算当前测厚仪的测量滞后时间τ(t),τ(t)=λ(t)+Tm(4)其中,Tm为测厚仪的测量时间,L为气刀装置到测厚仪的距离,ΔT为系统采样周期,k=0,1,2,3…;S402、根据当前镀层厚度测量值CW_act(t),通过滞后时间τ(t)进行过程量匹配,获取与当前镀层厚度测量值CW_act(t)匹配的气刀距离D(t-τ(t))、气刀压力P(t-τ(t))和生产线速度S(t-τ(t))。4.如权利要求1所述的一种镀锌过程气刀压力实时优化控制方法,其特征在于,所述步骤S5包括:S501、将气刀距离D(t-τ(t))、气刀压力P(t-τ(t))和生产线速度S(t-τ(t))输入神经网络预测模型,得到模型输出值并与当前镀层厚度测量值CW_act(t)比较,得到当前时刻的模型偏差bias(t),如式(6)所示,bias(t)=CW_act(t)-NNp{D(t-τ(t)),P(t-τ(t)),S(t-τ(t))}(6)其中,NNp{*}表示神经网络的非线性映射关系;S502、采用滑动窗口法对时间窗口N内的各时刻的模型偏差进行加权平滑,得到最终的模型偏差Bias,如式(7)所示,其中,βk,k=0,1,...,N-1是一组预先设定的加...
【专利技术属性】
技术研发人员:王绍亮,潘再生,陈鹏,周玄昊,庄严,韩冰,
申请(专利权)人:浙江中控研究院有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。