本发明专利技术提出了一种加热炉黑体布置方法和系统,该方法包括:模拟在加热炉内壁不同位置设置黑体元件时加热实验记录实验数据,实验数据包括观测数据集和响应数据集;观测数据集为不同加热温度时炉内温度数据;响应数据集为加热炉内壁不同位置黑体元件数量;建立用于加热炉黑体布置预测的神经网络;以观测数据集作为输入,以响应数据集作为输出对神经网络进行训练得到训练后预测模型;将当前炉内温度数据输入至训练后预测模型输出预测黑体数量,通过预测出的黑体数量优化加热炉的布置
【技术实现步骤摘要】
一种加热炉黑体布置方法和系统
[0001]本专利技术属于钢坯加热炉节能
,特别涉及一种加热炉黑体布置方法和系统
。
技术介绍
[0002]加热炉是将物料或工件,一般是金属,加热到轧制成锻造温度的设备,即工业炉
。
加热炉应用遍及石油
、
化工
、
冶金
、
机械
、
热处理
、
表面处理
、
建材
、
电子
、
材料
、
轻工
、
日化
、
制药等诸多行业领域;在现有技术中,各种工业炉窑可采用多项节能技术来提高加热效率,如采用蓄热式燃烧技术
、
涂料技术
、
预热利用技术和加设黑体辐射材料等
。
[0003]现有的黑体强化辐射传热技术应用比较广泛,但在炉内布置方面只是依据经验设计单位面积的黑体元件数量来进行加热炉的黑体改造,没有考虑到在相同布置密度的情况下,采用不同的布置方法,能够获得不同的效果
。
技术实现思路
[0004]为了解决上述技术问题,本专利技术提出了一种加热炉黑体布置方法和系统,有效的提高炉窑的热能使用效率,能够以较低的成本应用在现有的各种加热炉上
。
[0005]为实现上述目的,本专利技术采用以下技术方案:
[0006]一种加热炉黑体布置方法,包括以下步骤:
[0007]模拟在加热炉内壁不同位置设置黑体元件时加热实验,记录实验数据,所述实验数据包括观测数据集和响应数据集;所述观测数据集为不同加热温度时炉内温度数据;所述响应数据集为加热炉内壁不同位置黑体元件数量;
[0008]建立用于加热炉黑体布置预测的神经网络;以观测数据集作为神经网络的输入,以响应数据集作为神经网络的输出对神经网络进行训练得到训练后预测模型;
[0009]将当前炉内温度数据输入至训练后预测模型,通过训练后预测模型的预测,输出预测黑体数量,通过预测出的黑体数量优化加热炉的布置
。
[0010]进一步的,所述加热炉由一顶部和左
、
右侧墙围成的炉膛,所述炉膛包括进料区
、
预热区
、
加热区
、
均热区和出料区;
[0011]所述预热区的顶部
、
加热区的顶部和均热区的顶部均设置若干黑体元件;每一黑体元件均设置于顶部的炉衬上;
[0012]所述预热区的侧面
、
加热区的侧面和均热区的侧面均设置若干黑体元件
。
[0013]进一步的,所述模拟在加热炉内壁不同位置设置黑体元件时加热实验,记录实验数据的过程包括:采用有限元软件分别模拟多组加热炉黑体材料布置方案的实验,记录实验数据
。
[0014]进一步的,所述记录实验数据之后还包括将观测数据集和响应数据集均转化为双精度浮点型数据
。
[0015]进一步的,所述不同加热温度时炉内温度数据包括加热第一时间段炉内温度
、
加
热第二时间段炉内温度以及加热第
N
时间段炉内温度,
[0016]其中
N
为自然数;第一时间段为
15
分钟;第二时间段为
30
分钟;第
N
时间段为
15*N
分钟
。
[0017]进一步的,所述加热炉内壁不同位置黑体元件数量包括:加热炉左侧内壁黑体数量
、
加热炉上侧内壁黑体数量和加热炉右侧内壁黑体数量
。
[0018]进一步的,所述神经网络输入层的神经元数量等于输入的每个黑体对应的温度数据;所述温度数据还对应每个黑体的位置信息和时间信息
。
[0019]进一步的,所述神经网络隐含层的神经元数量设置为2个,通过
Sigmoid
激活函数来引入非线性特征
。
[0020]进一步的,所述训练后预测模型使用平均绝对误差用于衡量预测模型的预测结果与实际黑体数量之间的差距,以及采用
Adam
优化器最小化损失函数
。
[0021]本专利技术还提出了一种加热炉黑体布置系统,所述系统包括获取模块
、
建立模块和预测模块;
[0022]所述获取模块用于模拟在加热炉内壁不同位置设置黑体元件时加热实验,记录实验数据,所述实验数据包括观测数据集和响应数据集;所述观测数据集为不同加热温度时炉内温度数据;所述响应数据集为加热炉内壁不同位置黑体元件数量;
[0023]所述建立模块用于建立用于加热炉黑体布置预测的神经网络;以观测数据集作为神经网络的输入,以响应数据集作为神经网络的输出对神经网络进行训练得到训练后预测模型;
[0024]所述预测模块用于将当前炉内温度数据输入至训练后预测模型,通过训练后预测模型的预测,输出预测黑体数量,通过预测出的黑体数量优化加热炉的布置
。
[0025]
技术实现思路
中提供的效果仅仅是实施例的效果,而不是专利技术所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
[0026]本专利技术提出了一种加热炉黑体布置方法和系统,该方法包括以下步骤:模拟在加热炉内壁不同位置设置黑体元件时加热实验,记录实验数据,所述实验数据包括观测数据集和响应数据集;所述观测数据集为不同加热温度时炉内温度数据;所述响应数据集为加热炉内壁不同位置黑体元件数量;建立用于加热炉黑体布置预测的神经网络;以观测数据集作为神经网络的输入,以响应数据集作为神经网络的输出对神经网络进行训练得到训练后预测模型;将当前炉内温度数据输入至训练后预测模型,通过训练后预测模型的预测,输出预测黑体数量,通过预测出的黑体数量优化加热炉的布置
。
基于一种加热炉黑体布置方法,还提出了一种加热炉黑体布置系统
。
本专利技术提供加热炉改造中黑体元件在加热炉炉顶和侧墙的布置方法,能够定量的衡量辐射传热效果,通过优化一定数量的黑体元件在炉内不同位置的布置,确定最优的布置方案
。
[0027]本专利技术在不改变原炉膛结构的情况下,将众多黑体元件牢固地安装在炉衬上,达到增大传热面积,提高炉衬传热能力的效果
。
附图说明
[0028]图1为本专利技术实施例1提出的一种加热炉黑体布置方法流程图;
[0029]图2为本专利技术实施例1提出的加热炉立体图;
[0030]图3为本专利技术实施例1提出的加热炉主视图;
[0031]图4为本专利技术实施例1提出的神经网络序列模型的结构示意图;
[0032]图5为本专利技术实施例1提出的神经网络训练过程中损失函数变化曲线;
[0033]图6为本专利技术实施例2提出的一种加热炉黑体布置系统示意图
。
具体实施方式
[0034]为能清楚说明本本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种加热炉黑体布置方法,其特征在于,包括以下步骤:模拟在加热炉内壁不同位置设置黑体元件时加热实验,记录实验数据,所述实验数据包括观测数据集和响应数据集;所述观测数据集为不同加热温度时炉内温度数据;所述响应数据集为加热炉内壁不同位置黑体元件数量;建立用于加热炉黑体布置预测的神经网络;以观测数据集作为神经网络的输入,以响应数据集作为神经网络的输出对神经网络进行训练得到训练后预测模型;将当前炉内温度数据输入至训练后预测模型,通过训练后预测模型的预测,输出预测黑体数量,通过预测出的黑体数量优化加热炉的布置
。2.
根据权利要求1所述的一种加热炉黑体布置方法,其特征在于,所述加热炉由一顶部和左
、
右侧墙围成的炉膛,所述炉膛包括进料区
、
预热区
、
加热区
、
均热区和出料区;所述预热区的顶部
、
加热区的顶部和均热区的顶部均设置若干黑体元件;每一黑体元件均设置于顶部的炉衬上;所述预热区的侧面
、
加热区的侧面和均热区的侧面均设置若干黑体元件
。3.
根据权利要求1所述的一种加热炉黑体布置方法,其特征在于,所述模拟在加热炉内壁不同位置设置黑体元件时加热实验,记录实验数据的过程包括:采用有限元软件分别模拟多组加热炉黑体材料布置方案的实验,记录实验数据
。4.
根据权利要求1所述的一种加热炉黑体布置方法,其特征在于,所述记录实验数据之后还包括将观测数据集和响应数据集均转化为双精度浮点型数据
。5.
根据权利要求3所述的一种加热炉黑体布置方法,其特征在于,所述不同加热温度时炉内温度数据包括加热第一时间段炉内温度
、
加热第二时间段炉内温度以及加热第
N
时间段炉内温度,其中
N
为自然数...
【专利技术属性】
技术研发人员:高广洲,乔松,李朝阳,赵善杰,侯卫军,李征,
申请(专利权)人:山东钢铁股份有限公司,
类型:发明
国别省市:
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。