2008.7.21辊底式热处理炉钢板温度监测系统研究

《2008.7.21辊底式热处理炉钢板温度监测系统研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com第20卷第1期四川理工学院学报(自然科学版)Vo1．20No．1JOURNALOFSICHUANUNIVERSrrYOF2007年2月SCIENCE＆ENGINEERING(NATURALSCIENCEEDITION)Feb．2007文章编号：1673—1549(2007)01—0001—05辊底式热处理炉钢板温度监测系统研究何庆中，刘延龄2，刘朝涛(1．四川理工学院机电工程系，四川自贡643000；2．重庆大学机械工程学院，重庆400044；3．重庆大学自动化学院，重庆40O044)摘要：文章应用BP神经网络技术，探讨辊底式连续热处理加

2、热炉钢板温度监测系统方案的可行性，提出串行网络设计思想和方法，在对各炉膛温度与被加热钢板温度之间预先寻求权值函数的基础上，将各炉膛BP神经网络串联构成热处理加热炉的BP神经网络监测系统，进一步寻求整个热处理炉各炉膛温度与钢板最终温度之间的权值函数(数学模型)，作为热处理炉钢板温度检测系统的传递函数。该方案的特点是系统权值函数的逼近速度更加快捷，稳定性更好，系统硬件构成简单，加之引用加热温度的梯度预知限定条件，可防止权值函数掉入局部最优缺陷的学习失败。关键词：加热炉；温度检测；BP神经网络中图分类号：TF325．65文献标识码：A1热处理加热炉钢板温度检测现状某厂热处理加热炉已使用近20

3、年，虽经多次改进，也在钢板热处理加热工艺方面探索和总结出许多成功有效的方法，但对钢板加热过程中的温度监测，目前还未完全满足各型钢板的热处理工艺要求。目前基本上采用炉温来间接的控制调节钢板温度，加之钢板表面存在氧化层，将影响出炉口的红外线温度传感器的检测精度，故其检测温度误差较大，使钢板热处理质量极为不稳定，有待进一步改进完善，以满足各型钢板的热处理工艺要求。由此提出针对加热过程中钢板温度监控系统的研究改造课题。2现有热处理加热炉的技术状态该加热炉为辊底卧式燃气加热炉，以天然气为燃料。炉内有效面积28442×2552(长×宽)；分四段加热保温，加热保温最高温度可达930~C。加热1、加热

4、2和保温2内均有炉顶温度传感器和炉侧温度传感器各1只，保温1内则有炉顶温度传感器和炉侧温度传感器各2只，炉左侧出口处有1红外线温度传感器检测钢板温度；辊轴组传送和摆动钢板，可使钢板在加热保温过程中温度具有更好的均匀性。加热工艺过程见表1、加热工艺流程见图1。表1加热工艺过程徽黼加热1顶置悔螺1勇匿传感器图1加热工艺流程收稿日期：2006．10．30基金项目：重庆市科学技术委员会重点攻关项目项目(2001-6698#)作者简介：何庆中(1962．)，男，四川自贡人，教授，硕士，主要研究方向为机电设备现代设计与制造方法。维普资讯http://www.cqvip.com2四川理工学院学报(自

5、然科学版)2007年2月从现有热处理加热炉的技术状态看，直接检测被加热钢板温度困难，要实现钢板温度监测的关键技术在于如何建立炉膛温度与钢板温度的数模关系。3钢板温度监测系统的方案确定热处理加热炉中钢板温度的监测问题，属典型的“黑箱问题”，采用计算机智能控制理论，建立BP神经网络模型，经自组织、自学习建立监测系统的数模函数关系的方法，在加热炉监测与控制上，已有许多成功的应用。故本钢板温度监测系统的方案确定也采用计算机智能控制理论与神经网络控制技术。3．1钢板温度监测方案的BP神经网络构成该加热炉钢板温度监测方案确定的BP神经网络是在各炉膛BP神经网络的基础上，由前一炉膛BP神经网络的计算

6、获得的钢板输出温度，作为下一炉膛BP神经网络钢板的输入温度，串联形成监测系统的BP神经网络。钢板加热过程监测方案的BP神经网络构成如图2。3．2各炉膛钢板温度监测BP神经网络构成的假设条件加热时『日]1()假设各炉膛中加热气体燃烧时炉膛温度升高相互之间没有影响，不影个+．，n．响各炉膛加热BP神经网络经自学习所构成的权值函数矩阵，所产生的钢儿～席板温度计算误差，由钢板输入输出温度参数的采集以各炉膛气体燃烧相互炉温檄·作用的实际条件下获得补偿，故网络权值函数矩阵的确定与炉膛气体燃烧的实际情况相近。加热时间2锄缇3．3钢板温度监测BP神经网络信息的特性函数确定一．每当信息向网络输入时，信息

7、从输入层传至隐含层，再传人输出层输～：出，每经过一层都要由相应的特性函数进行变换，该特性函数(激励函数)加炉i蛊梯’必须是可微的。该方案在信息从输入层传至隐含层时特性函数定义为s型函数；信息由隐含层传至输出层时特性函数定义为线性函数(1ineo保温时『日]1’铜彀温度3s型函数：s(x)=l，(1+已)(1)t33O3⋯一加拱温度s型函数的可微特性：—dS(—x)：f一f11(2)．．檄⋯一3．4BP神经网络的BP算法规则保温时间2锄嘘学习的目