本发明涉及钢铁生产中加热炉优化控制
技术领域：
，特别涉及一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法。
背景技术：
：目前，随着市场竞争的加剧，钢铁加热轧制工序由传统的大批量按计划生产向小批量、多钢种的小批量柔性生产模式转变，传统的基于大批量生产模式的加热炉控制模式无法适应灵活多变的柔性制造生产要求。钢坯加热炉是用来将初轧钢坯或者连铸钢坯加热到一定的温度分布以便粗轧机进行轧制的生产设备，钢铁工业是能源消耗的大户，其中仅加热炉的能耗就占钢铁工业总能耗的25％，提高加热炉的加热效率，降低能耗，对整个钢铁工业的节能具有重要的意义，特别是随着现代化轧机向连续、大型、高速、高精度和多品种方向发展，对钢坯的加热质量也提出了越来越高的要求。然而，加热炉是一个典型的复杂工业对象，包括热力学的、化学的和物理的各种过程，其本质上是一个具有典型的多变量、时变、非线性、强耦合、大惯性和纯滞后等特点的复杂工业生产对象。加热炉控制的目的是按照轧机轧制节奏，设定加热炉区段炉温，使钢坯在炉内充分受热，在钢坯出炉时其出炉温度和均热度满足轧制要求，同时要使所消耗的燃料尽量小。目前通常是通过控制加热炉区段炉温来达到控制加热炉内钢坯温度的目的。过去在钢铁产能长期不能满足我国消费需求的时代背景下，钢铁冶金企业普遍采用加热炉产量型高烧法，在燃料充足的前提下，按照钢坯加热温度的上限烧钢，以实现多烧快烧，尽量保证加热炉的生产能力与轧机生产能力的匹配，提高钢材产量。这样不仅导致了钢坯的氧化烧损严重,而且造成了加热炉的巨大能耗浪费,也使得加热炉的使用寿命缩短。近年来，随着我国钢铁产能供求关系的扭转，出于对降低生产成本、提高生产效率和产品质量的要求，加热炉的优化控制问题成为了国内外工业界和学术界共同关注的热点问题。对于钢坯的温升过程来说，每一块钢坯在理论上都唯一地对应着一条自己的最优温升曲线，只有钢坯的温度沿着这条温升曲线上升，才能保证钢坯的加热性能最好，钢坯消耗的热量最少。加热炉是用来加热钢坯的，钢坯的温升过程是通过加热炉的炉温提供的，因此要想给予钢坯相应的温度分布，加热炉的各段炉温必须有相应的炉温分布。可以说钢坯的最优温升曲线是与加热炉的最优炉温分布曲线相对应的，因此有必要寻找到加热炉的最优炉温分布曲线，有了这条最优炉温分布曲线，就可以通过加热炉燃烧控制系统来实现最佳的炉温分布。对加热炉进行优化控制的目的，实际上就是要在各个炉段的炉温允许范围内寻找最佳的炉温值，即为最优炉温设定值，从而用最少的能耗加热出满足要求的钢坯。炉温优化设定是一类典型的最优决策问题，根据已知的钢坯规格、种类、目标出炉温度、装炉温度和轧制节奏等工况，在加热炉过程模型、钢坯断面温差上限、钢还出炉时断面温差上限、钢还出炉表面温度区间、钢坯出炉时间约束等生产工艺约束下，设定各段炉温，使钢坯在合适的时间加热到合适的温度，且能耗最小。针对加热炉炉温设定的问题，国内也有相关专利和文献提出了一些解决方法，如：公开号为CN103697712A的专利《基于时间感度的动态加热炉炉温控制方法》，根据出炉节奏、加热炉加热能力与步进梁移动信息的最大值动态设定最短在炉时间，根据最短在炉时间，计算钢坯炉温感度值。公开号为CN103146905A的专利《一种基于钢坯优化加热曲线的加热炉炉温决策方法》，从加热炉膛内的传热机理出发，通过虚拟加热,以钢坯优化加热曲线为依据对一块钢坯当前位置所对应炉温进行修正，然后对加热炉每个控制段内所有钢坯对应炉温进行加权平均，从而计算获得加热炉各控制段的决策炉温。公开号为CN105018718A的专利《一种基于热负荷分配的加热炉工艺炉温控制方法》，在现有“料温模式”的基础上，将设备状态、产品工艺有机的结合起来，通过建立热负荷均衡调节模型，将产品温度偏差分配到典型产品所在的控制段，对加热炉燃烧的工艺炉温进行补偿修正，从而提高工艺炉温的控制精度，提高产品的加热质量，减少能源浪费。公开号为CN104894362A的专利《一种冷热钢坯混装的加热炉炉温设定方法》，通过计算某一加热段内所有钢坯的入炉温度均值和出钢温度计算模块获得出钢温度数值，共同补偿加热段的炉温设定，以在冷热钢坯混装时优化各加热段炉温设定以稳定出钢温度。授权号为CN100507027C的专利《热轧加热炉炉温动态设定控制方法》，采用钢坯温度预报模型前向递推计算钢坯所在段的段末温度，根据钢坯移动距离动态计算钢坯各炉段段末的目标温度，计算钢坯当前段所需要炉温，并考虑当前段所有钢坯的差异进行专家经验加权设定。授权号为CN102433428B的专利《一种加热炉钢坯加热过程的炉温控制方法》，根据加热炉内热量传递特点，基于钢坯的加热质量要求、生产设备安全等约束条件，采用自适应差分进化算法确定优化控制方案，从而得到加热炉的温度设定，实现钢坯加热过程中的温度控制。授权号为CN103952529B的专利《一种步进式加热炉基于热平衡的炉温优化方法》，利用炉内的热量平衡关系，建立炉温、钢温、供热量和热损失之间关系式，并根据炉型、钢坯规格、种类、目标出炉温度、装炉温度和轧制节奏等工况，计算出沿炉长方向的各段最优炉温，使钢坯在规定的时间内加热到合适的温度和允许的断面温差，且能耗最小。此外，金仁杰等在《连续加热炉数学模型控制中的炉温决策方法》(钢铁，1995，30(1)：67-71)、封筠等在《步进式加热炉炉温优化设定模型及软件开发》(控制与决策，1997,12(4)：369-372)、张卫军等在《加热炉炉温制度的多目标模糊优化方法》(中国有色金属学报，1998，8(2)：715-717)中也提出了加热炉炉温的优化设定方法。上述文献根据生产现场的实际情况,提出基于加热炉工程师及操作工加热经验的炉温优化设定模型,并保留了以钢坯预报模型为基础的机理模型，以备条件具备时使用。炉温优化设定模型根据实时采集的现场工况信号，通过对数据库的查询及知识库的搜索，决策出各段的优化炉温设定值。在此炉温制度下加热出的出炉钢坯可满足轧钢的质量要求，并可在一定程度上减少能耗，进而实现加热炉计算机优化控制的目的。以上公开的方法和文献，对加热炉的炉温优化问题从不同侧重点采用不同方法进行了研究，取得了一定效果，然而，上述方法在优化的过程中，将钢坯在炉内的加热过程视为在不同加热炉段恒定温度场内的缓慢升温过程，把炉温看成是一个改变钢坯温度的手段进行设定值的优化，是一种基于稳态工况的优化。实际上，加热炉生产过程中，加热炉的工况经常会出现各种各样的变化。钢坯的种类、规格、入炉温度及轧制节奏这些因素的变化都会造成钢坯的温度分布偏离理想加热曲线。严格来讲，稳态工况在实际生产中是不存在的，运用稳态加热炉炉温优化方法只能在近似条件和平均意义下保证钢坯加热的质量及加热炉的能耗最小，同时，炉内温度的变化是一个相对缓慢的过程，而同一炉段钢坯的轧制加热工艺要求常常各不相同，上述方法未能有效地利用不同段炉温的变化过程对钢坯进行差异化加热，即未充分利用加热设备的加热控制能力满足钢坯的差异化轧制工艺要求。因此，必须将炉温的变化过程与加热炉在炉内升温的动态过程与钢坯的轧制工艺要求综合考虑，在满足加热炉各项加热工艺约束的条件下，对加热炉工况变化时的加热炉炉温设定进行优化，以保证加热炉在各种生产工况都能保证钢坯的加热质量及能耗的最小化，从而真正实现加热炉炉温的全炉动态优化。实现加热炉炉温的全炉动态优化主要需要解决以下技术难点：(1)炉温制度的动态实时最佳决策的依据是钢坯产量的要求和全炉的钢坯温度分布，但是目前在实际生产中在技术上不能连续全面地测量炉内钢坯的温度分布，需要建立钢坯在加热炉内的精确数学模型，实现钢坯在加热炉内升温过程的精确预测。(2)将炉温的变化过程与加热炉在炉内升温的动态过程与钢坯的轧制工艺要求综合考虑，传统加热炉的单点温度优化随之变为了该点温度随时间变化的曲线优化问题，即传统沿炉长方向的单维曲线优化变成了沿炉长和时间两个维度的矩阵优化问题，求解的困难大大增加。加热炉炉温的全炉动态优化的目的是给出加热炉各段炉温设定值随时间变化的曲线,是一个非线性动态优化模型，最优控制中极大值原理及常规的数学规划方法难以通过一次优化计算给出切换过程加热炉各段炉温变化的整条曲线。技术实现要素：鉴于现有钢铁行业加热炉炉温优化设定方法多采用稳态工况进行优化，未能满足不同规格、不同用途的钢坯的轧制工艺要求，造成的钢坯加热质量低、能量消耗和氧化烧损大等缺陷，提出了一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法，根据炉内多个钢坯序列的加热工艺要求(目标出炉温度，断面温差限)与钢坯状态(坯料规格、种类、装炉温度)，对炉内温度设定值进行时间和炉长两个维度的同时优化，与传统基于单个钢坯的加热炉长度方向单设定值优化相比，本发明所提出方法考虑到多个待加热钢坯序列的不同加热要求和前后排序，对每个炉温设定点的时间序列值也进行了优化，即通过炉温设定的时间序列动态优化，实现前后钢坯差异化加热工艺要求的精确控制，充分利用了加热炉的炉温动态调节能力，实现了钢坯的差异化加热，达到提高钢坯加热质量、降低能量消耗、降低氧化烧损、延长加热炉寿命的效果。为了达到上述发明目的，解决其技术问题所采用的技术方案如下：一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法，该方法主要包括离线分析步骤和在线控制步骤，其中：所述离线分析步骤主要采集与炉温控制相关的参数，并以此为基础建立钢坯升温模型；所述在线控制步骤以预先给定的控制周期Δtc触发，用以实现步进式加热炉升温曲线的实时优化设定。进一步的，所述离线分析步骤中与炉温控制相关的参数包括：加热炉生产的所有钢种类型集合，记为Gra；对于每一个钢种g∈Gra，通过查表获得其热物理参数，包括各温度下该钢种的密度ρg、热容Cg及热导Kg；加热炉特征参数，包括加热炉的炉区数N、各炉区的炉长Ln,n＝1,2,...,N、各炉区炉气向钢坯的有效传热系数及各炉区水印的热损失系数ηn,n＝1,2,...,N。进一步的，所述离线分析步骤建立离散的钢坯升温模型，该模型能够预测钢坯在加热炉的升温情况，该模型只考虑钢坯厚度方向的温度梯度，而近似认为处于同一厚度位置的钢坯层温度处处相等，由此，钢坯温度分布成为与厚度位置x和时间t相关的函数，建立如下传热方程组：其中，上式中第一个方程表示钢坯内部的热传导过程；而第二个方程表示加热炉对钢坯下表面的传热过程，其中Tf为钢坯所在炉区的炉温值，hb是下表面等效传热系数，该参数与加热炉特性、水印参数、炉温及钢坯温度有关；第三个方程表示加热炉对钢坯上表面的传热过程，其中ht是上表面等效传热系数，该参数与加热炉特性、炉温及钢坯温度有关；第四个方程表示钢坯的初始温度值；将上面方程组进行位置离散化处理，其中，沿x方向将钢坯分解为m份，则得到钢坯温度分布向量Ts(k)如下式所示：其中，T1(k)对应钢坯上表面块的温度，Tm(k)为钢坯下表面块的温度；同时，进行时间离散化，假设当前时刻为k，对于给定的钢坯s，其钢种为g、长度为len、宽度为wdt、厚度为thk、当前钢坯温度分布为Ts(k)、钢坯移动速度v、当前钢坯在加热炉中的位置ps(k)和各炉区的炉温值基于上述信息，通过该模型可以计算得到k+1时刻钢坯温度分布Ts(k+1)，采用Mods表示模型关系，建立如下表达式：其中，由于钢坯s的钢种、长度、宽度、厚度、热物理参数，加热炉各炉区的长度、有效传热系数、水印的热损失系数均为常数，保留公式(1)中变量，可以简写为：进一步的，假设当前的控制周期为k，加热炉内所有钢坯号的集合为Slab，所述在线控制步骤包括以下具体步骤：步骤S1：控制周期开始，采集数据并更新温度分布计算值与平均移动速度；步骤S2：校正各炉区出口处钢坯温度分布计算值；步骤S3：判断是否有新的钢坯进入加热炉，如有则计算其最优升温曲线；步骤S4：判断所有钢坯的最优升温曲线是否需要更新，如是则进行更新；步骤S5：采用极值优化算法求解多目标优化问题，得到各炉区的炉温最优设定值；步骤S6：将S5计算得到的各炉区炉温最优设定值下达至PLC，结束本控制周期计算。进一步的，步骤S1具体包括：步骤S11：采集当前的加热炉内钢坯移动速度v(k)，更新加热炉内所有钢坯的位置，即对于所有的ps(k)＝ps(k-1)+v(k)·Δtc，进而可以判断钢坯s所在的加热炉炉区n；步骤S12：根据该炉区炉温值上一时刻计算得到的钢坯s温度分布Ts(k-1)，当前的加热炉内钢坯移动速度v(k)，以及钢坯升温模型Mods，计算得到当前时刻钢坯s的温度分布Ts(k)；步骤S13：同时根据最近几个控制周期的移动速度值v(k)、v(k-1)、v(k-2)…v(k-q)，其中q为预先给定的值，计算最近一段时间内炉内钢坯平均移动速度进一步的，步骤S2具体包括：步骤S21：依次检查每一个温度检测装置下面是否有钢坯经过；步骤S22：假设有钢坯s正好经过某个温度检测装置，且检测到其表面温度值为TsSF(k)，则利用TsSF(k)对温度分布计算值Ts(k)进行修正。进一步的，步骤S22中针对钢坯不同位置的温度值进行如下校正：钢坯上表面温度Tm(k)＝TsSF(k)；钢坯内部及下表面温度Ti(k)＝Ti(k)+(TsSF(k)-Tm(k))，i＝1,2,..,m-1。进一步的，步骤S3具体包括：步骤S31：判断是否有新的钢坯进入加热炉，如有，则将其钢坯号s加入Slab，置ps(k)＝0，Ts(k)＝T0；步骤S32：根据平均移动速度目标出炉温度和钢坯升温模型Mods，结合出炉温度偏差、断面温度偏差和最大温升幅度的因素，求解优化问题，计算得到该钢坯最优升温曲线hcs，该曲线确定了钢坯在加热炉内各时刻的目标温度，另外，记录下该钢坯升温曲线对应的平均移动速度进一步的，步骤S4具体包括：步骤S41：对于Slab集合中包含的所有钢坯，即逐一判断是否满足Δv为预先给定的阈值；步骤S42：如果满足则说明钢坯实际移动的速度与生成最优升温曲线时的平均移动速度相差较大，工况改变较大，因此需要重新计算其最优升温度曲线。进一步的，步骤S42具体包括：根据目前的平均移动速度当前钢坯位置ps(k)、当前钢坯的温度分布计算值Ts(k)、目标出炉温度和钢坯升温模型Mods，结合出炉温度偏差、断面温度偏差和最大温升幅度的因素，重新计算得到该钢坯最优升温曲线，更新hcs，同时更新该钢坯升温曲线对应的平均移动速度进一步的，步骤S5中，首先建立如下多目标优化问题：设定优化目标：首先考虑加热炉内任意的一块钢坯s，在给定优化时域P内，要尽量使其计算升温曲线逼近最优升温曲线，即实现偏差最小，即：其中，TsA表示计算得到的钢坯平均温度，wκ是控制时域内各周期偏差的加权系数，考虑加热炉中所有的钢坯，需要针对每一块钢坯建立公式(3)所示的优化目标，共同构成了一个多目标优化问题；约定决策变量：各炉区的炉温设定值n＝1,2,...,N；确定约束条件：反应各炉区的炉温设定值与钢坯计算升温曲线之间的关系，根据公式(2)可以得到：Fors∈Slab，κ＝0,1,...,P-1,n＝1,2,...,N其中，ps(k+κ)为k+κ时刻钢坯以当前平均速度移动到的位置，采用下式计算得到：Fors∈Slab，κ＝0,1,...,P-1另外，需要对控制时域内各周期的各钢坯温度分布求平均值以得到钢坯平均温度，采用符号Γ表示平均计算函数，则：Fors∈Slab，κ＝1,2,...,P执行极值优化算法，得到各炉区的炉温最优设定值。进一步的，执行极值优化算法，具体步骤如下：步骤A：进行初始化，定义一个大小固定的解仓库，令其为空，并设置迭代次数iter＝0；步骤B：随机产生一个初始解步骤C：对当前解的各个变量j＝1,2,...,N依次实施变异，即在变异某个变量时，保持其余组元不变，得到N个邻域解；步骤D：对N个邻域解进行支配排序，从而得到其支配排序数rj∈[0,N-1]，j∈{1,...,N}；步骤E：令各个变量的适应度值λj等于其对应的邻域解的支配排序数，即λj＝rj，j∈{1,...,N}；步骤F：如果只有一个变量的适应度为0，则该变量被认为是当前解中的最差变量；如果有两个以上适应度为0的变量，则运用多样性保持机制来决定哪个是当前解中的最差变量，假设最差变量为其适应度λw＝0，通过变异产生新的解为Sw，w∈{1,...,N}；步骤G：无条件地用Sw取代当前个体S，即Sw→S；步骤H：判断是否要将S加入到解仓库中；步骤I：如果迭代次数达到预设的终止迭代次数，则进入步骤J，否则，令iter＝iter+1，进入步骤C；步骤J：选取解仓库中保存的任一解作为多目标优化问题的解输出。进一步的，步骤H中将S与解仓库中所有的解进行Pareto支配比较：如果解仓库中存在被S支配的解，则将其删除，并将S添加到解仓库中；如果解仓库中存在至少一个解能支配S，则不更新解仓库；如果S与解仓库中任意一个已有解都互不支配，则根据下面三种情况对解仓库进行更新操作；a)如果解仓库还没有满，则将S添加到解仓库中；b)如果解仓库已满，并且S位于存档中最密集的地方，则S不加入到解仓库中；c)如果解仓库已满，并且S不位于解仓库中最密集的地方，则用S替代解仓库中位于最密集地方的非劣解。本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：1、本发明对炉内温度设定值进行时间和炉长两个维度的优化，在时间维度方面，设置优化时域P，以尽量减小这段时间内各钢坯计算升温曲线与最优升温曲线之间偏差为目标，在炉长维度方面，针对加热炉内各钢坯的不同特性建立各自的优化目标，共同构成一个多目标优化问题。通过求解该时间和炉长两个维度的优化问题，在实现炉温动态优化控制的同时兼顾了炉内钢坯差异化加热工艺要求；2、本发明采用一种基于极值优化原理的多目标优化方法，该方法具有多约束条件处理能力，多目标优化能力及在复杂优化空间中快速的寻优能力，在产生炉温设定较优解的同时满足在线炉温控制实时性要求；3、本发明根据各钢坯的特性在其入炉时即生成最优升温曲线，作为炉内钢坯加热过程所跟踪的目标曲线，并且只有当钢坯移动速度发生较大幅度改变时才更新该最优升温曲线，从而避免传统方法在每个控制周期都需要计算最优升温曲线带来的巨大计算负荷；4、本发明中，在加热炉各炉区的出口位置，钢坯的温度分布模型计算值得到修正，该机制可以消除炉区内由于多步模型计算所积累的与真实系统间的偏差，获得钢坯进入下一个炉区时准确的初始温度分布状态，从而提高优化控制精度。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：图1为本发明中钢坯一维温度模型坐标轴体系；图2为本发明中典型的最优升温曲线；图3为本发明中每个控制周期的流程图；图4为本发明中六个连续钢坯的目标出炉温度变化曲线；图5为本发明中六个钢坯的升温曲线；图6为本发明中加热炉均热段炉温设定曲线。具体实施方式以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。随着工业规模化的发展，目前，以步进式加热炉为代表的连续式加热炉在轧制生产中得到了广泛应用，与传统周期式加热炉不同，连续式加热炉采用连续进料连续出料的模式，改善了加热炉与轧机之间的生产连续性，极大的提高了生产效率。在实际生产中，加热炉炉温设定控制普遍采用加热炉产量型高烧法，即在燃料充足的前提下，按照钢坯加热温度的上限烧钢，以实现多烧快烧，尽量保证加热炉的生产能力与轧机生产能力的匹配，提高钢材产量。然而，随着钢铁生产国际化竞争的日益激烈，传统的大批量连续化按照计划生产的运营模式逐渐向小批量、多品种的柔性制造模式转变，由于不同用户和应用场合的需求各异，钢坯的加工轧制工艺要求各不相同，传统的采用固定升温设定曲线的炉温控制方法，不仅导致了钢坯的氧化烧损严重，而且造成了加热炉的巨大能耗浪费，也使得加热炉的使用寿命缩短。因此，迫切要求加热炉的生产能够根据加工钢坯的轧制工艺要求，进行加热炉炉温设定的实时动态优化，实现加热炉生产过程的精益化控制。本发明针对上述问题，公开了一种基于时间和炉长的双维度步进式加热炉升温曲线优化设定方法，该方法主要包括离线分析步骤和在线控制步骤，其中：所述离线分析步骤主要采集与炉温控制相关的参数，并以此为基础建立钢坯升温模型；其中，所述离线分析步骤中与炉温控制相关的参数包括：加热炉生产的所有钢种类型集合，记为Gra；对于每一个钢种g∈Gra，通过查表获得其热物理参数，包括各温度下该钢种的密度ρg、热容Cg及热导Kg等；加热炉特征参数，包括加热炉的炉区数N、各炉区的炉长Ln,n＝1,2,...,N、各炉区炉气向钢坯的有效传热系数n＝1,2,...,N及各炉区水印的热损失系数ηn,n＝1,2,...,N等。进一步的，所述离线分析步骤建立离散的钢坯升温模型，该模型能够预测钢坯在加热炉的升温情况，不失一般性，本发明采用钢坯一维温度模型，如附图1所示，该模型只考虑钢坯厚度方向的温度梯度，而近似认为处于同一厚度位置的钢坯层温度处处相等，由此，钢坯温度分布成为与厚度位置x和时间t相关的函数，建立如下传热方程组：其中，上式中第一个方程表示钢坯内部的热传导过程；而第二个方程表示加热炉对钢坯下表面的传热过程，其中Tf为钢坯所在炉区的炉温值，hb是下表面等效传热系数，该参数与加热炉特性、水印参数、炉温及钢坯温度等参数有关；第三个方程表示加热炉对钢坯上表面的传热过程，其中ht是上表面等效传热系数，该参数与加热炉特性、炉温及钢坯温度等参数有关；第四个方程表示钢坯的初始温度值；将上面方程组进行位置离散化处理，其中，沿x方向将钢坯分解为m份，则得到钢坯温度分布向量Ts(k)如下式所示：其中，T1(k)对应钢坯上表面块的温度，Tm(k)为钢坯下表面块的温度；同时，进行时间离散化，假设当前时刻为k，对于给定的钢坯s，其钢种为g、长度为len、宽度为wdt、厚度为thk、当前钢坯温度分布为Ts(k)、钢坯移动速度v、当前钢坯在加热炉中的位置ps(k)和各炉区的炉温值n＝1,2,...,N，基于上述信息，通过该模型可以计算得到k+1时刻钢坯温度分布Ts(k+1)，采用Mods表示模型关系，建立如下表达式：其中，由于钢坯s的钢种、长度、宽度、厚度、热物理参数，加热炉各炉区的长度、有效传热系数、水印的热损失系数均为常数，保留公式(1)中变量，可以简写为：Ts(k+1)＝Mods(Ts(k),ps(k),v,Tnf)(2)所述在线控制步骤以预先给定的控制周期Δtc触发，用以实现步进式加热炉升温曲线的实时优化设定。本实施例中，所述的在线控制模块，主要完成以下四个功能：(1)钢坯位置跟踪，即实时计算加热炉内所有钢坯的位置，并检测有无入/出炉的钢坯；(2)钢坯最优升温曲线计算及更新，即在每一块钢坯进入加热炉时计算其最优升温曲线，并在工况改变较大(钢坯移动速度变化较大)的情况下对其进行重新计算；(3)钢坯温度校正，即利用各炉区出口处的钢坯温度检测信息，对钢坯的模型计算温度值进行修正；(4)各炉区炉温设定值优化，以最小化所有钢坯在控制时域内实际升温过程与最优升温曲线之间偏差为目标，生成各炉区炉温设定值。如图3所示，进一步的，假设当前的控制周期为k，加热炉内所有钢坯号的集合为Slab，所述在线控制步骤包括以下具体步骤：步骤S1：控制周期开始，采集数据并更新温度分布计算值与平均移动速度；步骤S2：校正各炉区出口处钢坯温度分布计算值；步骤S3：判断是否有新的钢坯进入加热炉，如有则计算其最优升温曲线；步骤S4：判断所有钢坯的最优升温曲线是否需要更新，如是则进行更新；步骤S5：采用极值优化算法求解多目标优化问题，得到各炉区的炉温最优设定值；步骤S6：将S5计算得到的各炉区炉温最优设定值下达至PLC(ProgrammingLogicController，可编程逻辑控制器)，结束本控制周期计算。具体实施例中，步骤S1进一步包括：步骤S11：采集当前的加热炉内钢坯移动速度v(k)，更新加热炉内所有钢坯的位置，即对于所有的ps(k)＝ps(k-1)+v(k)·Δtc，进而可以判断钢坯s所在的加热炉炉区n；步骤S12：根据该炉区炉温值上一时刻计算得到的钢坯s温度分布Ts(k-1)，当前的加热炉内钢坯移动速度v(k)，以及钢坯升温模型Mods，计算得到当前时刻钢坯s的温度分布Ts(k)；步骤S13：同时根据最近几个控制周期的移动速度值v(k)、v(k-1)、v(k-2)…v(k-q)，其中q为预先给定的值，计算最近一段时间内炉内钢坯平均移动速度具体实施例中，步骤S2进一步包括：步骤S21：依次检查每一个温度检测装置下面是否有钢坯经过；步骤S22：假设有钢坯s正好经过某个温度检测装置，且检测到其表面温度值为则利用对温度分布计算值Ts(k)进行修正。进一步的，步骤S22中针对钢坯不同位置的温度值进行如下校正：钢坯上表面温度钢坯内部及下表面温度具体实施例中，步骤S3进一步包括：步骤S31：判断是否有新的钢坯进入加热炉，如有，则将其钢坯号s加入Slab，置ps(k)＝0，Ts(k)＝T0；步骤S32：根据平均移动速度目标出炉温度和钢坯升温模型Mods，结合出炉温度偏差、断面温度偏差和最大温升幅度的因素，求解优化问题，计算得到该钢坯最优升温曲线hcs，典型的最优升温曲线如附图2所示，该曲线确定了钢坯在加热炉内各时刻的目标温度，另外，记录下该钢坯升温曲线对应的平均移动速度具体实施例中，步骤S4进一步包括：步骤S41：对于Slab集合中包含的所有钢坯，即逐一判断是否满足Δv为预先给定的阈值；步骤S42：如果满足则说明钢坯实际移动的速度与生成最优升温曲线时的平均移动速度相差较大，工况改变较大，因此需要重新计算其最优升温度曲线。进一步的，步骤S42具体包括：根据目前的平均移动速度当前钢坯位置ps(k)、当前钢坯的温度分布计算值Ts(k)、目标出炉温度和钢坯升温模型Mods，结合出炉温度偏差、断面温度偏差和最大温升幅度的因素，重新计算得到该钢坯最优升温曲线，更新hcs，同时更新该钢坯升温曲线对应的平均移动速度具体实施例中，步骤S5中，首先建立如下多目标优化问题：设定优化目标：首先考虑加热炉内任意的一块钢坯s，在给定优化时域P内，要尽量使其计算升温曲线逼近最优升温曲线，即实现偏差最小，即：其中，表示计算得到的钢坯平均温度，wκ是控制时域内各周期偏差的加权系数，考虑加热炉中所有的钢坯，需要针对每一块钢坯建立公式(3)所示的优化目标，共同构成了一个多目标优化问题；约定决策变量：各炉区的炉温设定值n＝1,2,...,N；确定约束条件：反应各炉区的炉温设定值与钢坯计算升温曲线之间的关系，根据公式(2)可以得到：Fors∈Slab，κ＝0,1,...,P-1,n＝1,2,...,N其中，ps(k+κ)为k+κ时刻钢坯以当前平均速度移动到的位置，采用下式计算得到：Fors∈Slab，κ＝0,1,...,P-1另外，需要对控制时域内各周期的各钢坯温度分布求平均值以得到钢坯平均温度，采用符号Γ表示平均计算函数，则：Fors∈Slab，κ＝1,2,...,P执行极值优化算法，得到各炉区的炉温最优设定值。进一步的，执行极值优化算法，具体步骤如下：步骤A：进行初始化，定义一个大小固定的解仓库，令其为空，并设置迭代次数iter＝0；步骤B：随机产生一个初始解步骤C：对当前解的各个变量j＝1,2,...,N依次实施变异，即在变异某个变量时，保持其余组元不变，得到N个邻域解；步骤D：对N个邻域解进行支配排序，从而得到其支配排序数rj∈[0,N-1]，j∈{1,...,N}；步骤E：令各个变量的适应度值λj等于其对应的邻域解的支配排序数，即λj＝rj，j∈{1,...,N}；步骤F：如果只有一个变量的适应度为0，则该变量被认为是当前解中的最差变量；如果有两个以上适应度为0的变量，则运用多样性保持机制来决定哪个是当前解中的最差变量，假设最差变量为其适应度λw＝0，通过变异产生新的解为Sw，w∈{1,...,N}；步骤G：无条件地用Sw取代当前个体S，即Sw→S；步骤H：判断是否要将S加入到解仓库中；进一步的，步骤H中将S与解仓库中所有的解进行Pareto支配比较：如果解仓库中存在被S支配的解，则将其删除，并将S添加到解仓库中；如果解仓库中存在至少一个解能支配S，则不更新解仓库；如果S与解仓库中任意一个已有解都互不支配，则根据下面三种情况对解仓库进行更新操作；a)如果解仓库还没有满，则将S添加到解仓库中；b)如果解仓库已满，并且S位于存档中最密集的地方，则S不加入到解仓库中；c)如果解仓库已满，并且S不位于解仓库中最密集的地方，则用S替代解仓库中位于最密集地方的非劣解。步骤I：如果迭代次数达到预设的终止迭代次数，则进入步骤J，否则，令iter＝iter+1，进入步骤C；步骤J：选取解仓库中保存的任一解作为多目标优化问题的解输出。由于本发明所提方法对炉内温度设定值进行时间和长度两个维度的优化，同时，本发明将所有钢坯的温度偏差作为优化目标，导致优化的目标和优化变量的数量大大增加，传统的确定性方法难以在有限时间内获得可以满足约束的解，也难以对多个目标之间的优劣进行取舍，本发明采用多目标极值优化算法进行求解，有效地解决了上述问题。以下以实际生产过程为例，说明本发明所取得的有益效果：采用本发明中所述的基于时间和炉长双坐标轴的步进式加热炉升温曲线优化设定方法对某加热炉进行仿真运行，该步进式加热炉具有预热段、第一加热段、第二加热段、均热段四个炉区，钢坯入炉温度为0℃，出炉目标温度根据各钢坯钢种工艺要求不同分布在1050℃～1150℃之间。统计一段时间内加热炉生产的20个钢坯，对采用原设定方法和本优化设定方法后钢坯温度控制效果进行比较，结果如下表所示：平均钢坯出炉温度偏差平均断面温差原设定方法18.23℃6.47℃优化设定方法7.54℃5.79℃其中，对于k时刻任意一块钢坯s，其断面温差定义为钢坯上下表面温度与其中心温度之差，即：该指标反应了钢坯内部加热是否均匀的程度。仿真结果表明，和原设定方法相比，采用本优化设定方法能够大幅度减小钢坯出炉温差及断面温差。下面以一个典型的连续生产过程为例，说明本发明所取得的有益效果：其中，加热炉连续加热六个钢坯，如附图4所示，钢卷1、2的目标出炉温度为1050℃,钢卷3、4的目标出炉温度为1110℃,钢卷5、6的目标出炉温度为1080℃。原设定方法与本发明方法控制下各钢坯加热升温效果如附图5所示，可见在原设定方法控制下，钢坯1、2、5、6出现一定程度的过烧，而钢坯3、4出现加热不足的现象，这是因为几个钢坯的目标出炉温度存在较大的差异，传统沿炉长方向的单维曲线优化设定方法无法根据钢坯的差异实现炉温设定的快速动态调整。而在本发明设定方法控制下，六个钢坯的出口温度均能达到目标出炉温度附近。从具体原理上分析,加热炉均热段的炉温设定变化曲线如附图6所示，由于钢坯3、4的目标出炉温度达到1110℃，相比钢坯1、2的1050℃明显提高，而本发明方法能根据未来钢坯的目标出炉温度变化提前实现对炉温设定值的快速动态调整，充分利用了加热炉的动态调节能力，相比而言，传统沿炉长方向的单维曲线优化设定方法滞后且缓慢，因此本发明方法取得了更佳的控制效果。以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。当前第1页1 2 3