关于中厚板轧后冷却智能化控制的有益探索

摘 要：本文对中厚板轧后冷却智能化控制进行了分析和探讨，主要从冷却系统三个方面出发：精确的数学模型很难确定、钢板机械性能能否实施在线检测、需要吸收工艺专家的经验知识。

关键词：控冷；智能控制；水幕冷却

1 前言

控冷的英文为Controlled Cooling，因此可以简写为CC，即把控轧后的钢板快冷，对其相变以及碳化物析出进行控制。

冷却计算机控制要想实现，就需要参考进入冷却区钢板的规格、种类。

中厚板控冷装置的种类很多，而控冷装置中的喷水方式有4种：喷花、雾化、层流以及水幕。我们在使用时，为了达到均匀、快速以及满足不同工艺的目的，可以使用单一的喷水方式，也可以使用两种或者是多种的配合方式。本文以选取了水幕进行分析，对计算机智能控制在控冷中的使用进行分析和探讨。

当下，控冷工艺计算机控制的一个主要难题是数学模型的构建。快速冷却工艺在终冷温度以及冷却速度方面都有要求，为了达到这一要求，计算机对以下输入量进行了控制：钢种、水温、终轧温度、环境温度、板厚，此外还包括现场的各种不确定的因素。由于输出量是水幕组数、水幕流量以及水流速度的配比，因此我们很难确定比较精确的数学模型。

2 轧后冷却自动控制状态设计方案

为了达到系统结构清晰的目的，我们对系统进行划分，使用的划分标准是分级控制策略，因此可以划分为：工艺控制层和性能控制层。对于性能控制层，我们引入了专家系统技术，使用人工智能中的专家系统结构。此外，也参考了工艺专家的经验和知识，根据一定的知识表示方法，将专家的知识和经验进行归纳和总结，此外输入计算机进行储存。这样，我们就会得出一定的规则。要想解决精确数学模型难以建立的问题，就需要不断的进行总结和学习。在将专家系统技术引进之后，我们不但可以对目前的控制理论进行使用，还可以使用人的经验知识，对问题进行解决。

智能控制器是工艺控制层的一个关键的部分，当控制层以冷却制度为指导，把终冷目标和冷却速度作为目标时，那么就可以进行在线控制，对终轧温度等参数进行实测。为了让系统的精度和稳定性得到保证，我们还需要对模型参数进行深一步的学习和研究。对模型参数进行修正时，可以将其返回到性能控制层。

3 智能控制系统方案的核心

3.1 知识库的建立

如果知识从知识获取达到条理化的时候，要进行利用，就一定输入计算机以某种方式表达出来。我们可以对水幕冷却控制系统中的知识进行分类，即：不确定知识和确定知识。知识类型不同，我们使用的知识表达方式也不要。该系统知识库包括以下内容：模型库、规则库以及事实库。

⑴真实库知识。在该库中，数据都是精确的，也是一个领域的共性知识。事实库包括以下方面的内容：工艺设备参数、工艺约束参数、工艺目标参数以及工艺专家的经验参数、钢种日志参数和钢种规格参数等。

⑵规则库知识。用产生式规则来表达知识，该方法得到了专家系统的青睐。水幕冷却系统中的规则有：水幕成幕条件规则、冷速限制规则以及钢种评价等。

⑶模型库知识。我们使用的是模糊集合的向量法来对水幕流量配比模型进行表示：

W={W1，W2，W3}

其中，0≤Wi≤1，i=1，2…，n。各组水幕流量配比为Wi，I是水幕组数。

3.2 推理机构设计

推理机构的模型是：

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 >

控制模型输入信息集是：E={e1，e2，e3，…en}。知识库中的经验数据以及规则是I={i1，i2，…in}。

3.3 学习系统

当系统在运行时，由于控制对象的特性不是很稳定，而有关的工艺参数也不是很明确，因此我们需要将学习机制引入。

4 仿真冷却模型的设定

4.1 获取实验数据

当我们对冷却制度进行设定时，需要进行开冷温度的预报以及对流量进行估算。在确定实验参数和模型参数的过程中，本文参考了大量的文献。本文选取的是同一钢种，厚度是H=30-50mm。此外，开冷温度预报自学习的参数A=5.37e-11，流量设定自学习的参数K=0.1。

对16MnR钢种的终冷温度进行设定，为（620±20）℃。我们对仿真实验参数进行确定：

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 冷却制度的设定

性能控制层软件的实现使用Bland C++编程，主要包括以下模块：冷却制度、维护模块、知识库建立、模型评价以及优化模块等。针对冷却制度进行模块设定时，需要输入：冷却道次、实测终轧温度、模型号、水幕流量配比。使用上面的数据可以得到最终控冷模型。我们可以得出模型集为：

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

模型评价与优化。评价的过程如下：（1）工艺人员需要对生产钢板的机械性能开展评分，之后把评价结果输送到模型评价系统之中。之后，系统就会对评价结果进行输出。从事实库和规则库出发，对经验数据进行处理模型库包括临时模型库和永久模型库。

5 结束语

本文对中厚板轧后冷却智能化控制的进行了有益探索，主要从轧后冷却自动控制状态设计方案、智能控制系统方案的核心以及仿真冷却模型的设定这几个方面入手，在这个过程中为了达到目的，不仅使用了自己的实践经验，而且参考了工艺专家的经验和知识。希望这些探索对大家有所帮助。

[参考文献]

[1]于明，周娜.中厚板轧后冷却过程在线温度模型[J].冶金能源.2011（1）.

[2]李慧，弓亚超.中厚板轧后冷却智能控制系统的探讨[J].宽厚板.2011（6）.

[3]刘细芬，赵德文.中厚板轧后冷却过程中温度场的数值模拟[J].钢铁研究.2012（23）.