基于BP神经网络的罩式炉炉温PID预测控制策略.doc

分 类 号 密 级 太原理工大学硕 士 学 位 论 文题 目 基于BP神经网络的罩式炉炉温PID预测控制策略 英文并列题目 PID PREDICTIVE CONTROL STRATEGY BASED ON BP NEURAL NETWORK ON TEMPERATURE CONTROL OF BELL-TYPE ANNEALING FURNACE研究生姓名 ： 孟 良 学 号： S20060589 专 业： 控制理论与控制工程 研 究 方 向： 智能控制 导 师 姓 名： 田建艳 职 称： 教 授 学位授予单位：太原理工大学论文提交日期 地 址：山西 太原太 原 理 工 大 学85独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中特别加以标注和致谢中所罗列的内容外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得太原理工大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本文研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。本人签名： 日期： 年 月 日关于论文使用授权的说明本人完全了解太原理工大学有关保留和使用学位论文的规定，即：学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文（保密的论文在解密后遵守此规定）。本人签名： 日期： 年 月 日导师签名： 日期： 年 月 日 太原理工大学硕士学位论文基于BP神经网络的罩式炉炉温PID预测控制策略摘 要目前罩式炉炉温控制系统大多采用常规PID控制，但是由于罩式炉炉温控制系统具有非线性、时变性、大延迟等特点，传统的PID在某些情况下难以达到理想的控制效果。而不依赖于模型的智能控制为解决这类问题提供了新的方法，成为目前提高生产过程控制质量的重要途径。神经网络作为现代信息处理技术的一种，正在越来越多的生产应用中展示它的优越性，神经网络控制是它在自动控制中的一个重要应用成果。而神经网络PID控制技术也在其中扮演了重要的角色，并将成为未来研究与应用的重要技术之一，这是因为PID类型的控制技术是工业生产中被普通使用的控制方法，如果能找到具有类似于PID易于使用的特点，而且性能优于PID的控制器，在理论和实践上都将具有很重要的意义。本文在查阅了大量相关文献的基础上，结合某热连轧厂退火车间的生产实际，提出了采用基于BP神经网络的PID预测控制策略对罩式炉炉温进行控制。本文主要做了以下工作：（1）深入某热连轧厂的罩式炉生产第一线，学习研究罩式炉的退火工艺。（2）深入系统地分析和研究了BP神经网络的结构和学习算法，得到了一种改进BP算法，并将该算法用在电网电压稳定性分析模型的建立，经过仿真研究得出该算法可以有效的提高网络训练的速度和精度。（3）针对罩式炉这一复杂、非线性系统，本文提出了基于BP神经网络的PID预测控制方法对罩式炉炉温进行控制。首先采用BP神经网络建立罩式炉炉温的预测模型，并采用反馈校正，以克服系统中不确定扰动因素所造成的模型预测误差，得到比较精确的炉温预测值。然后采用BP神经网络对PID控制器的参数进行在线整定，通过对燃气流量的控制来实现罩式炉炉温的控制 。（4）在Matlab仿真平台上，对基于BP神经网络的PID预测控制策略进行了大量的仿真研究，仿真结果表明，该控制策略是可行的。关键词：BP神经网络，预测控制，PID，罩式退火炉PID PREDICTIVE CONTROL STRATEGY BASED ON BP NEURAL NETWORK ON TEMPERATURE CONTROL OF BELL-TYPE ANNEALING FURNACEABSTRACTIt is difficult for the traditional PID control method to reach an optimum result in certain cases because the bell-type furnace is rather a non-linear , time varying and big hysteretic. Intelligent control method independent for model of a plant and based on knowledge offers a new idea for improving process technologies, have some advantages in many application. Neural network control is an important application of the results in automatic control. PID control based on neural network is one of the main techniques in research and application due to the dominant place of PID types control in industrial process control recently. If the controller is wieldy like PID and has better performance can be found, there will be significance in both theory and parties. This paper puts forward a PID predictive control strategy based on neural network to control the temperature of bell-type furnace based on a lot of related literature , combining with hot strip mill plant workshop.(1) After going to a bell-type annealing furnace factory production, the Annealing technologies and the computer control system are studied.(2) BP neural network structure and the study algorithm are embedded analyzed and researched, and a kind of improved BP algorithm is obtained. And this improve BP algorithm is used in voltage stability assessment. Through simulation studies，the algorithm can effectively improve the network training speed and accuracy.(3) Because the bell-type annealing furnace is one of complex nonlinear systems, PID control based on BP neural network is proposed to control of the bell-type annealing furnace in this paper. Firstly predictive model of the furnace-temperature is set up with BP neural network, which is used to predict output value of furnace-temperature , then feedback correcting is used to reduce the model predictive error resulted from uncertain factors of the system in order to get the relatively precise predictive value. The parameters of PID controller is adjusted with BP neural network , through the control of gas flow to achieve the bell-type furnace temperature control(4) In the Matlab simulation platform, a large number of simulations and studies are carried out in the PID predictive control strategy based on neural network, simulation results show that the control strategy is feasibleKEY WORDS: BP neural network, predictive control, PID, bell-type annealing furnace目录第一章 绪论11.1研究背景和意义11.2 退火炉控制的国内外研究现状21.2.1国外退火炉控制的研究现状21.2.2国内退火炉控制的研究现状31.2.3 退火炉控制存在的主要问题41.3 预测控制51.3.1 预测控制的发展51.3.2 传统预测控制存在的主要问题61.4 本论文研究的内容71.5 论文的创新点81.6 本章小结8第二章 全氢罩式退火炉退火工艺及其计算机控制系统92.1 带钢的退火92.1.1带钢退火的目的92.1.2带钢退火的特点和要求92.2 带钢的退火方法102.2.1 带钢的连续退火102.2.2 带钢的罩式退火102.2.3罩式退火炉与连续退火炉的比较112.3 全氢罩式退火炉132.3.1 罩式退火炉的发展历史132.3.2 全氢罩式炉与传统氮氢罩式炉的比较142.3.3 全氢罩式炉特点152.3.4 对传统罩式炉的改进状况162.3.5 罩式炉的冷却方式172.4 全氢罩式炉基本设备及结构182.5 退火工艺过程222.6 全氢罩式炉控制系统252.6.1 流程控制262.6.2 过程量监测282.6.3 循环风机转速监测302.6.4 安全连锁控制302.7 本章小结31第三章 BP神经网络的研究及其学习算法的改进323.1 人工神经网络323.1.1 神经网络理论的发展323.1.2 人工神经网络的特点333.1.3 当前神经网络的研究热点343.2 BP神经网络353.2.1 基本BP算法公式推导363.2.2 基本BP算法的缺陷393.3 BP改进算法403.3.1 引入动量项系数403.3.2 自适应调整学习速率413.3.3 新的改进算法413.4 BP神经网络参数的选择433.4.1 隐含层层数的选择433.4.2 输入数据预处理方法433.4.3 隐含层节点数的选择433.5仿真研究443.6本章小结46第四章 基于BP神经网络的罩式炉炉温PID预测控制策略474.1神经网络预测控制原理474.1.1预测控制的基本特征474.1.2 预测控制的基本类型484.1.3神经网络的预测控制原理504.2 基于BP神经网络的PID参数整定514.2.1 基本PID控制原理514.2.2 数字PID控制534.2.3 基于BP神经网络的PID整定原理554.3基于BP神经网络的罩式炉炉温PID预测控制策略574.3.1 罩式炉炉温预测模型设计584.3.2 滚动优化设计604.3.3反馈校正设计634.4 仿真研究644.5 本章小结74第五章 结论与展望75参考文献77致谢83攻读研究生学位期间发表的学术论文85图标索引表2-1 罩式退火与连续退火的比较13表2-2 全氢罩式炉与传统氮氢罩式炉的参数对照表15表2-3 三种冷却方式的工艺数据对比18表2-4 罩式炉技术参数21表2-5 罩式炉区主要设备22表3-1 两种算法训练结果精度对比46表4-1 最终误差平方和、训练次数比较60表4-2 隐含层节点数变化的仿真结果对比60图2-1 全氢罩式炉设备图19图2-2 退火工艺操作控制流程图23图3-1 BP网络结构36图3-2 BP算法程序流程图39图3-3 自适应学习速率算法训练结果45图3-4 新的改进算法训练结果45图4-1 神经网络预测控制结构图50图4-2 PID控制系统原理框图52图4-3基于BP网络的PID控制系统结构图55图4-4 控制系统结构图58图4-5 BP神经网络一步预报模型59图4-6 罩式炉退火工艺曲线65图4-7 隐含层节点数变化时的炉温误差曲线68图4-8 BP算法修正PID控制器的炉温跟踪曲线69图4-9 BP改进算法修正PID控制器的炉温跟踪曲线70图4-10 升温阶段加干扰的炉温跟踪曲线72图4-11 保温阶段加干扰的炉温跟踪曲线73第一章 绪论1.1研究背景和意义自20世纪40年代控制理论创立以来，传统控制理论经过了两个主要发展阶段：经典控制理论和现代控制理论。经典控制理论主要解决了单变量系统的反馈控制问题，而现代控制理论主要解决了多变量系统的优化控制问题。传统控制理论是建立在被控对象精确数学模型的基础之上的，一般来说，过程描述越精确，控制效果就越好。传统控制理论在工业生产、军事科学、空间技术等领域取得了许多成功的应用。但随着科学技术和生产力的不断发展，实际的受控对象越来越复杂，表现为如下一些特征：(1)复杂性：系统的结构和参数具有高维性、时变性和高度非线性，并且具有强耦合与时滞等特性；(2)不确定性：系统及其外部环境具有许多未知和不确定的因素，具有较大的随机干扰；(3)信息量少：为了实现系统的精确控制，需要了解系统大量的信息，但实际中从系统对象所获得的信息量相对较少；(4)高标准的性能要求：由于系统复杂，导致了控制目标的多样性和各个控制目标之间的矛盾，控制器的设计往往要综合考虑相互矛盾的各个因素。诸如此类的复杂系统，由于无法建立系统的精确数学模型，从而使得传统控制理论很难给出一个较好的控制效果，甚至不能控制1。全氢罩式炉是钢铁工业轧钢生产中的关键设备，是保证轧钢产品质量的重要设备。随着轧钢产品特别是带钢的应用日益广泛，人们对带钢的质量要求也越来越高，从而对钢卷进行退火的过程控制也要求更高。因为钢卷在全氢罩式炉内加热过程中能否严格按照退火曲线进行直接影响到退火后钢卷表面质量和机械性能，所以全氢罩式炉的自动控制技术的优化成为各带钢生产企业的研究课题之一。1.2 退火炉控制的国内外研究现状 退火炉作为轧钢企业主要设备之一，处于关键位置，直接影响产品的质量、产量和成本。退火炉控制的自动化在提高生产率、改善质量和节约能源上有举足轻重的意义。1.2.1国外退火炉控制的研究现状国际上从20世纪70年代就开始了退火炉计算机控制的研究，近年来，由于计算机技术以及智能控制技术的迅速发展，退火炉计算机控制的应用日趋广泛，控制水平明显提高，取得了一些应用成果。其中日本Kashima钢厂实现了钢坯目标出炉温度计算、钢温预报、空燃比控制、炉温最优控制。瑞典DOMNARVET厂实现了确定最佳加热曲线和炉温控制。美国Dofasco公司的I级PLC控制器Honeywell TDC-300实现了空燃比控制、炉温控制、钢温预报、炉温设定值调节，II级PLC控制器DEC VAX8350实现了设备诊断、系统报警、记录、报告。美国Conshohochen厂的DEC MICRO VAXIII实现了空燃比控制、炉压控制、设定值选择、生产调度模型234。随着数字计算机向小型化、高速化、大容量、低成本方向的发展，传统的PID控制不断发展改进的同时，现代控制理论也在不断发展。20世纪70年代以来，产生了一类新型计算机控制算法一预测控制，它在复杂工业过程中得到成功应用，由于它突破了传统思想的约束，采用了预测模型、滚动优化、反馈校正和多步预测等新的控制策略，获取了更多的系统运行信息，因而使控制效果和鲁棒性得以提高。如美国钢厂在其退火炉计算机控制系统中应用的广义预测极点配置加权控制，其控制系统中考虑到煤气压力随机波动，变化频繁，且当煤气压力低时，煤气管道阀门开度为100%，煤气压力仍不能恢复到正常值，对炉温影响较大，所以在模型中将煤气总管压力作为可测干扰量来处理。再考虑到现场随机噪声干扰影响，罩式退火炉可用一个带可测煤气压力干扰，有控制项的自由回归滑动平均模型(CARMA)来描述，即: （1-1）式中:、为时刻系统输入和输出；、为时刻可测干扰和随即噪声；、为控制和可测干扰传递时延；，当采样周期为l min，得到的数字模型为一个有纯滞后的一阶模型。利用广义预测极点配置加权控制器对煤气罩式退火炉进行计算机控制，模型参数很快收敛，跟踪调节性能好。在控制技术日益提高的同时，退火工艺也不断改进。20世纪80年代后，一种崭新的退火技术一全氢罩式退火炉在世界范围的薄板退火领域受到了广泛的瞩目。在美、英、德、日等发达国家，已得到了广泛应用。德国的布来梅市的克勒克纳(Klockner)轧钢厂，为了解决不锈钢退火的质量问题，于90年代改建了47座全氢罩式退火炉。全氢罩式退火炉与传统的罩式退火炉的最大区别在于其保护气氛由传统的氮氢混合气体改进成100%氢气。众所周知，氢气是一种危险气体，因此，全氢罩式退火炉在其设备、工艺与控制上较传统退火炉更复杂，对控制系统的可靠性、安全性要求更高，增加了更多的安全连锁控制装置。全氢罩式退火炉的优势在于提高了生产效率，并且很大程度上提高了产品质量，提高了产品成材率和钢产品的品性。1.2.2国内退火炉控制的研究现状20世纪80年代以后，国内对退火炉的控制进行了广泛研究，并且随着微型计算机技术的发展，退火炉计算机控制逐步进入实用化阶段。目前国内退火炉控制系统的研究状况如下567：（1）采用新的控制方法对传统的负反馈、单一PID控制系统做了多种补充从而使控制性能更佳。在以前控制系统中，处理燃料与空气的关系通常采用配比调节，由于燃料与空气调节回路的响应速度不一致，燃料的热值不稳定及烧嘴特性等的变化，这种配比关系难以保证。特别是在燃烧负荷发生变化的情况下，更无法保持最佳配比。为解决这些问题，产生了3种处理空燃关系的交叉限幅法：单交叉限幅法；双交叉限幅法；改进型双交叉限幅法。（2）采用先进控制设备随着工业控制机、可编程控制器及集散系统等先进控制系统的发展，逐步取代了以前大规模的继电器、模拟式仪表。无论是PLC还是DCS，其软件编制均较简单，无须专门编程人员就可自行编制，此外不但能独立使用，且其通讯能力较强，便于联网。（3）现代控制理论的应用越来越多的控制系统采用现代控制理论，最优控制、自适应控制、自校正控制器、自整定PID参数的控制器，有些已成功地在工业中应用。如上钢五厂对20台罩式退火炉实行温度群控，也使用现代控制理论建立三输入三输出自适应算法进行控制。总之，微型机的应用，为复杂的现代控制理论的数学计算创造了条件。（4）管理系统的应用除了传统的闭环控制以外，退火炉也使用上级机进行管理。罩式退火炉群通常每个炉子有外罩、内罩，现代退火车间均采用计算机调度、指导哪个炉台装钢板，使用刚取下的热外罩等等，以节省燃料。国内的退火炉控制技术在理论上已经达到先进国家的水平，但在工程应用上相比发达国家相还存在着较大的差距，根据我国的实际情况，关于退火炉控制技术的发展提出以下几点建议:国内有的企业虽然配有较先进的计算机系统，但只是作一些简单的PID控制，计算机的潜能没有很好的发挥出来，因此导致退火炉的计算机控制效果不很理想，所以首先有必要把现有设备很好地利用起来。我国退火炉计算机控制系统，硬件基本上都是引进的，其价格很高，因此必须加快国产集散控制系统在退火炉上的应用，同时重视检测和执行机构的研制和改进等。1.2.3 退火炉控制存在的主要问题罩式退火炉温控系统是一类具有大滞后及模型慢时变系统,用传统的控制方法,如PID控制8,自校正控制9等方法较难得到满意的控制效果。文献10采用前馈补偿零极点配置自适应PID预测控制,该控制器结构简单、易于实现,但输出有一定的超调,文献11提出用模糊自整定PID控制器对炉温进行控制,控制效果明显好于一般PID控制及模糊控制,但模糊控制过于依赖经验,在经验数据不足的场合应用十分困难。基于此，本文将采用预测控制对炉温进行控制。针对罩式炉这一复杂工业过程，本文将采用神经网络PID控制策略对罩式炉炉温进行预测控制。1.3 预测控制1.3.1 预测控制的发展预测控制（Predictive Control）产生于工业实践，是20世纪70年代后期直接从工业过程控制中发展起来的一类新型计算机控制算法。主要有：模型算法控制12（Model Algorithmic Control，简称MAC）、动态矩阵控制13（Dynamic Matrix Control，简称DMC）、广义预测控制14（Generalized Predictive Control, 简称GPC）以及广义预测极点配置15（GPP）等。由于预测控制采用多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。预测控制已经成为工业领域应用比较广泛的先进控制策略之一，给企业带来了巨大的经济效益。预测控制应用广泛、成熟的另一个标志是自预测控制的提出和其得到成功应用以来，许多大公司不断推出和更新各种预测控制工程软件，为预测控制的应用起了促进作用。目前软件产品已进入了第三代。第一代产品主要以ADERSA公司的IDCOM和SHELL OIL公司的DMC为代表；第二代以SHELL OIL的QDMC为代表；第三代有SETPOINT公司的IDCOM-M、ADERSA公司的HIECON和PFC、HONEYWELL PROFIMATICS公司的RM公司的RMPCT等16。1.3.2 传统预测控制存在的主要问题虽然预测控制也有了一些成功的工业应用，但是由于现代工业的飞速发展，传统的预测控制需要进一步改进、完善。下面列举几个有待进一步研究解决的问题。（1）进一步开展对预测控制的理论研究，探讨算法中主要设计参数对稳定性、鲁棒性及其他控制性能的影响，给出参数选择的定量结果。上述问题的主要困难是：由于采用以大范围输出预测为基础的在线滚动优化控制策略，使得预测控制闭环输入、输出方程非常复杂，其主要设计参数都足以蕴含的方式出现在闭环传递函数中，因而难以用解析表示式表示出各参数变化对闭环系统动、静态特性、稳定性和鲁棒性的影响，给出设计参数变化的选择准则。要突破这一点，还要做大量工作，需要探讨新的分析方法。（2）研究新的滚动优化策略预测控制的核心是在线滚动优化，其优化策略是可以多种多样的，目前文献中常见的有二次型性能指标优化有多种方式。采用不同的优化策略可导出不同的控制器结构。因此，如何选取优化策略设计出控制效果好，适应性、鲁棒性强的新型预测控制器，具有重要意义。（3）研究非线性系统的预测控制到目前为止，文献中有关预测控制的研究大部分都是针对线性系统的，针对非线性系统的研究非常少。怎样根据非线性系统的特点，用预测控制的机理进行研究，并提出有效的优化控制算法，是一个既有理论意义又有实际意义的研究课题。在实际工业过程中，模型一般都是很复杂的，一般都具有非线性、分布参数和时变等特点，因此，研究非线性系统的预测控制具有重要的意义。（4）建立有效的反馈校正方法由于从过程获取的先验信息不够充分，基于这种不充分信息集合得到的预测模型用于在线预测时，其预测值与实测值之间一定存在预测误差，预测误差愈大，则控制效果愈差。由于过程时变、干扰及所获取的信息不充分等复杂因素，使得预测误差必然存在，只能在运行中通过不断采集信息进行反馈校正，才能减少预测误差的影响。因此，进行在线预测误差反馈校正是提高预测控制鲁棒性的重要措施之一。然而，目前采用的校正方法不多，也未能达到理想的效果。因此，进一步研究新的误差校正方法，也是预测控制中一个有意义的研究课题之一。（5）建立高精度的信息预测模型预测控制一般也被称为基于模型的预测控制，预测控制的基本特征是应用模型进行预测。但是，随着模型概念的拓宽，所谓模型已不能仅仅局限在狭义的数学模型上，任何取自过程的已有信息，且能对过程未来动态行为的变化趋势进行预测的信息集合，都可作为预测模型。在这里，预测模型只有功能上的要求，而没有结构形式上的限制。随着工业对象越来越复杂化，传统的线性模型（CARIMA模型、CARMA模型等）已不能满足现场的需要了。随着人工智能、模糊控制、模式识别、人工神经网络等新技术的发展和应用，采用各种有效信息处理手段，应用人工智能等新技术来建立高精度、多模态的信息预测模型，为预测控制突破现有框架、向更高层次的发展提供了可能。（6）加强应用研究在加强对预测控制理论研究的同时，也有必要加强对预测控制的应用研究，进一步在国民经济中的各部门推动预测控制的应用，在应用中推动预测控制理论的向前发展。因为只有广泛应用，解决实际问题，并在应用中发现问题，才能推动理论研究的深入开展，并最终解决理论研究中所存在的问题，使预测控制向更高层次发展。由于预测控制具有适应复杂生产过程控制的特点，所以预测控制具有强大的生命力。可以预言，随着预测控制在理论和应用两方面的不断发展和完善，它必将在工业生产过程中发挥出越来越大的作用，展现出广阔的应用的前景1.4 本论文研究的内容本文具体研究内容包括以下几个方面：（1）深入某热连轧厂生产第一线，学习研究罩式炉的退火工艺。（2）深入系统地分析和研究了BP神经网络的结构和学习算法，得到了一种改进BP算法，并将该算法用在电网电压稳定性分析模型的建立，经过仿真研究得出该算法可以有效的提高网络训练的速度和精度。（3）针对罩式炉这一复杂、非线性系统，本文提出了基于BP神经网络的PID预测控制方法对罩式炉炉温进行控制。首先采用BP神经网络建立罩式炉炉温的预测模型，并采用反馈校正，以克服系统中不确定扰动因素所造成的模型预测误差，得到比较精确的炉温预测值。然后采用BP神经网络对PID控制器的参数进行在线整定，通过对燃气流量的控制来实现罩式炉炉温的控制 。（4）在Matlab仿真平台上，对基于BP神经网络的PID预测控制策略进行了大量的仿真研究，仿真结果表明，该控制策略是可行的。1.5 论文的创新点本文的创新点主要有：（1）针对基本BP算法存在收敛速度慢、收敛精度不高的问题，本文在自适应学习速率算法的基础上得到了一种改进算法，使得网络收敛速度加快、收敛精度提高。 （2）本文提出的基于BP神经网络的PID预测控制策略中，用BP神经网络建立预测模型，用基于BP神经网络的PID控制器作为滚动优化。（3）本文针对罩式炉这个实际对象，进行了基于BP神经网络的PID预测控制策略的研究。首先用一个BP神经网络建立炉温的预报模型，然后用BP神经网络调节PID控制器的三个参数，使PID参数能够在线自动调整，通过控制燃气的流量实现对罩式炉炉温的控制。1.6 本章小结本章阐述了课题的研究背景及选题意义、罩式炉控制的研究现状及其存在的问题，针对这些问题，从而引出了预测控制，并研究了预测控制的发展及其传统预测控制中存在的问题。最后阐述了本论文的主要研究内容及其创新点。第二章 全氢罩式退火炉退火工艺及其计算机控制系统2.1 带钢的退火2.1.1带钢退火的目的热轧后带钢会发生塑性变形，各晶粒顺着轧制方向伸长，压扁，破碎，导致加工硬化。退火处理是在固态下将金属或合金加热到一定得温度、保持一定的时间。然后用不同的冷却速度冷却下来，通过对加热速度、加热温度、保温时间和冷却速度四个要素的有机结合，使组织偏离平衡状态的金属或合金发生响应的转变。带钢通过退火设备可以消除轧制内应力和加工硬化，获得良好的冷加工性能。2.1.2带钢退火的特点和要求生产带钢用的钢种由于炼钢水平的发展可分为三类：碳素钢、低碳优质镇静钢和低合金钢。由于钢的化学成分、加工方式以及用途的不同，它们的热处理退火工艺也有各自特点和要求。带钢的退火是在退火炉中进行的。根据带钢钢种的不同要求，对退火炉的退火工艺与设备有下列基本要求：（1）在退火过程中，钢卷应尽可能的快速、均匀加热。（2）钢卷在保温过程中，钢卷各点的温度差要尽可能小。（3）钢卷在保温阶段结束后，要尽快的冷却到额定温度。（4）经过退火后的钢卷，表面要求光亮，无碳污染，更不能有氧化色。（5）要尽可能减小热能消耗，提高加热效率，降低保护气体和冷却水的消耗。（6）操作方法应尽可能的简单和安全。（7）故障检测简便，维修方便等。2.2 带钢的退火方法退火处理工艺多种多样，经过几十年的发展，逐步进入一个新阶段。但其物质基础都是热处理炉，而热处理炉的发展又主要体现在罩式退火炉和连续退火炉的发展上。2.2.1 带钢的连续退火20世纪30年代，国外便已研制出了多种带钢再结晶连续退火炉17。但过去由于退火之前需将带钢电解清洗，退火后再将带卷分别进行冷却、平整和检查三道工序。每进行一道工序，都需将带钢卷开卷，加工后重卷，而且各工序之间需将带钢卷暂时堆放。因此，20世纪70年代初日本研制出了一种新的生产工艺，它把电解清洗、退火、钢卷冷却、调质轧制（平整）和精整检查等5个单独的生产工序联结成一条生产机组，实现了连续化生产。这种连续生产线称作连续退火机组，简称CAPL（连续退火和精整机组）。CAPL炉的出现，极大地提高了生产效率，降低了成本，因此成为带钢生产发展的一种趋势。其热处理工艺为：带钢在轧制之后，经过开卷，碱洗，电解清洗，冲洗，烘干等工序后，直接连续通过退火炉。加热到约700后，先缓冷再急冷，缓冷阶段要供给部分热量，以保证带钢以最低速度冷却，缓冷到400500时开始进入急冷带，最后出炉温度约为5060出炉后直接进行卷取，整个过程为一条连续的流水线。退火炉用92 96%的氮气加8 4%的氢气混合气体作为保护气氛。加热方式基本上都是用辐射管加热。在冷却段，或用空气管冷却，或用水管冷却。2.2.2 带钢的罩式退火由于带钢在轧制过程中常常以成卷的形式在工序间进行传递，所以其热处理长期以来使用的是罩式退火炉。通常一炉以3-4个钢卷为一垛，各钢卷之间隔以涡流式通气垫板，扣上内罩后再扣上加热罩（外罩），用煤气、轻油或电加热。加热完后移走外罩，进入冷却过程。冷却方法有空冷，快冷等。内罩内通有保护性气休，一方面保护带钢不被氧化，另一方面促进传热。保护气体传统的是由氮气和氢气的混合气体组成，但现已发展到用纯氢气作保护气体。2.2.3罩式退火炉与连续退火炉的比较在罩式退火炉中，由于是对静止的带钢以成卷的方式进行退火处理，带钢的加热，冷却及保温时间等都较容易控制。但对于一些特种钢的特殊工艺要求，比如：具有深冲性能带钢的热处理方面，罩式炉更能显示出其优越性。而对于这样有特殊要求的退火工艺，连续退火18可以说是无能为力。因为带钢在连续退火时，带钢高速穿过炉区，单层带钢得到快速升温，而后又快速冷却，这种退火制度无法满足高深冲性能钢组织的要求。故很长一段时间里，连续退火不能用于处理深冲钢板和超深冲钢板，从而限制了连续退火的品种范围，这在某种程度上影响了连续退火炉的发展。近年来，国外用严格控制化学成份，严格控制热轧卷取温度以及在连续退火过程中进行各种不同的冷却控制和过时效处理等方法解决了短时间内深冲板的退火问题。但这种连续退火的工艺是以严格控制钢的化学成份为基础的，而这种成份控制的技术难度高，工艺操作十分复杂，所以在成本上不如使用罩式炉退火。因而连续退火的产品品种仍受到某种程度的限制。一般情况下，带钢连续退火后，其硬度与强度均较罩式炉退火高，而塑性与韧性却有所不如。连续退火与全氢罩式炉退火的带钢表面都比较光洁，机械性能及加工性能也比较均匀。罩式炉退火时，带钢卷径向内传热热阻很大，除在特殊钢处理或渗碳、脱碳、渗氮、渗铬等化学热处理时采用松卷退火外，一般还是采用紧卷退火。带钢紧卷退火的热工性能差，在加热和冷却过程中，其两端、内外层和中心温度均不相同。为充分保证带钢性能均匀，均热时间长，炉子生产能力必然很低。连续退火生产能力高、成材率高、能耗低、操作人员少、生产成本低，但退火设备多、技术复杂，传带1次要用几百乃至上千米钢带，改换品种要一定的调整时间和一定量的过渡带钢，不适合小批量生产。连续退火炉内几十套转向辊的辊径选择、张力调节等对带钢规格有一定的范围限制，过厚、过薄均不适宜。而罩式炉体积小，分批处理，自成系统，可以逐步扩充数量，灵活性比较大。通过以上比较将两种退火炉的优缺点总结如下：连续退火炉优点有以下几个方面：（1）钢卷在炉内的退火周期比较短，所以生产率高；（2）均匀性好，产品性能均匀、表面光洁；（3）适合于单品种、大批量的生产；（4）生产过程简单且合理、管理方便；（5）能耗低。其不足之处是：（1）技术复杂，一次投资费用高；（2）生产规格范围不能太宽；（3）处理变化灵活性差