使用自学习经验表优化加热炉二级模型计算温度

摘 要：加热炉二级系统包含坯料温度计算、炉膛温度曲线、数据存储与传输等功能模块。伴随着新坯料的开发，原有的二级坯料计算模型产生了较大的误差。通过黑匣子试验，从统计数据中证实这点。然而，重新开发坯料温度模型代价较大，我们考虑建立自学习经验模型，以此来修正最终计算温度值。

关键词：加热炉二级；修正；温度模型

引言

高效蓄热式加热炉是国际上90年代迅速发展起来的一项加热炉燃烧技术，具有高效、优质、节能和低污染排放等诸多优点。它可以充分利用低热值的高炉煤气加热钢坯，具有大幅度节能（节能30%～60%）和大幅度降低烟气中氮氧化物排放量的双重优越性。炉子同时采用步进梁式机械结构，使炉长不受推钢比的限制，生产能力加大，其次由于钢坯之间不接触，因此不会发生拱钢、翻钢、粘连事故，另外由于钢坯下表面同一部分不会长时间与水梁接触，因此减少钢坯黑印的产生，并且步进式送钢可以有效地避免表面划伤。首秦公司轧钢部正是采用这种加热炉。

加热炉控制系统主要包括一级自动化和二级自动化两个部分。一级自动化即基础自动化，主要包括仪控PLC和电控PLC两部分，分别控制温度采集、炉膛加热和机械动作；二级自动化即加热炉二级系统，主要包含坯料温度计算、炉膛温度曲线、数据存储与传输等功能模块。由于投产初期调试的成功，自适应模型的缺陷并未显现，而当轧制钢种多样化、坯料类型多样化之后，通过多次400mm厚坯料轧制不合格的事件后，我们开始怀疑加热炉二级给出的坯料温度比实际偏高较大。这种误差，对某些特种钢的质量会产生明显影响。

1 坯料温度计算模型存在的问题

埋偶实验是常用的一种坯料高温数据采集实验方法。通过大量坯料高温检测实验，与二级模型计算温度对比，得出某钢种曲线温度曲线对比，加热3区计算温差已达100摄氏度，之后的加热4区和均热区才将温度逐渐拉近至60摄氏度左右。起先，我们怀疑现场仪表有测温不准的情况。在调整仪表后，这种情况并无明显改变。于是，将眼光转向二级温度计算模型。在精读程序后发现，加热炉二级温度计算模型的动态调节依赖于二级自动控制模式。而现场采用手动控制加热，计算温度的自学习功能也就随着自动模式的禁用而无效，仅仅提供坯料温度的计算和参考温度曲线。

2 问题分析和解决

2.1 建立经验表

模型可修改的参数无问题，对于出炉平均70摄氏度左右的二级计算温度差，改动模型本身代价过大，于是我们采用了修正模型计算结果的方法。

首先对不同钢种和厚度进行黑匣子高温实验，记录钢坯炉内各采样点的模型计算温度与采集温度的差。最终形成每个钢种使用不同厚度坯料时，在各个测试点的差值表，类似于下表的形式，以此作为经验表。在满足条件时，就使用经验表中对应值与温度模型计算值的和作为最终的坯料温度。当然，这个过程必须应用于模型每次计算。

模型温度修正功能加入后，模型的闭环结构改变，另外，还有其他的条件需要考虑。比如参考值的合理性、在炉时间和调整经验表。

2.2 使用经验表的限制

在炉时间也要考虑，在保证质量的前提下，足够的在炉时间保证可以将钢“烧透”。结合本公司工艺要求，再编制在炉时间表，记录某钢种使用不同厚度坯料时在炉时间的最大值和最小值。如果钢坯在炉时间在合理范围内或超长，则并不修正温度模型计算结果。

每次计算温度前，仪表温度要加上补偿值，这由实验测得，也可以在一级程序中直接补偿。

2.3 经验表的自学习

我们还需要建了一个自学习功能来不断调整经验表中的值。自定一个或多个可做参考的仪表值。仪表值加上差值为参考值，与经验表中对应的值相减。如此累加若干次，取算数平均数。最后乘以调整系数替代到基础经验模型中：

式中：M为修正值；d为参考值；x为经验表对应值；n为累计次数；？兹为调整系数。

由于算数平均数极易受极端值影响，因此还要设定两个动态阈值来限制，避免由于极端值导致错误。同样的，这两个阈值也需要由实验数据中统计产生。

3 结束语

在无法改动模型本身或改动代价过大的情况下，可以考虑使用文章中描述的自学习式经验模型来实现温度矫正。这种方式适合于有可参考温度的情况，但是仍需要大量的实验数据基础来建立经验表、在炉时间表和确定各个阈值。这种修正必须作用于每次计算。需要注意的是，现场仪表的安装位置和准确度是温度计算模型的数据来源，定期对炉膛溫度、烟气温度采集仪表的校准是非常必要的。修正后的坯料与实验获得温度的差平均小于15摄氏度，使操作工看到的温度更接近实际。

参考文献

[1]蔡乔方.加热炉[M].冶金工业出版社，2007.

[2]Stein Heurty. Thermal model for Hot[M].France：Stein Heurty Com，1997.

作者简介：李红强（1981-），男，汉族，河北省石家庄市，本科，助理工程师，技术主管，主要从事于一级自动化控制系统研究。