蓄热式加热炉钢温预报与炉温优化设定研究

在分析新型蓄热式钢坯加热炉的炉型结构与炉温制度特点的基础上,基于钢坯在炉内受热辐射和钢坯内热传导的机理,设计了二维非稳态导热钢温预报模型,并给出了适用该模型的炉温优化策略.该模型能够对出炉钢坯进行网格化钢温预报,具有精度高,通用性强,能够实现炉内钢坯温度分布的在线预报的特点.仿真研究表明,所提出的炉温优化策略能较大地提高钢坯的加热质量.

基于数据特征的加热炉钢温预报模型

针对加热炉工业过程具有复杂、非线性、时滞性的特点和钢坯出炉温度预报问题,提出了一种基于数据特征的改进主元回归(PCR)加热炉钢温预报模型的建立方法.首先通过对原始数据进行同步化处理来解决各数据变量间存在的时间滞后问题;然后提取生产过程中各批次钢坯的统计特征和熵特征,并依据一定顺序将这些特征排列组合,构造等长的数据特征向量;最后通过PCR方法建立过程变量的数据特征和钢坯出炉温度之间的回归预报模型.本文以某钢厂加热炉工业过程为背景进行实验仿真,采用实际生产数据求取建模参数,并对钢坯出炉温度预报进行了测试.实验的校验与误差分析表明,该方法在预测钢坯出炉温度方面具有更好的性能,且预测误差满足工业应用的精度要求.

基于改进PCR方法的加热炉钢温预报模型

运用多元统计投影原理,结合改进PCR方法,建立了钢坯出口温度变量和过程变量之间的主元回归预测模型,最后基于某钢厂实际生产数据对模型的参数进行了求取.校验和误差分析表明,该模型能提前5～25分钟预测出钢坯的出口温度,且预测误差满足工业应用的精度要求.

步进梁式加热炉钢温预报的数学模型

以机理分析与现场实验为基础，开发了一种步进梁式加热炉钢坯温度预报的动态数学模型．该模型具有结构简单、计算量小等优点，且仿真结果表明它能满足精度需要，能够实现对加热炉内钢坯温度分布的在线预报．

基于递推PLS的自适应钢温软测量模型

针对轧钢加热炉系统具有多变量、非线性、大滞后、交叉耦合等特点,难以预估钢坯出口温度的难题,以块式递推偏最小二乘算法为基础,结合移动窗口和遗忘因子法,建立了出炉钢坯温度和过程变量之间的预测模型。在某钢厂的实际应用表明,该钢温软测量模型具有较好的自适应能力,能提前15 min预测钢坯出口温度,且预测误差满足工业应用的精度要求。

基于粒子群优化案例推理的RH终点温度预测

针对RH流程终点钢温预报问题,提出了一种基于多元线性回归和粒子群优化算法改良的案例推理方法。首先,对待一般案例推理方法中缺乏影响因素的问题,利用多元线性回归的方法进行属性约简;其次,面对案例检索中相似度计算缺乏权重计算方法的问题,采用粒子群优化算法对权值进行优化;最后,基于简化的影响因素和优化权重,采用改进的灰色关联相似性的案例检索来预测RH终点的钢水温度。利用某钢铁厂RH工艺的实际生产数据,分别对多元线性回归、BP神经网络、一般案例推理方法和粒子群优化案例推理方法进行测试,从结果可以看出,文中所使用的基于粒子群优化过的案例推理方法的预报精度,相较于多元线性回归,BP神经网络以及一般案例推理更加准确。