D0I:10.13374/1.issnl00103.2009.10.002 第31卷第10期 北京科技大学学报 Vol.31 No.10 2009年10月 Journal of University of Science and Technology Beijing 0t.2009 板坯连铸二次冷却智能控制模型 高凤翔)王长松)徐科)吴秀永) 1)北京科技大学机械工程学院，北京1000832)北京科技大学高效轧制国家工程研究中心，北京100083 摘要以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标，建立了板坯连铸二次冷却智能控制模型·该模型采 用支持向量机(SVM)实现板坯表面目标温度的动态设定，采用对角递归神经网络(DRNN)实现板坯表面温度的预测，采用T一 $模糊递归神经网络实现二次冷却水动态调整与分配·通过对某钢厂板坯连铸过程进行仿真计算和现场试验，结果表明：该 模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合，实现了连铸二次冷却动态优化控制，有利于提高板 坯的质量， 关键词二次冷却：智能控制：支持向量机：对角递归神经网络；模糊递归神经网络 分类号TF777.1:TP273 Intelligent control model of secondary cooling in continuous slab casting GAO Feng-xiang),WANG Chang song),XU Ke),WU Xiu-yong) 1)School of Mechanical Engineering University of Science and Technology Beijing.Beijing 100083,China 2)National Engineering Research Center for Advanced Rolling Technology.University of Science and Technology Beijing.Beijing 100083.China ABSTRACT An intelligent control model of secondary cooling in continuous slab casting was presented to reduce the difference be- tween actual temperature and target temperature at the surface of slabs during secondary cooling.The model dynamically sets the tar- get temperature at the surface of slabs with support vector machine,forecasts the surface temperature of slabs with diagonal recurrent neural network,and dynamically controls and distributes the water flow of secondary cooling with T-S fuzzy recurrent neural net- work.Simulation calculation and field test were performed on the process of continuous slab casting in a steel plant.It is shown that the model integrates the problem of controlling the water flow of secondary cooling with the temperature state of slabs during the cool- ing process.can achieve the dynamic optimum control of secondary cooling and improve the quality of slabs. KEY WORDS secondary cooling:intelligent control:support vector machine:diagonal recurrent neural network:fuzzy recurrent neural network 连铸二次冷却是影响俦坯质量和产量的关键环 动态控制，通常采用两种控制方法，即基于实测板坯 节山.实践证明，铸坯各种缺陷的形成通常与不合 表面温度的动态控制和基于传热模型的动态控 理的温度分布和凝固状况有关，二次冷却水的冷却 制].实测板坯表面温度的控制方法由于二冷区水 强度偏高或偏低都会造成铸坯缺陷，如内部裂纹、表 蒸气量大，板坯表面有氧化铁皮和水膜，影响了温度 面裂纹、鼓肚、菱变和中心偏析等)，因此，合理分 测量的准确性，实际应用受到了限制：使用传热模型 配和控制连铸二冷区水量有重要意义， 的控制方法由于计算量大，实时性不好，计算的板坯 板坯连铸二冷区通常由多个喷水段组成，为了 表面温度和实际温度误差较大，因此，建立可靠的 使板坯表面温度的演变符合冶金工艺要求，二冷区 二冷配水模型、采用先进的控制策略是提高连铸板 各段的水量分配各不相同，而且生产过程往往存在 坯质量的关键。智能控制作为一种处理被控系统复 许多高度非线性、复杂性和不确定性的影响，造成了 杂行为的方法，在二次冷却水控制的研究中得到了 二次冷却水动态控制的困难.为了实现二次冷却水 迅速发展[].本文结合板坯连铸生产过程的特 收稿日期：2008-12-29 基金项目：“十一五”国家科技支撑计划资助项目(No.2006BAE03A06):国家自然科学基金资助项目(N。,60705017) 作者简介：高风翔(1974一)，男，博士研究生；王长松(1948一)，男，教授，博士生导师，E-mail:cswang@me.usth:cd:cm板坯连铸二次冷却智能控制模型 高凤翔1） 王长松1） 徐 科2） 吴秀永2） 1） 北京科技大学机械工程学院‚北京100083 2） 北京科技大学高效轧制国家工程研究中心‚北京100083 摘 要 以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标‚建立了板坯连铸二次冷却智能控制模型．该模型采 用支持向量机（SV M）实现板坯表面目标温度的动态设定‚采用对角递归神经网络（DRNN）实现板坯表面温度的预测‚采用 T－ S 模糊递归神经网络实现二次冷却水动态调整与分配．通过对某钢厂板坯连铸过程进行仿真计算和现场试验‚结果表明：该 模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合‚实现了连铸二次冷却动态优化控制‚有利于提高板 坯的质量． 关键词 二次冷却；智能控制；支持向量机；对角递归神经网络；模糊递归神经网络 分类号 TF777∙1；TP273 Intelligent control model of secondary cooling in continuous slab casting GA O Feng-xiang 1）‚W A NG Chang-song 1）‚XU Ke 2）‚W U Xiu-yong 2） 1） School of Mechanical Engineering‚University of Science and Technology Beijing‚Beijing100083‚China 2） National Engineering Research Center for Advanced Rolling Technology‚University of Science and Technology Beijing‚Beijing100083‚China ABSTRACT An intelligent control model of secondary cooling in continuous slab casting was presented to reduce the difference be￾tween actual temperature and target temperature at the surface of slabs during secondary cooling．T he model dynamically sets the tar￾get temperature at the surface of slabs with support vector machine‚forecasts the surface temperature of slabs with diagonal recurrent neural network‚and dynamically controls and distributes the water flow of secondary cooling with T-S fuzzy recurrent neural net￾work．Simulation calculation and field test were performed on the process of continuous slab casting in a steel plant．It is shown that the model integrates the problem of controlling the water flow of secondary cooling with the temperature state of slabs during the cool￾ing process‚can achieve the dynamic optimum control of secondary cooling and improve the quality of slabs． KEY WORDS secondary cooling；intelligent control；support vector machine；diagonal recurrent neural network；fuzzy recurrent neural network 收稿日期：20081229 基金项目：“十一五”国家科技支撑计划资助项目（No．2006BAE03A06）；国家自然科学基金资助项目（No．60705017） 作者简介：高凤翔（1974－）‚男‚博士研究生；王长松（1948－）‚男‚教授‚博士生导师‚E-mail：cswang＠me．ustb．edu．cn 连铸二次冷却是影响铸坯质量和产量的关键环 节［1］．实践证明‚铸坯各种缺陷的形成通常与不合 理的温度分布和凝固状况有关‚二次冷却水的冷却 强度偏高或偏低都会造成铸坯缺陷‚如内部裂纹、表 面裂纹、鼓肚、菱变和中心偏析等［2］．因此‚合理分 配和控制连铸二冷区水量有重要意义． 板坯连铸二冷区通常由多个喷水段组成．为了 使板坯表面温度的演变符合冶金工艺要求‚二冷区 各段的水量分配各不相同‚而且生产过程往往存在 许多高度非线性、复杂性和不确定性的影响‚造成了 二次冷却水动态控制的困难．为了实现二次冷却水 动态控制‚通常采用两种控制方法‚即基于实测板坯 表面温度的动态控制和基于传热模型的动态控 制［3］．实测板坯表面温度的控制方法由于二冷区水 蒸气量大‚板坯表面有氧化铁皮和水膜‚影响了温度 测量的准确性‚实际应用受到了限制；使用传热模型 的控制方法由于计算量大‚实时性不好‚计算的板坯 表面温度和实际温度误差较大．因此‚建立可靠的 二冷配水模型、采用先进的控制策略是提高连铸板 坯质量的关键．智能控制作为一种处理被控系统复 杂行为的方法‚在二次冷却水控制的研究中得到了 迅速发展［4－6］．本文结合板坯连铸生产过程的特 第31卷 第10期 2009年 10月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol．31No．10 Oct．2009 DOI:10．13374／j．issn1001－053x．2009．10．002