一种板坯温度预报模型及炉温优化方法技术

本发明专利技术公开了一种板坯温度预报模型及炉温优化方法，属于冶金自动化过程控制领域。所述炉温优化方法包括：采用坯料表面温度与炉长所围面积最小作为炉温优化控制的目标函数，以坯料的最大断面温差、最大升温速度、坯料出炉温度与目标出炉温度的最大差值以及炉温上下限作为约束条件，利用启发式权遗传算法进行寻优，输出炉温最优分布曲线，使得加热炉的能耗达到最低。所述板坯温度预报模型，将水梁对板坯换热的影响考虑在内，使得模型计算得到的板坯升温曲线与实测值更加接近，能够起到准确的温度预报，提高板坯的加热质量。

Slab temperature prediction model and furnace temperature optimization method

The invention discloses a slab temperature prediction model and a furnace temperature optimization method, belonging to the field of metallurgical automation process control. The temperature optimization method includes: using the objective function and the blank surface temperature furnace area as the minimum temperature optimization control, with the maximum temperature, the maximum section billet heating speed, billet temperature and target temperature of the furnace and the maximum difference between upper and lower temperature as a constraint condition, the right use of heuristic genetic algorithm was used for optimization. The optimal temperature distribution curve of the output, the energy consumption of the heating furnace to reach the minimum. The slab temperature prediction model of slab beam will affect the water heat transfer into account, making the model slab calculated temperature curve is closer to the measured values, can play the temperature forecast accuracy, improve the heating quality of slab.

【技术实现步骤摘要】
一种板坯温度预报模型及炉温优化方法
本专利技术涉及冶金自动化过程控制领域，具体地，特别涉及一种板坯温度预报模型及炉温优化方法。
技术介绍
随着我国市场经济的发展，钢铁企业在国民经济发展中占据着越来越重要的位置。钢铁工业是能源消耗的大户，因此展开对钢铁工业的节能减排工作显得越来越重要。加热炉是钢铁工业轧钢厂中生产线关键设备之一，是钢铁工业中主要的耗能设备，提高加热炉热效率、降低加热炉能耗能够大幅度减少钢铁工业的能源消耗。加热炉控制的主要目标是对炉温的实时控制，其主要根据加热炉内板坯在加热过程中的温度分布情况进行控制。对炉温进行优化控制的目的是运用合理的加热制度加热板坯，使其出炉后达到轧制所要求的温度分布，从而提高钢材质量。但是，由于在实际生产过程中无法实现板坯温度的实时检测，因此建立准确的板坯温度预报模型对于加热炉的炉温实时控制显得极为重要。随着技术的革新，关于板坯加热温度控制的理论研究层出不穷，炉温自动控制的理论研究也达到了相当高的程度，但实际生产过程中应用的效果并不是十分理想。很多炉子具备二级控制系统，但由于二级数学模型计算的结果并不准确，导致很大程度仍是依靠操作工手动进行炉温控制。目前，对加热炉内板坯温度预报模型的研究方法，主要包括利用计算流体动力学CFD对加热炉内的温度场进行仿真模拟的方法以及通过对板坯传热的基本数学物理方程进行数值求解的方法。CFD方法主要用于描述加热炉内温度场、速度场的稳态过程，而数值方法可以用于预测板坯在加热炉内的加热过程。现有对加热炉内板坯加热过程的温度预报模型的研究，通常忽略了水梁对板坯温度分布的影响，使得温度预报模型得到的板坯在加热炉内的升温曲线与实测值有较大偏差。
技术实现思路
鉴于以上问题，本专利技术的目的是提供一种板坯温度预报模型及炉温优化方法，对加热炉内炉温进行优化控制，得到最优的炉温分布曲线，提高运算效率，降低能耗，且在板坯温度预报模型中，考虑到水梁对板坯加热的影响，以解决得到的板坯加热过程升温曲线与实测值偏差较大的问题。为了实现上述目的，本专利技术采用以下的技术方案：本专利技术所述炉温优化方法，包括：输入坯料和加热炉相关参数，以能耗最低作为炉温优化控制的目标函数，并确定约束条件，采用启发式权遗传算法进行寻优，输出最优的炉温分布曲线。优选的，目标函数为坯料表面温度与加热炉炉长所围面积最小，式中，J为目标函数；L为加热炉炉长，m；Ts(l)为坯料在加热炉炉长为l处的表面温度，℃；其中，约束条件包括：坯料的最大升温速度、坯料的最大断面温差、坯料出炉温度与目标出炉温度的最大差值以及炉温上、下限；坯料和加热炉相关参数包括：坯料材质规格、入炉温度、出炉温度、生产节奏、加热炉炉长、水梁位置、热电偶位置、加热时间。优选的，启发式权遗传算法包括以下步骤：(1)随机生成初始种群；(2)判断是否满足迭代停止条件，若满足，则输出炉温分布；若不满足，则进行步骤(3)；(3)随机采样选取两个父代；(4)启发式交叉生成两个子代；(5)计算炉温分布曲线；(6)计算坯料热流密度和温度场；(7)评价、父子竞争排序生成新种群；(8)基于适应度差值查重生成新的个体；(9)判断是否达到设定的迭代次数，若未达到设定迭代次数，则返回至步骤(2)，若达到设定迭代次数，则直接输出。本专利技术所述一种基于上述炉温优化方法的板坯温度预报模型，包括，在加热炉中分布有活动梁，且活动梁中设置有水梁，选取计算域，且计算域将水梁包含在其中，考虑到水梁对炉内板坯升温的影响；建立板坯内部导热的二维非稳态导热微分方程；设置边界条件：板坯上表面采用综合热流密度边界条件，板坯下表面与水梁滑块接触位置处采用第三类边界条件，板坯下表面其他位置采用综合热流密度边界条件，式中，为热流密度，W/m2；σ为玻尔兹曼常数，5.67×10-8W/(m2·K4)；φCF为总括热吸收率；h为换热系数，W/(m2·K)；Tf为炉温，K；Ts为板坯表面温度，K；Tw为水梁内的水温，K；计算域左右两侧采用绝热边界条件；求解方程。进一步地，对计算域进行网格划分时，在板坯下表面与水梁滑块接触位置处对网格进行加密，其他位置成比例疏松网格。进一步地，通过黑匣子实验测量上下炉膛的总括热吸收率，以及板坯与水梁接触时的换热系数。与现有技术相比，本专利技术具有以下优点和有益效果：一、本专利技术采用坯料表面温度与炉长所围面积最小作为炉温优化控制的目标函数，以坯料的最大断面温差、最大升温速度、坯料出炉温度与目标出炉温度的最大差值以及炉温上下限作为约束条件，利用启发式权遗传算法进行寻优，最终获得最优的炉温分布曲线，使得加热炉的能耗达到最低。二、本专利技术基于炉温优化方法的板坯温度预报模型，将水梁对板坯换热的影响考虑在内，使得模型计算得到的板坯升温曲线与实测值更加接近，能够起到准确的温度预报，提高板坯的加热质量。附图说明图1是本专利技术所述炉温优化方法；图2是本专利技术所述启发式权遗传算法的流程框图；图3是本专利技术所述板坯温度预报模型示意图；具体实施方式现结合附图，对本专利技术做进一步的说明，以便于本专利技术更加清楚和易于理解。图1是本专利技术所述炉温优化方法。如图1所示，炉温优化方法包括：输入坯料和加热炉相关参数，以能耗最低作为炉温优化控制的目标函数，并确定约束条件，采用启发式权遗传算法进行寻优，输出最优的炉温分布曲线。其中，坯料和加热炉相关参数包括：坯料材质规格、入炉温度、出炉温度、生产节奏、加热炉炉长、水梁位置、热电偶位置、加热时间；目标函数为坯料表面温度与加热炉炉长所围面积最小；约束条件包括：坯料的最大升温速度、坯料的最大断面温差、坯料出炉温度与目标出炉温度的最大差值以及炉温上、下限；具体表述为：式中，J为目标函数；L为加热炉炉长，单位m；Ts(l)为坯料在加热炉炉长为l处的表面温度，单位℃；约束条件表述为：a)b)Ts(t)-Tc(t)≤ΔTs(max)c)|Ts(tn)-Ta|≤ΔTd)Tfmin(ti)≤Tf(ti)≤Tfmax(ti)式中，Ts为坯料表面温度，单位℃；Tc为坯料中心温度，单位℃；Tf为炉温，单位℃；t为坯料在炉内的加热时间，单位s；为坯料的最大升温速度，单位℃/s；ΔTs(max)为坯料的最大断面温差，单位℃；Ta为坯料目标出炉温度，单位℃；Tfmin和Tfmax分别为炉温的下限和上限温度，单位℃；ΔT为坯料出炉温度与目标出炉温度的最大差值，单位℃；其中，坯料在此时刻的表面温度由前一时刻的坯料表面温度与此时刻的炉温计算得到，具体表述为：Ts(t+Δt)＝F(Ts(t),Tf(t+Δt))图2是本专利技术所述启发式权遗传算法的流程框图。如图2所示，启发式权遗传算法包括以下步骤：(1)随机生成初始种群；(2)判断是否满足迭代停止条件，若满足，则输出炉温分布；若不满足，则进行步骤(3)；(3)随机采样选取两个父代；(4)启发式交叉生成两个子代；(5)计算炉温分布曲线；(6)计算坯料热流密度和温度场；(7)评价、父子竞争排序生成新种群；(8)基于适应度差值查重生成新的个体；(9)判断是否达到设定的迭代次数，若未达到设定迭代次数，则返回至步骤(2)，若达到设定迭代次数，则直接输出。实施例一结合国内某钢厂2250轧线2#板坯加热炉工程实例，对本专利技术所述炉温优化方法做进一步说明。其中，2250轧线2#板坯加本文档来自技高网...

【技术保护点】
一种炉温优化方法，其特征在于，包括：输入坯料和加热炉相关参数，以能耗最低作为炉温优化控制的目标函数，并确定约束条件，采用启发式权遗传算法进行寻优，输出最优的炉温分布曲线。

【技术特征摘要】
1.一种炉温优化方法，其特征在于，包括：输入坯料和加热炉相关参数，以能耗最低作为炉温优化控制的目标函数，并确定约束条件，采用启发式权遗传算法进行寻优，输出最优的炉温分布曲线。2.根据权利要求1所述的炉温优化方法，其特征在于，所述目标函数为坯料表面温度与加热炉炉长所围面积最小，式中，J为目标函数；L为加热炉炉长，m；Ts(l)为坯料在加热炉炉长为l处的表面温度，℃。3.根据权利要求1所述的炉温优化方法，其特征在于，所述约束条件包括：坯料的最大升温速度、坯料的最大断面温差、坯料出炉温度与目标出炉温度的最大差值以及炉温上、下限。4.根据权利要求1所述的炉温优化方法，其特征在于，所述启发式权遗传算法包括以下步骤：(1)随机生成初始种群；(2)判断是否满足迭代停止条件，若满足，则输出炉温分布；若不满足，则进行步骤(3)；(3)随机采样选取两个父代；(4)启发式交叉生成两个子代；(5)计算炉温分布曲线；(6)计算坯料热流密度和温度场；(7)评价、父子竞争排序生成新种群；(8)基于适应度差值查重生成新的个体；(9)判断是否达到设定的迭代次数，若未达到设定迭代次数，则返回至所述步骤(2)，若达到设定迭代次数，则直接输出。5.根据权...

【专利技术属性】
技术研发人员：沈志成，
申请(专利权)人：中冶华天南京工程技术有限公司，
类型：发明
国别省市：江苏,32