[發明專利]一種基于機器學習模型的軋鋼加熱爐控制方法

有效

• 申請號: 202210784165.7
• 申請日: 2022-07-05
• 公開（公告）號: CN115186582B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 蔣淡寧;張永強;王崇鵬;馮愷睿;買嘉成;余澤偉;王筱圃;鐘智敏
• 申請（專利權）人: 科大智能物聯技術股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/18;G06F119/08
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 婁岳

本發明公開了一種基于機器學習模型的軋鋼加熱爐控制方法，包括獲取歷史數據并進行數據預處理；根據周期的煙道溫度和差分方法構建周期煙道溫度預測模型，得到煙道溫度曲線和周期煙道溫度；將周期的煤耗量和爐況指標輸入煤氣流量預測模型中，得到初始煤氣流量；以及將歷史爐況指標輸入出鋼溫度預測模型，得到預測出鋼溫度；根據得到的周期煙道溫度、初始煤氣流量，以及預測出鋼溫度，基于PID控制算法計算得到加熱爐各個加熱段的空氣閥門開度、煤氣閥門開度和減壓閥開度，并進行實時調節達到目標出鋼溫度。本發明通過模型調節達到目標出鋼溫度和調整各個加熱段溫度，以實現最優的煤氣分配量，達到節省煤氣的最佳工況。

技術領域

本發明涉及軋鋼加熱爐煤氣流量調控技術領域，特別涉及一種基于機器學習模型的軋鋼加熱爐控制方法。

背景技術

在鋼胚鍛造加熱工藝過程中，通常是將鋼材通過N段的加熱工藝段進行逐漸將其溫度加熱至需要的出鋼溫度，在這一過程中需要對加熱爐內的煤氣流量、各個加熱段的溫度，以及閥門開度進行掌握控制，從而實現達到目標出鋼溫度的要求。

現有技術的不足之處在于，目前在各個加熱爐的燃燒控制均由人工負責，閥門開度的調節是人工控制，無法實現出鋼溫度精準控制和調整各個加熱段溫度，也很難實現最優的煤氣分配量，導致了煤氣浪費。同時也無法得到最優的鋼材質量，降低加熱爐的使用壽命。

發明內容

本發明的目的克服現有技術存在的不足，為實現以上目的，采用一種基于機器學習模型的軋鋼加熱爐控制方法，以解決上述背景技術中提出的問題。

一種基于機器學習模型的軋鋼加熱爐控制方法，具體步驟包括：

步驟S1、獲取歷史數據并進行數據預處理，歷史數據包括歷史周期煙道溫度、歷史周期煤耗量，以及歷史爐況指標；

步驟S2、根據歷史周期煙道溫度和差分方法構建周期煙道溫度預測模型，得到煙道溫度曲線，周期煙道溫度預測模型能夠基于輸入數據得到周期煙道溫度；

步驟S3、將歷史周期煤耗量和歷史爐況指標輸入基于機器學習模型構建的煤氣流量預測模型中，煤氣流量預測模型基于輸入數據得到初始煤氣流量；

步驟S4、將歷史爐況指標輸入基于機器學習模型構建的出鋼溫度預測模型，出鋼溫度預測模型得到預測出鋼溫度和各個加熱段的目標溫度；

步驟S5、根據得到的周期煙道溫度、初始煤氣流量，以及各個加熱段的目標溫度，基于PID控制算法計算得到加熱爐各個加熱段的空氣閥門開度、煤氣閥門開度和減壓閥開度，并進行實時調節達到目標出鋼溫度。

作為本發明進一步的技術方案：步驟S2中的具體步驟包括：

獲取歷史數據中歷史周期煙道溫度；

根據一個周期內的煙道溫度設置增長曲線；

再根據不同鋼種種類的預設工藝參數進行分類；

若未獲取歷史數據，則利用差分方法建立增長曲線，最終得到煙道溫度曲線和周期煙道溫度，其中周期煙道溫度為一個周期內的煙道末溫。

作為本發明進一步的技術方案：步驟S3中的具體步驟包括：

獲取歷史數據中歷史周期煤耗量，統計每個周期的煤耗量，取煤氣總熱值較少的50％的周期生成訓練數據集；

將訓練數據集結合歷史爐況指標輸入基于機器學習模型構建的煤氣流量預測模型，其中歷史爐況指標包括爐膛溫度、煙道溫度，以及熱值，最后計算得到初始煤氣流量。

作為本發明進一步的技術方案：步驟S4中的具體步驟包括：

刪除歷史數據中異常周期數據，并將符合標準的出鋼溫度中較低的前百分之三十的數據生成訓練集，并輸入出鋼溫度預測模型進行訓練；