[01309693]基于目标控制的二冷水数学模型及其在控制中的应用

连铸生产过程中，钢水经过结晶器时，由结晶器初步冷却，即一次冷却，在结晶器出口处形成一层一定厚度的硬壳，用以支持其内部的钢水。

带有硬壳的钢水被拉出结晶器后进入二次冷却区，二冷区内冷水喷淋钢坯表面，带走钢坯内部热量，使铸坯温度按冶金准则均匀下降，最终完全凝固。

连铸坯的质量在很大程度上取决于对二冷水的控制精度。目前实现二冷水动态控制的方法有二大类，一是基于实测铸坯表面温度的动态控制，二是基于模型的动态控制。

由于水蒸汽及氧化铁皮等因素的影响，铸坯在冷却过程中的表面温度难以准确检测，使基于实测铸坯表面温度的动态控制方法，在应用上受到了很大的限制。因此，连铸二冷水多数采用模型控制方式，该方法利用预测模型，考虑钢种、断面尺寸、拉速等因素，每隔一段时间计算铸坯的表面温度，并与预先设定的目标表面温度相比较得到差值，用差值结果调整各段冷却水量，使铸坯的表面温度与目标表面温度相一致。

预测模型的准确性对整个二冷水控制系统至关重要，其预测值直接影响控制精度和板坯的质量。

目前，温度预测模型大多采用铸坯凝固传热模型，通过建立凝固传热偏微分方程及相应的边界条件，用差分方法计算给定冷却条件和拉速下的铸坯温度场，由此得到铸坯表面温度。

基于传热模型的表面温度动态控制法考虑因素较多，对生产过程的变化适应性较强。但该方法计算量大、实时性不高、实现复杂且投资较大，因此在实际应用中也受到一定的限制。

自适应模糊神经推理系统(ANFIS)将模糊推理和神经网络的学习能力有机地结合起来，充分发挥各自的优势，可以实现模糊规则的自学习，进行模糊规则的结构识别和参数识别，同时，它更容易结合现有的各种有效的优化算法实现对系统的优化。

采用ANFIS建立系统模型，并将其应用于二冷水控制中，大大改善了连铸二冷水控制系统的控制精度，提高了铸坯的质量。

目前，该项成果已在天津市天铁轧二制钢有限公司等单位应用，取得良好使用效果。