[发明专利]一种轧钢步进梁式加热炉炉温控制方法及系统

权利要求书

1.一种轧钢步进梁式加热炉炉温控制方法，其特征在于，包括：

采用RBF神经网络在线辨识获得加一段和加二段及均热段子模型，所述加一段子模型和加二段子模型及均热段子模型构成加热炉炉膛温度模型；

对于任一子模型，将二自由度PID控制器与该子模型连接，将该段输入炉膛温度与该段输出炉膛温度的偏差信号e，以及二自由度PID控制器的输出作为混合优化算法模块的输入，将所述混合优化算法模块的输出、输入该段加热炉炉膛温度与输出该段加热炉炉膛温度的偏差信号e作为二自由度PID控制器的输入，其中，所述混合优化算法模块包含模拟退火算法、最小二乘法混合运算，

利用所述混合优化算法模块对二自由度PID控制器的PID参数进行整定，获得最优解，通过最优解控制该子模型，从而控制加热炉炉膛温度模型输出最优的各段炉膛温度。

2.根据权利要求1所述的轧钢步进梁式加热炉炉温控制方法，其特征在于，

对于任一子模型，还设置有前馈控制器，所述前馈控制器的输入为该段设定炉膛温度，并且二自由度PID控制器的输出与前馈控制器的输出作为该段子模型的输入，所述混合优化算法模块对二自由度PID控制器的PID参数以及前馈控制器的参数进行整定，获得最优解，通过最优解控制该段子模型，从而控制该段子模型输出最优的炉膛温度。

3.根据权利要求2所述的轧钢步进梁式加热炉炉温控制方法，其特征在于，所述RBF神经网络在线辨识获得加热炉中加一段和加二段及均热段子模型，加一段和加二段及均热段子模型共同构成加热炉炉膛温度模型，是指RBF神经网络根据各段子模型的输入参数、输出参数辨识分别获得加一段和加二段及均热段子模型，输入参数包括燃气量、空气量、进料温度、散热损失、烟道挡板开度与风门开度，输出参数为加热炉各段炉膛温度。

4.根据权利要求1所述的轧钢步进梁式加热炉炉温控制方法，其特征在于，

利用所述混合优化算法模块对二自由度PID控制器的PID参数进行整定，获得最优解，包括：所述混合优化算法模块先采用模拟退火算法计算出当前解，若当前解满足进入全局最优解区域的切换准则，则退出模拟退火算法，将满足所述切换准则的当前解作为最小二乘法的初值代入，通过最小二乘法运算得到最优解。

5.根据权利要求4所述的轧钢步进梁式加热炉炉温控制方法，其特征在于，所述混合优化算法模块先采用模拟退火算法计算出当前解，包括：

步骤a，初始化：给定目标函数的初始解、初始温度、马尔科夫链的链长，

所述目标函数如下：

式中，x为系统输入，x₁,x₂,x₃,x₄,x₅分别为燃气量、空气量、进料温度、散热损失、烟道挡板开度与风门开度，x_min为燃气量最小值，x_max为燃气量最大值；

y(x)为加热炉该段炉膛温度，由该段子模型输出，RBF.net表示该子模型是由RBF神经网络辨识得到；

Q为主目标函数；

M_p、M_pb分别为实际超调量与期望超调量；

分别为该段炉膛温度曲线衰减率与该段炉膛温度曲线衰减率最小值；

t_r、t_max分别为该段炉膛温度上升时间及该段炉膛温度上升时间最大值；

步骤b，随机产生新解x_new；

步骤c，计算目标函数增量Δy；

步骤d，若目标函数增量Δy＜0，则接受该新解x_new，若目标函数增量Δy≥0，则判断是否成立，若成立，则接受新解x_new，否则保留当前解，

其中，exp表示自然指数；

T为该段炉膛温度；

E(ω^β)为设定值，代表产生新解；

random[0,1]表示0～1之间的随机数。