基于多源感知与物理先验融合的钢铁退火炉温度场软测量与动态自适应闭环设计.docxVIP

PAGE2

基于多源感知与物理先验融合的钢铁退火炉温度场软测量与动态自适应闭环设计

摘要

钢铁退火炉温度场的精确测量与闭环控制是保证带钢力学性能一致性的关键。现有方案依赖稀疏热电偶，难以捕捉炉内三维温度分布，而纯物理模型计算复杂度高，无法满足实时调控需求。本设计提出一种融合多源感知与物理先验的退火炉温度场软测量方法，并构建动态自适应闭环控制架构。核心思路为：利用稀疏热电偶、炉壁红外阵列与传动辊速度数据，构建物理信息神经网络（PINN）温度场重构模型，将热传导偏微分方程作为正则化约束嵌入损失函数，实现从稀疏观测到全炉温度场的连续时空映射。在此基础上，设计基于模型预测控制（MPC）的闭环寻优策略，以带钢全宽温度均匀度为目标，实时调整加热区功率与带钢速度；同时引入边缘节点多维动态自适应机制，根据炉况变化在线校正软测量模型参数，抑制模型漂移。全文遵循“需求分析—总体设计—详细设计—仿真验证—总结展望”的工程递进主线，重点阐述温度场软测量融合架构、物理约束神经网络设计、闭环控制器及边缘自适应模块的实现逻辑。设计中，物理先验的引入使软测量模型在极少量标注数据下仍保持高精度，闭环框动态自适应调控则显著提升退火炉对工况波动的鲁棒性。本方案为高温工业炉的智能感知与控制提供了一种可工程化的技术路径。

第一章绪论

1.1研究背景

钢铁连续退火是冷轧带钢生产的关键工序，炉内温度场的均匀性直接影响