【正文】 機架與層流冷卻系統(tǒng)的第一組集管之間的距離一般為 10m 左右，當帶鋼出精軋末機架后，層流冷卻系統(tǒng)將根據所測的的帶鋼出口速度、終軋溫度、冷卻水溫以及帶鋼厚度，通過數(shù)學模型計算，決定集管噴嘴開啟和關閉的位置、數(shù)量和組態(tài)。前饋控制冷卻水段數(shù)采用下列公式計算： ()式中 NFF — 前饋控制冷卻噴水段數(shù)； TFA — 終軋溫度目標值，℃； ΔT — 轉移控制所需要的溫度修正值，℃。（2） 轉移控制模型： ()式中 NT — 轉移控制冷卻噴水段數(shù)。假設上游冷卻水段數(shù)過多，就會使帶鋼的溫度過低，則進行反饋控制時，必須關閉噴水段，才能使帶鋼溫度提高，然而下游又沒有可關閉的噴水段，這樣反饋控制就起不了作用。 反饋控制模型反饋控制模型主要用來修正卷取目標溫度與實際溫度的偏差，以便達到較高的卷取溫度控制精度。分為兩部分調節(jié)，一是當帶鋼的頭部到達層流冷卻系統(tǒng)出口高溫計溫度檢測點時，如果檢測的溫度與通過模型計算的溫度值產生誤差時，則通過反饋控制對所產生的誤差值進行修正；二是當帶鋼頭部到達卷取溫度檢測點時，若所測卷取溫度與設定的卷取溫度產生誤差時，則通過反饋控制對所產生的誤差進行集管開啟修正控制。需要指出的是，式（）中給出的反饋控制算法，由于不能進行帶鋼的全長反饋控制，因此其控制效果是很有限的。令 ()則 ()式中 KP — 反饋控制比例項增益因子； K1 — 反饋控制積分項增益因子。根據上述的前饋控制模型、終軋溫度補償控制模型、轉移控制模型和反饋控制模型，總的冷卻噴水段數(shù)為： () 自學習模型模型自學習是近幾十年來迅速發(fā)展起來并廣泛應用于計算機控制的一項技術[11]。因此，為了提高計算精度，增強控制模型的適應性，模型的設計需要考慮自學習功能，通過學習可以獲得用于修正溫度預報模型的自學習系數(shù)，即模型具有根據自身經歷不斷修正以提高精度的學習能力。自學習主要包括長期自學習和短期自學習。當帶鋼段出層冷區(qū)的高溫計時，滿足一定條件下，要進行帶鋼段之間的自學習，以提高控制精度。 長期自學習帶鋼之間的自學習主要是考慮到當前帶鋼的控制對下一塊帶鋼的影響，所以需要進行長期自學習。主要是利用控制點之間的自學習所得到的系數(shù) Ki ，在 Ki 中選取平均計算的結果作為自學習系數(shù) β ，讀取上一塊的結果 βold ，利用指數(shù)平滑法計算 βnew：第M段第I+1塊鋼第I塊鋼第L段第M段第N段FTCTh粗調動態(tài)設定修正后的集管組態(tài)修正后的集管組態(tài)精調動態(tài)設定實測卷取溫度計算模型卷取溫度對流換熱系數(shù)實際閥門組態(tài)實測帶鋼速度自學習修正帶鋼段之間的自學習預設定預設定的集管組態(tài)帶鋼之間的自學習短期自學習長期自學習圖32 自學習模型原理圖 () ()自學習模型原理圖如圖32所示： 數(shù)據庫模型當帶鋼冷卻結束后，過程自動化控制級L2級將該帶鋼的相關數(shù)據，包括日期時間、鋼卷號、目標數(shù)據、設定數(shù)據以及測量數(shù)據添加到本地工程記錄數(shù)據庫中。 本章小結開始開始接受L2帶鋼及軋線數(shù)據HMI操作指令處理預設定計算及卷取溫度預報帶鋼跟蹤層冷入口實測數(shù)據處理前饋控制層冷出口實測數(shù)據處理反饋控制模型自學習數(shù)據庫歸檔結束圖1 層流冷卻控制系統(tǒng)流程圖本章主要研究層流冷卻溫降模型的空冷區(qū)溫降模型、水冷區(qū)溫降模型，卷取溫度預報模型的傳統(tǒng)卷取溫度預報模型、基于遺傳神經網絡的卷取溫度預報模型，預設定模型、前饋控制模型、反饋控制模型、自學習模型以及數(shù)據庫模型。由前述內容，可得到層流冷卻控制的系統(tǒng)流程圖，如圖1所示。 冷卻策略在控制過程中，冷卻策略主要確定以下幾方面的內容： 上下開閥的起始位置只在前向冷卻和兩段式冷卻的第一段中起作用，一般上、下起始位置是在同一個位置，特殊情況下上集管的起始位置應該比下集管更加靠近精軋。 冷卻方向在軋制不同的鋼種時，為了更好的控制冷卻速率，根據工藝制度，需要確定不同的冷卻方向，以獲取不同的組織成分。 前向冷卻前向冷卻又叫前段冷卻。在這種冷卻方式下，帶鋼在剛進入冷卻區(qū)時將以最大的冷卻速率冷卻到目標卷取溫度。 后向冷卻后向冷卻又叫后段冷卻。后向冷卻的示意圖如圖42所示：F7v最后噴嘴段圖42 后向冷卻示意圖它是在層流冷卻裝置的后段（即靠近卷取機的那一側），將前饋控制、補償控制和反饋控制作為一個整體，用上部噴水集管從卷取機側向帶鋼逆流的方向增減噴水集管的方法，即冷卻水從上部噴出，下部不噴水；噴水量為NFF、NFFT、NFB的總和?？梢酝ㄟ^ PDI 或者 HMI 指定集管組態(tài)時的稀疏模式，主要包括：（1）1/4模式(X000)：表示一個傾翻架開一個水閥，規(guī)定開第一個水閥。（2）2/4模式（X0X0）：表示一個傾翻架開兩個水閥，規(guī)定開第一個和第三個水閥。 頭尾特殊處理在帶鋼冷卻過程中，為了控制帶鋼頭部和尾部的溫度均勻性，方便卷取控制，保證卷取的卷形質量，對于一些硬質帶鋼及厚帶鋼（約8mm以上），需要對帶鋼的頭尾進行特殊的處理。選擇何種特殊處理方式可以采用 PDI 下達或則 HMI 指定，頭尾特殊處理的長度可以采用查表法或則 HMI 指定，一般約為10m。在這種工藝要求下，帶鋼在冷卻區(qū)中控制過程如下：首先采用前向冷卻以最大的冷卻速度冷卻到臨界溫度，然后空冷一定時間，最后再以最快的冷卻速度冷卻到目標卷取溫度。兩段式冷卻有兩種具體實現(xiàn)方法：（1）第一段快速冷卻到臨界溫度 + 第二段從指定位置開始冷卻（2）第一段快速冷卻到臨界溫度 + 第二段采用后向冷卻 帶鋼分段控制由于帶鋼縱向材質的不均勻、板坯在加熱爐中加熱不均勻以及軋制過程中形成的溫度波動等原因，產生了帶鋼縱向溫差。根據材質、長度、厚度等帶鋼參數(shù)把每塊帶鋼縱向劃分為若干段，對于不同的帶鋼，段數(shù)可以變化，以適應帶鋼的實際情況。 冷卻區(qū)分段控制同帶鋼分段控制的目的和方法類似，為了實現(xiàn)帶鋼溫度控制目標對，對冷卻區(qū)集管也進行分段控制。針對不同規(guī)格的帶鋼，各段集管之間優(yōu)化組合開啟，可以提高溫度控制精度?，F(xiàn)就設定兩個中間溫度值TT2來進行理論分析。 然后再以β2的冷卻速度使T1冷卻到T2，用同樣的方法計算t2及L2，為最后則以TCT為目標計算將帶鋼從T2冷卻到TCT需開啟的層流集管段。因為冷卻時生成的蒸汽層對傳熱系數(shù)影響比較大，所以層流冷卻的效果，很大程度上取決于蒸汽層的破環(huán)。前后吹掃的主要目的是為了保證帶鋼進入和離開冷卻區(qū)時表面的清潔，提高表面質量。上下水比的合理配置直接影響帶鋼板形質量。帶鋼的上翹或下翹同時也會影響到后續(xù)的卷取工作。上下集管水比的配置將視總水量而定，總水量越大，下集管水量與上集管水量比值越小。經過理論分析和現(xiàn)場實測數(shù)據統(tǒng)計，～，冷卻效果最佳。另外，在設計時，層流冷卻系統(tǒng)還提供手動控制、半自動控制和全自動控制三種控制方式。同時，對這些策略的進一步研究，有利于開發(fā)和研究特殊鋼種的冷卻策略。利用訓練樣本分別對 BP 神經網絡和遺傳神經網絡在相同精度要求 的情況下進行誤差反向傳播訓練，遺傳神經網路在訓練 2500 次時達到了精度要求，而 BP 神經網絡則需要 3500次，%。圖52 預測的卷取溫度的偏差從圖52[13]可以看出預測的卷取溫度與目標卷取溫度的偏差比較集中，偏差絕對值在5℃以內的預測值達到了80%，偏差絕對值在10℃%，能夠達到偏差絕對值在20℃以內的設計要求。3） 當帶鋼在層冷入口獲得實測數(shù)據后，利用已經訓練好的遺傳神經網絡，對卷取溫度進行預報，并結合帶鋼微跟蹤進行實時前饋補償控制的方法是可行的，有在線應用的前景。利用西門子的Wincc組態(tài)控制軟件設計并實現(xiàn)了功能完善、界面友好的HMI系統(tǒng)，包括CTC（卷取溫度控制，又叫層流冷卻控制）主監(jiān)控畫面（圖53）、CTC曲線監(jiān)控畫面（圖54）、CTC故障閥設置畫面（圖55）、CTC檢測信號監(jiān)控畫面（圖56）、其他閥測試畫面（圖57）和手動自動設定畫面（58）。所以，建立精確的帶鋼冷卻模型對提高卷取溫度控制精度具有重要的影響。在二級系統(tǒng)改造升級時，采用了基于遺傳神經網絡的卷取溫度預報模型，軋制的鋼材質量有了明顯地提高，經濟效益明顯好轉。因此，有些模型還存在這進一步優(yōu)化的問題。參考文獻[1] [J].冶金管理，2004,(1) :24～28[2] 汪祥能，[M].沈陽：東北大學出版社，～2[3] [M].北京：冶金工業(yè)出版社，～117[4] （多用途間斷冷卻）過程的自動控制[A].板帶軋制科學與技術，第四屆國際軋鋼會議論文集[C].冶金工業(yè)出版社，～327[5] Lawrence modeling and control of strip cooling[J].Ironmaking and (1), 74～78[6] Auzinger development in process optimization[J].Ironmaking and (1), 84～87[7] Uetz the formation of the steel structure by suitable temperature control in the run_out section of hot strip mill[J].Steel (5), 216～222[8] 張大志，高建雄，[J].北京科技大學學報，2005,27(5):604～608[9] 張大志，程秉祥，李謀渭，孫一康，[J].北京科技大學學報，2000,22(4):384～388[10] 吳彬，[J].黃金學報，2001,3(4):259～262[11] 彭良貴，于明，王紹東，[J].軋鋼，2003,20(6):25～29[12] 李宏，[J]. 上海金屬，2006，28(5):58[13] 李宏，[J]. 上海金屬，2006，28(5):59致謝在本文完成之際，我由衷地感謝在本科學習期間所有給予我指導、關懷、幫助、支持的親人、老師和同學。十分感謝北京科技大學高效軋制國家工程研究中心信息技術部的各位領導和同事的支持和幫助，感謝軋制中心給予我的寶貴的實