[发明专利]一种轧钢加热炉优化控制系统

摘要

本发明公开了一种轧钢加热炉优化控制系统，涉及加热炉轧钢优化控制技术领域。首先根据不同钢坯类型，生产节奏、钢坯的初始温度和出炉温度建立炉温在线设定器，采用控制炉温的方法控制钢坯出炉温度；基于各种工况下的热效率模型，计算加热炉负荷变化量并作为炉温前馈值，实现负荷波动下的加热炉炉温高精度控制；在此基础上，通过建立空燃比优化控制模型，寻找最佳的空燃比，使加热炉的燃烧状况达到最佳，达到了节约燃料和降低钢损的目的。

主权项

1.一种轧钢加热炉优化控制系统，其特征在于设有炉温在线设定器，热负荷估计器，均热段上、下部及加热段上、下部的炉温调节器、炉温前馈调节器、煤气流量调节器、空气流量调节器，空燃比优化控制器，炉温、钢坯温度、钢坯位置、煤气流量、空气流量等测量仪表以及煤气流量调节阀、空气流量调节阀等执行器；炉温在线设定器的输出作为炉温调节器的给定值，该调节器采用PID控制算法；热负荷估计器的输出乘以负荷分配系数作为各炉温前馈调节器的测量，该调节器采用PD控制算法，其中负荷分配系数根据各部分热负荷大小比例按照操作经验给出；炉温调节器的输出与炉温前馈调节器的输出之和作为煤气流量调节器的设定值，煤气流量调节器采用PID控制算法实现燃气流量的闭环控制；空燃比优化控制器的输出与煤气流量测量值的乘积作为空气流量调节器的设定值，空气流量调节器采用PID控制算法实现空气流量的闭环控制；（1）炉温在线设定器采用最近邻聚类RBF神经网络辨识系统模型在线计算炉温设定值；模型输入变量包括入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型；模型输出变量包括均热段上、下部炉温设定值、，加热段上、下部炉温设定值、，通过采集工业现场过程中的模型输入变量以及均热段上、下部温度、，加热段上、下部温度、在内的训练样本数据，根据模型输出的炉温设定值与实际炉温的偏差，对神经网络进行离线训练，调整神经网路各层的权值，得到加热炉炉温设定值神经网络模型；通过采集入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型实时数据，模型就可输出加热炉炉温设定值；其中生产节奏是表征单位时间内的出钢量，单位为“根或件/时”，依据用于检测钢坯出炉的光电开关测量信号，实时计算两根钢坯的出炉间隔，计算出每小时钢坯的出炉量R3；（2）热负荷估计器热负荷估计器基于加热炉热效率计算当前负荷下需要的煤气流量，热效率采用最近邻聚类RBF神经网络模型，基于热效率模型计算热负荷，热负荷估计器的输出为煤气流量；热效率神经网络模型的输入变量包括入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型，模型输出变量为加热炉热效率，通过采集工业现场过程中的模型输入变量以及加热炉热实际效率计算值在内的训练样本数据，根据模型输出加热炉热效率与加热炉实际热效率的偏差，对神经网络进行离线训练，调整神经网路各层的权值，得到加热炉热效率神经网络模型；通过采集入炉钢坯温度，出炉钢坯温度，生产节奏，钢坯类型实时数据，模型就可输出加热炉热效率值；1）实际热效率计算如下：其中，为煤气总流量，为煤气发热值，分别为钢坯进入和离开加热炉时的焓值；2）热负荷估计器输出计算如下：其中是钢坯的比热，是加工处理能力，、分别是钢坯进炉的初始温度和出炉的要求温度，为生产节奏，为单根钢坯质量；(3) 空燃比优化控制器1）优化目标函数为：其中，为加权系数，分别为均热段上、下部的炉温和加热段上、下部的炉温；2）设定优化步长设定,，，其中，分别为均热段上、下部和加热段上、下部的燃气流量，分别为均热段上、下部和加热段上、下部的空气流量，分别是均热段上、下部和加热段上、下部的空燃比;设定，，，其中为人工调整的系数，按照此关系，每次给出一个总空气量调整量时，则对应一个空燃比增量；计算出每次优化时对应的均热段上、下部和加热段上、下部空气流量增量,即步长，分别为：3）采用进退法自寻优算法，计算优化空燃比；在恒定煤气流量条件下，通过增加（或减少）空气流量，待系统响应后，比较前后工况下优化目标值J的变化，如果优化目标值J变化量增加且显著，说明这种调整是有益的，继续按原有的方向调整空气流量；如果优化目标值J变化量是减少且显著，按原有空气流量调整方向的反方向调整空气流量；当优化目标值J变化不明显时，则停止调整空气流量，表明当前实际的空燃比即为最佳空燃比。