基于BP-GA算法的板坯连铸二冷水动态控制模型研究
高效连铸过程的二次冷却水控制水平与铸坯质量密切相关。铸坯质量如内部裂纹、表面裂纹、鼓肚和形状缺陷、中心偏析等形成的原因与二次冷却制度不合理、冷却不均匀有一定关系。板坯连铸的二冷区通常由多个喷水段组成，各段的目标温度不同，控制水量也不同，而且连铸生产过程具有复杂性和不确定性特征。凝固传热数学模型是连铸过程控制与优化的基础，基于传热模型确定二冷制度是应用最广泛的一种方法，可以对连铸生产过程进行模拟计算。但是，当考虑生产影响因素较多和输入条件变化明显时，该方法的实时性和应变性难以保证。因此，将人工智能优化算法如遗传算法(Genetic Algorithm，GA)、神经网络、模糊控制器等引入进行连铸二冷动态配水与优化控制方法研究，对连铸机二冷段水量的合理分配和动态控制有重要意义。
围绕板坯连铸二冷配水优化与控制问题，在建立的凝固传热数学模型基础上，开展配水优化和动态控制方法研究。以一维和二维连铸板坯凝固传热数学模型为基础，考虑冶金准则的约束，研究遗传算法进行连铸二冷各段水量优化的方法，从而可确定拉速一水量的静态配水经验公式中的参数，为进一步优化二冷水控制方案提供参考依据；以目标表面温度为约束，应用模糊逻辑技术实现基于传热数学模型的定拉速下二冷段水量的优化，以及变拉速下水量的动态分配；使用BP神经网络辨识连铸凝固传热数学模型，达到对铸坯温度的预测；将神经网络与模糊逻辑结合，应用模糊神经网络进行水量的动态分配与控制，改进模糊逻辑在控制水量分配时不能学习的问题；建立基于神经网络和模糊逻辑技术的由神经网络预测连铸二冷段温度场分布，由模糊神经网络据神经网络预测的温度实现水量动态分配与控制的全智能动态控制模型。
连铸二冷动态配水模型软件基于Windows开发平台，选用Microsoft的VisualBasic 6.0编程实现，模型软件以可用性、灵活性及可靠性为设计原则。软件测试分为离线测试与在线测试，以攀钢提钒炼钢厂2＃板坯连铸机二冷水控制为具体对象，二冷段出口板坯表面温度为控制目标，离线测试使用从攀钢现场获取的历史数据库进行仿真计算；在线测试在攀钢提钒炼钢厂生产现场，从实时数据库提取实时数据计算，并同步进行现场板坯表面温度测定，以完成方法检验和软件测试。
连铸二冷动态配水模型软件的测试和应用表明：基于遗传算法的二冷配水优化模型，可减少表面温度与目标温度的差异，同时回热与冷却速率也更趋于合理，满足了冶金准则对改善铸坯冷却过程和提高产品质量的要求；利用模糊神经网络的计算能力，可快速响应二冷配水中拉速和目标温度等变化对水量调整的实时性要求；基于BP神经网络与高斯模糊神经网络的智能控制模型能够很好的克服传热模型计算中存在的传热系数公式难确定、输入参量多、外界干扰强等因素的影响；同时利用实测铸坯出口温度对BP神经网络预测温度进行修正，可将智能控制模型误差限制在5℃之内。建立的模型系统对于改善板坯连铸二冷水动态调整与分配，提高连铸二冷控制的智能化水平，进而提高板坯质量具有重要的现实意义和广泛的应用前景。
板坯连铸;二冷水;动态控制模型;神经网络;遗传算法;模糊逻辑
重庆大学
硕士
冶金工程
郑忠
2007
中文
TF777.1
92
2007-11-05（万方平台首次上网日期，不代表论文的发表时间）