[发明专利]一种退火炉炉温预测方法及系统

说明书

本发明提供了一种退火炉炉温预测方法及系统，其方法包括：首先建立基于SVR的退火炉炉温预测模型，然后采用神经网络的十折交叉验证方法和采集的原始生产数据对建立的模型进行训练，最后设定实际的生产参数并结合实时采集的现场生产数据，利用训练好的炉温预测模型对退火炉炉温进行预测。本发明的有益效果是：本发明提出的技术方案可对退火炉实际生产起到很好的预测指导作用，对退火炉板温控制提供有效的控制依据，降低退火炉生产过程中钢卷超温报警比例，改善生产环境，保障生产过程安全稳定。

技术领域

本发明涉及冶金领域，尤其涉及一种退火炉炉温预测方法及系统。

背景技术

目前涟钢冷轧热镀锌退火炉采用一级PLC交叉限幅PID控制结合新日铁的二级模型机控制，自投产以来由于环境的多变性、生产工艺过程的复杂性、以及冷轧钢卷品种规格的增加，导致温度控制速度、精度、适应性无法满足实际生产需求。随着智能控制技术与计算机技术的迅速发展，退火炉计算机控制系统的应用日趋广泛，实现了生产过程自动化，退火炉温度控制水平得到显著提高。因此，退火炉中板温控制技术和控制系统的研究受到广泛的关注。

目前，对退火炉的温度控制研究方法从传统的方法到当今流行的机器学习控制方法都有一定涉及：传统PID控制作为经典控制方法，其算法简单，易于实现，具有清晰的控制结构，易于调节。通过设计PID控制器进行退火炉板温控制，该方法简单，但是不能解决频繁的规格变化带来的温度波动问题。在动态性能、抗干扰能力以及稳态精度上，PID控制已经满足不了现代工艺要求，不适用于大惯性和大滞后系统；模糊智能控制系统采用了PC总线式工业控制机，通过原有的以仪表为主要控制装置的串级比值控制系统进行改造，实现了对炉温、燃油、空气流量等的有效调节，但模糊控制精度不够高；专家控制方法是专家系统应用到退火炉温度控制系统中，利用专家系统能够模拟专家思维过程对复杂问题进行推理的特性，推理得出退火炉控制参数，然而专家系统的推理机制和知识获取难度大，推理出的专家知识的准确性不高，调整时间较长；神经网络建立连续退火炉动态数学模型，基于模型实现退火炉温度智能控制，满足了工业过程在线应用的特点，但是神经网络结构中各层神经元数目确定困难，训练开销大，参数调节困难。

由此可见，基于智能控制方法的退火炉温度控制系统还存在一定的缺陷，控制方法复杂，有待进一步的研究。而基于预测控制方法的退火炉温度控制系统能及时有效地抑制干扰对板温的影响，易于在实际生产中应用，且能够有效提高退火炉板温控制精度。因此基于预测控制方法来实现退火炉炉温控制，建立炉温预测模型，从而提高炉温预测精度。

发明内容

为了解决针对冷轧连退生产线中工况切换时多个过程变量与期望板温目标的改变，从而导致分区炉温的波动，导致影响钢卷的性能质量甚至造成长时间超出安全阈值而引发事故的问题，本发明提供了一种退火炉炉温预测方法及系统，一种退火炉炉温预测方法，主要包括以下步骤：

S101：获取退火炉原始生产数据；所述原始生产数据包括：煤气燃烧的体积N₁、板厚N₂、板宽N₃、生产速度N₄、实际进炉板温N₅、设定的出炉板温N₆、分配的煤气流量d_n和实际炉温；其中，n＝1,2,3,…,m，m为退火炉RTF段的分区数量；

S102：对获取的退火炉原始生产数据进行预处理，得到预处理后符合SVR模型的生产数据；

S103：建立基于SVR的退火炉RTF段分区炉温预测模型，并利用预处理后的符合SVR模型的生产数据对模型进行训练，得到训练后的炉温预测模型；