冷軋機組酸洗工藝段仿真系統設計與開發

夏 志 周云根 海本增

(中冶南方工程技術有限公司 湖北武漢430223)

1 引言

目前，國內冷軋鋼鐵產量接近8000 萬t，酸洗是冷軋的關鍵工序，酸洗機組存在較多的欠酸洗和過酸洗，帶鋼表面質量不夠高。其中，酸洗工藝參數設定和參數控制影響最大，西馬克和奧鋼聯都有相應的酸洗模型來設定和控制酸洗的工藝參數，這兩家的模型在形式上是理論公式化的，通過參數調整來適應不同的生產任務，這種模型在實際應用中存在與現場脫節的現象，實際生產需要更貼近現場的模型。

人工神經網絡［1］作為一種對生物神經元的模擬，具有良好的非線性映射、適應性和容錯能力，目前已經得到了十分廣泛的應用［2］［3］［4］。為了提高帶鋼表面質量和避免西馬克、奧鋼聯酸洗模型的局限性，考慮在收集大量酸洗工藝段樣本數據的基礎上，基于人工神經網絡實現冷軋機組酸洗工藝段仿真系統，指導現場生產。

2 整體框架

冷軋機組酸洗工藝段仿真系統的整體框架如圖1 所示，其中帶鋼數據對應機組的生產計劃，譬如帶鋼品種、帶鋼厚度和卷取溫度等參數。設定仿真模塊接受帶鋼數據，設定優化的酸洗工藝參數數據，譬如帶鋼速度、帶鋼延伸率、酸液溫度、酸液濃度和酸泵流量等。控制仿真模塊依據反饋原理，比較優化設定的酸洗工藝參數和反饋數據，生成具體的控制指令傳送到酸洗工藝段仿真模塊，譬如溫度控制指令對應循環系統石墨換熱器蒸汽閥開口度，酸洗工藝段仿真模塊主要是模擬酸洗工藝段實體的初始狀態和在接受控制指令后的狀態變化，酸洗工藝段樣本數據模塊中存儲大量的酸洗工藝段樣本數據，用于為仿真模塊的學習與訓練提供數據支持。

圖1 冷軋機組酸洗工藝段仿真系統整體框架

3 仿真模塊

3.1 設定仿真模塊

設定仿真模塊的主要功能是:依據帶鋼品種、帶鋼厚度、卷取溫度和帶鋼速度不同，設定合適的酸洗工藝參數，也即建立帶鋼參數與酸洗工藝參數之間的映射，基于人工神經網絡建立的設定仿真模型由三層組成，如圖2 所示，第一層為輸入層，接收帶鋼品種、帶鋼厚度、卷取溫度和帶鋼速度等參數輸入，第二層為隱含層，對輸入數據進行轉換，第三層為輸出層，輸出合適的酸洗工藝參數，包括延伸率、酸液溫度、酸液濃度和酸泵流量。另外，神經元之間存在多個連接，對應不同且可不斷修正的權值。

圖2 設定仿真模型

利用酸洗工藝樣本數據對設定仿真模型進行訓練，選擇其中80%數據作為樣本數據，20%數據作為驗證數據，選擇Sigmoid 函數作為轉換函數，采用BP 算法對人工神經網絡酸洗設定仿真模型進行訓練并驗證，如果誤差控制在5%之內，則認為訓練效果好。設置人工神經網絡酸洗設定仿真模型參數，其中包括:學習率、沖量因子、S 函數α值、隱含層節點數和訓練代數，調整隱含層節點數和訓練代數，訓練的結果如表1 所示。

表1 酸洗設定仿真人工神經網絡模型實驗結果

從表1 中可以看出，在人工神經網絡酸洗設定仿真模型隱含層節點數為10，訓練代數為5000 時，最后將誤差控制在3.4%，能夠實現帶鋼參數與酸洗工藝參數之間高精度的映射，指導現場的酸洗工藝參數設定。

3.2 控制仿真模塊

控制仿真模塊的主要功能是:依據反饋原理，對比設定的酸洗工藝參數和初始酸洗工藝參數，依據偏差設定酸洗控制指令，包括延伸率控制指令、酸液溫度控制指令、酸液濃度控制指令和酸泵流量控制指令。延伸率控制指令包括帶鋼張力和壓下量，酸液溫度控制指令包括循環系統石墨換熱器蒸汽閥開口度，酸液濃度控制指令包括排廢酸流速和進新酸流速，以酸液溫度控制為例，酸液溫度控制仿真模型訓練樣本數據見表2，利用人工神經網絡建立的酸液溫度控制仿真模型如圖3 所示。同理，利用酸洗工藝樣本數據對各個控制仿真模型分別進行訓練，選擇其中80%數據作為樣本數據，20%數據作為驗證數據，選擇Sigmoid 函數作為轉換函數，采用BP 算法對各個酸洗控制仿真人工神經網絡模型進行訓練并驗證。

表2 酸液溫度控制訓練樣本數據

圖3 酸液溫度控制仿真模型

3.3 酸洗工藝段仿真模塊

酸洗工藝段仿真模塊的主要功能是仿真酸洗工藝段各實體模塊的初始狀態和在接受控制指令后的狀態變化，酸洗工藝段仿真模塊包括帶鋼延伸率辨識仿真模塊、酸液溫度辨識仿真模塊、酸液濃度辨識仿真模塊和酸泵流速辨識仿真模塊。以酸液溫度辨識仿真模塊為例，其人工神經網絡辨識仿真模型如圖4 所示，輸入層接收蒸汽溫度、酸泵流速、酸液初始溫度和石墨換熱器蒸汽閥開口度，最后輸出下一刻酸液溫度。同樣，利用酸洗工藝樣本數據對各個辨識仿真模型分別進行訓練，最后將誤差控制在5%之內。

圖4 酸液溫度辨識仿真模型

4 系統實現

基于Microsoft Visual 2010，采用C#語言，開發Win-Form 程序實現冷軋機組酸洗工藝段仿真系統。其中，利用MySQL 數據庫存儲大量酸洗樣本數據，利用AForge.Net［5］來實現各種人工神經網絡仿真模型的建立、訓練與保存;最后實現了冷軋機組酸洗工藝段仿真系統的一個實例，畫面如圖5 所示，其中酸液溫度辨識仿真模塊訓練的界面如圖6 所示。

圖5 酸洗工藝段仿真系統主界面

圖6 酸液溫度辨識仿真模塊訓練界面

5 結論

目前，該冷軋機組酸洗工藝段仿真系統已在馬鋼合肥酸軋機組投入運行，指導現場酸洗工藝段的酸液工藝參數設定與控制，隨著現場數據的不斷豐富，仿真系統能夠從現場數據中學習到更多的多方面的經驗和知識，并且將經驗和知識以數字化的方式存儲起來，實現多方面經驗知識的融合，從而更好地指導現場生產和控制。今后，在學習了多方面的知識和經驗后，添加實時數據自動采集功能和酸洗工藝段樣本數據中異常數據自動剔除功能，可以構成酸洗工藝段智能系統，輔助現場操作工進行工藝參數設定、提高帶鋼酸洗質量和降低酸洗工藝段能源介質耗量，最后甚至實現酸洗工藝段無人運行。

［1］Simon Haykin.神經網絡原理［M］.北京:機械工業出版社，2004.

［2］宮赤坤，毛罕平.溫室夏季溫濕度遺傳模糊神經網絡控制［J］.農業工程學報，2000(4):106－109.

［3］王淑清，李朝輝.基于自適應模糊神經網絡的水輪機特性辨識研究［D］. 武漢大學學報(工學版)，2006(2):24－28.

［4］戚德虎，康繼昌.BP 神經網絡的設計［J］.計算機工程與設計，1998(2):48－50.