人工神经网络在层流冷却卷取温度预报中的应用

人工神经网络在层流冷却卷取 温度预报中的应用* 于庆波　刘相华　王国栋 (东北大学) 摘　要　针对宝山钢铁(集团)公司 2050 热连轧层流冷却系统, 采用神经网络与数学模型相结合的方法, 给出 优化的层流冷却对流换热系数, 以实现准确地预报卷取温度的目的。结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明,采用神经网络计算出的对流 换热系数后,卷取温度的计算值与实测值的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差降低了 22. 84 % , 效果显著。 关键词　神经网络　层流冷却　热轧带钢　对流换热系数� ARTIFICIAL NEUTRAL NETWORKS FOR COILING TEMPERATURE PREDICTION DURING LAMINAR COOLING YU Qingbo　LIU Xianghua　WANG Guodong ( Northeastern Univ er sity) ABSTRACT　An optim ized convect ion heat-t ransfer coef f icient for laminar coo ling has been obtained by using BP neur al netw or k combined w ith mathemat ic model to predict coiling temperature accurately on 2050 hot str ip mill at Baosteel. T he results indicated that mean standar d deviat ion of dif ference betw een the calculated and measured temperature is decreased by 22. 84 % af ter using heat-t ransfer coef ficient calculated by BP neural netw orks. KEY WORDS　neural netw or k, laminar coo ling , hot rol led steel st rip, convect ion heat- t ransfer coeff icient 　　带钢卷曲温度是影响成品带钢性能指标的重要 工艺参数之一[ 1] ,卷取温度控制的目的就是将带钢 从较高的终轧温度冷却到所要求的卷取温度,使带 钢获得良好的组织性能和力学性能。目前, 宝钢 2050卷取温度控制模型主要依赖经验模型和模型 的自适应功能进行修正,虽然效果较好,但也不能否 认,生产中卷取温度控制超差的现象也普遍存在。经 研究认为,卷取温度控制超差主要是由于水冷区对 流换热系数的计算不准确所致。因此,本文针对宝山 钢铁(集团)公司 2050热连轧层流冷却系统,采用神 经网络与数学模型相结合的方法, 通过对实测数据 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 处理,给出优化的层流冷却对流换热系数, 以实 现准确地预报卷取温度的目的。 1　层流冷却系统组成及数学模型 宝钢 2050 热连轧层流冷却系统分为主冷区和 精冷区两部分, 如图 1所示。整个冷却区共有 76个 阀位、108个阀门,其中主冷区包括 72个阀位和上、 下各 50个阀门(共 100个阀门) ,精冷区包括 4个阀 位和上、下各 4个阀门(共 8个阀门)。 图 1　层流冷却系统示意图 Fig . 1　Schematic diag ram o f the laminar cooling sy st em 第 37 卷　第 8 期 2002 年 8 月 钢　　铁 IRON AND STEEL Vo l. 37　No. 8 August 2002 　　　 � * 国家自然科学基金资助项目( 50104004) 联系人:于庆波,博士研究生,沈阳( 110004)东北大学轧制技术及连轧自动化国家重点实验室 　　宝钢层流冷却系统所采用的数学模型, 是建立 在无限大平板的热传导方程基础上的冷却过程。在 冷却区中,带钢上某一点的表面温度可以由下列的 时间函数来进行近似描述[ 2]。 T H ( Z) = T U + ( T E - T U ) × e( - p z ) ( 1) 式中　T H ( Z)——Z时刻带钢表面温度; Z——带钢进入冷却区时间; TU——环境温度; T E——终轧温度; P——时间常数倒数。 P 由下面的公式确定: P = 2TLF �a��h ( 2) 式中　T LF——导温系数; h——带钢厚度; a——带钢与介质间的对流换热系数; �——带钢导热系数。 由公式( 2)可以看出,对流换热系数 a对卷取温 度的计算精度影响很大,同时 a又受热轧带钢厚度、 环境温度等因素的影响。因此,只有准确计算出对流 换热系数a 才能提高卷取温度的控制精度。 2　计算水冷区上、下对流换热系数 宝钢 2050热连轧层流冷却水冷区对流换热系 数计算公式是: MAOI = 1. 0/ ( 3 600× MAFACT ) ( 3) MA UI = 1. 0/ ( 3 200× MA FA CT ) ( 4) 式中　3600( w / m2℃)——水冷区的上对流换热系 数; 3200( w / m2℃)——水冷区的下对流换热系 数; MA OI 和MA UI——计算时间常数倒数 P 的 一个中间变量; MA FA CT——修正系数。 为了计算方便, 在这里引入对流换热系数修正 因子B : B= a1 / 3 600, 或者: B= a2/ 3200。式中 B 是 对流换热系数修正因子; a1 是预测的上对流换热系 数; a2是预测的下对流换热系数。 在终轧温度、水温、环境温度、阀门开启数等工 艺参数不变的情况下,将对流换热系数修正因子 B 代入到卷取温度的计算程度中,并且将 B 以等步长 连续变化,从而得到卷取温度与对流换热系数修正 因子B 之间的变化规律,如图 2所示。 经计算得出,水冷区的对流换热系数修正因子 B 是关于卷取温度的单调函数,考虑计算的简便,将 上、下对流换热系数近似作为等幅度变化。因此, 将 公式 3和公式 4乘以一个修正因子 B ,即: MAOI = 1. 0/ ( B × 3 600× MA FA CT ) ( 5) MA UI = 1. 0/ ( B × 3 200×MA FA CT ) ( 6) 　　因此可以按等步长搜索法求解对流换热系数。 图 3是等步长搜索法计算上、下对流换热系数程序 框图。 图 2　卷取温度与对流换热系数修正因子 B 之间的关系 Fig. 2　Relation betw een co iling temperature and modified factor of convect ive heat - tr ansfer coefficient B 图 3　等步长搜索法计算上、下对流换热系数框图 F ig . 3　Schemat ic diagr am of calculating upper , low er convect ive ho t ex change coefficient by equal step size search method 3　等步长搜索法求解结果 按照等步长搜索法, 从宝钢 2050热连轧生产出 的带钢号为 797021～797318中取出 145个样本进 行计算,所求解出的上、下换热系数如图 4( a)、( b) 所示。 ·38· 钢　铁　　　　　　　　　　　　　　　　　　　　　第 37 卷 图 4　等步长搜索法求解的换热系数 F ig . 4　Convective hot ex change coefficient by equal step size sear ch met hod ( a) 上对流换热系数; ( b) 下对流换热系数 　　尽管可以采用等步长搜索法求出上、下对流换 热系数,但必须事先确定实测卷取温度,这样显然不 可能实现在线预报出对流换热系数。因此, 需要采用 人工神经网络的方法, 即通过在线采集到的层流冷 却数据(带钢厚度、轧制速度、终轧温度、水温、阀门 开启数、遗传系数和卷取温度)对计算机进行训练。 经过大量数据的输入和千万次的训练,神经网络便 “记住”了这种因果关系。所以, 在实际生产过程中, 当计算机得到相应的轧制参数时, 人工神经网络就 会计算出一个可靠的结果(上对流换热系数,下对流 换热系数) ,这样就可以在线预报出对流换热系数。 然后,将此对流换热系数输入到“过程机”上,就可以 实现提高卷取温度的控制精度的目的。 4　神经网络的 BP算法 BP 算法是一种误差方向传播式网络权值训练 方法[ 2～4] ,也是一种比较成熟的神经网络计算算法。 BP 网络主要应用于多参数, 非线性预报, 尤其是对 无法建立起准确数学模型的复杂事件可以采用这种 方法进行学习训练,以期提供有效的数值预报。BP 网络学习过程为: 用若干组训练样本训练系统, 培养 系统的预报能力。网络输入值由输入层经加权处理 传向隐层,经隐层活化函数运算后得到隐层输出值; 隐层输出值经加权后传向输出层, 经输出层活化函 数运算后得到网络输出值,输出值与期望值比较得 到误差;将误差方向传播,并逐层修正网络各层间的 连接权值, 使误差不断减少; 重复进行以上训练过 程,直到误差满足精度要求为止。 活化函数采用 S( sigmo id)型函数: f ( x ) = 1 1 + e- x ( 7) 　　假设有 P 组训练样本,以 P 组训练样本输入的 所有输出节点的误差平方和作为更新权值的指标, 则有: E = 1 2 �p mkj d j ( k) - y j ( k) 2 ( 8) 式中　m——输出层节点数; dj ( k)——期望输出值; yj ( k)——网络输出值。 权值 W ij的调整采用梯度下降法,其调整量为: �W ij = - !E!w ( 9) 　　通过计算可求得权值更新式: W ij ( k + 1) = W ij ( k) + ∀j ( k ) yi ( k) ( 10) 　　为加快训练速度,通常加入动量项,权值更新式 变为: �W Nij ( k) = !E ( k - 1)!W Nij ( k - 1) + a�W Nij ( k - 1) ( 11) 式中 a为定量因子。本文采用 7×8×2的三层网络 结构 输入量为: 带钢厚度、轧制速度、终轧温度、水 温、阀门开启数、遗传系数和卷取温度; 输出量为: 上对流换热系数,下对流换热系数。 5　对流换热系数预报结果与分析 本文训练样本数 600, 检验样本数 200, 训练次 数5000次。预测值与实际值的比较情况如图 5( a) ( b)所示。 图 5　对流换热系数预测值与实测值比较 Fig . 5　Compar ison o f pr edicted and measured values of heat -tr ansfer coefficient ( a) 上对流换热系数; ( b ) 下对流换热系数 　　可以看出, 上、下对流换热系数预测值与实测值 拟和良好。将对流换热系数的预测值代入到计算卷 取温度程序中, 得到预测的卷取温度与实际测量温 度对比情况如图 6所示。为了能够定量地评价预报 ·39·第 8 期　　　　　　　　　　于庆波等: 人工神经网络在层流冷却卷取温度预报中的应用 图 6　预测值与实测值比较 F ig . 6　Comparison of pr edicted and measur ed values 精度,把预测值与实测值的平均标准偏差作为评价 指标。该样本集的标准差为105. 53。而宝钢 2050热 连轧生产现场的计算卷取温度与实际测量温度标准 差为 136. 76。通过对比可以看出, 采用 BP 网预报对 流换热系数后, 带钢卷取温度预测值与实测值的平 均标准偏差比原数学模型降低了22. 84 %。 6　结论 ( 1) 利用 BP 神经网络方法预报热连轧层流冷 却系统卷取温度优于传统的数学模型的方法。 ( 2) 经检验,采用BP 神经网络预测的带钢卷取 温度与实测值的平均标准偏差比原数学模型降低了 22. 84 %。 ( 3) 本文通过优化层流冷却对流换热系数来实 现提高卷取温度控制精度的目的,为提高卷取温度 控制精度提供了新思路。 参　考　文　献 1　王有铭,李曼云, 韦　光 . 钢材的控制轧制控制冷却 . 北京:冶金工业出版社, 1995. 88. 2　蔡　正,王国栋, 刘相华 等 . 神经网络结合数学模型预测带钢卷取温度 . 钢铁研究学报, 1998, 10( 3) : 64. 3　李孝安 . 神经网络与神经计算机导论 . 西安:西北工业大学出版社, 1994. 20. 4　闻　新 . MAT LAB 神经网络应用 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 . 北京: 科学出版社, 2000. 7～9. ITmk3——第三代煤基直接还原炼铁技术 日本神户钢铁公司及美国米德兰公司联合开发出第三 代煤基直接还原技术—— IT mk3 技术。此技术的研发工作 是从 1996年开始的。1998年在米德兰技术中心的环形炉中 对 IT mk3技术进行了第一次检验。此后,日本神户公司加古 川厂建造了直径为 4 m、产能为每小时 0. 4 t 的环形炉半工 业性试验设备。至 2000 年 12 月已对 ITmk3 新工艺进行了 两次测试, 同时 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 在北美建设一个年产能力为 20 万 t～50 万 t 的半商业性厂。 IT mk3 技术是在铁-碳相图的新区域中进行探索性试 验。在此区域中, 含碳复合球团在1350 ℃的相对较低温度下 还原、熔化,且铁水易于与渣分离。ITmk3 在固/液两相区进 行还原反应, 这不同于传统直接还原铁技术。熔化出现在还 原之后,并且残余的 FeO 量少于 2 %。因此 FeO 不会对高炉 炉衬造成损伤。 IT mk3技术只需一步便可从粉矿和煤粉直接获得熔融 铁。它的产品形式是与生铁类似的固态铁块。 从工艺角度来看, ITmk3 技术流程简单, 投资成本低, 产品价格低,铁矿石原料及还原剂选择灵活。 对于年产 50 万 t 的 ITm k3炼铁厂来说, 投资成本大概 在9 000 万～1 亿美元。如果假定球团矿价格为 16 美元/ t , ITmk3 铁块的生产成本大约为 85～90美元/ t。ITm k3工艺 的原料既可以是磁铁矿又可以是赤铁矿。 由于 ITmk3 工艺能够一步把金属与渣分离, 因而能够 使用低品位的氧化铁,例如来自选矿厂的极细矿石尾料。然 而,使用低品位铁矿会使得生产能耗增加。ITmk3 工艺可以 使用煤、石油、焦炭或其他含碳燃料。 ITmk3 工艺的产品为无渣纯铁, 其碳含量可以控制、无 二次氧化、不会产生细粉未、易于运输。铁块的化学成分主要 为:铁 96%～97 % , 碳 2. 5 %～3. 5 % ,硫 0. 05 %。 ITmk3 炼铁技术通过半工业试验已经证明是行之有效 的。半商业性的工厂不久也将会开工建设。神户钢铁公司加 古川厂的 ITmk3 半工业试验设备目前已经引起了许多铁矿 石提供商和炼钢公司极大关注。 晓　苏　摘自《MPT》2002, No. 1 ·40· 钢　铁　　　　　　　　　　　　　　　　　　　　　第 37 卷