步进梁式钢坯加热炉设置温度优化方法

摘要

本发明公开了一种步进梁式钢坯加热炉设置温度优化方法，包括：构建多目标优化函数J：其中Ti为第i根钢坯的出炉温度，TA为钢坯的出炉目标温度，ΔTimax为第i根钢坯出炉的最大温差，SFCi为第i根钢坯出炉时加热炉的燃料消耗率，M和N是根据优化场景设定的权重系数；将多目标优化函数J等价变换为包含各控制区域设置温度Tspj的多目标优化函数；给出钢坯的出炉目标温度TA，求解经过等价变换后得到的多目标优化函数，得到一组包含各控制区域设置温度Tspj的使J最小的解。本发明操作过程简单，加热精度高，能量利用率高，能耗低。

权利要求

1.一种步进梁式钢坯加热炉设置温度优化方法，其特征在于，包括以下步骤：步骤A.构建多目标优化函数J： 其中

Ti为第i根钢坯的出炉温度，TA为钢坯的出炉目标温度，ΔTimax为第i根钢坯出炉的最大温差，SFCi为第i根钢坯出炉时加热炉的燃料消耗率，M和N是根据优化场景设定的权重系数，n为钢坯的数量；

步骤B.将多目标优化函数J等价变换为包含各控制区域设置温度Tspj的多目标优化函数；其中Tspj为j第个控制区域的设置温度；

步骤C.给出钢坯的出炉目标温度TA，求解步骤B中经过等价变换后得到的多目标优化函数，得到一组包含各控制区域设置温度Tspj的使J最小的解。

2.如权利要求1所述的步进梁式钢坯加热炉设置温度优化方法，其特征在于，所述步骤A中，优化场景为：钢坯加热精度ΔTdis的变化范围为-3.265℃～7.151℃，且ΔTimax的范围为

2.313℃～713.215℃；

设定M＝1且N＝0。

3.如权利要求1所述的步进梁式钢坯加热炉设置温度优化方法，其特征在于，所述步骤A中，优化场景为：钢坯加热精度ΔTdis的范围为-3.265℃～7.151℃，且SFCi的范围为

1.063GJ/t～1.802GJ/t；

设定M＝0且N＝10。

4.如权利要求1所述的步进梁式钢坯加热炉设置温度优化方法，其特征在于，所述步骤A中，优化场景为：钢坯加热精度ΔTdis的范围为-3.265℃～7.151℃，且ΔTimax的范围为

2.313℃～713.215℃，且SFCi的范围为1.063GJ/t～1.802GJ/t；

设定M＝1且N＝10。

5.如权利要求1至4任一项所述的步进梁式钢坯加热炉设置温度优化方法，其特征在于，所述步骤B中，将多目标优化函数J等价变换为：其中，n为钢坯的数量，

Tspj≠0。

6.如权利要求5所述的步进梁式钢坯加热炉设置温度优化方法，其特征在于，所述步骤C中，利用Hooke-Jeeves直接搜索算法求解经过等价变换后得到的多目标优化函数J(Tsp)。

说明书

步进梁式钢坯加热炉设置温度优化方法

技术领域

[0001] 本发明属于步进梁式钢坯加热炉技术领域，特别涉及一种步进梁式钢坯加热炉设置温度优化方法。

背景技术

[0002] 现有技术中，没有对步进梁式钢坯加热炉设置温度进行优化的方法，因而都是根据经验设定步进梁式钢坯加热炉的设置温度，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，迫切需要一种步进梁式钢坯加热炉设置温度优化方法，以提高加热精度和能量利用率，降低能耗。

发明内容

[0003] 本发明的目的在于，针对上述现有技术的不足，提供一种步进梁式钢坯加热炉设置温度优化方法，加热精度高，能量利用率高，能耗低。

[0004] 为解决上述技术问题，本发明所采用的技术方案是：

[0005] 一种步进梁式钢坯加热炉设置温度优化方法，其特点是包括以下步骤：

[0006] 步骤A.构建多目标优化函数J：其中Ti为第i根钢坯的出炉温度，TA为钢坯的出炉目标温度，ΔTimax为第i根钢坯出炉的最大温差，SFCi为第i根钢坯出炉时加热炉的燃料消耗率，M和N是根据优化场景设定的权重系数，n为钢坯的数量；

[0007] 步骤B.将多目标优化函数J等价变换为包含各控制区域设置温度Tspj的多目标优化函数；其中Tspj为第j个控制区域的设置温度；

[0008] 步骤C.给出钢坯的出炉目标温度TA，求解步骤B中经过等价变换后得到的多目标优化函数，得到一组包含各控制区域设置温度Tspj的使J最小的解。

[0009] 借由上述方法，本发明提出一个包含钢坯出炉温度、钢坯出炉的最大温差和燃料消耗率的多目标优化函数，并引入2个权重系数来表示不同情况下加热炉的运行状态，求解不同运行状态下多目标优化函数的最小值，并得出对应状态下步进梁式钢坯加热炉的各控制区域的设置温度，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。

[0010] 作为第一种优选方案，所述步骤A中，

[0011] 优化场景为：钢坯加热精度ΔTdis的变化范围为-3.265℃～7.151℃，且ΔTimax的范围为2.313℃～713.215℃；

[0012] 设定M＝1且N＝0。

[0013] 作为第二种优选方案，所述步骤A中，

[0014] 优化场景为：钢坯加热精度ΔTdis的范围为-3.265℃～7.151℃，且SFCi的范围为1.063GJ/t～1.802GJ/t；

[0015] 设定M＝0且N＝10。

[0016] 作为第三种优选方案，所述步骤A中，

[0017] 优化场景为：钢坯加热精度ΔTdis的范围为-3.265℃～7.151℃，且ΔTimax的范围为2.313℃～713.215℃，且SFCi的范围为1.063GJ/t～1.802GJ/t；

[0018] 设定M＝1且N＝10。

[0019] 针对加热炉的运行状态设置3种优化场景，分别对应不同的优化目标。在这三种优化场景中，钢坯加热精度ΔTdis是优先的考虑因素，它是钢坯加热过程的首要目标，因此，每种优化场景都将ΔTdis作为首要的优化目标。在此基础上，考虑到燃料消耗率SFCi与加热炉内沿炉长方向的热量输入密切相关，这些输入的热量反过来决定钢坯的温升曲线，因此，将燃料消耗率作为优化目标之一。同时，钢坯产率影响到钢坯在加热炉内加热的时间、燃料消耗和钢坯加热的均匀程度ΔTimax，于是，进一步设置2组不同产率，对比研究加热炉的3种优化场景。权重系数M和N的值，取决于三个优化目标是否包含在当前的优化场景中和其数值的变化范围是否在同一等级。ΔTdis的数值变化范围为-3.265℃～7.151℃，ΔTimax的数值变化范围在2.313℃～713.215℃，它们的变化范围处在同一等级，因而当多目标优化函数仅有ΔTdis和ΔTimax存在时，权重系数M的值为1。然而，SFCi的数值变化范围为1.063GJ/t～1.802GJ/t,因此当多目标优化函数中存在SFCi时，权重系数N的值为10。

[0020] 作为一种优选方式，所述步骤B中，将多目标优化函数J等价变换为：其中，n为钢坯的数
量，Tspj≠0。

[0021] 作为一种优选方式，所述步骤C中，利用Hooke-Jeeves直接搜索算法求解经过等价变换后得到的多目标优化函数J(Tsp)。

[0022] 多目标优化函数J等价变换为能被Hooke-Jeeves直接搜索算法求解形式，与J相比，J(Tsp)具有一定优势。J(Tsp)虽与J完全等价，但在形式上，J(Tsp)包含设置温度，且可以被Hooke-Jeeves直接搜索算法求解。在求解过程中，Hooke-Jeeves直接搜索算法通过不断搜索初始设置温度的临近值，并对J的结果进行比较，以求得最小值，计算快、运行成本低、准确度高。

[0023] 与现有技术相比，本发明操作过程简单，加热精度高，能量利用率高，能耗低。

附图说明

[0024] 图1为步进梁式钢坯加热炉模型图。

[0025] 图2为不同优化场景和权重系数对应表。

[0026] 图3为利用Hooke-Jeeves直接搜索算法求解加热炉设置温度的流程图。

[0027] 图4为不同优化场景下加热炉的最佳设置温度。

[0028] 图5为不同优化场景下出炉钢坯的热性能参数。

[0029] 图6为不同优化场景下钢坯的热升温曲线。

具体实施方式

[0030] 利用本发明对如图1所示步进梁式钢坯加热炉设置温度进行优化的方法，包括以下步骤：

[0031] 步骤A.构建多目标优化函数J：

[0032]

[0033] 其中，Ti为第i根钢坯的出炉温度，TA为钢坯的出炉目标温度，ΔTimax为第i根钢坯出炉的最大温差，SFCi为第i根钢坯出炉时加热炉的燃料消耗率，M和N是根据优化场景设定的权重系数，n为钢坯的数量。

[0034] 步骤B.将多目标优化函数J等价变换为包含各控制区域设置温度Tspj的多目标优化函数；其中Tspj为j第个控制区域的设置温度。在本实施例中，控制区域数目为4，因此Tspj包括控制区域1的设置温度Tsp1、控制区域2的设置温度Tsp2、控制区域3的设置温度Tsp3、控制区域4的设置温度Tsp4。不同控制区域的划分如图1所示。考虑在加热炉运行5000秒后连续出炉的4根钢坯的出炉温度、钢坯出炉的最大温差和每根钢坯出炉时加热炉的燃料消耗率。

[0035] 步骤C.给出钢坯的出炉目标温度TA(在本实施例中，钢坯的出炉目标温度为1230℃)，求解步骤B中经过等价变换后得到的多目标优化函数，得到一组包含各控制区域设置温度Tspj的使J最小的解。

[0036] 如图2所示，所述步骤A中，设定3个优化场景：

[0037] 第一种优化场景为：钢坯加热精度ΔTdis的变化范围为-3.265℃～7.151℃，且ΔTimax的范围为2.313℃～713.215℃；对应地，设定M＝1且N＝0。

[0038] 第二种优化场景为：钢坯加热精度ΔTdis的范围为-3.265℃～7.151℃，且SFCi的范围为1.063GJ/t～1.802GJ/t；对应地，设定M＝0且N＝10。

[0039] 第三种优化场景为：钢坯加热精度ΔTdis的范围为-3.265℃～7.151℃，且ΔTimax的范围为2.313℃～713.215℃，且SFCi的范围为1.063GJ/t～1.802GJ/t；对应地，设定M＝1且N＝10。

[0040] 所述步骤B中，将多目标优化函数J等价变换为：

[0041]

[0042] 其中，n为钢坯的数量，Tspj≠0。

[0043] 所述步骤C中，利用Hooke-Jeeves直接搜索算法求解经过等价变换后得到的多目标优化函数J(Tsp)。

[0044] 与J相比，J(Tsp)具有一定优势。J(Tsp)虽与J完全等价，但在形式上，J(Tsp)包含设置温度，且可以被Hooke-Jeeves直接搜索算法求解。

[0045] Hooke-Jeeves直接搜索算法的基本原理是：通过一种反复探测搜索和模式移动相结合的方式寻找函数值下降的方向并向该下降方向移动，最终确定函数的最小值。

[0046] 为降低编程难度，主程序利用式(2)作为桥梁，将Hooke-Jeeves直接搜索算法模块和步进梁式钢坯加热炉仿真模块联系起来。通过设置加热炉设置温度为全局变量，实现步进梁式钢坯加热炉仿真模块中的设置温度随着Hooke-Jeeves直接搜索算法模块中的设置温度的变化而变化。

[0047] 在求解过程中，Hooke-Jeeves直接搜索算法通过不断搜索初始设置温度的临近值，并对J的结果进行比较，以求得最小值。因此，整个优化程序可以编写成2个模块，即Hooke-Jeeves直接搜索算法模块和步进梁式钢坯加热炉仿真模块。这两个用FORTRAN编写的模块仅需要相互传递参数，从而降低编程难度。

[0048] 每当Hooke-Jeeves直接搜索算法模块执行探测搜索或模式移动时，步进梁式钢坯加热炉仿真模块作为子程序被其调用，计算出当前式(2)的值。随着探测搜索和模式移动的进行，寻找到J(Tsp)的最小值，完成最佳设置温度的求解，求解过程如图3所示，求解结果得到的最佳设置温度如图4所示。

[0049] 为验证本发明的合理性，针对此加热炉，将基于本发明提出的方法求出的加热炉设置温度数据与实际工业数据作对比，表明本文提出的方法能够极大地提高加热炉的加热精度，同时消耗更少的燃料。

[0050] 如图5所示，对于加热炉的不同优化情景，无论是以ΔTdis，ΔTimax和/或SFCi为优化目标，它们都极大地提高了加热精度。

[0051] 图6对比了上述不同优化情景下的加热炉内钢坯升温曲线。从图6中可以直观的看出，通过Hooke-Jeeves直接搜索算法求解出的设置温度使出炉钢坯具有更好的加热精度，同时，与工业实验获取的设置温度相比，无论是以降低出炉钢坯上的最大温差为优化目标，还是以减少单位能量消耗为优化目标，本发明计算出的设置温度，能够使钢坯的在加热炉内的任意位置的温度低于工业实验过程中的温度，说明用本发明方法计算出的设置温度，加热炉的加热过程消耗更少的燃料。

[0052] 上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是局限性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护范围之内。