钢水温度和成分智能建模控制系统课件.pptx

1、1 引引 言言 钢水温度和成分是炼钢过程中非常重要的工艺参数， 由于钢水温度过高和钢液、钢渣对测温枪的腐蚀，目前，钢水温度的测量只能用热电偶进行消耗式点测，而无法用测温装置得到钢水温度的连续变化的信息。 同样，钢水成分只能通过取样和化学分析室设备得到。 多年来，国内外科技工作者试图借助计算机进行钢水温度和成分预报。目前主要有机理分析机理分析和统计计算统计计算两种方法。1 1 引引 言言 机理分析机理分析基于机理模型，按冶炼阶段分别建立各单元的平衡关系，再进一步进行综合计算。 物理意义清楚，对改进操作和冶炼工艺有指导意义； 需要大量的前提假设，且需现场提供大量的工艺数据，在正常生产时得不到的，

2、因而制约了机理模型的在线运行。 统计计算统计计算基于统计分析方法，通过大量数据找到预报量与各种过程变量间关系。算法简单，且很容易在线实现；只能反映线性关系，关系错综复杂，统计模型的精度不高。1 1 引引 言言 智能建模控制原理外表现象、数据、感觉等“事实”假说、猜测、惯例、经验、规则、常识等经验定律、定理、公理等机理现实世界模型1 1 引引 言言EF/LFEF/LF信号予处理 ANN电气线路仿真模型 工艺参数计算工艺要求热平衡和温度预报能量设定点动态优化智能调节器u,iu,i基于人工神经元网络和专家系统技术，进行了钢包精炼炉热平衡计算和钢水温度预报，在冶炼过程中，钢水温度的变化一目了然，能量输

3、入有的放矢。通过对电流电压瞬时值的高速采集和信号处理，还原了电量非正弦畸变掩盖下的有效值、有功无功功率、功率因数、耗电量的本来面目，基于人工神经元网络技术，建立了变压器二次侧电阻、电抗的动态计算模型，并进而计算出二次有功功率、弧功率、弧压、弧长、耐材指数等工艺参数，为系统优化提供定量依据基于专家系统技术，建立了能量设定点的动态优化，综合考虑以下因素：电气设备容量电弧弧长控制电效率和热效率耐材指数三相功率平衡冶炼阶段生产节奏采用人工神经元网络预报弧流变化，与设定点相比较，不断调整三相敏感的调节算法的权值，得到优化控制性能。同时，采用模糊控制抑制底吹氩引起的强干扰。2 智能钢水温度预报智能钢水温度

4、预报用人工神经元网络人工神经元网络技术建立反映钢水温度与各种非线性、时变因素间对应关系的钢水温度预报模型，辅之以专家规则专家规则进行修正。 图1 钢水温度预报模型的逻辑结构模 型 输入温度变化神经元网络输入量ANN模型 网络当前预报温度:T专 家 系 统 模 型专家系统输入量温度变化T Tt =T+T 模型预报温度: Tt 2 智能钢水温度预报智能钢水温度预报 人工神经元网络模型采用带隐含层的BP网络，输入量选取与能量平衡有关的能量输入（电能、氧、油等）、原料加入量、冶炼时间、初始温度、能量损耗相关量，输出为钢水温度变化。 专家系统模型采用产生式规则形式。按钢水升温影响因素和钢水降温影响因素建

5、立规则库，根据异常冶炼条件触发前向推理，确定温度变化。2 智能钢水温度预报智能钢水温度预报通过200炉左右冶炼数据的训练、学习，钢水温度预报的平均误差即可降低到7 ，足以满足工艺要求。 从第一次钢水测温开始，每一分钟预报一次，从而计算出整个冶炼过程的钢水温度变化情况。智能钢水温度预报可用于转炉、电炉、钢包精炼炉、连铸大包、中间包等的钢水温度预报。温度曲线3 3 能量输入设定点动态优化能量输入设定点动态优化 能量输入设定点动态优化功能可归结为选择合理的决策变量(弧压和弧流), 在满足一定约束条件下，使得输入到钢包炉内的电弧功率满足工艺要求。考虑生产节奏、钢水温度和冶炼工艺的要求，在满足这些非线性

6、、时变的约束条件下，寻求最优功率设定点。 以往功率设定点仅根据静态的电气圆图，制订出各种电压档下的功率曲线，由操作工根据自己的经验选取。这种静态分析假设电气线路电阻、电抗不变和三相独立，由于冶炼工艺过程的复杂性，随机干扰因素多，三相电气变量间耦合严重，这种假设并不成立。3 3 能量输入设定点动态优化能量输入设定点动态优化能量输入设定点优化: 通过神经元网络预报冶炼过程中电气参数的变化 利用电气特性曲线计算满足约束条件的最大电弧功率 根据专家工艺知识确定工作电压和工作电流的组合设定点根据冶炼过程中各阶段的不同特性，将冶炼功率曲线分解成化渣、成分调整升温和出钢前升温三个阶段，在不同阶段，根据预报的

7、钢水温度值、电气特性曲线、冶炼工艺和生产节奏对温升的要求进行弧压和弧流设定点的调整，实现电能输入的优化。3 3 能量输入设定点动态优化能量输入设定点动态优化4 智能调节器智能调节器电极升降控制的目的是通过马达或液压站比例阀或伺服阀调节电极末端距废钢或钢水液面的距离, 来保证冶炼过程中电量的状态变量跟踪优化后的输入功率设定点. 传统电极升降PID控制都是以阻抗控制为基础即保持电流和电压反馈信息保持电压和电流之间 的恒定比例。PID控制与 ANN控制的比较表 PID控制ANN控制三相耦合性基于三相理想情况下的完全解耦, 认为三相电压, 三相电流间彼此独立,与实际情况相去甚远考虑三相之间的耦合性,

8、其算法具有三相敏感性信号检测基于理想正弦波的假设, 检测的平均值不能反映有效值的变化检测电流电压的瞬时值, 能真实的反映实际的电流电压波形, 从而得到控制所需的各种信息设定点优化基于静态优化设定点基于动态优化的设定点系统预报无可预测系统变量的变化, 从而防患于未然增益自适应简单分段线性化根据系统的状态情况, 不断调整系统的ANN权值,从而, 得到优化的控制性能弧稳定性控制无有4 智能调节器智能调节器炉子仿真人工神经元网络用于预报炉子相关状态的变化, 调节器人工神经元网络则根据预报结果和优化设定点 之间的差计算电极升降控制 的输出值.在ANN调节器投入运行时,我们考虑了一个智能PID保驾算法,

9、综合输出通过几条规则判断ANN输出的正确性, 选择ANN控制输出还是PID控制输出, 确保系统运行的安 全可靠.4 智能调节器智能调节器5 合金补加计算合金补加计算 合金补加计算的目的是计算加入钢水中的各种辅料和合金料，使得在满足钢种成分和物料要求的前提下，加入的辅料和合金料的成本最低。 传统的做法是运用运筹学的线性规划模型，以辅料和合金料的成本最低为目标函数，将钢种成分范围和物流限定作为约束条件，用单纯形法求解，得到需加入钢水中的辅料和合金料的重量。 5 合金补加计算合金补加计算受限于以下条件，使得合金计算模型的应用效果受到了很大影响：（1）线性规划的线性约束条件只考虑了化学元素和加料料仓现

10、有料的简单定量约束，不能反映炉内的物理化学反应变化，不能保证良好的造渣制度和高的合金收得率，从而达不到加料成本最佳的目的；（2）有些订货，不仅对钢水成分提出了要求，而且对产品的机械性能，如淬透性等提出了要求，这些要求归结为一组高度非线性约束，往往导致单纯形法的求解无效；（3）线性规划模型中各合金元素的收得率假设为常数，但冶炼实际中由于钢水温度的波动、炉况的变化和渣制度的不同，各合金元素的收得率变化较大，严重影响了线性规划模型计算的准确性。5 合金补加计算合金补加计算智能合金计算模型： （1）基于冶金物化反应机理和冶金工艺专家的经验，建立了物理化学特性要求量化的专家系统和合金料的料种选择和加入次

11、序的专家系统，将各种定性的、启发式的知识信息，通过各种推理过程进行非结构化的问题求解，形成量化的控制成分约束； （2）进行料种选择，然后利用线性规划模型（LP）进行合金补加优化计算； （3）合金元素收得率利用神经元网络进行自适应学习，以反映钢水温度、炉况和渣制度的影响。 5 合金补加计算合金补加计算SARRMRMRB1RB2LFSGQCM6 钢的性能预报钢的性能预报 依据钢的化学成分与组织结构预测钢的性能，尤其是预测钢的强韧性，一直是钢铁研究方面的重要课题之一，这对于结构件钢种的设计与制造具有十分重要的意义。由于强韧性主要取决于淬透性，故研究淬透性与化学成分与组织结构之间的定量关系成为关键。

12、传统的方法是采用数学经验公式，但由于淬透性和钢的化学成分及钢的组织结构之间的关系十分复杂，用一般的数学公式很难精确表达这种复杂的关系，故计算精度及实用性都有待进一步提高。 6 钢的性能预报钢的性能预报神经元网络计算方法：可以避免人为寻找淬透性和钢的化学成分及钢的组织结构之间关系的困难，通过神经元网络的自学习，建立起淬透性和钢的化学成分及钢的组织结构之间的内在联系，从而达到进一步提高淬透性计算精度的目的。 淬透性计算过程：（1）分析影响钢淬透性的各种因素，选择其中主要的因素作为神经元网络的输入单元并建立神经元网络结构；（2）收集大量的淬透性实验数据，并分析这些数据，去除一些明显不合理的数据，之后用大部分数据进行神经元网络离线训练，用小部分数据用于测试网络离线训练程度，达到一定的精度后即可停止；（3）把测试好的神经元网络投入实际应用。 6 钢的性能预报钢的性能预报7 应用应用 智能钢包精炼炉控制系统1988年在江苏沙钢永新70吨钢包精炼炉进行工业试验取得了成功，现已推广到江苏沙钢沙景100吨钢包精炼炉、江阴兴澄100吨钢包精炼炉和抚顺特钢60吨钢包精炼炉。