[发明专利]快速获取步进梁式钢坯加热炉不同产率下设置温度的方法

说明书

本发明公开了一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，包括以下步骤：获取步进梁式钢坯加热炉在不同产率下的若干组训练数据，训练数据包括输入数据和输出数据；输入数据包括步进周期、钢坯加热精度和出炉钢坯热均匀程度；输出数据包括与各控制区域的设置温度；步骤B.训练BP神经网络，得到i个BP神经网络模型；步骤C.确定目标产率对应的步进周期，同时调整出炉钢坯热均匀程度值，使得钢坯加热精度值在‑5℃～5℃范围内；将步骤C中的步进周期、出炉钢坯热均匀程度值、钢坯加热精度值作为BP神经网络模型的输入数据，得到目标产率对应的各控制区域的设置温度值。本发明操作过程简单，加热精度高，能量利用率高，能耗低。

技术领域

本发明属于步进梁式钢坯加热炉技术领域，特别涉及一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法。

背景技术

现有技术中，没有快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，因而都是根据经验设定步进梁式钢坯加热炉不同产率下的设置温度，因而加热精度低，能量利用率低，能耗大。面对钢铁行业节能降耗背景下的迫切需求，迫切需要一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，以提高加热精度和能量利用率，降低能耗。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，加热精度高，能量利用率高，能耗低。

为解决上述技术问题，本发明所采用的技术方案是：

一种快速获取步进梁式钢坯加热炉不同产率下设置温度的方法，其特点是包括以下步骤：

步骤A.获取步进梁式钢坯加热炉在不同产率下的若干组训练数据，其中训练数据包括输入数据和输出数据；输入数据包括步进周期WR、钢坯加热精度ΔT_dis和出炉钢坯热均匀程度ΔT_max；输出数据包括与各组输入数据相对应的各控制区域的设置温度T_spi；

步骤B.利用步骤A中的训练数据训练BP神经网络，得到i个BP神经网络模型，其中i为控制区域的数目；

步骤C.确定目标产率对应的步进周期，同时调整训练之后得到的神经网络模型的输入值，调整训练之后得到的神经网络模型的输入值包括调整出炉钢坯热均匀程度值，使得钢坯加热精度值在-5℃～5℃范围内；将步骤C中的步进周期、出炉钢坯热均匀程度值、钢坯加热精度值作为步骤B中i个BP神经网络模型的输入数据，得到目标产率对应的各控制区域的设置温度值。

借由上述方法，本发明以步进梁式钢坯加热炉中钢坯加热过程为研究对象，采取计算流体力学(Computational Fluid Dynamics，简称CFD)的方法对加热炉加热过程进行仿真。此方法相当于在计算机内对步进梁式钢坯加热炉进行“虚拟”的实验，具有成本低、周期短、环境宽的优点。在加热炉设计中引入CFD技术，可以减少设计失误和实验研究所需的费用，预测炉内气流、温度等分布，通过神经网络算法对钢坯加热精度等指标进行优化计算，以达到高加热精度、高能量利用率、高效、低能耗、低排放的目的。

进一步地，所述步骤A中，以钢坯加热精度ΔT_dis和出炉钢坯热均匀程度ΔT_max最小为优化目标，利用Hooke-Jeeves直接搜索算法求解步进梁式钢坯加热炉在不同产率下的若干组训练数据。

为给BP神经网络准备足够多的训练数据，本发明用Hooke-Jeeves直接搜索算法求解出一系列不同产率下的加热炉的最佳设置温度数据。基于这些数据，建立BP神经网络并对其进行训练，计算快、运行成本低、准确度高。