2300带钢热连轧层流冷却控制系统研究

论文摘要

热轧带钢卷取温度是影响热轧带钢产品质量的关键因素,其控制精度直接影响带钢的组织性能和力学性能。当实际卷取温度超出要求范围时,钢卷的产品质量会严重下降,因此,提高卷取温度的控制精度有着重要意义。本文以2300带钢热连轧为背景,以层流冷却系统为研究对象,对该系统的工艺过程和控制系统进行了研究。本文的主要工作有:(1)分析了传热机理和目前应用的带钢温降数学模型。针对对流换热系数是影响卷取温度控制精度的重要参数这一问题,给出了对流换热系数的传统数学求法,指出其存在简化缺陷。(2)对2300带钢热连轧层流冷却系统进行了消化吸收。该控制系统采用带钢分段控制的基本控制策略,对带钢进行预设定、前馈和反馈控制,分别由过程自动化和基础自动化来设定和执行,并通过自动、半自动和手动三种模式实现。(3)对2300带钢热连轧层流冷却控制系统进行优化研究。针对卷取温度控制系统预设定部分要求终轧温度预测值与实测值相符,且因对流换热系数受诸多因素影响一直没有统一的计算公式,使得终轧温度的计算结果与实测值存在较大偏差。本文采用RBF神经网络对对流换热系数进行优化,弥补传统计算公式的不足,使终轧温度计算值逼近实测值,提高预设定精度。仿真结果表明终轧温度计算值精度得到了有效改善。针对层流冷却系统的时变性和大滞后性,本文分析了2300层流冷却反馈控制系统Smith预估模型和对象模型不匹配的情况,利用ITAE二次优化原理对反馈控制系统进行时滞优化。当时滞因子及受控对象参数变化时,系统均具有较好的性能指标,鲁棒性强,带钢卷取温度基本控制在±20℃范围内,满足工程需要,可以应用于工程实际中。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景
• 1.2 层流冷却简介
• 1.3 国内外控制冷却技术的发展
• 1.4 层流冷却存在的问题及发展趋势
• 1.5 本文的研究目的及内容
• 第2章 热轧带钢层流冷却数学模型
• 2.1 数学模型基础理论
• 2.1.1 对流换热
• 2.1.2 辐射换热和热传导
• 2.2 层流冷却数学模型
• 2.2.1 ANSALDO公司的冷却数学模型
• 2.2.2 西门子公司的冷却数学模型
• 2.2.3 GE公司的冷却数学模型
• 2.2.4 新日铁公司的冷却数学模型
• 2.2.5 三菱电机公司的冷却数学模型
• 2.3 2300带钢热连轧使用的冷却数学模型
• 2.3.1 对流冷却公式
• 2.3.2 热辐射公式和热传导有限差分模型
• 2.4 层流冷却对流换热系数的数学求法
• 2.4.1 换热系数的理论求法
• 2.4.2 换热系数的回归求法
• 2.5 本章小结
• 第3章 层流冷却控制系统优化基础理论
• 3.1 人工神经网络简介
• 3.2 RBF神经网络
• 3.2.1 RBF人工神经网络简介
• 3.2.2 RBF函数网络模型
• 3.2.3 RBF网络映射机理分析
• 3.2.4 RBF同 BP网络的比较
• 3.3 时滞系统优化控制
• 3.3.1 ITAE最佳调节律
• 3.3.2 单容纯时滞系统二次优化控制器设计
• 3.3.3 鲁棒性研究
• 3.4 本章小结
• 第4章 2300带钢热连轧层流冷却控制系统
• 4.1 层流冷却设备布置
• 4.2 层流冷却PLC配置
• 4.3 层流冷却系统的控制过程
• 4.3.1 基本控制策略
• 4.3.2 前馈控制
• 4.3.3 反馈控制
• 4.4 层流冷却控制系统实现方式
• 4.4.1 层流冷却系统的控制方式
• 4.4.2 基础自动化
• 4.4.3 过程自动化
• 4.5 本章小结
• 第5章 2300热连轧层流冷却控制系统优化研究
• 5.1 带钢终轧温度预测
• 5.1.1 影响对流换热系数的因素
• 5.1.2 利用 RBF神经网络预报对流换热系数
• 5.1.3 带钢终轧温度计算值与实测值的比较
• 5.2 反馈控制系统时滞优化
• 5.2.1 2300现场层流冷却反馈控制系统
• 5.2.2 二次优化反馈控制器设计
• 5.2.3 鲁棒性分析
• 5.3 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢