工控网首页
>

应用设计

>

基于智能控制的加热炉自动化系统

基于智能控制的加热炉自动化系统

2009/9/25 10:25:00

摘要:通过对国内加热炉控制现状及技术难点的分析,提出采用非线性的模糊控制与线性的PI控制相结合的双模态炉温控制方案,运用神经网络空燃配比寻优技术实现燃烧的最佳化,设计基于数学模型与操作经验的专家系统解决各段炉温的自动设定问题,从而实现了对整个加热过程的全自动智能控制。实际运行结果表明,该系统可靠性强,控制精度高,节能效果明显,对工业炉窑的控制具有一定的推广价值。
关键词:加热炉 模糊控制 神经网络 智能控制
中图分类号:TP18           文献标识码:B

Abstract: Through the analysis of current status and technique difficulties for Heat Treatment Furnace control, this paper puts forward a new plan that combines nonlinear fuzzy controllers with linear PI controlers to control furnace temperature. By NN empty combustion dosing ratio optimization technique to realize combustion optimization. This paper resolves automatic temperature setting of furnace for every segment based on mathematics model and expert system. Then the automatic intelligent control of the whole heating process is realized. Application shows that the system has good reliability, high control precision and obvious energy conservation effect. The results can be extended in industry heating furnace control.
Keywords: Heat Treatment Furnace, fuzzy control, NN( neural network), intelligent control

1.引言
      在钢铁行业热轧过程中,钢坯加热炉能耗约占全厂总能耗60%左右,是钢铁企业能耗大户,因此降低加热炉能源消耗意义很大。另外,稳定炉温,达到钢坯的目标温度,提高钢坯加热质量,对后序轧制工艺影响很大,直接关系钢材产品质量。要达到节能降耗及提高加热质量的目标,必须通过对加热过程的良好自动化控制方可以实现。本文通过对国内加热炉控制现状及技术难点的分析,提出对炉温采用非线性的模糊控制与线性的PI控制相结合的双模态控制方案,对空燃配比采用神经网络寻优技术,对各段炉温设定采用基于数学模型与操作经验的专家系统,从而实现了对整个加热过程的全自动智能控制。运用该方案对安阳钢铁公司650加热炉进行控制,其控制精度与节能效果均优于传统控制方案。

2.加热炉自动化现状及控制难题
      我国的加热炉自动化系统,大多还处于第一代的水平,约10%左右上了第二代PLC/DCS系统[1]。由于加热炉复杂的工艺对象特性以及检测/驱动设备的不良,带来了加热炉自动化的种种困难。具体表现在:
2. 1 工艺粗糙复杂
      首先加热炉是大滞后、复杂对象。钢坯加热炉一般是多段式复合结构,分段加热,各段之间互相耦合,其燃烧升温过程是一个典型的具有大滞后、非线性、强耦合特性的过程,要描述炉内热交换机理除包括有关辐射、对流和传导的关系式外,还有很多不确定因素,如压力、温度的滞后效应、燃烧热值的波动等,因此,要以数学方法建立加热炉这种复杂、粗糙对象的模型是十分困难的。其次,燃料热值波动大。钢厂加热炉大多采用混合煤气加热,由于高焦配比不稳,热值与压力经常波动,进而引起炉温的波动。第三是生产节奏波动。由于加热炉是为轧线服务的从属车间,故轧线故障及生产节奏的变化对加热炉生产影响较大,造成加热生产节奏经常波动。
2.2 检测/驱动设备不良
       检测驱动设备是加热炉自动化控制系统的重要设备,其检测数据是否准确、控制信号能否得到顺利执行将直接影响到调节效果。但目前国内加热炉却大多存在如下问题:1)调节阀线性不好,有时焦油堵塞,致使控制不灵。2)流量计参数及设计不合理,流量计测不准。3)煤气质量差,热值仪不好用;氧化锆易中毒,残氧控制无法投运。
基于上述工艺和计测两方面的困难,给加热炉控制带来很多困难,造成如下现状:
       炉子的大惯性以及阀的非线性,传统PID难以克服;流量测量不准确,双交叉限幅形同虚设,基础自动化无法投运;数学模型虽功能齐全,但由于假设过多,与实际模型相差甚远,不能真正投运;热值仪/残氧检测不合实际,无法克服热值波动影响,无法进行残氧分析的空燃比寻优。
这就是目前加热炉自动化的现状,也是第二代PLC/DCS系统所无法解决的难题。

3.加热炉智能控制的原理与实现
      所谓智能控制,就是人工智能技术与自动控制技术的结合。智能控制是仿人控制,即将人的知识、经验融合于自动控制之中,从而解决常规控制无法解决的控制难题。加热炉智能控制也是如此。尽管过去的加热炉自动化系统投运率很低,然而生产照样进行,人工操作也能完成,说明操作工/加热站长脑子里有加热炉控制模型,但这种模型更多是知识性模型。而人工智能技术是专门描述知识性模型的计算机实现的,因此在加热炉自动化系统中尤有用武之地。智能加热炉控制系统就是将人工智能三项技术(模糊技术、神经网络技术、专家系统技术)应用于加热炉控制上的产物。它是在传统自动化控制系统基础上,应用引进的国际先进智能控制开发平台开发智能加热控制,从而解决常规控制难题,实现全自动烧钢。
3. 1 炉温/炉压采用复合模糊控制技术
        由于加热炉具有大滞后、大惯性的特点,加之燃烧热值波动,调节阀线性不好,本系统对各段温度采用模糊控制与PI调节相结合双模态控制方案。即在系统初始阶段,偏差较大,采用模糊控制算法,充分利用模糊控制升温的快速性,尽快减少偏差;当偏差较小时,通过软件切入线性PI控制,引入积分作用,以减小或消除静差,保证稳态精度。为解决模糊控制器动、静态特性之间固有的矛盾,采用自调整因子模糊控制方法,即根据偏差和偏差的变化率对控制器参数进行在线修正,避免了常规模糊控制存在的极限环振荡,实现了控制规则的自学习[2]。
3. 2 神经网络空燃比寻优技术
      加热炉要节能降耗,就必须进行空燃配比动态寻优。由于加热炉内负荷、状况的不同,只有采取不同的空燃配比策略,才能最大化热效率。

 

 

 

 


图1. 加热炉热效率曲面
       实际上,最优空燃比是使温度达到最高的空气/燃料配比(见图1)。一段时间的加热炉热效率是存在一个曲面的,所谓最优空燃比,就是该曲面顶点对应的空燃比,并且随着炉子负荷、状况的变化,该热效率曲面是变化的[3]。我们采用神经网络学习技术动态寻找这一个曲面,找到最优空燃配比,从而实现最优燃烧。本技术既不要热值仪,又不要氧化锆,只是基于常规温度热耦检测,易于实现,效果优良。                   
                
3.3 钢坯加热专家系统
      如果加热炉没有数学模型,其加热过程与各段炉温设定只能全凭经验,十分盲目。但加热炉数学模型又由于其对工况变化的不适应性,导致无法投运。为了解决这一难题,智能加热炉控制系统设计了钢坯加热专家系统。其设计思想是将数学模型与专家系统相结合,即以基本数学模型为基础[4],再融入加热站长的操作经验,编辑知识库。该钢坯加热专家系统能根据加热钢种(各种规格、冷料、热料)、轧制节奏(停轧、慢轧、中轧、快轧等),自动推出各种加热制度,直接设定各段炉温和升温曲线,指挥基础自动化系统。钢坯加热专家系统吸收了数学模型之优势,又能适应各种不同工况变化(知识来源于加热站长),因此是比较现实可行的方案。至此,加热炉全线自动化得以实现。

4.控制系统硬件结构与功能
       加热炉智能控制系统采用分布式的两级计算机结构,基础自动化级由操作站、控制站组成,过程自动化级主要包括人工智能站,其硬件结构如图2所示。

 

图2加热炉智能控制系统硬件结构

1) 基础自动化(常规控制+模糊控制):
 电气控制:推钢、击钢、炉门连锁、辊道控制、步进梁运动控制等顺序控制功能。
 仪表控制:各段温度模糊控制;各段空气流量/燃料流量控制;炉膛压力模糊控制;热风温度超温控制、热风压力控制、预热器温度控制、煤气空气低压报警等等。
 画面监控:画面显示温度、压力、流量信号以及各控制回路情况、温度曲线、历史趋势、报警报表以及画面手/自动切换、人工软手操等功能。
2) 过程自动化(神经网络

投诉建议

提交

查看更多评论
其他资讯

查看更多

助力企业恢复“战斗状态”:MyMRO我的万物集·固安捷升级开工场景方案

车规MOSFET技术确保功率开关管的可靠性和强电流处理能力

未来十年, 化工企业应如何提高资源效率及减少运营中的碳足迹?

2023年制造业“开门红”,抢滩大湾区市场锁定DMP工博会

2023钢铁展洽会4月全新起航 将在日照触发更多商机