3500mm轧机层流冷却控制终冷温度预测模型的探讨

　　摘要：由于钢板在轧后层流冷却能够提高钢板的性能，而且还可以省去钢板轧后专门的热处理，节约成本，提高钢厂的效益，因此越来越多的钢厂纷纷安装了冷却控制装置，然由于层流冷却过程是非常复杂的生产过程，因此数学模型的精度受到了限制，本文针对这种情况，本文采用BP神经网络结合数学模型来提高钢板的终冷温度控制精度。
　　关键词：数学模型、神经网络、换热系数
　　1层流冷却控制技术研究的意义
　　随着各国成功地使用层流冷却控制技术，我国也紧随其后开始在国内投入大量的研究工作。目前我国各钢厂使用的层流冷却控制装置大部分都是在国外引进的。然而，由于国外的技术保密，国内中厚板层流冷却控制技术的成功应用受到了限制，因此，开展中厚板层流冷却控制技术的研究是一个挑战性的课题。
　　2数学模型的建立
　　钢板在冷却过程中主要的传热有：钢板内部的导热、钢板与空气的对流传热和钢板自身的热辐射、钢板与水的对流传热、钢板内部的相变产生热、钢板和辊道之间热传导等部分组成。
　　忽略钢板在长度方向的传热，针对南钢3500mm轧机层流冷却建立二维导热终冷温度预测数学模型。根据傅里叶导热微分方程得：
　　=λ(t)(+)
　　其中，X，Y—钢板的宽和厚度方向的坐标，λ—钢板的导热系数，c—钢板的比热，ρ—钢板的密度。
　　式中的ρ随温度变化不大，所以本文确定其为常数7800㎏/m3[4]，比热c(t)和导热系数λ(t)都随温度的变化较大，根据下表1,2各个钢种的导热系数和比热系数在不同温度下的值，用线性插值法求所需要的比热和导热系数。
　　表1导热系数单位（W/m•K）

　　表2比热系数单位（kcal/㎏•℃）

　　只考虑钢板的辐射换热，根据斯蒂芬—波尔兹曼定律：钢板的辐射能力和绝对温度的四次方成正比得如下方程：
　　Q=εσ(Ts4-T04)A
　　其中，A--钢板辐射面积m2σ—黑体的辐射常数，其值为5.67W/m2•K4，ε—钢板的黑度。Ts---钢板出轧机时的温度(K)T0---钢板进入水冷时的温度(K)
　　3水冷综合换热系数的确定
　　水冷综合换热系数受钢板的规格、冷却水的温度、水流量、钢板表面温度、目标终冷温度、实际终冷温度、水冷时间等很多因素的影响，BP神经网络的优点是只要有足够多的隐层和隐层节点它就可以逼近任意的非线性函数，鉴于此，本文建立三层BP神经网络，一个具有Sigmoid非线性函数的三层BP神经网络可以在空间上逼近任意维的函数。网络的输入层为：钢板的厚度、宽度，实测终冷温度、目标终冷温度、终轧温度、冷却水的温度、开启水冷阀门数、钢板的运行速度等八个影响因素，输出层为钢板水冷换热系数。
　　隐含层的单元数的确定方法本文采用公式：p=+m
　　P—隐含层单元数，n—输入层单元数，q—输出单元数，m—为1~10之间的常数。
　　4结束语
　　钢板终冷温度的控制精度直接影响到钢板的质量和钢厂的竞争力，由于数学模型的局限性，很难达到工艺要求的终冷温度范围内，所以，数学模型结合神经网络，用人工智能技术来优化数学模型，离线仿真能够达到很好的效果。随着计算机技术水平的提高，人工智能结合数学模型将是层流冷却控制技术发展的一个趋势。
　　
　　参考文献
　　[2]王国栋，吴国良等译．板带轧制理论与实践[M]，中国铁道出版社，1990．

《3500mm轧机层流冷却控制终冷温度预测模型的探讨》

本文由职称驿站首发，您身边的高端学术顾问

文章名称： 3500mm轧机层流冷却控制终冷温度预测模型的探讨

文章地址： https://m.zhichengyz.com/p-9251