基于热力学混合遗传算法的加热炉炉温优化研究

针对加热炉生产过程中钢坯入炉温度、规格尺寸、钢坯种类等生产工况经常会发生改变,导致基本遗传算法存在早熟等现象,提出一种基于热力学的混合遗传算法.基于钢坯加热过程的机理模型,建立了钢坯温度预报模型,依据加热炉工艺生产要求,建立了加热炉炉温优化模型.为了提高遗传算法的求解精度和计算效率,在遗传算法交叉算子设计过程中加入内能、熵和自由能的思想,改进了传统遗传算法;同时在经典的遗传算法基础上加入模拟退火算法构成了基于热力学的混合遗传算法,并用于求解加热炉炉温优化问题,克服了传统遗传算法的不足.实验结果表明,该方法能够有效地求解加热炉炉温优化问题,是可行的、有效的.     

唐钢1700加热炉钢坯温度神经网络预测模型

根据唐钢1700生产线加热炉的实际生产数据,提出了三种神经网络的钢温预测建模方法,即分别采用BP神经网络、RBF神经网络、RBF-BP组合神经网络建立了钢坯出炉温度的神经网络预测模型,并利用MATLAB软件分别对三种模型进行了仿真。研究表明,RBF神经网络模型相比较BP有较快的学习速度,但是识别精度稍低。而RBF-BP网络模型结合了二者优点,并具有更好的泛化能力,识别精度更高。     

步进式加热炉板坯温度场数值模拟

钢坯加热是轧制前的重要工序,随着燃料价格的提高及新钢种的应用,建立精确的钢坯温度-时间关系传热模型已成为提高产品质量和节能降耗的首要条件。以某钢厂轧钢加热炉为研究对象,对钢坯加热过程的温度场进行数值模拟。建立了板坯在加热炉内加热数学模型,采用有限容积法对模型进行了离散,通过编程求解得出:在各加热段钢坯角部温度最高,加热段升温速度最快,钢坯断面温差最大,均热段断面温差最小,钢坯出炉断面温差稍高,建议延长均热时间。     

步进式加热炉板坯温度场数值模拟

钢坯加热是轧制前的重要工序,随着燃料价格的提高及新钢种的应用,建立精确的钢坯温度-时间关系传热模型已成为提高产品质量和节能降耗的首要条件。以某钢厂轧钢加热炉为研究对象,对钢坯加热过程的温度场进行数值模拟。建立了板坯在加热炉内加热数学模型,采用有限容积法对模型进行了离散,通过编程求解得出:在各加热段钢坯角部温度最高,加热段升温速度最快,钢坯断面温差最大,均热段断面温差最小,钢坯出炉断面温差稍高,建议延长均热时间。     

钢坯热轧加热炉区生产调度模型与算法

钢坯热轧加热炉区生产调度属于组合优化中的NP-complete问题.本文根据加热炉区生产特点建立了分别以生产能耗最小化和加热质量最优化为主次目标的钢坯加热炉区调度数学模型,将其归结为布尔可满足性问题,构造了采用二进制编码方式的遗传禁忌搜索算法进行求解.基于实际生产数据的模拟优化结果表明,该模型和求解方法充分满足了现场加热炉区生产调度的需求,在满足生产工艺约束的前提下,缩短了生产时间,提高了钢坯入炉温度和加热质量,与传统人工调度方法的结果相比具有更好的节能、高产效果.     

连续加热炉运行状态非线性融合分析

利用加热炉测控系统取得的实时测量数据和炉内钢坯温度预报模型，通过网络信息融合方法，对连续加热炉的运行工况进行综合分析，其分析结果对在优化加热炉运行参数具有重要参考作用，此分析方法对类似的设备和生产线有较普遍的参考价值。     

步进梁式加热炉钢温预报的数学模型

以机理分析与现场实验为基础,开发了一种步进梁式加热炉钢坯温度预报的动态数学模型,该模型具有结构简单,计算量小等优点,且仿真结果表明它能满足精度需要,能够实现对加热炉内钢坯温度分布的在线预报。     

逆推法实现轧钢加热炉的优化控制

利用机理分析方法建立并改进轧钢加热炉中钢坯温度的预报模型,得出一定条件下炉温分布与钢温变化惟一对应的特点,据此提出一种以优化钢坯升温曲线来逆推炉温分布的新方法.这种逆推法更加有利于实现多目标的优化.对钢坯升温优化模型中目标函数及约束条件进行分析,更全面地兼顾了钢坯质量与节能,使炉温设定更符合生产目标.该方法在优化问题的求解方面更为简单,运算速度更快,更利于实时控制.     

基于软测量的钢坯表面温度预报模型研究

本文以步进式加热炉中钢坯温度分布为应用背景,提出了利用径向基(RBF)神经网络来实现钢坯表面温度预报的软测量模型,并且对典型工况进行了仿真,结果表明,测量精度完全符合工业应用要求。     

基于ICA变量分组的集成软测量方法研究

提出了一种基于独立主成分分析（independent component analysis,ICA）变量分组和集成学习的软测量建模方法.该方法首先运用ICA对输入过程变量进行分组,建立多个变量组子空间.然后在各变量组子空间内提取子样本集,降低变量和变量组之间的耦合性,并基于核偏最小二乘法（KPLS）建立预测子模型.最后,采用贝叶斯方法对子模型的输出进行集成,给出最终预测结果.运用该方法对工业橡胶密炼过程的数据进行了预测,并与其它软测量方法的结果进行比较分析,实验结果表明,本文提出的方法具有更好的预测性能.      

基于加热炉多场耦合传热的板坯加热均匀性

针对某钢厂步进式加热炉建立了炉内燃烧、烟气流动、烟气和钢坯传热的全耦合三维模型,采用动网格方法模拟钢坯运动.重点分析了炉内烟气与钢坯耦合传热、钢坯温度均匀性及不同垫块结构(一字型垫块、千岛式垫块、错位梁)时钢坯温度的分布规律.研究结果表明:所提加热炉数学模型能够准确描述炉内燃烧、湍流和传热过程;垫块结构对钢坯温度分布具有决定性影响,千岛式垫块、错位梁分别能减少40%和50%的黑印温差.该数学模型解决了步进梁、钢坯、垫块和水管立柱等复杂结构的钢坯运动问题和加热炉与钢坯的共轭传热问题.     

一种间歇式轧钢加热炉温度场的研究

钢坯由加热炉加热至轧制所需温度,加热过程中炉内的温度分布对最终钢材质量起决定性作用.以间歇式天然气轧钢加热炉为例,采用CFD(计算流体力学)方法分析加热炉内以及被加热钢坯内瞬态的三维温度场分布,用Fluent软件模拟了多种操作条件下的炉内温度分布,为提高加热炉工作效率提供了理论依据.模拟过程中考虑了更换钢坯时炉门开启引入的热损失.模拟结果可用来优化操作参数和提高出钢质量.     

中型轧钢厂连续加热炉各段供热优化研究

以唐钢中型厂轧钢加热炉为研究对象，从炉子结构、技术性能及传热、散热机理出发，以燃耗最小为优化目标，建立了机理与实验想结合的优化数学模型，该模型在计算机上进行了模拟计算，获得了在不同产量下的各段热负荷分配曲线，为加热炉数模优化控制提供了重要参考依据。     

基于时滞BP神经网络的铸坯表面温度预报研究

为了快速准确地计算连铸方坯表面温度,提出了基于时滞BP神经网络的温度预报模型.由于传统的基于机理的模型需要直接求解偏微分方程,导致模型的求解消耗时间过长.为了满足连铸动态控制与优化的需求,研究了连铸方坯的传热机理,根据连铸过程热传导的特点,建立了基于时滞BP神经网络的温度预报模型,以历史时刻的表面温度和当前时刻水量作为神经网络的输入,以下一个时刻表面温度作为神经网络的输出.该模型可以快速预报连铸方坯表面温度的动态变化情况.并且依据某工厂的真实数据进行实验,表面温度的预报最大相对误差小于0.1%,取得了较好的实验结果.该方法可以准确地预报连铸坯的表面温度.     

加热炉和轧机的匹配优化

针对当前在实际中使用的加热炉和轧机的匹配制度存在的缺陷,提出一种基于钢坯期望出炉温度的推钢速率控制策略和基于斜坡函数的待轧控制策略,从而优化了加热炉和轧机的匹配制度·工业试验证明了这种匹配制度的合理性、简单性和易行性·     

加热炉待轧时炉温模糊决策

基于对加热炉动态过程受控特征分析,将数学模型方法、模糊控制理论和模糊优化方法应用于加热炉动态过程炉温优化及控制研究.建立了加热炉待轧时炉温模糊优化模型,构造了以钢坯导热机理模型为基础的炉温在线模糊控制决策系统.在此基础上对典型待轧过程进行了炉温控制决策的计算机数值仿真.结果表明,炉温模糊决策结果使在炉钢坯获得了满意的控制效果.本文的模型方法可以有效地应用于加热炉控制系统.     

加热炉三维段法动态数学模型在待轧中的应用

采用段法计算炉内辐射换热,在能量平衡的基础上建立了加热炉三维段法数学模型.给出了以稳态模型为基础的动态数学模型计算方法,并应用于加热炉待轧过程分析.多种不同待轧情况下的模拟结果表明:待轧的发生将对炉内传热过程产生较长时间的影响,待轧发生时应采用灵活的供热制度.具体来说,当发生较短时间事故待轧后可以较大幅度地降低燃料的供...     

一类非线性系统控制方法在硅钢生产上的应用

硅钢工业退火炉温度控制具有强耦合、纯滞后、多扰动等特点,它的控制方法代表着一类非线性系统控制的解决方法。以硅钢工业退火炉温度为控制对象,在双交叉限幅控制的基础上引入了智能学习系统,形成了基于智能学习系统的双交叉限幅控制方法来解决此类非线性系统的控制问题,并通过模块化的编程来实现其功能。结果表明:与传统的PID控制相比,该控制方法的控制精度、抗扰性等控制指标有明显提高,是解决此类非线性控制的一种有效方法。