使用自學習經驗表優化加熱爐二級模型計算溫度

摘 要：加熱爐二級系統包含坯料溫度計算、爐膛溫度曲線、數據存儲與傳輸等功能模塊。伴隨著新坯料的開發，原有的二級坯料計算模型產生了較大的誤差。通過黑匣子試驗，從統計數據中證實這點。然而，重新開發坯料溫度模型代價較大，我們考慮建立自學習經驗模型，以此來修正最終計算溫度值。

關鍵詞：加熱爐二級；修正；溫度模型

引言

高效蓄熱式加熱爐是國際上90年代迅速發展起來的一項加熱爐燃燒技術，具有高效、優質、節能和低污染排放等諸多優點。它可以充分利用低熱值的高爐煤氣加熱鋼坯，具有大幅度節能（節能30%～60%）和大幅度降低煙氣中氮氧化物排放量的雙重優越性。爐子同時采用步進梁式機械結構，使爐長不受推鋼比的限制，生產能力加大，其次由于鋼坯之間不接觸，因此不會發生拱鋼、翻鋼、粘連事故，另外由于鋼坯下表面同一部分不會長時間與水梁接觸，因此減少鋼坯黑印的產生，并且步進式送鋼可以有效地避免表面劃傷。首秦公司軋鋼部正是采用這種加熱爐。

加熱爐控制系統主要包括一級自動化和二級自動化兩個部分。一級自動化即基礎自動化，主要包括儀控PLC和電控PLC兩部分，分別控制溫度采集、爐膛加熱和機械動作；二級自動化即加熱爐二級系統，主要包含坯料溫度計算、爐膛溫度曲線、數據存儲與傳輸等功能模塊。由于投產初期調試的成功，自適應模型的缺陷并未顯現，而當軋制鋼種多樣化、坯料類型多樣化之后，通過多次400mm厚坯料軋制不合格的事件后，我們開始懷疑加熱爐二級給出的坯料溫度比實際偏高較大。這種誤差，對某些特種鋼的質量會產生明顯影響。

1 坯料溫度計算模型存在的問題

埋偶實驗是常用的一種坯料高溫數據采集實驗方法。通過大量坯料高溫檢測實驗，與二級模型計算溫度對比，得出某鋼種曲線溫度曲線對比，加熱3區計算溫差已達100攝氏度，之后的加熱4區和均熱區才將溫度逐漸拉近至60攝氏度左右。起先，我們懷疑現場儀表有測溫不準的情況。在調整儀表后，這種情況并無明顯改變。于是，將眼光轉向二級溫度計算模型。在精讀程序后發現，加熱爐二級溫度計算模型的動態調節依賴于二級自動控制模式。而現場采用手動控制加熱，計算溫度的自學習功能也就隨著自動模式的禁用而無效，僅僅提供坯料溫度的計算和參考溫度曲線。

2 問題分析和解決

2.1 建立經驗表

模型可修改的參數無問題，對于出爐平均70攝氏度左右的二級計算溫度差，改動模型本身代價過大，于是我們采用了修正模型計算結果的方法。

首先對不同鋼種和厚度進行黑匣子高溫實驗，記錄鋼坯爐內各采樣點的模型計算溫度與采集溫度的差。最終形成每個鋼種使用不同厚度坯料時，在各個測試點的差值表，類似于下表的形式，以此作為經驗表。在滿足條件時，就使用經驗表中對應值與溫度模型計算值的和作為最終的坯料溫度。當然，這個過程必須應用于模型每次計算。

模型溫度修正功能加入后，模型的閉環結構改變，另外，還有其他的條件需要考慮。比如參考值的合理性、在爐時間和調整經驗表。

2.2 使用經驗表的限制

在爐時間也要考慮，在保證質量的前提下，足夠的在爐時間保證可以將鋼“燒透”。結合本公司工藝要求，再編制在爐時間表，記錄某鋼種使用不同厚度坯料時在爐時間的最大值和最小值。如果鋼坯在爐時間在合理范圍內或超長，則并不修正溫度模型計算結果。

每次計算溫度前，儀表溫度要加上補償值，這由實驗測得，也可以在一級程序中直接補償。

2.3 經驗表的自學習

我們還需要建了一個自學習功能來不斷調整經驗表中的值。自定一個或多個可做參考的儀表值。儀表值加上差值為參考值，與經驗表中對應的值相減。如此累加若干次，取算數平均數。最后乘以調整系數替代到基礎經驗模型中：

式中：M為修正值；d為參考值；x為經驗表對應值；n為累計次數；？茲為調整系數。

由于算數平均數極易受極端值影響，因此還要設定兩個動態閾值來限制，避免由于極端值導致錯誤。同樣的，這兩個閾值也需要由實驗數據中統計產生。

3 結束語

在無法改動模型本身或改動代價過大的情況下，可以考慮使用文章中描述的自學習式經驗模型來實現溫度矯正。這種方式適合于有可參考溫度的情況，但是仍需要大量的實驗數據基礎來建立經驗表、在爐時間表和確定各個閾值。這種修正必須作用于每次計算。需要注意的是，現場儀表的安裝位置和準確度是溫度計算模型的數據來源，定期對爐膛溫度、煙氣溫度采集儀表的校準是非常必要的。修正后的坯料與實驗獲得溫度的差平均小于15攝氏度，使操作工看到的溫度更接近實際。

參考文獻

[1]蔡喬方.加熱爐[M].冶金工業出版社，2007.

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

作者簡介：李紅強（1981-），男，漢族，河北省石家莊市，本科，助理工程師，技術主管，主要從事于一級自動化控制系統研究。