论文部分内容阅读
连铸二冷配水是决定铸坯质量和产量的关键环节。拉速是影响连铸二冷配水的主要因素。常规连铸二冷配水优化控制模型是在稳定拉速条件下建立的，然而在实际生产过程中，受设备、流程和节奏变化等因素的影响，使褥拉速经常变化，特别是方坯连铸机，其拉速变化的范围更大、频率更高，基于稳态条件建立的二冷控制模型在应用过程中往往满足不了生产高品质钢的要求。另一方面，从我国目前连铸机数量来看，方坯连铸机占有近40％左右的份额，而且很多优钢和特钢的生产主要由方坯铸机完成。因此，研究方坯铸机的非稳态二冷控制对提高我国连铸整体水平具有实际意义。近年来，随着连铸控制系统自动化程度的提高以及高效连铸技术的发展，对连铸控制系统的可靠性也提出了越来越高的要求。为此，本文就方坯连铸机的凝固传热模型校正、稳态二冷优化、动态二冷控制和控制系统可靠性等技术进行了较为系统深入的研究，并将研究结果应用到实际铸机的二冷控制中。其主要研究内容与创新工作如下：
(1)铸坯凝固传热模型校正铸坯凝固传热模型的准确性是其应用于二冷控制与优化的前提，模型校正一直是该领域的一个难题。本文在建立了铸机凝固传热模型基础上，根据射钉法测量的凝固坯壳厚度数据，提出了基于自适应蚁群算法进行参数辨识的模型校正方法。
模型校正就是要修正确定模型计算的边界条件。首先对基于凝固传热机理建立的铸坯凝固传热模型进行分析简化，运用控制容积法对其控制方程进行积分离散化，并用源项法处理相变过程求解二冷凝固过程温度场。然后在二冷区和空冷区的确定位置，在多个稳定工作拉速条件下分别进行射钉，测量射钉位置的凝固坯壳厚度；在此基础上采用自适应蚁群优化算法进行二冷区对流传热系数辨识，修正凝固传热模型的边界条件，采用射钉测厚数据对模型准确性进行验证，模型计算值与测量结果偏差小于4mm，满足二冷控制与优化应用的要求。
(2)铸机稳态二冷配水优化问题的研究建立了基于多目标混沌蚁群系统算法的稳态二冷配水优化模型。二冷配水冶金知识库是稳态二冷优化和动态控制的基础和依据，本文首先分析了连铸二冷配水与铸坯质量之间的关系，并针对连铸凝固过程中的相交、不可微分特性以及二冷优化过程的多目标、多约束、非凸性特点，采用非线性聚集函数处理优化目标函数，根据不同钢种的凝固特性和冶金准则，建立了二冷配水冶金知识库。在此基础上运用多目标混沌蚁群算法对铸机稳态过程的二冷配水进行优化，该算法的并行正反馈搜索机制扩大了最优解集的搜索范围，提高了优化效率。应用结果显示优化后的铸流温度分布满足冶金知识库的要求。为动态二冷控制奠定了基础。
(3)建立二冷配水动态控制系统针对连铸非稳态过程引起的二冷区控制温度偏差，提出并建立了基于有效拉速和钢水过热度的动态前馈与铸坯表面温度反馈相结合的二冷配水动态控制系统。
首先运用三维凝固传热模型分析了拉速、中间包钢水过热度和冷却水流量在非稳态条件下对铸坯凝固传热过程的影响。针对拉速突变引起铸坯凝固过程的过应力，采用基于有效拉速和过热度的二冷配水动态前馈控制模式，并在设备控制级实现动态前馈控制，确定二冷动态控制系统的基础水量。采用动态前馈控制消除了因拉速突变引起的铸坯表面温度剧烈变化。
针对前馈控制方式不能准确消除铸坯表面温度偏差问题，在动态前馈控制的基础上，提出了基于自整定神经元多变量PID控制算法的二冷配水反馈控制策略。反馈控制以在线凝固传热模型的计算值作为铸坯表面温度的反馈量，在过程控制级实现反馈控制计算。即建立以动态前馈为主、反馈控制为辅，二者结合的二级动态配水控制系统，在铸机上应用结果显示：当拉速阶跃变化0.4m/min时，控制温度偏差小于10℃。
(4)二冷配水动态控制系统应用研究本文以两台方坯连铸机为应用对象，将上述研究结果应用到实际铸机的二冷配水控制，取得了较好的应用效果。动态控制系统运行稳定、可靠；铸坯质量明显提高，其中A铸机的中间裂纹由改造前二级以上占22％降为全部小于1.5级，中心裂纹由改造前的大于2级的25％降为5％，缩孔由原来的1.5级以上占10％降为2％;B铸机内部裂纹缺陷在2级以上的由原来的32.8％下降到6.5％，中心缩孔2级以上由原来的26.0％下降到5.4％。
(5)基于多变量统计分析技术的二冷控制系统可靠性研究二冷控制系统的可靠性是高效连铸技术发展的必然要求。本文以二冷配水控制系统为监控对象，建立基于多变量统计分析技术的故障监控模型。
建立监控模型首先要进行现场数据数据选择和准备工作，它包括过程变量和样本数量选择，异常点剔除、数据滤波、数据标准化等预处理。针对连铸过程中的时变特性，在PCA方法基础上，建立了基于递归主元分析(RPCA)的连铸过程监控模型，并对T2和SPE控制限进行了迭代更新，使误报率降低近18％，提高了监控模型的鲁棒性。针对实际测量数据不严格满足正态分布而引起误报的问题，建立了基于独立元分析(ICA)的连铸过程监控模型，并对不同监控模型的监控性能进行了比较分析，ICA监控模型对故障检出率大于88.3％，具有较好的监控性能。