一种提高超快冷温度模型精度和自学习效率的控制方法
【技术领域】
[0001] 本发明涉及乳钢技术领域，尤其涉及一种提高超快冷温度模型精度和自学习效率 的控制方法。
【背景技术】
[0002] 随着控制乳制控制冷却工艺的发展以及市场的竞争日益激烈，高品质产品的稳定 生产成了所有企业的发展目标。中厚板乳后冷却过程中钢板的温度变化及冷后钢板的温度 分布决定了产品的最终性能，因此钢板温度控制的精确程度，是高效生产出高级别产品的 关键所在。
[0003] 如今，为满足客户的多样化需求，钢种的类别及规格尺寸的变化越来越频繁。在工 况条件复杂的大生产中，由于人为的不确定性因素很大，较多的人工干预容易导致冷却过 程中钢板的温度无法准确命中。这种情况很大程度上影响最终产品的组织性能，降低生产 效率，甚至拖延交货期，对企业带来较大的经济损失。
[0004] 在科技快速发展的当代，越来越多的钢企迫切需要一种自动化程度高的乳后冷却 系统来保证稳定、准确、高效的大规模生产。而乳后冷却系统的自动化水平的核心就在于温 度模型的控制。
【发明内容】
[0005] 本发明的目的是针对现有技术存在的问题，提供一种提高超快冷温度模型精度和 自学习效率的控制方法。
[0006] 上述目的是通过下述方案实现的：
[0007] -种提高超快冷温度模型精度和自学习效率的控制方法，其特征在于，对新的待 冷却钢板的模型计算所需的换热系数h的计算方法为：
[0008] (1)现场或实验室试验测得关键影响因素 X与换热系数h之间的单因素对照关系， 拟合成函数曲线；
[0009] (2)建立多维空间坐标系，空间中的各维度表示一种影响因子。依据单因素对照曲 线，取相同换热系数变化量Ah来确定影响因子在对应坐标轴上的间距，再经过无量纲化 处理转换成各维度上连续变步长的坐标节点。这样每块钢板都可以根据其初始条件（影响 因素）在多维空间坐标系中找到对应的一点，该点的价值表征了在当前各因素共同影响下 的换热系数值，故称其为价值点；
[0010] ⑶根据历史数据，在多维空间中可建立已知的历史价值点集。当一块新钢板待冷 却时，在多维空间中确定其价值点的空间位置，新添加的点称为目标价值点；利用欧几里得 距离法，计算历史价值点与目标价值点的空间真实距离以表示其相关性，根据经验设定阈 值筛选出围绕目标价值点的最具影响力的历史价值点；
[0011] ⑷通过空间相关性的结果，加权平均求得目标价值点的值，即待冷却钢板的模型 计算所需的换热系数。
[0012] 根据上述的控制方法，其特征在于，所述步骤（1)中每一个价值点与其各维度坐 标的向量表示形式如下：
[0013] =
[0014] 式中，Ii1为第i个价值点的换热系数；X w为第i个点的第m维坐标值。
[0015] 根据上述的控制方法，其特征在于，各维度的坐标步长是根据每一影响因素对换 热系数的作用程度而定义；再通过步长节点的无量纲化，可以将不同单位的影响因子的值 统一成连续的整数，便于空间真实距离的计算。
[0016] 根据上述的控制方法，其特征在于，所述步骤（2)中当一块新的待冷钢板到来，根 据其材料特性及工况条件确定空间各维度的坐标值，并添加新的价值点，表示如下：
[0017] hn+1= (Xn+1"，Xn+1，2...Xn+1， n)T
[0018] 采用欧几里得距离法，求得前η个价值点与第η+1个价值点的空间距离关系，即
[0020] 根据上述的控制方法，其特征在于，优先在几个最重要的影响因子做相关性的筛 选，方式如下：
[0021] XiikG (X n+1，k-ε，Xn+1，k+ε )，i = 1，2，…，η
[0022] 式中，k为优先考虑的重要影响因子；ε为经验阈值，判断前η个价值点的关键因 子k是否属于第η+1个价值点的关键因子k的阈值ε范围内，将不属于的点提前滤过。
[0023] 根据上述的控制方法，其特征在于，计算空间每个点的权重W1如下
[0025] 式中，S1为各价值点的空间距离，q指经过筛选后的价值点个数；
[0026] 第η+1个目标价值点的换热系数hn+1可通过加权平均求得：
[0028] 式中，hn+1为目标钢板的换热系数值；h ;为筛选后第i个价值点的换热系数值;w ; 为筛选后第i个价值点的综合权重；
[0029] 将新的待冷却钢板的换热系数hn+1代入至温度模型边界条件中进行计算，实现对 温度的精确控制。
[0030] 本发明的有益效果：本发明可在拥有较少冷却钢板的经验数据的基础上，快速合 理的计算出适合当前工况条件下的模型参数，能有效降低温度模型计算过程中的自学习成 本，提高温度模型的稳定性及准确性。
【附图说明】
[0031] 图1是钢板厚度与换热系数之间的关系；
[0032] 图2是介质水温与换热系数之间的关系；
[0033] 图3是钢板表面温度与换热系数之间的关系；
[0034] 图4是坐标原点转换后钢板表面温度与换热系数之间的关系；
[0035] 图5是自学习多维空间模型示意图；
[0036] 图6是温度模型控制流程图。
【具体实施方式】
[0037] 热乳钢板乳后冷却是一个非常复杂的过程，根据能量守恒及傅里叶定律，可以得 出热平衡微分方程
[0039] 式中，P为密度，单位是kg/m3;c p为定压比热，单位是J/(kg · °C ) ;T为温度，单 位是°0 ; τ为时刻，单位是s ; λ为导热系数，单位是W/(m · Κ) 为单位时间、单位体积中 内热源的生成热，单位是W/m3。一般钢板冷却可近似认为是无内热源的，潜在的内热源是相 变潜热。这些物性参数和材料的化学成分、温度有着固有关系，可以通过实验测得，因此可 以作为已知条件。
[0040] 温度模型的计算采用第三类边界条件，即与物体相接触的流体介质的温度Tf和换 热系数h为已知，公式表示为
[0042] h与Tf可以是常数，也可以是某种随时间和位置变化的函数。如果h与T f不是常 数，则在数值计算中经常分段取其平均值作为常数。这里的流体介质温度Tf可以通过现场 检测仪器实时测得。
[0043] 综上所述，影响温度模型的各个参数中只有换热系数h是不确定的。由于h的影 响因素非常多且关系复杂，无法确定一个固有的h值，在实际应用均采用自学习的方法来 在线对h进行修正。
[0044] 本发明主要是通过一种改进算法来快速准确的预测出换热系数h，实现高效精确 的温度模型控制，步骤如下：
[0045] (1)现场或实验室试验测得关键影响因素 X与换热系数h之间的单因素对照关系， 拟合成函数曲线；
[0046] (2)建立多维空间坐标系，空间中的各维度表示一种影响因子。依据单因素对照曲 线，取相同换热系数变化量Ah来确定影响因子在对应坐标轴上的间距，再经过无量纲化 处理转换成各维度上连续变步长的坐标节点。这样每块钢板都可以根据其初始条件（影响 因素）在多维空间坐标系中找到对应的一点，该点的价值表征了在当前各因素共同影响下 的换热系数值，故称其为价值点；
[0047] (3)根据历史数据，在多维空间中可建立已知的历史价值点集。当一块新钢板待冷 却时，在多维空间中确定其价值点的空间位置，新添加的点称为目标价值点；利用欧几里得 距离法，计算历史价值点与目标价值点的空间真实距离以表示其相关性，根据经验设定阈 值筛选出围绕目标价值点的最具影响力的历史价值点；
[00