【正文】 修正，帶鋼段之間的自適應(yīng)是控制系統(tǒng)的反饋控制。通過(guò)本章的介紹和描述，對(duì)層流冷卻系統(tǒng)有了整體上的認(rèn)識(shí)。 空冷區(qū)溫降模型在空冷區(qū)，高溫輻射熱量遠(yuǎn)遠(yuǎn)超過(guò)空氣對(duì)流熱量，帶鋼主要以輻射的形式散熱，因此，可以只考慮輻射熱量損失，而把其他影響都包括在根據(jù)實(shí)測(cè)數(shù)據(jù)確定的輻射系數(shù) ε 中。它與冷卻水的溫度、水量、帶鋼的溫度、帶鋼的運(yùn)行速度、帶鋼的尺寸等一系列因素有關(guān)[8]。 卷取溫度預(yù)報(bào)模型在層流冷卻系統(tǒng)數(shù)學(xué)模型中，卷取溫度預(yù)報(bào)模型是基礎(chǔ)模型，也是其他控制模型的關(guān)鍵與核心，其精度直接關(guān)系到整個(gè)冷卻控制系統(tǒng)的溫度控制效果及產(chǎn)品性能。kk2 — 模型系數(shù)；由上述模型可見(jiàn)，帶鋼通過(guò)冷卻區(qū)的溫度隨時(shí)間的變化描述為指數(shù)關(guān)系，而帶鋼厚度、帶鋼導(dǎo)熱、導(dǎo)溫特性、冷卻區(qū)冷卻能力、水溫、水壓和帶鋼速度等對(duì)帶鋼溫度指數(shù)降低的陡度產(chǎn)生影響。 BP神經(jīng)網(wǎng)絡(luò)BP(Back Propagation)意為誤差反向傳播。誤差通過(guò)輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。利用某種運(yùn)算把輸入信號(hào)的作用結(jié)合起來(lái)，給出它們的總效果，稱為“凈輸入”，用 Ii 表示。需要指出的是，雖然BP神經(jīng)網(wǎng)絡(luò)得到了廣泛的應(yīng)用，但是BP神經(jīng)網(wǎng)絡(luò)也存在著收斂速度慢、容易陷入局部最小、網(wǎng)絡(luò)結(jié)構(gòu)的確定比較困難等缺點(diǎn)。遺傳操作包括以下三個(gè)基本遺傳算子：選擇、交叉、變異。遺傳算法的過(guò)程如圖32所示：確定實(shí)際問(wèn)題參數(shù)集對(duì)參數(shù)集進(jìn)行編碼初始化群體P(t)評(píng)估群體滿足停止規(guī)則YES結(jié)束三個(gè)基本算子：遺傳操作NO產(chǎn)生新一代群體圖32 遺傳算法的過(guò)程 基于遺傳神經(jīng)網(wǎng)絡(luò)的卷取溫度預(yù)報(bào)模型為了克服 BP 神經(jīng)網(wǎng)絡(luò)存在的收斂速度慢、容易陷入局部最小、網(wǎng)絡(luò)結(jié)構(gòu)的確定比較困難等缺點(diǎn)，一些最優(yōu)化方法逐漸被用于對(duì) BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)化計(jì)算中，其中遺傳算法（即 GA 算法）和 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)合產(chǎn)生了遺傳神經(jīng)網(wǎng)絡(luò)。隱層激活函數(shù)采用下列的 logistic 函數(shù)： ()式中 a 為函數(shù)斜率。為了保證交叉和變異時(shí)子代個(gè)體的完整性，取串碼的最大可能長(zhǎng)度，即確定隱節(jié)點(diǎn)最大可能值 Nhmax ，本文取 Nhmax = 2(Ni + No)。式中 Jmax — 進(jìn)化過(guò)程中 J(n) 的最大值； f — 個(gè)體的適應(yīng)度函數(shù)值。預(yù)設(shè)定模型的流程圖如圖35所示：開始模型計(jì)算數(shù)據(jù)準(zhǔn)備最大能力校核判斷提升冷卻稀疏模式NOOK最小能力校核判斷OK報(bào)警開閥數(shù)設(shè)定計(jì)算啟動(dòng)CSM結(jié)束圖35 預(yù)設(shè)定模型流程圖確切地說(shuō)，水冷區(qū)冷卻水段數(shù)按照溫降模型來(lái)計(jì)算只能認(rèn)為是一種理想情況下的靜態(tài)數(shù)學(xué)模型。該方程為 ()式中 N — 冷卻噴水段數(shù)目 Pi — 標(biāo)準(zhǔn)條件（v = vs ，TFC=TFS ，TCA=TCAS）下預(yù)設(shè)定噴水段數(shù)； Ri — 帶鋼速度影響系數(shù)； v — 帶鋼終軋實(shí)測(cè)速度，m/s； vs — 帶鋼終軋?jiān)O(shè)定速度，m/s； a1 — 終軋速度變化對(duì)卷取溫度的影響系數(shù)； TFC — 帶鋼終軋實(shí)測(cè)溫度，℃； TFS — 帶鋼終軋?jiān)O(shè)定溫度，℃； TCA — 卷取目標(biāo)溫度，℃； TCAS — 卷取標(biāo)準(zhǔn)溫度，℃； Q — 綜合傳熱系數(shù)； h — 帶材實(shí)測(cè)厚度，m；a2 — 水溫補(bǔ)償系數(shù)。 其實(shí)，前饋控制模型是在預(yù)設(shè)定模型的基礎(chǔ)推導(dǎo)而來(lái)，除此之外，還可以推導(dǎo)出以下兩個(gè)控制模型：（1） 終軋溫度補(bǔ)償控制模型： ()式中 NFFT — 終軋溫度補(bǔ)償控制冷卻噴水段數(shù)； aa2 — 系數(shù)。因此在卷取溫度目標(biāo)值中預(yù)加 ΔT ，使下游處增加水冷段數(shù)，等效于將上游冷卻段數(shù)的一小部分轉(zhuǎn)移到下游處，為反饋控制留出余地，實(shí)際經(jīng)驗(yàn)表明， ΔT取30～50為宜。修正采用下列公式計(jì)算： ()式中 NFB — 修正冷卻水段數(shù)； TCO — 帶鋼頭部實(shí)測(cè)溫度（通常為采樣數(shù)據(jù)平均值），℃。于是，()可改寫為： ()實(shí)踐證明，該算法在抑制振蕩、提高卷取溫度控制精度、簡(jiǎn)化設(shè)定模型的控制參數(shù)整定等方面，取得了較好的效果，并已經(jīng)成功地應(yīng)用在我國(guó)若干套大型帶鋼熱連軋機(jī)上。其基本原理是根據(jù)帶鋼卷取溫度的實(shí)測(cè)值和預(yù)報(bào)值之間的偏差，采用適當(dāng)?shù)男拚惴ǎ瑢?duì)預(yù)報(bào)模型中的重要參數(shù)進(jìn)行修正，以提高模型對(duì)以后帶鋼的預(yù)報(bào)精度。短期自學(xué)習(xí)采用指數(shù)平滑法： ()式中 NewLearn — 當(dāng)前帶鋼段自學(xué)習(xí)后的自學(xué)習(xí)值； NewLearn_i — 當(dāng)前帶鋼段的自學(xué)習(xí)值，由實(shí)測(cè)值反推得到； OldLearn_i — 上一帶鋼段自學(xué)習(xí)后的自學(xué)習(xí)值； Gain — 增益系數(shù)，0≤Gain≤1，在自學(xué)習(xí)過(guò)程中需要取值合適，取值時(shí)需要考慮實(shí)測(cè)值的可信度和該規(guī)格的帶鋼已經(jīng)自學(xué)習(xí)的次數(shù)。為了方便查看本地歷史工程記錄，可以根據(jù)需要對(duì)工程記錄進(jìn)行各種組合查詢和排序。4 層流冷卻的控制策略由于軋制的帶鋼的鋼種和軋后的厚度不同，所以采用的軋后控冷策略是不同的，主要包括冷卻策略、帶鋼分段控制、層冷區(qū)分段控制、冷卻速度控制、側(cè)噴和吹掃控制和上下集管水比配置。主要包括前向冷卻和后向冷卻。前向冷卻示意圖如圖41所示：F7v1號(hào)噴嘴圖41 前向冷卻示意圖它實(shí)質(zhì)上是以前饋控制為主體，而補(bǔ)償控制和反饋控制為輔的一種冷卻控制方式。 集管稀疏模式在軋制一些鋼種時(shí)（如：微合金鋼），工藝要求冷卻時(shí)的冷卻速率比較緩慢，此時(shí)可以指定集管組（4個(gè)控制段為一個(gè)集管組，即一個(gè)傾翻架為一個(gè)集管組）的稀疏模式。（3）3/4模式（XXX0）：表示一個(gè)傾翻架開三個(gè)水閥，規(guī)定開第一個(gè)、第二個(gè)和第三個(gè)水閥（4）4/4模式（XXXX）：表示一個(gè)傾翻架的水閥全開。 臨界溫度的確定 為了實(shí)現(xiàn)對(duì)雙相鋼和部分特殊鋼種的冷卻速度控制，需指定臨界溫度，以便控制帶鋼的組織成分。因此為了控制帶鋼縱向溫度、保證帶鋼縱向溫度的均勻、減小縱向溫差，對(duì)帶鋼全長(zhǎng)尤其是頭部和尾部采用帶鋼分段控制策略十分重要。但與帶鋼分段控制所不同的是，冷卻區(qū)集管的分段不是均勻劃分的，而是根據(jù)集管的性質(zhì)和作用劃分為兩部分，即粗調(diào)段有9段，精調(diào)段有6段。設(shè)帶鋼進(jìn)入層冷區(qū)的溫度為TFC,目標(biāo)卷取溫度為TCT,則帶鋼由TFC以一定的冷卻速度 β1 冷卻到T1，達(dá)到 T1 點(diǎn)的時(shí)間應(yīng)為： ()達(dá)到T1的距離為 ()式中vn — 帶鋼出口溫度。側(cè)噴的主要目的就是為了去除冷卻水在高溫的帶鋼表面形成的蒸汽膜，提高冷卻能力，同時(shí)可以隔斷側(cè)噴之間的冷卻集管冷卻水的相互干擾，使冷卻水朝某一特定方向流動(dòng)，提高冷卻精度。如果上表面噴水太多，則溫度比下表面溫降快，會(huì)使得帶鋼上翹；如果下表面噴水太多，則溫度比上表面溫降快，會(huì)使得帶鋼下翹。粗調(diào)段和精調(diào)段分別有一組集管的上下供水管設(shè)置有電磁流量計(jì)用于計(jì)量上下集管的水流量，根據(jù)流量計(jì)的反饋值進(jìn)行調(diào)節(jié)閥閥位調(diào)整，從而改變上下集管的水比，以保證帶鋼上下表面冷卻均勻。這些都是目前我國(guó)帶鋼熱連軋生產(chǎn)線上常用到的層流冷卻的控制策略，可以看出，不同的鋼種需要不同的策略進(jìn)行冷卻。圖51[12]顯示了兩種方法收斂速度的差異：圖51 兩種神經(jīng)網(wǎng)絡(luò)收斂速度比較經(jīng)過(guò)遺傳算法的優(yōu)化設(shè)計(jì)之后，BP神經(jīng)網(wǎng)絡(luò)進(jìn)一步進(jìn)行誤差反向傳播計(jì)算2000次，作為預(yù)測(cè)網(wǎng)絡(luò)對(duì)測(cè)試數(shù)據(jù)進(jìn)行測(cè)試，單樣本的測(cè)試的時(shí)間不超過(guò)10ms。友好的人機(jī)界面系統(tǒng)是一套工業(yè)應(yīng)用的自動(dòng)化系統(tǒng)的重要組成部分，對(duì)于操作工的現(xiàn)場(chǎng)操作和系統(tǒng)維護(hù)都有著重要作用。（2）層流冷卻的控制模型有很多種，其中卷取溫度預(yù)報(bào)模型是基礎(chǔ)模型，文中所提到的帶鋼熱連軋生產(chǎn)線以前采用的是傳統(tǒng)的卷取溫度預(yù)報(bào)模型，軋制的鋼材質(zhì)量差，經(jīng)濟(jì)效益不好。 總之，現(xiàn)場(chǎng)生產(chǎn)結(jié)果表明，這些控制策略和控制模型功能完善、性能穩(wěn)定、控制精度高。首先要感謝我的指導(dǎo)老師章小兵教授，在論文完成期間，章老師對(duì)我的關(guān)心和支持很多，章老師廣博的知識(shí)給了我很大的啟發(fā)和幫助，為我的論文指出了許多寶貴的思路，整篇論文的完成離不開章老師的指導(dǎo)。（3）軋鋼是一項(xiàng)涉及到冶金、材料、機(jī)械、自動(dòng)化和計(jì)算機(jī)等多學(xué)科交叉與結(jié)合的工藝，是一種非常復(fù)雜的工業(yè)控制過(guò)程，文中所設(shè)計(jì)的控制模型和控制策略也都不是也不可能將所有的對(duì)卷取溫度有影響的因素都能考慮在內(nèi)。層流冷卻主監(jiān)控畫面圖53 CTC主監(jiān)控畫面圖54 CTC曲線監(jiān)控畫面紅色表示該閥門出現(xiàn)故障圖55 故障閥設(shè)置畫面圖56 CTC檢測(cè)信號(hào)監(jiān)控畫面其他閥調(diào)試1水泵運(yùn)行正常粗調(diào)出口吹掃開啟側(cè)噴S16位開啟圖57 其他閥測(cè)試畫面圖58 手動(dòng)自動(dòng)設(shè)定畫面結(jié)論本文在參考國(guó)內(nèi)外帶鋼熱連軋層流冷卻控制系統(tǒng)文獻(xiàn)資料的基礎(chǔ)上，結(jié)合北京科技大學(xué)高效軋制國(guó)家工程研究中心承接的國(guó)內(nèi)某大型鋼鐵集團(tuán)的帶鋼熱連軋生產(chǎn)線二級(jí)系統(tǒng)改造項(xiàng)目，從控制模型和策略兩方面針對(duì)如何提高層流冷卻過(guò)程中的卷取溫度控制精度進(jìn)行了深入的研究，得出以下結(jié)論：（1）通過(guò)對(duì)熱軋帶鋼層流冷卻過(guò)程的分析，知道冷卻過(guò)程中的溫降模型的計(jì)算精度直接影響到最終的冷卻效果。所以，得到以下結(jié)論：1） 將遺傳算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，極大地加快了BP算法的搜索進(jìn)程，保證了網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)、隱層作用函數(shù)的最佳選取和網(wǎng)絡(luò)權(quán)值、閾值的最佳優(yōu)化；2） 將遺傳神經(jīng)網(wǎng)絡(luò)應(yīng)用于帶鋼熱連軋卷取溫度的預(yù)報(bào)能夠滿足卷取溫度預(yù)報(bào)的精度要求，同時(shí)具有較快的收斂速度，能夠滿足實(shí)時(shí)控制的要求。5 實(shí)驗(yàn)部分通過(guò) Visual C++ 可視化編程語(yǔ)言，在 PC 機(jī)上編寫程序，利用國(guó)內(nèi)某帶鋼熱連軋生產(chǎn)線生產(chǎn)過(guò)程中實(shí)際歷史數(shù)據(jù)，對(duì)控制模型里的遺傳神經(jīng)網(wǎng)絡(luò)卷取溫度預(yù)報(bào)模型進(jìn)行離線學(xué)習(xí)和測(cè)試，訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)分別為 600 組和 200 組。 本章小結(jié)本章主要研究了層流冷卻系統(tǒng)的冷卻策略（包括上下開閥的起始位置、冷卻方向、集管稀疏模式、頭尾特殊處理和臨界溫度的確定）、帶鋼分段控制、冷卻區(qū)分段控制、冷卻速度控制、側(cè)噴和吹掃控制和上下集管水比配置共6中控制策略。通常采用兩種方式來(lái)保證帶鋼上下表面的均勻冷卻：一是下集管采用帶一定噴射角度的集管，以增強(qiáng)水流在鋼板下表面的停留時(shí)間，是冷卻水與帶鋼下表面充分熱交換；