01
项目背景与意义
随着冶金行业智能化的不断发展，轧钢工序的智能化发展需求迫切。加热作为轧钢的重要工序，智能化势在必行，加热炉控制系统又是轧钢产线自动化控制较为薄弱的环节，其困难和问题主要体现在以下几个方面：
（1）加热炉生产受上游连铸、板坯库库存、下游轧制节奏、生产计划等众多因素的影响，装炉基本依靠人工进行调度、核对、定位直至最终入炉。出炉基本采用周期或手动出钢的方式，很难做到依据轧制的节奏，结合即将出炉板坯的温度，自动出钢。
（2）影响加热炉板坯加热质量的因素很多，且各因素互相耦合，是个多变量、非线性很强的系统，控制难度大。而炉内高温、粉尘的气氛环境，没有有效的检测手段来实时测量板坯的温度，使其成为名副其实的“黑箱”。
（3）加热炉生产调度、精准控制存在一系列难题，如板坯的加热过程缺乏计划性和连续性、加热质量难以保障、随机性强等；此外在轧机换辊或故障时，也不能有效地进行炉温智能控制，无法保证恢复轧制时板坯出钢温度达到要求的同时加热能耗达到最优。
（4）对加热炉能效及加热质量缺乏整体的评估，相关性参数也较为单一，仅仅依靠开轧或轧后温度作为评估的依据，时效性较差且难以满足目前工况及炉况复杂、生产多规格、高品质的需求。
02
技术解决方案
面对产线智能化的发展要求，针对加热炉的现状，以解决控制系统的痛点问题、实现“会思考”的加热炉为目标，探索加热炉智能化过程控制技术的突破。
1、物料全自动跟踪系统
加热区域物料的全自动跟踪系统是实现智能化的前提。上料环节采用坯号智能识别装置，结合板坯规格测量等设备，并与智能库管系统进行对接，实现板坯的自动核对、定位、装炉等操作。系统综合上游连铸、库区备料状况以及产线的生产节奏，总体协调实现加热炉步进和装、出炉的全自动控制。
▲图1 物料全自动跟踪流程图
2、高精度板坯温度预报模型
高精度的板坯温度预报模型是目前实时监测炉内板坯温度场的有效方法，也是实现炉温智能控制的基础。传统的温度预测模型通常选取宽度截面作为计算域，采用宽度和厚度方向的二维差分来计算板坯的温度场，这种方法无法体现板坯下表面接触水梁的温度变化。为了考虑水冷梁的热传导和遮蔽作用，根据加热炉水梁错位和布料图，选取错位前后的重叠区域作为计算域。充分考虑板坯内部沿长度方向的传热和水梁黑印影响，精度更高，并可优化在炉时间，降低能耗。
▲图2 考虑板坯冷却过程水梁黑印的温度场分布&曲线示意图
3、炉温智能优化设定模型
实现炉温的智能优化设定是加热炉系统智能化的核心，也是体现加热炉过程控制技术的先进性所在。炉温的全自动设定须建立在物料全自动跟踪及板坯温度精准预报的基础之上，由工况感知模块判断当前加热炉工况类型，基于智能燃烧专家系统策略库，检索匹配的策略代号，结合轧线反馈的温度、待轧、节奏调整等信息，通过智能推理，对各燃烧段内不同板坯的加热权重进行优化设定，从而实现炉温的动态设定和燃烧的智能控制。
4、加热质量及加热炉能效评估智能决策体系
建立加热质量及加热炉能效评估体系，对于实现会“思考”的加热炉至关重要。该体系综合运用各类大数据分析工具，对板坯温度、位置、工况、设备等时空大数据进行分析，以得到加热质量与升温曲线、设备以及工况的关系。建立加热炉炉膛及系统的能质平衡模型，根据加热炉热平衡测试数据分析加热炉能耗与生产率、钢种、规格、燃料状况及其他炉况等参数的关联关系, 建立客观评价加热炉能耗水平及节能改造效果的加热炉能效评价体系。
▲图3 板坯断面温差分析示例 &加热炉热效率与热值关系图
03
主要创新性进展
1、板坯坯号智能识别技术
坯号智能识别系统由坯号检测传感器、高清相机、智能识别算法和专家筛选核对模型组成，是智能产线不可或缺的一部分。图像文字识别（OCR）技术应用广泛，但是工业场景的喷印、钢印、点阵、手写等字符属于特定的应用场景。工业字符的空间分布结构、上下文语义规则具有特定规律，常规OCR识别技术忽略了空间分布和上下文语义的有价值信息。采用自主知识产权的BKVision视觉算法库，针对工业生产中的喷印、钢印字符识别进行了专门的算法开发与在线优化，具有业内领先的识别准确率。
2、考虑氧化铁皮的板坯温度预报技术
板坯的加热是一个非常复杂的物理化学过程，不仅受到燃烧、氧化、辐射、热流的影响，炉体尺寸及底部水冷辊道也会在很大程度上影响板坯的加热效果。在建立在线模型之前，尽可能多地考虑炉内可能影响温度计算的因素，建立了复杂精细的三维模型，对其进行分析优化来确定最终的在线应用方案。
板坯的氧化层是由于在高温氧化环境下，铁离子向外扩散，氧由表面向铁的内部扩散所形成的。由于氧化层的热传导性比较差，影响板坯的加热效果，因此，对板坯温度场的研究也要考虑氧化层的生成和增长。离线三维温度场模型对板坯的整个加热过程进行仿真计算并定量分析了氧化烧损对板坯传热的影响，在此基础上，建立了在线的简化二维模型，实现温度预报模型的精准性和快速性。
3、复杂炉况工况的动态感知技术
加热工艺策略的制定与当前的炉况、工况有密切的关系，通过对复杂炉况、工况的动态感知，对关键的工艺参数进行动态补偿，提高了系统的鲁棒性。系统根据生产计划、钢种、坯料尺寸、即时产量、各段炉温、供给燃烧量等实际信息，结合在线检测的板坯RDT温度、各段炉膛温度、轧制节奏、待轧时间（非计划）、热值、空燃比变化等信息，运用智能化专家推理的方法来产生控制策略，解决加热炉过程控制优化问题，大大提高加热炉控制过程对各种工况和炉况的适应能力，减少人工干预，提高板坯加热质量和智能化控制水平。
04
应用案例及效果
北京科技大学工程技术研究院（简称“北科工研”）致力于加热炉领域的研究已有十余年的历史，业绩涵盖多种炉型，如中厚板热处理炉、CSP隧道炉、板带材板坯加热炉及棒线材方坯加热炉等，完成了20多套系统的部署及应用。近几年典型应用案例及效果如下：
（1）柳钢2032mm加热炉L2级系统升级改造：包含3座加热炉系统的智能化升级改造，系统基于大数据的知识决策库定制研发了专用的热工数学模型、智能燃烧专家控制模型、加热工艺策略模型和历史数据统计分析工具等一系列模型工具，并融合现场生产和专家经验数据，不断优化模型参数群，成功实现了全工况、全品规智能化自动烧钢，加热质量大幅提高，由于加热导致的产品质量异议大幅下降，自动烧钢运行率达97%以上，出炉温度命中率大幅提升，吨钢能耗降低6.25%，取得了显著的经济效益。
（2）包钢CSP隧道炉L2级系统升级改造：此次改造与铸机和轧线改造同期进行，是继涟钢CSP加热炉、邯钢CSP加热炉、马钢CSP加热炉改造之后，又一次新的突破。改造项目先后克服了原加热炉二级服务器（ALPHA）设备陈旧、同轴电缆通信落后、与西门子S5通信古老、与原CPC系统通信、新网段影子模式并行等技术难题，板坯模型预报温度与实测温度的偏差小于10℃，同板差及交叉轧制炉间差均小于20℃，实现了基于炉间差和出炉目标控制的自动炉温设定。
（3）日照1580加热炉物料全自动跟踪系统：该项目包括板坯热喷号设备、板坯称重装置及坯号智能识别系统。功能主要包含铸线出口喷号、上料辊道智能识别、炉前称重/测温/核对、炉前自动定位、自动测长装钢、炉内板坯位置精准跟踪及自动出钢，坯号智能识别率达97.03%，物料跟踪信息准确率大于99.6%，成品与原料准确匹配率100%，解决了炉前定位、装钢、出钢等动作均由人工操作而造成生产效率低、劳动强度大且容易产生混钢等难题，实现了从连铸到出炉的物料全自动跟踪和控制，摆脱了多年影响生产节奏的“瓶颈”。
加热炉过程控制的智能化，实现了以减员、节能降耗、提高加热精准度为目标的加热炉区域全自动控制，也为产线实现集中、协同管控创造了有利条件。
- END -
