高丹

摘 要：本文對中厚板軋后冷卻智能化控制進(jìn)行了分析和探討，主要從冷卻系統(tǒng)三個(gè)方面出發(fā)：精確的數(shù)學(xué)模型很難確定、鋼板機(jī)械性能能否實(shí)施在線檢測、需要吸收工藝專家的經(jīng)驗(yàn)知識。

關(guān)鍵詞：控冷；智能控制；水幕冷卻

1 前言

控冷的英文為Controlled Cooling，因此可以簡寫為CC，即把控軋后的鋼板快冷，對其相變以及碳化物析出進(jìn)行控制。

冷卻計(jì)算機(jī)控制要想實(shí)現(xiàn)，就需要參考進(jìn)入冷卻區(qū)鋼板的規(guī)格、種類。

中厚板控冷裝置的種類很多，而控冷裝置中的噴水方式有4種：噴花、霧化、層流以及水幕。我們在使用時(shí)，為了達(dá)到均勻、快速以及滿足不同工藝的目的，可以使用單一的噴水方式，也可以使用兩種或者是多種的配合方式。本文以選取了水幕進(jìn)行分析，對計(jì)算機(jī)智能控制在控冷中的使用進(jìn)行分析和探討。

當(dāng)下，控冷工藝計(jì)算機(jī)控制的一個(gè)主要難題是數(shù)學(xué)模型的構(gòu)建?？焖倮鋮s工藝在終冷溫度以及冷卻速度方面都有要求，為了達(dá)到這一要求，計(jì)算機(jī)對以下輸入量進(jìn)行了控制：鋼種、水溫、終軋溫度、環(huán)境溫度、板厚，此外還包括現(xiàn)場的各種不確定的因素。由于輸出量是水幕組數(shù)、水幕流量以及水流速度的配比，因此我們很難確定比較精確的數(shù)學(xué)模型。

2 軋后冷卻自動(dòng)控制狀態(tài)設(shè)計(jì)方案

為了達(dá)到系統(tǒng)結(jié)構(gòu)清晰的目的，我們對系統(tǒng)進(jìn)行劃分，使用的劃分標(biāo)準(zhǔn)是分級控制策略，因此可以劃分為：工藝控制層和性能控制層。對于性能控制層，我們引入了專家系統(tǒng)技術(shù)，使用人工智能中的專家系統(tǒng)結(jié)構(gòu)。此外，也參考了工藝專家的經(jīng)驗(yàn)和知識，根據(jù)一定的知識表示方法，將專家的知識和經(jīng)驗(yàn)進(jìn)行歸納和總結(jié)，此外輸入計(jì)算機(jī)進(jìn)行儲存。這樣，我們就會得出一定的規(guī)則。要想解決精確數(shù)學(xué)模型難以建立的問題，就需要不斷的進(jìn)行總結(jié)和學(xué)習(xí)。在將專家系統(tǒng)技術(shù)引進(jìn)之后，我們不但可以對目前的控制理論進(jìn)行使用，還可以使用人的經(jīng)驗(yàn)知識，對問題進(jìn)行解決。

智能控制器是工藝控制層的一個(gè)關(guān)鍵的部分，當(dāng)控制層以冷卻制度為指導(dǎo)，把終冷目標(biāo)和冷卻速度作為目標(biāo)時(shí)，那么就可以進(jìn)行在線控制，對終軋溫度等參數(shù)進(jìn)行實(shí)測。為了讓系統(tǒng)的精度和穩(wěn)定性得到保證，我們還需要對模型參數(shù)進(jìn)行深一步的學(xué)習(xí)和研究。對模型參數(shù)進(jìn)行修正時(shí)，可以將其返回到性能控制層。

3 智能控制系統(tǒng)方案的核心

3.1 知識庫的建立

如果知識從知識獲取達(dá)到條理化的時(shí)候，要進(jìn)行利用，就一定輸入計(jì)算機(jī)以某種方式表達(dá)出來。我們可以對水幕冷卻控制系統(tǒng)中的知識進(jìn)行分類，即：不確定知識和確定知識。知識類型不同，我們使用的知識表達(dá)方式也不要。該系統(tǒng)知識庫包括以下內(nèi)容：模型庫、規(guī)則庫以及事實(shí)庫。

⑴真實(shí)庫知識。在該庫中，數(shù)據(jù)都是精確的，也是一個(gè)領(lǐng)域的共性知識。事實(shí)庫包括以下方面的內(nèi)容：工藝設(shè)備參數(shù)、工藝約束參數(shù)、工藝目標(biāo)參數(shù)以及工藝專家的經(jīng)驗(yàn)參數(shù)、鋼種日志參數(shù)和鋼種規(guī)格參數(shù)等。

⑵規(guī)則庫知識。用產(chǎn)生式規(guī)則來表達(dá)知識，該方法得到了專家系統(tǒng)的青睞。水幕冷卻系統(tǒng)中的規(guī)則有：水幕成幕條件規(guī)則、冷速限制規(guī)則以及鋼種評價(jià)等。

⑶模型庫知識。我們使用的是模糊集合的向量法來對水幕流量配比模型進(jìn)行表示：

W={W1，W2，W3}

其中，0≤Wi≤1，i=1，2…，n。各組水幕流量配比為Wi，I是水幕組數(shù)。

3.2 推理機(jī)構(gòu)設(shè)計(jì)

推理機(jī)構(gòu)的模型是：

U=f（E，I，0）

F是智能算子，其基本形式是：

IF E END I THRN < IF 0 THEN U >

控制模型輸入信息集是：E={e1，e2，e3，…en}。知識庫中的經(jīng)驗(yàn)數(shù)據(jù)以及規(guī)則是I={i1，i2，…in}。

3.3 學(xué)習(xí)系統(tǒng)

當(dāng)系統(tǒng)在運(yùn)行時(shí)，由于控制對象的特性不是很穩(wěn)定，而有關(guān)的工藝參數(shù)也不是很明確，因此我們需要將學(xué)習(xí)機(jī)制引入。

4 仿真冷卻模型的設(shè)定

4.1 獲取實(shí)驗(yàn)數(shù)據(jù)

當(dāng)我們對冷卻制度進(jìn)行設(shè)定時(shí)，需要進(jìn)行開冷溫度的預(yù)報(bào)以及對流量進(jìn)行估算。在確定實(shí)驗(yàn)參數(shù)和模型參數(shù)的過程中，本文參考了大量的文獻(xiàn)。本文選取的是同一鋼種，厚度是H=30-50mm。此外，開冷溫度預(yù)報(bào)自學(xué)習(xí)的參數(shù)A=5.37e-11，流量設(shè)定自學(xué)習(xí)的參數(shù)K=0.1。

對16MnR鋼種的終冷溫度進(jìn)行設(shè)定，為（620±20）℃。我們對仿真實(shí)驗(yàn)參數(shù)進(jìn)行確定：

E={e1，e2，e3，…e3}

其中，e1={1，0.6，{0.8，0.6，0.0，0.2}，0.1，5.37e一ll}；e2={1，0.7，{1.0，1.0，0.4，0.3），0.1，5.37e-ll}；e3==={1，0.7，{1.0，0.8，0.5，0.2}，0.1，5.37e一ll}。

4.2 冷卻制度的設(shè)定

性能控制層軟件的實(shí)現(xiàn)使用Bland C++編程，主要包括以下模塊：冷卻制度、維護(hù)模塊、知識庫建立、模型評價(jià)以及優(yōu)化模塊等。針對冷卻制度進(jìn)行模塊設(shè)定時(shí)，需要輸入：冷卻道次、實(shí)測終軋溫度、模型號、水幕流量配比。使用上面的數(shù)據(jù)可以得到最終控冷模型。我們可以得出模型集為：

U1=（1，0.6，{0.8，0.6，0.0，0.2），0.127 2，5.37e一1l， m1}；

模型評價(jià)與優(yōu)化。評價(jià)的過程如下：（1）工藝人員需要對生產(chǎn)鋼板的機(jī)械性能開展評分，之后把評價(jià)結(jié)果輸送到模型評價(jià)系統(tǒng)之中。之后，系統(tǒng)就會對評價(jià)結(jié)果進(jìn)行輸出。從事實(shí)庫和規(guī)則庫出發(fā)，對經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行處理模型庫包括臨時(shí)模型庫和永久模型庫。

5 結(jié)束語

本文對中厚板軋后冷卻智能化控制的進(jìn)行了有益探索，主要從軋后冷卻自動(dòng)控制狀態(tài)設(shè)計(jì)方案、智能控制系統(tǒng)方案的核心以及仿真冷卻模型的設(shè)定這幾個(gè)方面入手，在這個(gè)過程中為了達(dá)到目的，不僅使用了自己的實(shí)踐經(jīng)驗(yàn)，而且參考了工藝專家的經(jīng)驗(yàn)和知識。希望這些探索對大家有所幫助。

[參考文獻(xiàn)]

[1]于明，周娜.中厚板軋后冷卻過程在線溫度模型[J].冶金能源.2011（1）.

[2]李慧，弓亞超.中厚板軋后冷卻智能控制系統(tǒng)的探討[J].寬厚板.2011（6）.

[3]劉細(xì)芬，趙德文.中厚板軋后冷卻過程中溫度場的數(shù)值模擬[J].鋼鐵研究.2012（23）.