《层流冷却的策略和控制模型论文.docx》由会员分享，可在线阅读，更多相关《层流冷却的策略和控制模型论文.docx（44页珍藏版）》请在三一办公上搜索。
1、安徽工业大学 毕业设计（论文）报告纸安徽工业大学毕业设计(论文)任务书课题名称层流冷却的策略和控制模型学 院 电气信息学院专业班级电子信息工程081班姓 名刘林学 号089064193毕业设计（论文）的主要内容:（1）根据课题内容，查阅搜索相关文献资料，并翻译不少于5000字的相关英文文献资料。（2）了解带钢热连轧的生产工艺，理解层流冷却系统的整体架构。（3）掌握层流冷却中用到的控制模型的原理。（4）掌握层流冷却中用到的控制策略的原理。（5）对完成的工作进行总结，按格式撰写毕业设计论文，准时参加答辩。起止时间：2012年2月25日至2012年6月5日共16周指 导 教 师签 字系 主 任签 字
2、院 长签 字摘要在带钢热连轧工艺中，卷取温度对带钢的金相组织影响很大，是决定成品带钢加工性能、力学性能和物理性能的重要工艺参数之一。为了保证带钢成品性能指标，同时使带钢顺利卷取并保持良好卷形，必须使带钢卷取温度控制在合理范围内。而热连轧带钢的实际卷取温度能否控制在要求的范围内 ,则主要取决于精轧机架后层流冷却控制系统。本文以某大型钢铁集团的带钢热连轧生产线为基础，设计了一套具有实际应用意义的层流冷却控制策略和控制模型。同时，设计并绘制了基于西门子WinCC的层流冷却控制画面。所有这些实现了对整个系统的全自动控制。模拟测试结果表明，这些控制策略和控制模型功能完善、性能稳定、控制精度高。关键字：带
3、钢热连轧 层流冷却 卷取温度控制 控制策略 控制模型AbstractBeing one of the important craft parameters, coiling temperature decides the machining performance, the mechanical performance and the physical performance of finished strip product, and has influence on strips metallographic phase. In order to get high-quality prod
4、uct and good coil shape, the strip coiling temperature must be controlled at a proper range.Whether the actual coiling temperature of hot rolling strip can be controlled within the required range mainly depends on the laminar cooling control system after the finishing stands.In the paper, a set of c
5、ontrol strategies and control models of the laminar cooling control system with practical application significance for a hot strip rolling production line of a large iron and steel enterprise is designed. At the same time, the control pictures for laminar cooling are designed and drawn with the soft
6、ware WinCC of Siemens. All of these achieve the automatic control of the whole system. Simulation test results show that the control strategies and control models have perfect function, stable performance and high control accuracy.Key Words: strip steel hot strip laminar cooling coiling temperature
7、control control strategy control model 目录摘要IIAbstractIII目录IV1 绪论11.1研究背景及意义11.2研究现状21.3章节安排32 层流冷却系统简介52.1 层流冷却系统设备布置52.2 层流冷却系统的基本结构62.3 本章小结93 层流冷却的控制模型103.1 温降模型103.1.1 空冷区温降模型103.1.2 水冷区温降模型103.2 卷取温度预报模型113.2.1 传统卷取温度预报模型113.2.2 基于遗传神经网络的卷取温度预报模型123.3 预设定模型163.4 前馈控制模型183.5 反馈控制模型193.6 自学习模型203
8、.6.1 短期自学习213.6.2 长期自学习213.7 数据库模型223.8 本章小结224 层流冷却的控制策略244.1 冷却策略244.1.1 上下开阀的起始位置244.1.2 冷却方向244.1.3 集管稀疏模式254.1.4 头尾特殊处理254.1.5 临界温度的确定254.2 带钢分段控制264.3 冷却区分段控制264.4 冷却速度控制264.5 侧喷和吹扫控制284.6 上下集管水比的配置284.7 本章小结295 实验部分30结论38参考文献39致谢40 - 39 -1 绪论钢铁是现代社会最重要的原材料，其产量和质量是一个国家发达程度和经济实力的重要标志。世界钢铁协会2010
9、年发布的报告显示，2010年全球粗钢产量达到14.14亿吨，创下全球粗钢产量的新纪录。其中，中国以6.267亿吨位居全球第一位，占全球钢产量的44.3%。随着中国城市化进程的加速，交通、能源等基础设施的大规模建设，以及制造业尤其是汽车、家电等产业的快速发展，钢材需求将会大量增加1。近年来，随着社会的发展和科学技术的进步，低合金高强度、高韧性并具有良好的焊接性能的钢材已经在社会上得到了广泛的应用。各行各业对热轧带钢质量、品种、性能的要求越来越高。我国虽然是钢铁产量大国，但是高附加值、高技术含量的产品所占比例非常低，产品结构非常不合理，钢铁市场正遭受国际化的严峻挑战。调整产品结构、提高技术含量、增
10、加产品附加值将是我国钢铁行业走向世界的必经之路2。在带钢热连轧工艺中，卷取温度对带钢的金相组织影响很大，是决定成品带钢加工性能、力学性能和物理性能的重要工艺参数之一3。过高的卷取温度，将会因卷取后的再结晶和缓慢冷却而产生粗结晶组织及碳化物的积聚，导致力学性能变坏，以及产生坚硬的氧化铁皮，使酸洗困难。如果卷取温度过低，一方面是卷取困难，且有残余应力存在，容易松卷，影响成品带卷的质量；另一方面，卷取后也没有足够的温度使过饱和的碳氮化合物析出，影响钢材性能。因此，将带钢卷取温度控制在由钢的内部金相组织所确定的范围内，是带钢质量的一项关键控制措施。层流冷却系统位于带钢热连轧生产线的精轧机与卷取机之间，
11、是控制卷取温度的一种方式，其目的是将带钢从终轧后的温度冷却到相变后的卷取温度。该技术不经能大大缩短带钢的冷却时间，大幅提高产量，更重要的是它能够控制冷却速度，改变带钢的金属组织结构，在不降低韧性的情况下，提高钢材强度，减少板带的不平整度以及残余应力，从而明显地提高带钢质量，为企业带来显著的经济效益。1.1 研究背景及意义层流冷却是控制带钢卷取温度，获得理想轧材组织和性能的一种有效方法，在目前的带钢热连轧厂中得到了广泛的应用。一般而言，常用的控制方法有：高压喷嘴冷却、板湍流冷却、喷淋冷却、雾化冷却、水幕冷却、层流冷却等。各种冷却方式都有其各自的优缺点，几种冷却方式的优缺点如表1-14。采用哪种冷
12、却方式应根据具体工艺环境和限定条件确定。表1-1 几种冷却方式的优缺点冷却方式优点缺点高压喷嘴冷却水流不间断呈紊流状态喷到带钢表面；穿透性好，适用于水汽膜较厚的环境。用水量大，飞溅严重，冷却不均匀；对水质要求较高，喷嘴易堵塞；水的利用率低。板湍流冷却轧后钢板直接进入水中进行淬火和快速冷却，冷却速度可达30/s。冷却速度调节范围小，耗水量较大。喷淋冷却水流以液漓群的方式冲击钢板，比高压喷嘴冷却更均匀，冷却能力较强。需要较高的压力，调节冷却能力范围小，对水质要求较高。雾化冷却用加压的空气使水流成雾状冷却钢板，冷却均匀，冷却速度调节范围大，可实现单独风冷、弱水冷和强水冷。线路复杂，噪音较大，车间内雾
13、气较大设备易受腐蚀。水幕冷却水流保持层流状态，冷却速度快，冷却区距离短，对水质要求不高，易维护。可调节冷却速度范围较小层流冷却水流以恒定低压的柱状水流冲击钢板，形成核沸腾，冷却能力强，冷却均匀。冷却区距离长，对水质要求较高，喷嘴易堵塞，维护量大。当前世界上采用的控制冷却设备主要为水幕冷却系统和柱状层流冷却系统。这两种冷却方式都可以依据带钢的速度和厚度进行水量调节，以达到需要的冷却速率，使带钢全长均匀冷却。虽然水幕冷却具有最强的冷却能力，但据西德克虏伯公司对层流、水幕和喷射3种冷却方式的对比实验表明，层流冷却方式的冷却均匀性最高，而冷却强度只比水幕冷却稍低，因此层流冷却是多数带钢热连轧生产线的主
14、要冷却方式。由此可见，研究层流冷却卷取温度的优化控制即研究层流冷却的策略及控制模型对于提高产品质量，降低废品率，增加企业的经济效益有着非常重要的现实意义。另一方面，层流冷却控制系统主要由国外开发，国内还处在引进、消化、吸收的阶段，研究和优化层流冷却策略和控制模型，对于我国掌握国外先进的制造技术，提高产品在国外市场的竞争力，有着重大而深远的意义。同时，也有利于为我国今后独立自主地开发新钢种（如多相混合组织钢、铁素体区轧制钢）的冷却控制系统打下坚实的基础。1.2 研究现状卷取温度控制是层流冷却系统的核心任务，而温度控制的精度在很大程度上取决于过程数学模型的精度。早期，对层流冷却控制系统的技术改造主
15、要集中在工艺设备的改进方面。九十年代以后，尤其是近几年来，国内外对层流冷却的研究主要包括两个方面：一是通过对冷却过程的研究建立精确的导热数学模型；二是针对层流冷却控冷过程的特点对控制策略进行研究。具体内容如下：（1）数学模型的研究。以往的层流冷却温度场数学模型往往是实际冷却过程的简化形式，这样可大大减少计算时间，容易实现，但同时可能对冷却效果带来不利的影响。例如：应用于攀钢的意大利ANSALDO INDUSTRIA公司开发的数学模型比较简单，但对流换热系数的确定不够精确5；应用于鞍钢热轧厂、本钢1700热轧厂的由德国SIMENS公司开发的数学模型没有考虑带钢与环境的热辐射，也没有考虑水温、带钢
16、运行速度、终轧温度对模型参数的影响，而且模型中的时间常数描述的是带钢表面温度，对厚规格带钢的控制效果不理想，模型精度受到了限制6；应用于宝钢1580mm热轧厂的由日本三菱电器开发的数学模型，对各种对流换热因素考虑的较为全面，是一种较先进的层流冷却控制模型，但还需要对许多参数进行回归，按照厚度层别等做出一系列控制表7。（2）控制策略的研究。根据层流冷却控制的工艺特点，目前控冷的方式基本采用预设定计算、前馈控制、反馈控制和模型参数自适应等几个策略，并且采用动态控制的方法，将带钢在延长度方向上进行分段（称作带钢段），同时将冷却辊道划分为若干冷却段，每个冷却段由若干冷却阀组成，然后动态跟踪每一个带钢段
17、，即确定带钢段到达某个冷却段的时刻以及经过的时间，以便在前馈和反馈时确定应调节的水阀数目。当带钢和冷却辊道分段越细，带钢长度方向上的冷却控制越均匀，控制精度越高，但控制也将越复杂。随着计算机科学的迅猛发展，带钢热连轧技术已经成为多学科结合的应用技术。尤其是近几年，由SMS公司设计制造的紧凑型热带生产线（CSP）被国内大量引进。国内钢铁企业纷纷与高校和知名冶金科研机构合作，消化引进技术，优化系统结构，以提高控制精度。例如：唐山钢铁公司从理论和工艺的角度分析了控冷过程中换层别后自适应能力差、尾部温差大以及低目标卷取温度精度低等问题产生的原因，提出了虚拟检测水温、反推速减点、细化层别等对应的优化策略
18、。另外，智能控制理论的发展，为描述与控制不确定、非线性的复杂过程提供了理论基础，也使得智能控制在层流冷却中得到了越来越广泛的应用。其中，北京科技大学高效轧制国家工程研究中心提出的遗传神经网络的方法，将遗传算法的能够收敛到全局最优解和鲁棒性强的优点与神经网络结合起来，并运用实际生产数据对该网络进行训练和测试，离线实现了卷取温度高精度的实时预报，并得到了在线应用。1.3 章节安排本课题以北京科技大学高效轧制国家工程研究中心承接的国内某大型钢铁集团的带钢热连轧生产线二级系统改造项目为背景，介绍了层流冷却技术的研究现状，分析了层流冷却系统设备布置和控制结构，重点研究了层流冷却系统中所用到的控制模型和控
19、制策略。并根据这些理论，绘制了层流冷却的控制画面。实践证明这些控制策略和控制模型是有效的、实用的。第一章主要介绍了本文的研究背景和意义，对比了几种冷却方式，并从数学模型和控制策略方面对层流冷却系统的研究现状进行了概述。第二章给出了层流冷却系统的设备布置图和实物图，对层流冷却系统的基本结构以及各个结构之间的相互协调关系进行了介绍。第三章对层流冷却系统的控制模型进行了研究，控制模型主要包括温降模型、卷取温度预报模型、预设定模型、前馈控制模型、反馈控制模型和自学习模型以及数据库模型。着重分析了改进后的卷取温度预报模型。第四章对层流冷却系统的控制策略进行了研究，控制策略主要包括冷却策略、带钢分段控制、
20、冷却区分段控制、冷却速度控制、侧喷和吹扫控制和上下集管水比配置。第五章给出改进的控制模型取得的实验效果，并展示了设计和绘制的HMI画面。2 层流冷却系统简介2.1 层流冷却系统设备布置本文中的带钢热连轧生产线的层流冷却系统由上、下冷却系统和侧喷吹扫系统三部分组成。上部和下部冷却系统各分成60个冷却控制段，每4个控制段为一组，一共15组，前9组用于粗调，后6组用于精调。每个冷却控制段由一个阀门进行冷却水的开关控制。上部的每个控制段有两根常规U 型层流集管，每根集管上设有多个鹅颈喷水管；下部的每个控制段有4根带一定喷射角的直喷集管，每根集管上有11或12个喷嘴。也就是说，上部冷却系统由120根集管
21、构成，下部冷却系统由240根集管构成。侧喷吹扫系统分布在输出辊道的两侧，而且交叉分布，共有9个侧喷嘴，其中有2个为高压气喷，以吹散雾气，防止对轧线控制仪表的干扰。层流冷却的长度约为60m，冷却宽度为1700mm。系统同时配置了多种调节阀门和检测仪表,包括手动调节阀、气动截止阀、电磁流量计、热金属检测器、激光检测器、高温计、水温计、压力计、液位计等,用于系统的信号检测、带钢跟踪及自动控制。层流冷却系统设备布置原理图如图2-1所示，设备布置的实物图1#现场I/O柜2#现场I/O柜轧制方向高温计T1侧喷高温计T2侧喷粗调第1组手动阀精调第6组气动阀F714090mm59400mm操作台及HMI流量计
22、卷取机冷却水分配装置如图2-2所示：图2-1 层流冷却系统设备布置原理图图2-2 层流冷却系统设备布置实物图2.2 层流冷却系统的基本结构层流冷却系统由机械系统和控制系统组成。机械系统包括供水系统、水处理系统、水量分配系统、层流系统、侧喷和前后吹扫系统。控制系统包括过程自动化控制L2级、基础自动化控制L1级。层流冷却的策略和控制模型属于过程自动化控制L2级的范畴。在控制过程中，过程自动化控制L2级对整个冷却过程进行跟踪、控制、参数计算和设定。其中设定过程，主要根据PDI的目标参数、终轧参数、HMI参数和设备参数为层冷区的各种生产设备提供设定值或设定方式，并以工艺规定的时序将设定结果传送给基础自
23、动化控制L1级。L1级根据L2级的设定值和带钢跟踪信息进行集管开闭操作，并为L2级提供测量信号。当第一台精轧机F1咬钢时，L1级给L2级发送事件信号，启动层流冷却控制系统的L2级作预设定，L2级预设定完成后，将设定结果下达给L1级，L1级进行带钢的头部跟踪。当判断带钢进入层流冷却区时，考虑阀门的开启延时，提前打开阀门，在整个带钢的头部通过层冷区时，会依次按照预设定的结果开阀。同时，L2级启动动态修正，修正由于终轧速度、终轧温度和终轧厚度对开阀数的影响，动态修正计算是控制系统的前馈控制；当有带钢段出层流区的高温计时，L2级会进行带钢段之间的自适应，对模型计算进行修正，带钢段之间的自适应是控制系统
24、的反馈控制。当L1级的尾部跟踪程序跟踪到带钢的尾部进入层冷区时，会依次关闭阀门；当尾部离开层流区时，L2级启动带钢之间的自学习。这样，整个层流冷却系统就形成了一个前馈控制和闭环控制相结合的控制系统，从而保证了控制系统的精度。层流冷却的控制结构图如图2-3所示，基础自动化L1级控制器图如图2-4，过程自动化L2级服务器图如图2-5所示：阀门开闭延时处理测量值处理带钢段跟踪动态设定头尾跟踪预设定冷却模型FThQw、Tw精轧设定数据PDI、工艺参数自适应测量值处理带钢段跟踪Qw、TwCT闭环控制前馈控制图2-3 层流冷却的控制结构图图2-4 基础自动化控制L1级控制器图图2-5 过程自动化控制L2级
25、服务器图2.3 本章小结 本章首先介绍了层流冷却系统的设备布置，并给出了设备布置的原理图和实物图；然后对层流冷却系统的基本结构以及各个结构之间的相互协调关系进行了描述，并给出了层流冷却控制结构图、基础自动化控制L1级控制器图和过程自动化控制级L2服务器图。通过本章的介绍和描述，对层流冷却系统有了整体上的认识。3 层流冷却的控制模型层流冷却系统控制模型主要包括温降模型、卷取温度预报模型、预设定模型、前馈控制模型、反馈控制模型、自学习模型和数据库模型。 3.1 温降模型从带钢离开精轧末机架到达卷取测温计CT，带钢依次处于空冷区、水冷区和空冷区。层流冷却温降模型的计算精度直接影响到卷取温度的控制精度
26、，主要包括空冷区温降模型和水冷区温降模型。3.1.1 空冷区温降模型在空冷区，高温辐射热量远远超过空气对流热量，带钢主要以辐射的形式散热，因此，可以只考虑辐射热量损失，而把其他影响都包括在根据实测数据确定的辐射系数 中。另外，空冷区的长度一般都较短，在整个过程中可以用同一个温度 T 来计算。空冷区的辐射温降 Tf 可以按下列公式计算： (3.1)式中 Tf 空冷区温降，； 轧件移动时的温降时间， = L/v，s；L 轧件移动的距离，m；v 轧件移动的速度，m/s； 轧件的热辐射系数； 斯蒂芬-玻尔兹曼常数，5.6710-8W/(m2.k4) ；C 比热容，J/( kg.K)； 密度，kg/m3
27、；h 轧件的厚度，m； 3.1.2 水冷区温降模型带钢的层流冷却属于低压喷水冷却，带钢通过层流水时的换热是一种强迫对流形式，主要是以对流的形式散热。水冷区的对流温降 Td 可以按下列公式计算： (3.2) 式中 Td 层流冷却温降，；To 带钢进入水冷区的温度，； TW 层流冷却水的温度，； 对流换热系数； L 水冷段长度，m； C 比热容，J/( kg.K)； 密度，kg/m3；上述计算中的关键参数是对流换热系数 值。它与冷却水的温度、水量、带钢的温度、带钢的运行速度、带钢的尺寸等一系列因素有关8。为了使理论计算更接近于生产实际，必须对输出辊道上的冷却情况进行大量的统计，以便确定对流换热系数
28、 的变化规律。因此对流换热系数一般是理论公式和实测统计相结合的综合统计模型。一般采用下列回归公式计算： (3.3)式中 T 带钢表面温度，； Q 水流密度； a0、a1、a2 回归系数。3.2 卷取温度预报模型在层流冷却系统数学模型中，卷取温度预报模型是基础模型，也是其他控制模型的关键与核心，其精度直接关系到整个冷却控制系统的温度控制效果及产品性能。3.2.1 传统卷取温度预报模型传统卷取温度预报模型根据热传导的原理，在得到精轧传送过来的带钢基本参数（材质、厚度、温度、速度和目标卷取温度等）和轧制基本参数后，利用温降模型及集管开启组合状态，进行卷取温度预测。带钢表面温度可用下列冷却时间函数加以
29、描述： (3.4)式中 T(t) t 时刻带钢的平均温度，； T0 冷却区环境温度，； Ti 终轧带钢温度，； k 模型自适应系数； t 带钢进过冷却区的冷却时间，s； p 时间常数。用下式表示： (3.5)式中 C 导温系数； K 带钢导热系数； B 水温、水压和带钢的热交换系数； A1 上喷水与带钢的热交换系数； A2 上喷水与带钢的热交换系数；h 带钢厚度，m。k1、k2 模型系数；由上述模型可见，带钢通过冷却区的温度随时间的变化描述为指数关系，而带钢厚度、带钢导热、导温特性、冷却区冷却能力、水温、水压和带钢速度等对带钢温度指数降低的陡度产生影响。但是，该模型存在若干问题，主要问题有：没
30、有考虑带钢内部厚度方向的热传导，因此系统误差较大，特别是对于中厚板，预设定精度差；加速度对模型影响大，在加减速时，控制精度差。3.2.2 基于遗传神经网络的卷取温度预报模型由于传统卷取温度预报模型的固有缺陷，导致卷取温度预报精度不高。因此在传统预报模型的基础上，利用现场采集的大量数据建立了基于遗传神经网络的卷取温度预报模型。3.2.2.1 BP神经网络BP(Back Propagation)意为误差反向传播。BP神经网络是目前应用最广泛的一种神经网络，它具有很强的泛化映射能力，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层
31、是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。BP神经网络是以单个神经元为基础的，现在简单介绍一下单个神经元的工作原理。单个神经元
32、模型如图3-1所示：x1x2xjwi1wi2wiwijyi第i个图3-1 单个神经元模型图对于第 i 个神经元，接受多个其他神经元的输入信号xi ，各突触强度以系数 wij 表示，这是第 j 个神经元对第 i 个神经元作用的加权值。利用某种运算把输入信号的作用结合起来，给出它们的总效果，称为“净输入”，用 Ii 表示。净输入的表达式有多种类型，最简单的一种形式是线性加权求和，即Ii = wij xi。此作用引起神经元 i 的状态变化，神经元 i 的输出 yi 是当前状态的函数。利用大量的神经元相互连接就构成了神经网络。需要指出的是，虽然BP神经网络得到了广泛的应用，但是BP神经网络也存在着收敛
33、速度慢、容易陷入局部最小、网络结构的确定比较困难等缺点。3.2.2.2 遗传算法遗传算法GA(Genetic Algorithm)是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。在遗传算法中，通过编码组成初始群体后，遗传操作的任务就是对群体的个体按照它们对环境的适应度（适应度评估）施加一定的操作，从而实现优胜劣汰的进化过程。从优化搜索的角度而言，遗传操作可使问题的解，一代又一代的优化，并逼近最优解。遗传操作包括以下三个基本遗传算子：选择、交叉、变异。选择的目的是把优化的个体或解直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代，它是建立在群体中个体的适应
34、度评估基础上的。交叉是遗传算法中起核心作用的遗传操作，它是把两个父代个体的部分结构加以替换重组而生成新个体的操作。变异算子是对群体中的个体的码串随机挑选一个或多个基因座上的基因值做变动的操作。遗传算法的过程如图3-2所示：确定实际问题参数集对参数集进行编码初始化群体P(t)评估群体1.位串解码的参数2.计算目标函数值3.函数值向适应值映射4.适应值调整满足停止规则YES结束三个基本算子：1.选择2.交叉3.变异遗传操作NO产生新一代群体图3-2 遗传算法的过程3.2.2.3 基于遗传神经网络的卷取温度预报模型为了克服 BP 神经网络存在的收敛速度慢、容易陷入局部最小、网络结构的确定比较困难等缺
35、点，一些最优化方法逐渐被用于对 BP 神经网络的优化计算中，其中遗传算法（即 GA 算法）和 BP 神经网络的结合产生了遗传神经网络。由于遗传算法能够收敛到全局最优解，而且遗传算法的鲁棒性强（所谓鲁棒性，是指控制系统在一定的参数摄动下，维持某些性能的特性），将遗传算法和BP 神经网络结合起来有着重要的意义，不仅能够发挥 BP 神经网络的泛化映射能力，而且可以使神经网络具有更快的收敛性以及较强的学习能力9。其模型结构形式如图3-3所示：GA模型适应度fBP神经网络网络结构参数输出误差平方和E图3-3 遗传神经网络模型结构BP神经网络的输入层和输出层是根据使用者的需求来设计的。本文设定的输入层是对
36、卷取温度有着主要影响的因素和数学模型计算的中间结果，共包含8个输入参数：钢种、终轧厚度、终轧速度、终轧温度、粗调开阀数、精调开阀数、冷却水温和冷却模式；设定的输出层单元数为1，即带钢卷取温度；隐层数为单隐层，只对单隐层的节点数进行寻优。隐层激活函数采用下列的 logistic 函数： (3.6)式中 a 为函数斜率。网络的学习收敛速度和精度与函数的形状有密切关系，其函数斜率 a 的选取一般也是根据经验值取1。设网络的输入层单元数、隐层单元数和输出层单元数分别为 Ni、Nh 和No。由于隐节点个数不定，所以网络优化时码串长度是可变的，这样会给遗传算子的操作带来不便。为了保证交叉和变异时子代个体的
37、完整性，取串码的最大可能长度，即确定隐节点最大可能值 Nhmax ，本文取 Nhmax = 2(Ni + No)。根据实际需要，令每一层神经元只与其前一层神经元有连接，输入和输出之间没有直接连接，则总的连接权值为(Ni + No) Nhmax。码串总长度为L = (Ni + No+1) Nhmax + No +2，包括了网络结构、隐层作用函数、连接权值和阈值的所有信息。以训练集样本为遗传神经网络的输入和期望输出，计算出网络输出和期望输出的误差，取其均方差作为目标函数值 J ,则 J 为下式： (3.7)式中 n 遗传优化中第n个个体； Num 输入输出样本对个数； m 输出层节点个数；yj(k
38、) 第 k 个样本输入时，第 j 个输出节点的期望输出； 第 k 个样本输入时，第 j 个输出节点的实际输出；由于遗传算法要求的是极大值，所以将极小值目标函数转化为极大值来处理，于是可得到适应度函数：(3.8)该式在J(n) Jmax时成立，当J(n) Jmax时，f(n)=0。式中 Jmax 进化过程中 J(n) 的最大值； f 个体的适应度函数值。整个过程的计算框图如图3-4所示开始群体初始化评价个体计算适应度值达到精度要求或进化到最大代数选择交叉变异否GA适应度最高的个体解码成BP神经网络结构训练BP神经网络满足精度要求结束否是是BP图3-4 遗传神经网络的计算框图3.3 预设定模型当第
39、一台精轧机 F1 咬钢时，基础自动化控制 L1 级给过程自动化控制 L2 级发送事件信号，启动层流冷却控制系统的 L2 级作预设定，L2 级的计算机将在卷取温度预报模型的基础上选择带钢的冷却策略，并根据精轧末机架设定的终轧厚度、终轧温度、终轧速度设定值以及冷却策略等参数应用差分模型进行计算，设定粗调和精调所需开启冷却集管的组数（冷却水段数），控制好目标卷取温度和冷却速度，保证带钢性能，然后将上述预设定结果传送给基础自动化控制级 L1级的计算机进行预设定控制。预设定模型需要进行冷却能力校核，分为最大冷却能力校核和最小能力校核。最大冷却能力校核是以PDI（原始数据输入模型）的稀疏模式检查冷却能力，
40、如果最大冷却能力不足，则把稀疏模式进行提升，如果提升后冷却能力还不够，则把所有阀门都开启，并且报警；最小冷却能力校核是把所有阀门都关闭，如果此时卷取温度偏低，说明来料的温度偏低，需要报警。预设定模型的流程图如图3-5所示：开始模型计算数据准备最大能力校核判断提升冷却稀疏模式NOOK最小能力校核判断OK报警开阀数设定计算启动CSM结束图3-5 预设定模型流程图确切地说，水冷区冷却水段数按照温降模型来计算只能认为是一种理想情况下的静态数学模型。由于带钢在穿越层流冷却区时通常是变速前进，而在影响带钢冷却强度的诸多因素中，带钢速度又最为活跃10。因此，冷却水段数的计算只是针对带钢上某一点的，于是必须对
41、带钢进行跟踪，适时开启水阀，使得对该点来说，是在 N 个水冷段的作用下穿越层流冷却区的，而对其他点来说，由于变速运动导致通过层流冷却区所用时间不同，对应的冷却水段就可能不是 N。由以上可知，冷却水段数 N 的计算比较复杂，因此，在实际的控制过程中，往往将带钢厚度细分成若干个规格，对各个规格分别用统计的方法确定一组系数，并用一个线性方程来表征冷却水段数 N 与有关工艺系数之间的关系，即 (3.9)在实际应用中，下面的统计模型的效果较好，在我国大部分带钢热连轧生产线上都得到了应用。该方程为 (3.10)式中 N 冷却喷水段数目 Pi 标准条件（v = vs ，TFC=TFS ，TCA=TCAS）下
42、预设定喷水段数； Ri 带钢速度影响系数； v 带钢终轧实测速度，m/s； vs 带钢终轧设定速度，m/s； a1 终轧速度变化对卷取温度的影响系数； TFC 带钢终轧实测温度，； TFS 带钢终轧设定温度，； TCA 卷取目标温度，； TCAS 卷取标准温度，； Q 综合传热系数； h 带材实测厚度，m；a2 水温补偿系数。3.4 前馈控制模型在带钢热连轧生产线上，精轧末机架与层流冷却系统的第一组集管之间的距离一般为 10m 左右，当带钢出精轧末机架后，层流冷却系统将根据所测的的带钢出口速度、终轧温度、冷却水温以及带钢厚度，通过数学模型计算，决定集管喷嘴开启和关闭的位置、数量和组态。并连续检
43、测第 6 台精轧机架 F6 的出口速度、温度、厚度、冷却水温的变化，从而不断地通过改变冷却集管的开启和关闭的数量，来预先进行卷取温度的控制。前馈控制冷却水段数采用下列公式计算： (3.11)式中 NFF 前馈控制冷却喷水段数； TFA 终轧温度目标值，； T 转移控制所需要的温度修正值，。 其实，前馈控制模型是在预设定模型的基础推导而来，除此之外，还可以推导出以下两个控制模型：（1） 终轧温度补偿控制模型： (3.12)式中 NFFT 终轧温度补偿控制冷却喷水段数； a1、a2 系数。（2） 转移控制模型： (3.13)式中 NT 转移控制冷却喷水段数。这里的转移控制，是考虑在卷取温度控制中引入反馈控制方式后，为尽可能减小控制滞后，而将反馈调节集中在层流冷却系统的下游处进行。假设上游冷却水段数过多，就会使带钢的温度过低，则进行反馈控制时，必须关闭喷水段，才能使带钢温度提高，然而下游又没有可关闭的喷水段，这样反馈控制就起不了作用。因此在卷取温度目标值中预加 T ，使下游处增加水冷段数，等效于将上游冷却段数的一小部分转移到下游处，为反馈控制留出余地，实际经验表明， T取3050为宜。3.5 反馈控制模型反馈控制模型主要用来修正卷取目标温度与实际温度的偏差，以便达到较高的卷取温度控制精度。最初的反馈控制，由于控制信号时间滞后较长，因此为避免振荡，实际上只是
