一种层流冷却的自学习方法及装置制造方法及图纸

本发明专利技术涉及一种层流冷却的自学习方法及装置，属于热轧带钢生产领域。该装置包括层流冷却区高温计I、层流冷却区高温计II、基础自动化系统和层流冷却控制系统；层流冷却区高温计I位于层流冷却区下游出口处，层流冷却区高温计II位于层流冷却区下游出口处至卷取机之间；在两个高温计之间构建一个空冷区域，基础自动化系统将采集到的层流冷却区高温计I和层流冷却区高温计II的实测值上传到层流冷却控制系统，通过数值计算求解等效的辐射散热系数，并用于层流冷却区的空冷散热量的计算。本发明专利技术仅需要在传统热轧生产线上增加一处测温点，对带钢生产过程中的空冷散热能力进行实时准确求解，用于提升层流冷却模型在后续计算时的预报精度。

A self learning method and device for laminar cooling

The invention relates to a self learning method and device for laminar cooling, which belongs to the field of hot rolled strip production. The device includes the laminar cooling zone pyrometer I, the laminar cooling zone high temperature thermometer II, the basic automation system and the laminar cooling control system; the laminar cooling zone pyrometer I is located at the downstream outlet of the laminar cooling zone, and the laminar cooling zone II is located between the downstream outlet of the laminar cooling zone and the coiler; and between the two pyrometers. An air cooling area is built, and the basic automation system uploads the measured values of I and II of laminar cooling zone to laminar cooling control system. The equivalent radiation heat dissipation coefficient is solved by numerical calculation, and the calculation of air cooling heat dissipation in laminar cooling zone is used. The invention only needs to add a temperature measurement point to the traditional hot rolling production line, and solve the air cooling and cooling capacity in real time and accurately in the process of strip production, so as to improve the prediction accuracy of the laminar cooling model in the subsequent calculation.

【技术实现步骤摘要】
一种层流冷却的自学习方法及装置
本专利技术属于热轧带钢生产领域，涉及一种层流冷却的自学习方法及装置。
技术介绍
在热轧带钢生产过程中，层流冷却控制系统的控制精度直接影响着成品带钢的产品性能。在精轧机出口到卷取机之间的输出辊道上，通常设置若干个冷却段，每个冷却段由设置在辊道上下两侧的若干喷水集管构成。从精轧机轧出的带钢在经过输出辊道时，通过开启一定数量的集管，使带钢长度方向上的各点在运行至卷取入口高温计时，达到目标的卷取温度。集管的开启数量由层流冷却模型计算确定。为了掌握带钢在层流冷却区入口和出口的实际温度，通常在层流冷却区入口和出口设置有高温计，一些生产线还会在层流冷却区中间位置另外设置高温计，用于检测带钢在冷却区中间位置的实际温度。冷却区入口的实测温度还作为层流冷却模型的输入数据，用于层流冷却模型的设定计算。带钢在输出辊道上的冷却过程可分为两类：水冷温降和空冷温降。同时还包含有带钢和层冷辊道之间的传导散热，但由于难以准确计算，通常将其等效至水冷温降和空冷温降之中。水冷温降主要由带钢与冷却水之间的换热引起，其换热能力的大小由传热系数表示。空冷温降主要由辐射散热和对流散热引起，由辐射散热系数表示。层流冷却模型具备自学习功能，通过收集带钢上的样本点在两个高温计之间的冷却历程和实测温度，通过一定的自学习逻辑，对设定计算时使用的水冷换热参数进行修正，用于提高后续计算的预报精度。基于已知条件，在两个高温计之间仅能构建一个非线性方程，难以同时求解水冷换热系数和辐射散热系数，因此在解方程时，辐射散热系数设置为固定值，仅对水冷换热系数进行求解。在模型调试中，辐射散热系数通常采用空冷实验的方法进行分析确定，随后各钢种在生产中即采用此实验分析值。通过对生产数据的分析来看，采用实验分析值并不够精确，带来较大的误差。采用空冷实验分析辐射散热系数的方法，将影响实验带钢的产品性能，成本高；对生产的各个钢种都进行空冷实验分析辐射散热系数，成本高，不具有可操作性；空冷实验分析出的辐射散热系数具备时效性，随着外部环境的改变，辐射散热系数将发生改变，从而影响模型预测精度。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种层流冷却的自学习方法及装置，仅需要在传统热轧生产线上增加一处测温点，对带钢生产过程中的空冷散热能力进行实时准确求解，用于提升层流冷却模型在后续计算时的预报精度。为达到上述目的，本专利技术提供如下技术方案：一种层流冷却的自学习装置，该装置包括层流冷却区高温计I、层流冷却区高温计II、基础自动化系统和层流冷却控制系统；所述层流冷却区高温计I位于层流冷却区下游出口处，层流冷却区高温计II位于层流冷却区下游出口处至卷取机之间；在两个高温计之间构建一个空冷区域，基础自动化系统将采集到的层流冷却区高温计I和层流冷却区高温计II的实测值上传到层流冷却控制系统，通过数值计算求解等效的辐射散热系数，并用于层流冷却区的空冷散热量的计算。进一步，所述层流冷却区高温计I与卷取机之间还包括若干个高温计。一种层流冷却的自学习方法，该方法包括以下步骤：S1：在层流冷却区下游出口处的层流冷却区高温计I，与其相距若干米的位置上，安装层流冷却区高温计II，并将两个高温计测量数据接入基础自动化系统；S2：过程自动化系统的网关进程负责接收新增高温计的实测数据，并传给层流冷却控制系统进行处理，将处理后的数据将转发给层流冷却模型；S3：层流冷却模型在收到数据后，进行自学习处理，学习结果为等效辐射散热系数；S4：层流冷却模型在执行设定计算时，将经过学习修正的辐射散热系数，作为输入参数用于设定计算，提升准确度。进一步，在步骤S1中，所述安装层流冷却区高温计II的数量为若干，适当调整各个高温计的间距，并将层流冷却区下游出口处的与卷取机之间所有的高温计的测量数据接入基础自动化系统。进一步，所述步骤S3具体为：S31：通过一维非稳态热传导方程来拟合带钢内部的热传导，其中，T＝T(t,l,y)表示在t时刻带钢在长度方向l处厚度方向y处的温度分布，ρ表示带钢密度，c表示带钢的比热容，λ(T)表示带钢的热传导系数；S32：根据初始条件，T(t0,0,y)＝T0，分析边界条件，其中，表示在冷却区x处，通过上表面的热流密度，表示在冷却区x处，通过下表面的热流密度，t0表示初始时刻，T0表示初始温度，即，其中，x表示带钢所处的冷却区位置，d表示带钢厚度的一半，L表示带钢的总长度，φtop,l(x,Tl(x,d))表示水冷换热时带钢上表面的热流密度，φbot,l(x,Tl(x,-d))表示水冷换热时带钢下表面的热流密度，xs表示热传导方程计算开始位置，xE表示热传导方程计算结束位置；S33：将带钢表面的热流密度分为空气热流密度和水对流热流密度两部分，其中，φi,l(x,T)表示带钢在冷却区x处，通过上下表面的热流密度，表示带钢在冷却区x处，通过上下表面的空气热流密度，表示带钢在冷却区x处，通过上下表面的水对流热流密度，表示带钢上下表面辐射散热的热流密度其中，ε表示等效辐射系数，σ表示玻尔兹曼常数，Tamb表示环境温度；S34：对一维非稳态热传导方程进行化简为，其中，v为带钢运行速度；S35：根据化简后的一维非稳态热传导方程以及步骤S33，并根据层流冷却区高温计I和层流冷却区高温计II的实测温度，采用数值方法求解出带钢上下表面辐射散热的热流密度，进而计算出等效热辐射散热系数。本专利技术的有益效果在于：本专利技术仅需要在传统热轧生产线上增加一处测温点，对带钢生产过程中的空冷散热能力进行实时准确求解，用于提升层流冷却模型在后续计算时的预报精度。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为传统层流冷却系统高温计布置图；图2为本专利技术的层流冷却系统高温计布置图。图中标记：1-精轧机末机架；2-层流冷却下部冷却段；3-层流冷却上部冷却段；4-冷却中的带钢；5-卷取机；6-精轧出口高温计；7-中间高温计；8-层流冷却区下游出口处的层流冷却区高温计I；9-层流冷却区高温计I至卷取机之间的层流冷却区高温计II。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。1)传统层流冷却控制系统的高温计布置，如图1所示：1为精轧机末机架；2为层流冷却下部冷却段；3为层流冷却上部冷却段；4为冷却中的带钢；5为卷取机；6为精轧出口高温计；7为中间高温计；8为层流冷却区下游出口处的层流冷却区高温计I。在任意两个高温计之间，基于入口和出口高温计的测量数据，以及带钢样本点在两个高温计之间的冷却历程，可建立一个自学习区间。每一个自学习区间的学习结果，通常仅用于本区间的设定计算。每一个自学习区间内同时存在水冷换热和空冷散热，在执行自学习计算时，基于已知的数据，任一个自学习区间仅能构建一个非线性方程，水冷传热系数和辐射散热系数之间，仅能求解二者中的一个。水冷散热的效率远高于空冷换热，水冷散热为主要影响因素，因此在自学习计算时，辐射散热系数固定采用空冷实验的分析值，仅对水冷传热系数进行求解。通过空冷实验分析的辐射散热系数，存在局限性：①采用空冷实验分析辐射散热系数，需要在生产中对某一卷带钢全长或部分长度上，不进行喷水冷却，用于分析带钢在此过程中的等效辐射散热系数，将会对实验带钢的产品本文档来自技高网...

【技术保护点】
一种层流冷却的自学习装置，其特征在于：该装置包括层流冷却区高温计I、层流冷却区高温计II、基础自动化系统和层流冷却控制系统；所述层流冷却区高温计I位于层流冷却区下游出口处，层流冷却区高温计II位于层流冷却区下游出口处至卷取机之间；在两个高温计之间构建一个空冷区域，基础自动化系统将采集到的层流冷却区高温计I和层流冷却区高温计II的实测值上传到层流冷却控制系统，通过数值计算求解等效的辐射散热系数，并用于层流冷却区的空冷散热量的计算。

【技术特征摘要】
1.一种层流冷却的自学习装置，其特征在于：该装置包括层流冷却区高温计I、层流冷却区高温计II、基础自动化系统和层流冷却控制系统；所述层流冷却区高温计I位于层流冷却区下游出口处，层流冷却区高温计II位于层流冷却区下游出口处至卷取机之间；在两个高温计之间构建一个空冷区域，基础自动化系统将采集到的层流冷却区高温计I和层流冷却区高温计II的实测值上传到层流冷却控制系统，通过数值计算求解等效的辐射散热系数，并用于层流冷却区的空冷散热量的计算。2.根据权利要求1所述的一种层流冷却的自学习装置，其特征在于：所述层流冷却区高温计I与卷取机之间还包括若干个高温计。3.一种层流冷却的自学习方法，其特征在于：该方法包括以下步骤：S1：在层流冷却区下游出口处的层流冷却区高温计I，与其相距若干米的位置上，安装层流冷却区高温计II，并将两个高温计测量数据接入基础自动化系统；S2：过程自动化系统的网关进程负责接收新增高温计的实测数据，并传给层流冷却控制系统进行处理，将处理后的数据将转发给层流冷却模型；S3：层流冷却模型在收到数据后，进行自学习处理，学习结果为等效辐射散热系数；S4：层流冷却模型在执行设定计算时，将经过学习修正的辐射散热系数，作为输入参数用于设定计算，提升准确度。4.根据权利要求3所述的一种层流冷却的自学习方法，其特征在于：在步骤S1中，所述安装层流冷却区高温计II的数量为若干，适当调整各个高温计的间距，并将层流冷却区下游出口处的与卷取机之间所有的高温计的测量数据接入基础自动化系统。5.根据权利要求3所述的一种层流冷却的自学习方法，其特征在于：所述步骤S3具体为：S31：通过一维非稳态热传导方程来拟合带钢内部的热传导，其中，T＝T(t,l,y)表示在t时刻带钢在长度方向l处厚度方向y处的温度分布，ρ表示带钢密度，c表示带钢的比热容，λ(T)表示带钢的热传导系数；S32：根据初始条件，T(t0,0,y)＝T0，分析边界条件，其中，表示在冷却区x处，通过上表面的热流密度，表示在冷却区x处，通过下表面的热流密度，t0表示初始时刻，T0表示初始温度，即，

【专利技术属性】
技术研发人员：王强，何茂松，马涛，张伟，崔席勇，
申请(专利权)人：中冶赛迪电气技术有限公司，
类型：发明
国别省市：重庆,50