1  引言
　　轧钢加热炉是冶金企业轧钢生产的主要设备之一。其控制结果的好坏www.cechina.cn，直接影响到产品的质量。由于炉内被控温度分布不均和某些炉内热工参数难以测量，加上加热炉热容量大www.cechina.cn，干扰因素多，不易用一般自动控制方式来控制被加热对象的理想温度。特别是炉温控制对杜绝粘钢现象提高加热炉的寿命、降低钢坯烧损提高成材率，节能降耗减少环境污染有重要意义。国内外

CONTROL ENGINEERING China版权所有

，在七十年代以前控制工程网版权所有，关于加热炉自动控制的研究工作主要集中在燃烧控制上。如加热炉各主要过程变量的定值控制，炉温与燃料流量的串级控制www.cechina.cn，燃料与助燃空气的比值控制以及烟道废气的含氧量控制等，也就是处在控制过程基础自动化控制层次上。七十年代后，燃烧控制已经基本成熟，控制研究的重点转移到以追求某种性能指标的优化控制方面，炉内加热过程的数学模型被广泛的应用在计算机控制上。
　　2  加热炉温控系统分析
　　轧钢加热炉燃烧控制系统采用计算机控制系统。监控系统基于先进的最佳加热温度控制曲线数据库，采集并计算炉内坯料的实际温度控制工程网版权所有，进行最佳燃烧控制。燃烧控制采用软件控制代替传统的仪表控制系统，实现温度自动控制、煤气/空气的交叉限幅控制。
　　2.1 燃烧控制系统功能及其结构
　　燃烧控制系统监控计算机系统

CONTROL ENGINEERING China版权所有

，主要完成加热炉最佳燃烧设定控制；由西门子公司的可编程控制器s7-300和操作员工作站mmi及其相应检测执行元件来完成其功能的。系统采用远程输入/输出组件et-200，通过l2-dp数据通信网络来完成数据采集和设备驱动。通过操作员工作站的20几幅画面可对炉内燃烧状况进行监视并进行相应操作。通常c-plc接受来自监控计算机的温度设定值进行温控，亦可直接在mmi上人工设定温度进行控制。助燃风机控制采用西门子simovert-master交直交变频传动控制装置。燃烧控制系统共控制8个燃烧段，每段控制结构基本相同，其结构框图如图1所示。

　　图1  燃烧控制系统结构图

　　2.2 燃烧监控系统分析
　　加热炉燃烧系统工艺目的是使物料具有所要求的金属特性和热特性，且能量消耗、氧化和脱碳都控制在最小。系统针对坯料的钢种、进炉温度、产品尺寸及生产节奏确定最佳加热温度曲线，且在加热的动态过程中根据实际情况周期性修正设定值，以使实际的加热温度曲线和设定最大程度的吻合。
　　最佳加热温度曲线实际上是由静态的温度加热曲线和在实际控制中动态的修正以完成最佳加热温度控制的过程。在确定最佳加热温度曲线时，其控制要求呈多样性，诸如最大的产量、最小的燃料消耗、耐火材料和换热器的寿命、合适的出炉温度以及最小的脱碳和氧化铁皮损耗等等。显然，各种要求是有着互相制约的关系的，系统只能根据某种原则来进行最佳控制。加热炉燃烧系统采用了在确定的出炉温度前提下，对各控制段温度设定将使燃料消耗最少的原则。根据长期的经验以及实验用加热炉所获得的各种参数及数据，对应于不同的钢种、入炉温度、坯料形状和尺寸范围控制工程网版权所有，并考虑到不同的生产节奏www.cechina.cn，计算出相应的最佳加热温度曲线，建立以上述各类变量为函数关系的数据库。
　　3  加热炉控制理论设计
　　3.1 基于bp神经网络的数学模型
　　(1) 确定输入层神经元数目。神经网络模型的输入层是起缓冲存储器的作用，把数据源加到网络模型上其节点数目取决于数据源的维数，即这些节点能够代表每个数据源。在轧钢加热炉生产的过程中，影响加热炉况的因素有很多，如：原燃料的物理性能和化学成分、气候条件、设备状况、加热炉运行状况等，这些因素的变化必然导致炉况的波动。因此，在诸多的加热炉操作参数中，选取9个与燃气量有密切相关的参数作为输入变量www.cechina.cn，分别为：空气量、炉膛温度、坯料在炉内位置及时间、坯料形状、炉墙和炉顶结构、耐火材料特性、烧嘴特性、燃料特性、坯料钢种。因此，输入层神经元数目为9。
　　(2) 确定隐含层神经元数目。网络的隐含层定为一层。隐含层神经元个数表达了网络输入与输出之间的非线性程度，对神经网络模型的训练速度和预报能力有着重要的影响，隐含层神经元个数少，不能满足精度要求，隐含层神经元个数多则影响训练速度。但是隐含层神经元的个数的选择没有一个统一的方法，只能依靠经验公式

　　(式1)计算得到。本模型文中隐含层神经元个数n取11。
　　(1)
　　式中:  n－隐含层神经元个数；
　　n－输入层个数；
　　m－输出层个数；
　　m－取1～8之间的整数。
　　(3) 确定输出层神经元数目
　　输出层神经元数目取决于神经网络模型的输出变量。本模型的输出变量为高炉故障，分别为：坯料内部温度、燃料的化学当量和废气平衡、氧化和脱碳、加热炉和坯料的热交换等。因此，输出层神经元数目为5。
　　3.3 bp神经网络模型的学习机理
　　对加热炉炉况进行分析的神经网络模型在前面已经阐述，我对武钢一号轧钢加热炉进行具体操作，得出数据。为节省