CN113203297A - 一种基于炉内工件表面温度的智能燃烧优化控制*** - Google Patents
一种基于炉内工件表面温度的智能燃烧优化控制*** Download PDFInfo
- Publication number
- CN113203297A CN113203297A CN202110502204.5A CN202110502204A CN113203297A CN 113203297 A CN113203297 A CN 113203297A CN 202110502204 A CN202110502204 A CN 202110502204A CN 113203297 A CN113203297 A CN 113203297A
- Authority
- CN
- China
- Prior art keywords
- furnace
- concentration
- temperature
- module
- air
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D21/00—Arrangements of monitoring devices; Arrangements of safety devices
- F27D21/0014—Devices for monitoring temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D99/00—Subject matter not provided for in other groups of this subclass
- F27D99/0001—Heating elements or systems
- F27D99/0033—Heating elements or systems using burners
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
- F27D2019/0028—Regulation
- F27D2019/0034—Regulation through control of a heating quantity such as fuel, oxidant or intensity of current
- F27D2019/004—Fuel quantity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D19/00—Arrangements of controlling devices
- F27D2019/0028—Regulation
- F27D2019/0034—Regulation through control of a heating quantity such as fuel, oxidant or intensity of current
- F27D2019/004—Fuel quantity
- F27D2019/0043—Amount of air or O2 to the burner
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开了一种基于炉内工件表面温度的智能燃烧优化控制***,燃烧优化控制***包括炉内工件实时温度和炉膛气体成分浓度测量模块、炉温模糊专家计算模型与空燃比自寻优模块和空气流量与燃气流量及阀门控制模块,炉内工件实时温度测量模块采用检测炉内工件实时温度的红外测温技术。本发明的一种基于炉内工件表面温度的智能燃烧优化控制***,通过在线检测获取工件表面温度分布,结合模糊控制或神经网络智能控制技术,建立在线控制模型,实现对加热炉炉温分布的优化控制,能够全方位及时了解炉膛内的燃烧情况、实时准确掌握炉管任一点的表面温度分布。
Description
技术领域
本发明涉及燃烧***及方法领域,特别涉及一种基于炉内工件表面温度的智能燃烧优化控制***。
背景技术
现有的加热炉均是利用热电偶获取炉壁温度,通过热传导模型来计算炉膛温度进而来推演出钢坯温度,热电偶获取的温度与工艺设定的炉膛温度进行比对,获得差值后运用到炉温控制模型,模型给出阀门开度控制信号反应到一级***实现煤气量和空气量的调节,目前冶金和石化行业加热炉中,几乎全部采用热电偶测量炉膛温度,根据热交换机理推知工件(钢坯、炉管等)温度,建立燃烧控制模型,进而实现对炉膛的燃烧控制,但由于对工件温度的测量是间接的,且热电偶测温具有滞后性,测量区域也不够大,所以还是难以真正有效地实现燃烧优化控制,加热炉炉膛环境变化多端,温度不均匀,热电偶只能代表炉壁附近温度,利用模型无法准确模拟出炉膛温度,更何况是被加热工件本身的温度。
同时,以往加热炉均采用“过氧燃烧”工艺,即适当加大空燃比中的空气比例,有利于燃料的完全燃烧。然而,过多的空气也会产生以下不利影响:一是过多的空气会使炉温降低,影响燃烧效率;二是过多的氧气会与加剧炉内工件表面发生氧化反应,氧化烧损、脱碳、渗碳增加;三是高温下过多的O2与N2结合生成NOx排放,污染空气当前控制结构中没有炉膛的气体成分信息,无法获取燃料燃烧状态,不利于空燃比的优化控制。
为此,我们提出一种基于炉内工件表面温度的智能燃烧优化控制***,能够实测炉内工件温度数据和实时CO、O2浓度数据与模糊专家控制模型有效融合集成,形成一种钢坯温度智能优化控制策略。
发明内容
本发明的主要目的在于提供一种基于炉内工件表面温度的智能燃烧优化控制***,可以有效解决背景技术中的利用模型无法准确模拟出炉膛温度以及被加热工件本身的温度,不能对炉膛的空燃比进行优化控制问题。
为实现上述目的,本发明采取的技术方案为:
一种基于炉内工件表面温度的智能燃烧优化控制***,包括、比较器、炉温计算模型、空燃比自寻优模块,其特征在于:智能燃烧优化控制***还包括工件实时温度监测模块和炉膛气体成分浓度测量模块,所述工件实时温度监测模块通过红外测温计算监测工件实时温度,所述炉膛气体成分浓度测量模块用于实时监测加热炉的CO/O2浓度。
进一步的,所述比较器用于比较工件实时温度和设定的温度,所述炉温计算模型为炉温模糊专家计算模型,炉膛气体成分浓度测量模块将实时监测的CO/O2浓度反馈给空燃比自寻优模块,所述空燃比自寻优模块用于控制加热炉燃烧。
进一步的,所述炉内工件实时温度测量模块连接有比较器,与比较器另一端连接的工件加热工艺设定的温度进行对比,所述比较器还连接有炉温模糊专家计算模型,所述炉温模糊专家计算模型和空燃比自寻优模型相连,所述空燃比自寻优模块包括空气流量模糊控制、空气流量跟踪模块、空气调节阀,以及煤气流量模糊控制、煤气流量跟踪模块、煤气调节阀;所述空气流量模糊控制与空气流量跟踪模块连接,所述空气流量跟踪模块与空气调节阀连接,所述煤气流量模糊控制与煤气流量跟踪模块连接,煤气流量跟踪模块与煤气调节阀;所述煤气调节阀和空气调节阀与加热炉连接。
一种基于炉内工件表面温度的智能燃烧优化控制***,燃烧优化控制***包括炉内工件实时温度和炉膛气体成分浓度测量模块、炉温模糊专家计算模型与空燃比自寻优模块和空气流量与燃气流量及阀门控制模块,所述炉内工件实时温度测量模块采用检测炉内工件实时温度的红外测温技术,所述炉膛气体成分浓度测量模块采用能够实时检测炉内CO/O2浓度的激光吸收光谱技术,所述空气流量与燃气流量及阀门控制模块包括空气流量模糊控制模块、煤气流量模糊控制模块、空气流量跟踪模块、煤气流量跟踪模块、空气调节阀和煤气调节阀。
进一步的,所述炉内工件实时温度测量模块连接有比较器,与比较器另一端连接的工件加热工艺设定的温度进行对比,所述比较器还连接有炉温模糊专家计算模型,所述炉温模糊专家计算模型和空燃比自寻优模型相连,所述空燃比自寻优模型分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,所述炉膛气体成分浓度测量模块分别连接有空气流量模糊控制模块和煤气流量模糊控制,所述空气流量模糊控制模块连接有空气流量跟踪模块,所述空气流量跟踪模块连接有空气调节阀,所述煤气流量模糊控制模块连接有煤气流量跟踪模块,所述煤气流量跟踪模块连接有煤气调节阀,所述空气调节阀以及煤气调节阀和加热炉管路相连。
进一步的,包括以下步骤:
1)红外测温技术检测工件实时温度;
2)炉内被加热工件温度与工艺设定值进行比较获取差值,采用模糊专家计算模型计算出所需的能量值,对烧嘴流量进行确定;
3)空气流量和燃气流量比例模块则根据激光吸光谱实测的CO/O2浓度值计算出燃气流量和空气流量变化量;
4)获得这两个流量参量值之后,得到燃气/空气电动调节阀的开度信号,分别施加到燃气、空气电动调节阀上,完成炉温、燃气/空气流量以及炉内被加热工件温度的闭环控制。
进一步的,所述加热炉内部设有压力传感器,所述压力传感器对实际炉膛负压进行实时检测,所述压力传感器和引风机连接。
进一步的,所述压力传感器对实际炉膛负压进行实时检测,并相应调节引风机频率信号,以使实际炉膛负压稳定在预设值附近,从而在压力恒定的情况下,进行燃烧参数的优化配置,排除压力波动对燃烧控制参数的耦合影响。
进一步的,所述加热炉尾气顶部安装有CO浓度在线监测器,所述CO浓度在线检测器连接有CO浓度预测PID控制器,并且所述CO浓度在线检测器与CO浓度预测PID控制器构成闭环,所述CO浓度预测PID控制器控制条件为预设CO浓度、实时O2浓度和风门挡板信号,所述CO浓度预测PID控制器和风门挡板相连。
进一步的,CO浓度在线检测器对尾气中CO浓度进行实时检测,并与CO浓度预测PID控制器构成闭环,CO浓度预测PID控制器根据预设CO浓度、实际O2浓度和风门挡板信号对风门挡板进行调节,以使实际CO浓度与预设值一致,实现CO浓度的精准调节控制。
与现有技术相比,本发明具有如下有益效果:
1、通过在线检测获取工件表面温度分布,结合模糊控制或神经网络智能控制技术,建立在线控制模型,实现对加热炉炉温分布的优化控制,能够全方位及时了解炉膛内的燃烧情况、实时准确掌握炉管任一点的表面温度分布,及时发现问题和有计划的停炉检修,对保证加热炉稳定运行、降低能耗、避免炉管爆裂引起的火灾和***等安全事故奠定了坚实的基础,可广泛应用于冶金、石油化工等行业各类工业炉窑,对优化工业炉窑工艺控制、降低氧化烧损、保障炉管温度安全,提高产品质量,节能降耗、安全生产等有着重要意义;
2、避免加热炉内部过多的空气使炉温降低,影响燃烧效率,同时避免过多的氧气会与加剧炉内工件表面发生氧化反应,氧化烧损、脱碳、渗碳增加,避免高温下过多的O2与N2结合生成NOx排放,污染空气。
附图说明
为了更清楚地说明本发明的技术方案,下面将对本发明技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于炉内工件表面温度的智能燃烧优化控制***的加热炉智能优化控制***结构图;
图2为本发明一种基于炉内工件表面温度的智能燃烧优化控制***的加热炉中CO、O2和NOx含量变化关系图;
图3为本发明一种基于炉内工件表面温度的智能燃烧优化控制***的优化燃烧控制***逻辑图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明,其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制,为了更好地说明本发明的具体实施方式,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸,对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的,基于本发明中的具体实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式,都属于本发明保护的范围。
实施例1
如图1所示,一种基于炉内工件表面温度的智能燃烧优化控制***,燃烧优化控制***包括炉内工件实时温度和炉膛气体成分浓度测量模块、炉温模糊专家计算模型与空燃比自寻优模块和空气流量与燃气流量及阀门控制模块,炉内工件实时温度测量模块采用检测炉内工件实时温度的红外测温技术,炉膛气体成分浓度测量模块采用能够实时检测炉内CO/O2浓度的激光吸收光谱技术,空气流量与燃气流量及阀门控制模块包括空气流量模糊控制模块、煤气流量模糊控制模块、空气流量跟踪模块、煤气流量跟踪模块、空气调节阀和煤气调节阀。
炉内工件实时温度测量模块连接有比较器,与比较器另一端连接的工件加热工艺设定的温度进行对比,比较器还连接有炉温模糊专家计算模型,炉温模糊专家计算模型和空燃比自寻优模型相连,空燃比自寻优模型分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,炉膛气体成分浓度测量模块分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,空气流量模糊控制模块连接有空气流量跟踪模块,空气流量跟踪模块连接有空气调节阀,煤气流量模糊控制模块连接有煤气流量跟踪模块,煤气流量跟踪模块连接有煤气调节阀,空气调节阀以及煤气调节阀和加热炉管路相连。
方法包括以下步骤:
1)红外测温技术检测工件实时温度;
2)炉内被加热工件温度与工艺设定值进行比较获取差值,采用模糊专家计算模型计算出所需的能量值,对烧嘴流量进行确定;
3)空气流量和燃气流量比例模块则根据激光吸光谱实测的CO/O2浓度值计算出燃气流量和空气流量变化量;
4)获得这两个流量参量值之后,得到燃气/空气电动调节阀的开度信号,分别施加到燃气、空气电动调节阀上,完成炉温、燃气/空气流量以及炉内被加热工件温度的闭环控制。
通过采用上述技术方案:通过在线检测获取工件表面温度分布,结合模糊控制或神经网络智能控制技术,建立在线控制模型,实现对加热炉炉温分布的优化控制,可广泛应用于冶金、石油化工等行业各类工业炉窑,对优化工业炉窑工艺控制、降低氧化烧损、保障炉管温度安全,提高产品质量,节能降耗、安全生产等有着重要意义。
实施例2
如图1所示,一种基于炉内工件表面温度的智能燃烧优化控制***,燃烧优化控制***包括炉内工件实时温度和炉膛气体成分浓度测量模块、炉温模糊专家计算模型与空燃比自寻优模块和空气流量与燃气流量及阀门控制模块,炉内工件实时温度测量模块采用检测炉内工件实时温度的红外测温技术,炉膛气体成分浓度测量模块采用能够实时检测炉内CO/O2浓度的激光吸收光谱技术,空气流量与燃气流量及阀门控制模块包括空气流量模糊控制模块、煤气流量模糊控制模块、空气流量跟踪模块、煤气流量跟踪模块、空气调节阀和煤气调节阀。
炉内工件实时温度测量模块连接有比较器,与比较器另一端连接的工件加热工艺设定的温度进行对比,比较器还连接有炉温模糊专家计算模型,炉温模糊专家计算模型和空燃比自寻优模型相连,空燃比自寻优模型分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,炉膛气体成分浓度测量模块分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,空气流量模糊控制模块连接有空气流量跟踪模块,空气流量跟踪模块连接有空气调节阀,煤气流量模糊控制模块连接有煤气流量跟踪模块,煤气流量跟踪模块连接有煤气调节阀,空气调节阀以及煤气调节阀和加热炉管路相连。
方法包括以下步骤:
1)红外测温技术检测工件实时温度;
2)炉内被加热工件温度与工艺设定值进行比较获取差值,采用模糊专家计算模型计算出所需的能量值,对烧嘴流量进行确定;
3)空气流量和燃气流量比例模块则根据激光吸光谱实测的CO/O2浓度值计算出燃气流量和空气流量变化量;
4)获得这两个流量参量值之后,得到燃气/空气电动调节阀的开度信号,分别施加到燃气、空气电动调节阀上,完成炉温、燃气/空气流量以及炉内被加热工件温度的闭环控制。
在冶金行业,采用该项监测技术,将所获得的炉内各段钢坯表面温度分布数据送入燃烧优化控制***,通过模糊控制或神经网络智能控制机理,对加热模型进行验证与优化,实现炉温度分布的最优化控制。该技术的使用改变了钢铁行业现行的“过烧”工艺:有效地将现有的加热炉钢坯过烧30~40℃的工艺温度合理降低10~20℃,所带来的效果则是可降低燃耗5%以上,综合减少排碳量5%~15%,同时降低钢坯氧化烧损率0.2%~0.5%。
实施例3
如图1所示,一种基于炉内工件表面温度的智能燃烧优化控制***,燃烧优化控制***包括炉内工件实时温度和炉膛气体成分浓度测量模块、炉温模糊专家计算模型与空燃比自寻优模块和空气流量与燃气流量及阀门控制模块,炉内工件实时温度测量模块采用检测炉内工件实时温度的红外测温技术,炉膛气体成分浓度测量模块采用能够实时检测炉内CO/O2浓度的激光吸收光谱技术,空气流量与燃气流量及阀门控制模块包括空气流量模糊控制模块、煤气流量模糊控制模块、空气流量跟踪模块、煤气流量跟踪模块、空气调节阀和煤气调节阀。
炉内工件实时温度测量模块连接有比较器,与比较器另一端连接的工件加热工艺设定的温度进行对比,比较器还连接有炉温模糊专家计算模型,炉温模糊专家计算模型和空燃比自寻优模型相连,空燃比自寻优模型分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,炉膛气体成分浓度测量模块分别连接有空气流量模糊控制模块和煤气流量模糊控制模块,空气流量模糊控制模块连接有空气流量跟踪模块,空气流量跟踪模块连接有空气调节阀,煤气流量模糊控制模块连接有煤气流量跟踪模块,煤气流量跟踪模块连接有煤气调节阀,空气调节阀以及煤气调节阀和加热炉管路相连。
方法包括以下步骤:
1)红外测温技术检测工件实时温度;
2)炉内被加热工件温度与工艺设定值进行比较获取差值,采用模糊专家计算模型计算出所需的能量值,对烧嘴流量进行确定;
3)空气流量和燃气流量比例模块则根据激光吸光谱实测的CO/O2浓度值计算出燃气流量和空气流量变化量;
4)获得这两个流量参量值之后,得到燃气/空气电动调节阀的开度信号,分别施加到燃气、空气电动调节阀上,完成炉温、燃气/空气流量以及炉内被加热工件温度的闭环控制。
在石油化工行业,因炉管外部扑火、内部结焦过厚等因素会导致炉管局部超温(即形成所谓的“热点”),不及时处理则会存在炉管爆裂,发生炉内着火、***等重大事故的隐患。本项目关键技术的突破,可以全方位及时了解炉膛内的燃烧情况、实时准确掌握炉管任一点的表面温度分布,及时发现问题和有计划的停炉检修,对保证加热炉稳定运行、降低能耗、避免炉管爆裂引起的火灾和***等安全事故奠定了坚实的基础。同时,全面监测炉管表面温度变化可以实现炉管内结焦状态的精准判定,为运行周期终点、烧焦结束时间的判定提供了科学手段。
实施例4
如图2和图3所示,一种基于炉内工件表面温度的智能燃烧优化控制***,燃烧优化控制***包括炉内工件实时温度和炉膛气体成分浓度测量模块、炉温模糊专家计算模型与空燃比自寻优模块和空气流量与燃气流量及阀门控制模块,炉内工件实时温度测量模块采用检测炉内工件实时温度的红外测温技术,炉膛气体成分浓度测量模块采用能够实时检测炉内CO/O2浓度的激光吸收光谱技术,空气流量与燃气流量及阀门控制模块包括空气流量模糊控制模块、煤气流量模糊控制模块、空气流量跟踪模块、煤气流量跟踪模块、空气调节阀和煤气调节阀。
加热炉内部设有压力传感器,压力传感器对实际炉膛负压进行实时检测,压力传感器和引风机连接。
压力传感器对实际炉膛负压进行实时检测,并相应调节引风机频率信号,以使实际炉膛负压稳定在预设值附近,从而在压力恒定的情况下,进行燃烧参数的优化配置,排除压力波动对燃烧控制参数的耦合影响。
加热炉的热源主要来自燃料燃烧放出的热量,燃料放出的热量用于炉内工件上的比例越高越好,被污染气体带走的热量越少越好。根据燃烧控制理论,加热炉中CO、O2和NOx含量变化关系如图2所示,从图中可以看出,随着O2含量升高,NOx含量也急剧上升,当空气过剩系数μ在1.01~1.10之间,即O2含量控制在0.5%~1%,CO含量控制在50~150ppm时,炉子的热效率损失最低,热效率最高,污染气体最小,实现最优燃烧状态。
因此提高热效率、降低NOx排放就是寻找最佳空燃比的问题,加热炉的燃烧过程主要受到风机压力和烧嘴配风等因素的影响,而燃烧效果则直接反映在炉膛气氛尾气中CO浓度上。
首先利用理论分析和试验测试,建立炉膛内部燃烧模型,确定风机压力、烧嘴配风和尾气中CO浓度的匹配模型,以保证获得良好的燃烧控制效果。然后运用专家***、模糊神经网络、遗传算法和支持向量机决策等智能决策理论,完善加热炉燃烧控制***的工作参数优化策略,保证既要获得精确的CO浓度控制精度,又要保证控制***的快速动态响应性能。
加热炉尾气顶部安装有CO浓度在线监测器,CO浓度在线检测器连接有CO浓度预测PID控制器,并且CO浓度在线检测器与CO浓度预测PID控制器构成闭环,CO浓度预测PID控制器控制条件为预设CO浓度、实时O2浓度和风门挡板信号,CO浓度预测PID控制器和风门挡板相连。
CO浓度在线检测器对尾气中CO浓度进行实时检测,并与CO浓度预测PID控制器构成闭环,CO浓度预测PID控制器根据预设CO浓度、实际O2浓度和风门挡板信号对风门挡板进行调节,以使实际CO浓度与预设值一致,实现CO浓度的精准调节控制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于炉内工件表面温度的智能燃烧优化控制***,包括、比较器、炉温计算模型、空燃比自寻优模块,其特征在于:智能燃烧优化控制***还包括工件实时温度监测模块和炉膛气体成分浓度测量模块,所述工件实时温度监测模块通过红外测温计算监测工件实时温度,所述炉膛气体成分浓度测量模块用于实时监测加热炉的CO/O2浓度。
2.根据权利要求1所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述比较器用于比较工件实时温度和设定的温度,所述炉温计算模型为炉温模糊专家计算模型,炉膛气体成分浓度测量模块将实时监测的CO/O2浓度反馈给空燃比自寻优模块,所述空燃比自寻优模块用于控制加热炉燃烧。
3.根据权利要求1所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述炉内工件实时温度测量模块连接有比较器,与比较器另一端连接的工件加热工艺设定的温度进行对比,所述比较器还连接有炉温模糊专家计算模型,所述炉温模糊专家计算模型和空燃比自寻优模型相连,所述空燃比自寻优模块包括空气流量模糊控制、空气流量跟踪模块、空气调节阀,以及煤气流量模糊控制、煤气流量跟踪模块、煤气调节阀;所述空气流量模糊控制与空气流量跟踪模块连接,所述空气流量跟踪模块与空气调节阀连接,所述煤气流量模糊控制与煤气流量跟踪模块连接,煤气流量跟踪模块与煤气调节阀;所述煤气调节阀和空气调节阀与加热炉连接。
4.根据权利要求1或2所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述方法包括以下步骤:
1)红外测温技术检测工件实时温度;
2)炉内被加热工件温度与工艺设定值进行比较获取差值,采用模糊专家计算模型计算出所需的能量值,对烧嘴流量进行确定;
3)空气流量和燃气流量比例模块则根据激光吸光谱实测的CO/O2浓度值计算出燃气流量和空气流量变化量;
4)获得这两个流量参量值之后,得到燃气/空气电动调节阀的开度信号,分别施加到燃气、空气电动调节阀上,完成炉温、燃气/空气流量以及炉内被加热工件温度的闭环控制。
5.一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述加热炉内部设有压力传感器,所述压力传感器对实际炉膛负压进行实时检测,所述压力传感器和引风机连接;所述压力传感器对实际炉膛负压进行实时检测,并相应调节引风机频率信号,以使实际炉膛负压稳定在预设值附近,从而在压力恒定的情况下,进行燃烧参数的优化配置,排除压力波动对燃烧控制参数的耦合影响。
6.根据权利要求5所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述加热炉尾气顶部安装有CO浓度在线监测器,所述CO浓度在线检测器连接有CO浓度预测PID控制器,并且所述CO浓度在线检测器与CO浓度预测PID控制器构成闭环,所述CO浓度预测PID控制器控制条件为预设CO浓度、实时O2浓度和风门挡板信号,所述CO浓度预测PID控制器和风门挡板相连。
7.根据权利要求6所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:CO浓度在线检测器对尾气中CO浓度进行实时检测,并与CO浓度预测PID控制器构成闭环,CO浓度预测PID控制器根据预设CO浓度、实际O2浓度和风门挡板信号对风门挡板进行调节,以使实际CO浓度与预设值一致,实现CO浓度的精准调节控制。
8.根据权利要求1所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述加热炉内部设有压力传感器,所述压力传感器对实际炉膛负压进行实时检测,所述压力传感器和引风机连接。
9.根据权利要求8所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述压力传感器对实际炉膛负压进行实时检测,并相应调节引风机频率信号,以使实际炉膛负压稳定在预设值附近,从而在压力恒定的情况下,进行燃烧参数的优化配置,排除压力波动对燃烧控制参数的耦合影响。
10.根据权利要求8所述的一种基于炉内工件表面温度的智能燃烧优化控制***,其特征在于:所述加热炉尾气顶部安装有CO浓度在线监测器,所述CO浓度在线检测器连接有CO浓度预测PID控制器,并且所述CO浓度在线检测器与CO浓度预测PID控制器构成闭环,所述CO浓度预测PID控制器控制条件为预设CO浓度、实时O2浓度和风门挡板信号,所述CO浓度预测PID控制器和风门挡板相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502204.5A CN113203297A (zh) | 2021-05-08 | 2021-05-08 | 一种基于炉内工件表面温度的智能燃烧优化控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502204.5A CN113203297A (zh) | 2021-05-08 | 2021-05-08 | 一种基于炉内工件表面温度的智能燃烧优化控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113203297A true CN113203297A (zh) | 2021-08-03 |
Family
ID=77030712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110502204.5A Pending CN113203297A (zh) | 2021-05-08 | 2021-05-08 | 一种基于炉内工件表面温度的智能燃烧优化控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113203297A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115065710A (zh) * | 2022-04-29 | 2022-09-16 | 燕山大学 | 一种加热炉智慧温控pc端及移动端远程云测控*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203190824U (zh) * | 2013-04-02 | 2013-09-11 | 山东坤宝节能环保科技有限公司 | 加热炉基于钢坯温度监测的燃烧智能控制及黑体节能*** |
CN106766883A (zh) * | 2016-12-23 | 2017-05-31 | 鞍钢集团信息产业(大连)工程有限公司 | 一种蓄热式加热炉最佳燃烧控制***及其方法 |
CN107152695A (zh) * | 2017-05-23 | 2017-09-12 | 合肥瑞石测控工程技术有限公司 | 基于多参量检测的加热炉可视化燃烧控制***及控制方法 |
CN107450622A (zh) * | 2017-08-18 | 2017-12-08 | 曹阳 | 加热炉炉温智能控制***及控制方法 |
CN107764076A (zh) * | 2017-11-20 | 2018-03-06 | 马鞍山钢铁股份有限公司 | 一种轧钢加热炉燃烧控制***及控制方法 |
CN112178685A (zh) * | 2020-08-31 | 2021-01-05 | 武汉钢铁有限公司 | 一种加热炉燃烧优化控制*** |
-
2021
- 2021-05-08 CN CN202110502204.5A patent/CN113203297A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203190824U (zh) * | 2013-04-02 | 2013-09-11 | 山东坤宝节能环保科技有限公司 | 加热炉基于钢坯温度监测的燃烧智能控制及黑体节能*** |
CN106766883A (zh) * | 2016-12-23 | 2017-05-31 | 鞍钢集团信息产业(大连)工程有限公司 | 一种蓄热式加热炉最佳燃烧控制***及其方法 |
CN107152695A (zh) * | 2017-05-23 | 2017-09-12 | 合肥瑞石测控工程技术有限公司 | 基于多参量检测的加热炉可视化燃烧控制***及控制方法 |
CN107450622A (zh) * | 2017-08-18 | 2017-12-08 | 曹阳 | 加热炉炉温智能控制***及控制方法 |
CN107764076A (zh) * | 2017-11-20 | 2018-03-06 | 马鞍山钢铁股份有限公司 | 一种轧钢加热炉燃烧控制***及控制方法 |
CN112178685A (zh) * | 2020-08-31 | 2021-01-05 | 武汉钢铁有限公司 | 一种加热炉燃烧优化控制*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115065710A (zh) * | 2022-04-29 | 2022-09-16 | 燕山大学 | 一种加热炉智慧温控pc端及移动端远程云测控*** |
CN115065710B (zh) * | 2022-04-29 | 2023-07-25 | 燕山大学 | 一种加热炉智慧温控pc端及移动端远程云测控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106766883B (zh) | 一种蓄热式加热炉最佳燃烧控制***及其方法 | |
US9727061B2 (en) | Method and apparatus for controlling a furnace pressure of a continuous annealing furnace | |
CN103672948B (zh) | 工业炉窑的燃烧控制***及控制方法 | |
CN107327870A (zh) | 加热炉智能精确燃烧控制*** | |
CN110184445B (zh) | 一种加热炉试验装置的试验方法 | |
CN105886751A (zh) | 一种冷轧热镀锌退火炉板温协调控制***及方法 | |
CN113217944A (zh) | 一种废钢烘烤氧煤比控制方法 | |
CN110438331A (zh) | 一种加热炉自动燃烧*** | |
CN104894362A (zh) | 一种冷热钢坯混装的加热炉炉温设定方法 | |
CN113295016A (zh) | 一种基于温度测量曲线的加热炉燃烧控制方法 | |
CN113203297A (zh) | 一种基于炉内工件表面温度的智能燃烧优化控制*** | |
US4357135A (en) | Method and system for controlling multi-zone reheating furnaces | |
CN111795584B (zh) | 降低加热炉燃烧废气中氮氧化物含量的控制方法和装置 | |
CN108444297A (zh) | 一种轧钢加热炉炉内气氛调整方法 | |
CN103471393B (zh) | 一种高炉煤气双预热点火炉温度控制方法及装置 | |
CN106468446B (zh) | 一种加热炉控制与燃烧优化方法 | |
CN111811257B (zh) | 一种加热炉燃烧控制方法和装置 | |
Druzhinin et al. | Furnace with a hybrid heating system | |
CN113046544A (zh) | 连续退火炉的空燃比控制方法及控制*** | |
CN112556441A (zh) | 轧钢加热炉及其烟气管网非对称特性动态控制方法 | |
CN112666834A (zh) | 一种适应燃气热值剧烈波动的加热炉炉温控制方法 | |
CN113803735B (zh) | 一种基于支持向量机的电站锅炉炉膛分区段智能吹灰***及方法 | |
CN116197388A (zh) | 一种钢包智能烘烤***及工艺 | |
CN113741200B (zh) | 一种石灰套筒窑智能优化煅烧控制*** | |
CN117625945A (zh) | 一种金属的高温热处理非接触式温度均匀性检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210803 |