基于遗传神经网络的热连轧带钢卷取温度预报.pdfVIP

《冶金自动4v。))2006年增刊(s2) 基于遗传神经网络的热连轧带钢卷取温度预报 李宏，张大志 (北京科技大学高效轧制国家工程研究中心，北京m0083) [摘要】针对传统热连轧带钢卷取温度预报模型的固有缺陷，为了满足扩展钢种和规格的要求，提出基于遗传 神经网络的卷取温度预报方法。为了充分发挥神经网络的泛化映射能力和遗传算法能收敛到全局最优解的特 点，将遗传算法与神经网络结合起来，建立了遗传神经网络。运用实际生产数据对该网络进行训练和测试，结 果表明：它能准确、实时地预报卷取温度，有在线实际应用的前景。 [关键词]层流冷却；卷取温度；数学模型；遗传神经网络 O引言 度和带钢速度进行周期性的前馈控制计算，并适 热连轧带钢的卷取温度对带钢的晶相组织影 时把阀门开闭设定值送到基础自动化级。在带钢 响很大，是决定成品带钢加工性能、力学性能、物 进入层流冷却区后，基础自动化按采样周期、带钢 理性能的重要参数之一。当实际卷取温度超出要 速度把带钢分成若干小段，计算机对每小段在层 求的范围，钢卷的组织性能会变差，所以保证热轧 流冷却区的运行进行计算和跟踪。对带钢的卷取 带钢卷取温度达到规定的目标温度，提高卷取温’ 温度控制就是以这样的小段为最小单位进行的。 度控制精度一直是热连轧领域关注的重要问题。 对每小段计算增减阀门数，当某小段运行到该可 目前卷取温度控制主要靠传统的数学模型完 变喷水区时，基础自动化级即执行打开或关闭需 成，而带钢冷却过程的热交换是非常复杂的非线 要变化的阀门。从带钢头部离开卷取温度计到带 性过程，影响卷取温度的因素多而且复杂，难以从 钢尾部离开卷取温度计期间，利用实测的卷取温 在线控制数学模型中全部计算和精确描述。提高 度对层流冷却进行周期性的反馈控制和自适应计 卷取温度的预报精度是一个具有现实意义的课 算。层流冷却控制系统如图1所示。 题。 1层流冷却控制系统 对层流冷却系统的控制主要是控制喷水阀的 开关。当带钢出粗轧机，过程控制级进行精轧机 的控制计算后，由精轧道次计算程序启动层流冷 却。根据精轧道次计算的数据、带钢材质和规格、 目标卷取温度等数据，自动选用冷却工艺数据， 如：冷却方式、喷水模式和自适应系数等；然后启 动冷却预设定程序，计算出达到目标卷取温度需 要的喷水阀门数和起始阀门位置，并进行层流冷 图l层流冷却控制系统 却最大冷却能力计算，如果冷却能力不足就向操 L—水温；瓦一层流冷却入口处EMP的温度；瓦一目标 卷取温度；L一环境温度；d，j，埘一板带的厚、长、宽； 作人员提示报警，再启动带头调整程序计算出带 月—钢板型号；卜一辊道速度；口一辊道加速度；P_工作 钢头尾有特殊卷取温度要求时所需要的喷水阀门 点参数值；P_人口参数和工作点参数值的偏差；Ⅳ_开 数，之后经设定值传送程序把设定值传送到基础 阀个数；，r一喷水方式；％一上起始阀门的位置；K一下 自动化级，并在相应的计算机终端上显示结果。 起始阀门的位置；z■一实际卷取温度；Z’瑚一预测卷取温 在带钢头至尾部离开精轧机后，终轧温度、厚 度与实际卷取温度之差 [收稿日期]2006--1雄21；[修改稿收到日期]20064)4-27 [作者简介]李宏(1976-)，女，河北邢台人，硕士研究生，主要从事机电控制优化方面的研究工作。 ·108·