《水泥生产过程分解炉环节的优化控制-研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
济南大学硕士学位论文目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11.1课题背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..11.2分解炉控制研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..11.3本文的主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.3第二章水泥分解炉工艺介绍及优化控制系统总体方案设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52.1CaC03分解反应特性⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一52.1.1CaC03分解反应方程式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.52.1.2CaC03分解温度和C02分压之间的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52.2分解炉出口温度的影响因素及调节方式⋯⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62.2.1影响分解炉温度的关键因素⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62.2.2分解炉出口温度的调节方式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72.3控制目标及控制难点分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..72.3.1控制目标⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72.3.2控制难点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82.4分解炉环节优化控制系统的总体方案设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..82.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一9第三章分解炉温度优化设定系统研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯113.1分解炉温度优化设定问题的提出⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.113.2生料成分与分解炉温度设定之间的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯123.3分解炉温度优化设定控制目标提出及方案设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯123.4基于LS.SVM的分解炉温度预设定模型设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯143.4.1LS.SVM算法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯153.4.2基于LS.SVM的分解炉温度预设定模型的建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.163.5基于专家系统的温度设定补偿模型设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯203.5.1专家系统介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..203.5.2基于专家系统的温度设定补偿模型的建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..203.6基于Fuzzy系统的温度设定校正模型设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯233.7本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯26 水泥生产过程分解炉环节的优化控制研究第四章分解炉温度自动控制系统研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一274.1分解炉温度自动控制问题的提出⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯274.2分解炉温度自动控制系统方案设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯274.3多模态智能控制器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯284.3.1多模态智能控制算法介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一284.3.2多模态智能控制规则模块设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一284.3.3变速积分PID控制模块设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.304.3.4Fuzzy控制模块设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯314.3.5Bang—Bang控制模块设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯354.3.6生料前馈控制模块设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..384.3.7跑煤处理专家控制模块设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..404.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.42第五章分解炉优化控制系统开发⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..435.1系统架构⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯435.1.1工业应用系统架构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..435.1.2分解炉优化控制系统架构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一455.2软件开发⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯465.2.1OPCClient软件开发⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯465.2.2操作员站组态界面软件开发⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..495.2.3优化控制算法程序开发⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..505.3系统仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯515.4工业现场应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯555.4.1工业应用存在的问题及解决⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..555.4.2工业应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..565.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯58第六章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..59参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一61致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.65附录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..67II 济南大学硕士学位论文摘要分解炉作为预分解窑的核心设备,其主要功能是承担熟料煅烧过程中耗热最多的碳酸盐分解任务,其耗煤量巨大,约占水泥烧成过程的60%。国内水泥生产中存在的生产工况变化频繁、测控点少的问题和分解炉自身非线性、大滞后、时变的特性使得传统的控制方法和国外的控制系统在国内水泥企业均无法取得理想的应用效果。目前,国内分解炉控制大多数采用人工控制,存在着分解炉温度波动大、熟料产量低、质量差并且能耗大等问题,分解炉环节自动控制在水泥企业未得到广泛推广,优化控制更是涉及较少。因此,从国内分解炉控制现状出发,采用先进控制技术,实现分解炉的优化控制,对水泥熟料的正常生产和水泥企业实现节能降耗具有重要的意义。本文依托山东省自然基金项目,以国内某水泥公司5000t/d熟料线DCS系统为应用背景,完成水泥分解炉优化控制系统的方案设计及软件开发。本文主要研究成果如下:(1)将分解炉优化控制系统总体架构分为分解炉温度优化设定系统和分解炉温度自动控制系统两部分。分解炉优化设定系统给出当前工况下的温度最优设定值,分解炉温度自动控制系统通过多模态智能控制算法将分解炉温度稳定在最优设定值上,使分解炉运行在低煤耗状态。(2)分解炉温度优化设定系统。从水泥工艺出发,建立起分解炉温度优化设定模型,该模型由基于LS.SVM(最小二乘支持向量机)的分解炉温度预设定模型、基于专家系统的温度设定补偿模型和基于Fuzzy系统的温度设定校正模型组成。在满足水泥工艺要求的前提下,基于LS.SVM的分解炉温度预设定模型给出当前工况下的分解炉温度预设定值,然后经基于专家系统的温度设定补偿模型和基于Fuzzy系统的温度设定校正模型对分解炉温度预设定值进行补偿校正,得出当前工况下分解炉温度的最优设定值。(3)分解炉温度自动控制系统。针对水泥分解炉环节非线性、大滞后、时变的特性,提出了将Fuzzy控制、Bang.Bang控制、前馈控制、专家控制与变速积分PID控制相结合的多模态智能控制方案。该方案通过多模态智能控制规则自动识别出不同的模态,选择相应的算法对变速积分PID控制进行校正,将分解炉温度稳定在最优设定值上。(4)基于上述控制方案,从工业实际应用出发,研发出分解炉优化控制系统软件。软件分为OPCClient软件、操作员站组态界面软件和水泥分解炉优化控制算法软件三部分,并通过OPC实现与DCS系统的互联。III 水泥生产过程分解炉环节的优化控制研究现场应用证明,水泥分解炉优化控制系统降低了劳动强度,稳定了分解炉温度,提高了分解率,降低了煤耗,实现熟料的高质与低煤耗生产,给企业带来巨大的经济效应,符合国家的节能降耗方针。关键词:分解炉;优化控制系统;温度最优设定;多模态智能控制 济南大学硕士学位论文AbstractCalcinerasacoredeviceofNSPkiln,itsmainfunctionistoundertakethetaskofCaC03竹decompositionanditscoalconsumptionaccountsforabout60%ofcementclinkeringprocess.Inthedomestic,traditionalcontrolmethodsandforeignadvancedcontrolsystemcannotachieveadesiredeffectindomesticcementcompaniescausedbyfrequentchangesinproductionconditions,lessmonitoringandcontrolpointandthecharacteristicsofcalciner,suchasnon—linear,largetimedelay,time-varying.Somostofdomesticcementusingmanualcontrolforcalciner,butmanualcontrolmethodexitingalotofprogramssuchascalcinertemperaturefluctuations,lowyield,poorqualityofclinkerandlargeenergyconsumption.Automaticcontrolforcalcinerincemententerprisehasnotbeenwidelypromotion,andoptimalcontrolislessinvolved.Therefore,fromdomesticcementcalcinercontrolpresentsituation,usingtheadvancedcontroltechnologytorealizetheoptimalcontrolforcementcalcineroptimizationhasagreatsignificanceforthecementclinkernormalproductionandcemententerprisestorealizesavingenergyandreducingconsumption.ThispaperbasedonNaturalScienceFundprojectsinShandongprovinceandadomesticcementcompany5000t/dofclinkerlineDCSsystemastheapplicationbackground,tocompletethecementcalcineroptimalcontrolsystemdesignandsoftwaredevelopment.Inthispaperthemainresearchresultsobtainedasfollows:(1)Thecalcineroptimalcontrolsystemisdividedintotwopartsincludingcalcinertemperatureoptimalsettingsystemandcalcinertemperatureautomaticcontrolsystem.Calcineroptimalsettingsystemgivesthecurrentoptimalvalueunderthecurrentcondition.Calcinertemperatureautomaticcontrolsystemusesmulti-modelintelligentcontroltostablethecalcinertemperatureontheoptimalvalue.Throughabovemethodmakecalcineroperationinlowcoalconsumptionstatus.(2)Calcinertemperatureoptimalsettingsystem.Basedonthecementtechnology,thecalcinertemperatureoptimalsettingmodelissetup.ThemodelconsistsofthecalcinertemperaturepresettingmodelbasedonLS—SVM,calcinertemperaturesettingcompensationmodelbasedonexpertssystemandcalcinertemperaturesettingcorrectionmodelbasedonFuzzysystem.Meetthetechnologicalrequirementsincement,calcinertemperaturepresettingV 水泥生产过程分解炉环节的优化控制研究modelbasedonLS-SVMgiventhecurrentpresettingvalueunderthecurrentcondition,thenthroughthecalcinertemperaturesettingcompensationmodelbasedonexpertssystemandcalcinertemperaturesettingcorrectionmodelbasedonFuzzysystemcompensationandcorrectionthepresettingvalue,drawthecalcinertemperatureistheoptimalvalueundercurrentconditions.(3)Calcinertemperatureautomaticcontrolsystem.Inordertoovercomethecontroldifficultiesresultfromthecharacteristicsofcalciner,suchasnon—linear,time.varying,largetimedelay,amulti-modeintelligentcontrolmethodisproposedinthepaperbythecombinationofFuzzycontrol,Bang-Bangcontrol,feed—forwardcontrol,expertcontrolandvariableintegralPIDcontr01.Thiscontrolmethodthroughamulti-modeintelligentcontrolrulesautomaticallyidentifythedifferentmodesandselectaappropriatecontrolalgorithmtocorrectvariableintegralPIDcontroltostablethecalcinertemperatureontheoptimalvalue.(4)Basedonthecontrolscheme,fromindustrialapplicationactualconditions,developedcalcineroptimizationsystemsoftware.SoftwareconsistsofOPCClientsoftware,operatorsstandconfigurationsoftwareinterfaceandcementcalcineroptimalcontrolalgorithmsoftware.ThesystemusingtheOPCrealizedthecommunicationwithDCS.Fieldapplicationprove,optimalsystemimprovedthedecompositionrate,reducedlaborintensity,stabledcalcinertemperature,reducedthecoalconsumption,realizedthehighquality,highyieldandclinkerlowcoalproduction,broughthugeeconomiceffecttotheenterprise,compliedwiththestate’Ssavingenergyandreducingconsumptionpolicy.KeyWords:calciner;optimalcontrolsystem;optimaltemperaturesetting;multi-modeintelligentcontrolVI 济南大学硕士学位论文1.1课题背景及意义第一章绪论我国水泥总产量居世界第一位,2011年,我国的水泥产量达20.6亿吨,占全球总量的50%以上,同时,我国的水泥行业也是全国能源消耗大户,其能源消耗总量约占全国总能源消耗的5%,颗粒排放物约占工业排放总量的30%,因此工业和信息化部制定的《水泥工业“十二五”发展规划》中明确提出力争2015年行业平均节能减排水平接近世界先进水平【11,因此,如何利用自动化技术实现水泥行业节能降耗成为当前水泥生产的研究重点与热点。目前,国内水泥企业基本都配备了DCS控制系统,从而使水泥生产具有一定的自动化基础。分解炉自动控制、优化控制在国内水泥行业的研究与应用虽然取得了一定的成果,但是尚未在水泥企业得到广泛的推广应用,所以水泥生产的优化控制研究与应用在国内具有很大的发展空间。本课题的研究意义在于:首先,课题内容顺应国家节能减排政策,具有重要的现实意义;其次,课题研究成果在水泥行业应用,可以实现水泥行业的节能降耗,使我国水泥单产能耗接近国际先进水平,对我国成为水泥强国具有一定的促进作用。1.2分解炉控制研究现状分解炉的主要功能是承担生料分解任务,其耗煤量巨大,约占水泥烧成过程的60%。由于生料预分解过程的工况条件变化频繁并且测控点少,这使得在实际生产中经常出现分解炉温度大幅波动的现象。温度过高容易引起预热器结皮,影响窑系统正常运行;温度过低,则造成入窑分解率过低,增加窑系统负担,不能充分发挥分解炉的作用【21。因此,分解炉出口温度的控制,既对水泥企业实现节能降耗具有重要的意义,又影响着水泥生产的正常进行。分解炉自身非线性、大滞后、时变的特性与国内水泥生产测控点少、工况波动大的现状,共同造成了国外先进的分解炉控制技术无法在国内得到广泛的应用。因此,从国内分解炉控制的现状出发,采用先进控制技术,实现分解炉的优化控制,进而实现企业 水泥生产过程分解炉环节的优化控制研究的节能降耗,引起了水泥专家的关注。通过阅读文献,发现目前对水泥烧成系统分解炉环节优化控制的研究主要集中于以下几个方面:(1)通过优化水泥工艺实现节能降耗通过研究水泥生产工艺实现节能降耗,这不属于控制领域所研究的问题。(2)分解炉出口温度的优化控制在水泥企业,对分解炉出口温度实施自动控制,主要通过自动加减喷煤量实现。当分解炉出口温度稳定在给定的设定值上时,一方面可以使分解炉保持最高的生产率,另一方面不会发生生料粘结,保证窑系统的正常运行。在水泥生产分解炉环节的机理研究中,文献【3]研究了生料特性对分解炉内煤燃烧的影响;文献[4]研究了分解炉用煤与熟料煅烧之间的关系;文献[5】研究了分解炉的送风系统,文献[6]分析了CaC03的反应特性;文献[7]在工艺上研究了烧成系统的降煤节电方法;以上文献在机理上对分解炉进行了研究。在分解炉自动控制方面,既有智能控制研究又有对分解炉模型的研究,文献[8】-[13】研究了模糊控制的方法在水泥回转窑上的应用;文献[14]提出了模糊与专家控制结合的方法对水泥回转窑进行控制;文献[15].[17]对分解炉的数学模型建立进行了研究;文献[18]研究了预测控制在水泥窑的应用;文献[19]_[20]研究了模糊预测在水泥烧成系统中的应用;以上文献研究的都是分解炉温度自动控制问题,其炉温设定值都是采用人工设定方式,对于温度优化设定问题涉及较少。虽然水泥分解炉的优化控制研究较少,但在石油化工和电力系统领域的优化控制研究比较广泛,!tl:l[21].[25]对石油化工和电力系统领域的优化控制进行了深入的研究,对其进行总结发现,目前对于最优设定值的问题主要是采用智能控制算法来实现。虽然水泥专家对分解炉出口温度的控制做了大量的研究,但分解炉难以建立精确数学模型、时变、大滞后、非线性的特性和工况波动大的问题使得传统的控制方式无法取得理想的应用效果,并且智能控制的研究成果尚未在国内水泥企业得到广泛的推广,与真正的工业应用还有很大的距离。此外,虽然国外的水泥优化控制研究与应用领先于国内,但由于国外优化控制软件价格昂贵、技术保密和国内水泥企业测控点少、工况波动大的现状,使得国外先进的水泥优化控制技术无法在国内的水泥企业取得良好的应用效果。因此,在实际的水泥生产中,国内分解炉的控制主要还是采用人工控制的方式,操作员水平的参差不齐导致了分解炉温度波动大、熟料产量低、质量差并且能耗大等问题的产生。也就是说,目前水泥工业应用中分解炉优化控制的应用具有局限性,尚未得到广泛的推广。 济南大学硕士学位论文通过以上对国内外水泥分解炉研究现状的分析总结发现,目前对水泥烧成系统分解炉环节的节能降耗研究存在以下几个问题:(1)国内关于分解炉温度控制的理论研究多,虽然工业应用上也取得了一定的应用成果,但并未得到广泛的推广应用。(2)对分解炉温度的控制研究大多是将其稳定在操作员设定的设定值上,对其温度最优设定值的研究较少。1.3本文的主要工作为实现水泥生产分解炉环节的优化控制,并在国内水泥企业得到推广应用,进而实现企业的节能降耗,本课题依托山东省自然基金项目,以国内某水泥公司5000t/d熟料线DCS系统为背景,完成水泥分解炉优化控制系统的方案设计及软件开发。本论文一共分为六章。第一章介绍了本课题的背景及意义,并对国内外关于水泥分解炉优化控制的研究现状进行了深入分析;第二章主要介绍了分解炉内碳酸钙分解的工艺特性、分解炉出口温度的调节手段和影响分解炉出口温度的关键因素,并从控制的角度分析了分解炉优化控制系统的控制目标和控制难点,进一步提出了分解炉优化控制系统总体设计方案,该总体设计方案将分解炉优化控制系统分为分解炉温度优化设定系统和分解炉温度自动控制系统;第三章详细介绍了分解炉出口温度优化设定系统的实现,建立起基于LS.SVM的分解炉温度预设定模型、基于专家系统的温度设定补偿模型和基于Fuzzy系统的温度设定校正模型,从而得到当前工况下的分解炉温度最优设定值,作为第四章分解炉温度自动控制系统的设定值;第四章详细介绍了分解炉温度自动控制系统的实现,该控制系统通过多模态智能控制规则自动识别出不同的模态,选择相应的算法对变速积分PID算法进行校正,将分解炉温度稳定在最优设定值上;第五章从工业应用的角度出发,开发出分解炉温度优化控制系统软件,该系统软件通过OPC通讯实现与DCS控制系统的连接,现场的成功应用证明了该优化控制系统的合理性;第六章对水泥分解炉优化控制系统进行了总结,提出未来研究的重点。 水泥生产过程分解炉环节的优化控制研究4 第二章水泥分解炉工艺介绍及优化控制系统总体方案设计分解炉作为预分解窑的核心设备,它的诞生和发展代表着国际水泥工业的先进水平,其主要功能就是来承担熟料煅烧过程中耗热最多的碳酸盐分解任务[26】,保证进入回转窑内的生料分解率维持在90%以上。2.1CaC03分解反应特性2.1.1CaC03分解反应方程式CaC03§CaO+C02一q(2.1)CaC03的分解反应为可逆反应,只有保证较高的化学反应温度、降低周围二氧化碳分压才能使CaC03快速分解为CaO。根据碳酸钙的特性可知,碳酸钙于600。C左右时开始分解,但由于反应温度较低,因此分解速度很慢。随着反应温度的提高,到800~850℃时,分解速度显著加快,到900。C左右,碳酸钙分解出的二氧化碳分压可达1个大气压,此时,分解反应快速进行,因此绝大部分水泥企业将分解炉的出口温度控制在900℃左右,就是为了保证碳酸钙快速的分解,从而使入窑生料分解率达到90%以上。同时,由碳酸钙分解反应方程式看出,碳酸钙分解需要吸收大量的热量,900℃时分解大约吸热1660kJ/kg。2.1.2CaC03分解温度和C02分压之间的关系根据CaC03分解反应方程,得出分解反应方程的独立组分数C=2,相数P=3。根据吉布斯相律:f=C—P+2(2.2)式中厂为体系的自由度。将C=2,P=3带入式2.2得出f=l。也就是说CaC03分解反应体系中分解温度和二氧化碳压力只有一个是独立变量,即当CaC03分解温度确定时,其二氧化碳平衡分压也随之确定;与之相反,当二氧化碳平衡分压确定时,CaC03分解温度也随之确定。其中,CaC03分解温度与C02分压之间的关系可由范特荷夫公式得出【26]: 1鸣一筹+常数(2.3)式中Kp代表CaC03分解反应的恒压平衡常数,它一般等于C02分压圪,,丁代表分解温度,胡代表恒压反应体系所吸收的热量,R代表气体常数【261。将文献[26]中经实验确定得出的胡及R和常数值带入公式,从而得出分解温度与二氧化碳平衡分压之间的定量关系:lgPc。,:一-930-0。t-7.85(2.4)式中‰代表C02分压。一般在水泥企业,分解炉内二氧化碳浓度约为20~28%,代入上述公式可求得分解温度约为817.9~836.8。C,而一般气流温度比物料温度高20~50℃,因此水泥企业一般将分解炉内气流温度控制在850~900。C之间。从以上介绍可知,分解炉内碳酸钙分解反应与反应温度紧密相关,也就是说,要达到一定的入窑生料分解率就必须有一定的分解炉温度作为保障,分解炉温度越高入窑生料分解率就越高。2.2分解炉出口温度的影响因素及调节方式在水泥生产中,分解炉温度对于水泥能否正常生产具有重要的作用。分解炉出口温度的高低,不仅决定了碳酸盐分解的多少而且决定了窑系统运行的稳定与否。分解炉出13温度过高,易导致结皮堵塞从而破坏窑系统运行;反之,分解炉出1:3温度过低,易导致入窑分解率过低,增加窑系统负担,导致分解炉的作用不能完全发挥[261。因此,分解炉出1:3温度是水泥生产中一个十分重要的工艺参数,它直接决定着生料入窑分解率,所以,有必要对分解炉温度的关键影响因素和调节方式进行分析。2.2.1影响分解炉温度的关键因素通过分析水泥工艺相关文献,得出以下几个主要影响因素:(1)窑尾喂煤量对温度的影响:当入炉空气量维持稳定时,窑尾喂煤量增加,引起分解炉温度上升;反之,窑尾喂煤量减少,引起分解炉温度下降,但窑尾喂煤量过多,会导致煤粉不能完全燃烧,从而使废气中CO含量高,并易引起旋风筒结皮堵塞,引发生产事故。因此,窑尾喂煤的连续准确是使分解炉出13温度稳定在工艺要求的合理波动范围之内,从而保证分解炉热工制度稳定的关键因素。 (2)入炉生料量对温度的影响:当入炉生料量较小时,会导致分解炉出口温度较高,这不仅使热耗增加,也不利于分解炉的热工稳定,从而影响熟料的烧成;相反,当入炉生料量较大时,会导致分解炉出口温度较低。(3)三次风对温度的影响:影响分解炉温度的主导因素是三次风的温度与风量,风量要适度,而温度则越高越好,但影响风量的有关因素很多,它不仅受到系统内总排风的制约,也受到窑炉内用风平衡制约,一般,不允许操作员去调节。(4)尾煤压力对温度的影响:当尾煤压力突变时,会造成窑尾喂煤实际给定突然增加,这就直接导致分解炉温度的急剧上升,对水泥正常生产带来不利的影响。(5)生料成分对温度的影响:此部分详见第三章分解炉温度优化设定系统部分。2.2.2分解炉出口温度的调节方式从影响分解炉温度的关键因素得知,分解炉温度主要受窑尾喂煤量、生料量、尾煤压力、生料成分和三次风量的影响,所以对分解炉温度的调节主要从一下几方面着手:(1)改变窑尾喂煤量由影响分解炉温度的关键因素得知,窑尾喂煤量的改变主要是调节分解炉温度,因此在水泥企业一般采用改变窑尾喂煤量的方式调节分解炉出口温度。(2)改变生料流量生料流量的改变影响着分解炉温度的变化,但由于水泥生产要求产量保持稳定,因此生料流量大小的调节在水泥企业一般不作为分解炉出口温度调节的手段。综上,可以得知在水泥企业一般采用改变窑尾喂煤量的方式调节分解炉出口温度。另外对分解炉出口温度也有影响的尾煤压力、生料流量、生料成分、三次风等一般作为干扰变量存在。2.3控制目标及控制难点分析2.3.1控制目标分解炉的功能是完成碳酸钙的分解。根据工艺要求,分解率要控制在90~95%,入窑分解率太低不能发挥分解炉应有的作用,并造成窑负担加重;入窑分解率过高,其所需要的分解温度也越高,即所需要的窑尾喂煤量也越高,这就造成了能源浪费。据此,得出控制目标: 水泥生产过程分解炉环节的优化控制研究(1)在满足工艺要求的前提下,给出当前:工况下的分解炉温度最优设定值,从而使分解率最为满足水泥生产的工艺要求,使分解炉运行在最优状态。(2)使分解炉出口温度处于稳定状态。在稳定工况下,分解炉出口温度一般控制在最优设定值的±6℃以内。分解炉出口温度的稳定,对于水泥熟料高产、高质具有决定性作用。2.3.2控制难点分解炉优化控制难点如下:(1)分解炉自身复杂的特性和国内水泥生产测控点少的现状,使得建立分解炉温度精确的机理模型极其困难,而且分解炉温度设定采用人工设定的方式,人工设定的主观性和随意性较大,从而不能保证当前分解炉温度设定值为当前工况下的最优值,使分解炉运行在最优工况下变得十分困难。(2)分解炉出口温度调节的大滞后性。由于喷煤管道较长,当窑尾喂煤给定后,需要较长的一段时间煤粉才能输送到分解炉内。而且,煤粉的燃烧也需要一定的时间,这就导致了分解炉温度调节具有大滞后性。(3)温度与煤粉之间存在非线性。由于分解炉内进行着复杂的物理化学反应过程,使得分解炉温度与喂煤量之间存在着严重非线性。(4)工况波动严重。由于众多因素影响着分解炉出口温度,而且这些因素与分解炉出口温度大多是非线性关系,这使得分解炉经常处于不同的工况之中,单一的控制方式无法实现对分解炉温度的连续稳定的控制。2.4分解炉环节优化控制系统的总体方案设计为解决分解炉控制中存在的控制难点,完成分解炉控制目标,根据上述工艺分析,提出水泥生产分解炉环节的优化控制方案具体实现如下:将水泥生产分解炉环节优化控制系统分为两部分进行设计,即分解炉温度优化设定系统和分解炉温度自动控制系统。分解炉温度优化设定系统根据由生料三率值KH、n、P和生料细度建立起的基于LS.SVM的分解炉温度预设定模型得出分解炉出口温度的预设定值,然后经基于专家系统的温度设定补偿模型和基于Fuzzy系统的温度设定校正模型对分解炉温度预设定值进行补偿校正,得出当前工况下分解炉出口温度的最优设定值;然后分解炉温度自动控制系统以此 济南大学硕士学位论文最优设定值作为系统的设定值,通过多模态控制规则自动识别出不同的模态,选择相应的算法对变速积分PID控制进行校正,将分解炉温度稳定在最优设定值上。控制方案如图2.1所示:2.5本章小结图2.1分解炉环:爷优化控制系统的总体方案本章首先分析了分解炉内碳酸钙分解的工艺;在此基础上从控制角度对分解炉温度优化控制系统的控制目标、控制难点进行了分析;最后提出了分解炉环节优化控制系统的总体方案。9 一.水泥生产过程分解炉环节的优化控制研究10 第三章分解炉温度优化设定系统研究在上一章的分解炉优化控制系统总体方案中提出,本课题将分解炉优化控制系统分为分解炉温度优化设定系统和分解炉温度自动控制系统两部分进行研究,本章主要介绍分解炉温度优化设定系统的研究。3.1分解炉温度优化设定问题的提出水泥分解炉内进行着CaC03的分解过程,并且分解炉以由窑尾转子称喷入的煤粉作为燃料,通过煤粉燃烧使分解炉内达到一定的温度,促进生料中CaC03的分解,使分解率维持在90%以上。在此过程中,分解率的高低直接决定了水泥熟料能否高质、低耗、连续稳定的生产。如果分解率太低,则分解炉的作用受到限制,进而会加重窑的负担;反之,如果分解率过高,则会需要过多的窑尾喷煤,进而造成资源的浪费。水泥工艺同时表明,一定的分解率需要一定的分解温度。可以说控制分解炉出温度的目的就是保证进入窑内的生料分解率处在合理的工艺指标范围内。水泥生产中,一般要求分解率在90%~95%的工艺指标范围内。但水泥企业入窑生料分解率的获取都是采用化验室离线化验的方式,通过操作人员采样每两小时化验一次,这就导致了获取的分解率参数都是一些离线值,其实时性和可靠性都无法得到保证。同时,入窑生料分解率随着生料成分的波动和分解炉出口温度的波动而波动,并呈现出严重的非线性特性,这些都导致了其精确地数学模型难以建立。因此,目前水泥企业均采用人工设定的方式,根据离线化验的分解率来设定分解炉出口温度设定值,以保证入窑生料分解率在工艺要求的合理波动范围之内。由于操作员水平的参差不齐、生产工况的波动和生料成分的波动都易导致由其设定的分解炉出口温度设定值偏高或偏低,从而导致入窑生料分解率波动很大:当出口温度设定偏高时,使得分解率偏高,从而造成窑尾喂煤量加大,导致煤耗加大,造成资源浪费;反之,当出口温度设定偏低时,使得入窑生料分解率又偏低,从而加重了窑负担。这些都影响了水泥生产的熟料质量,严重时甚至影响了水泥企业的正常生产。针对以上分析得知,为保证水泥熟料高质与低能耗生产,就必须要保证入窑生料分解率稳定在合理的波动范围内,也就是说,必须保证分解炉温度设定合理。 水泥生产过程分解炉环节的优化控制研究3.2生料成分与分解炉温度设定之间的关系为解决分解炉温度优化设定问题,必须深入分析影响分解炉温度设定的有关参数。分析水泥工艺可知,生料成分的波动对分解炉内生料的分解有着极为重要的影响。生料成分的波动主要导致生料三率值KH(石灰饱和系数)、11.(硅酸率)、P(铝氧率)的改变,进一步导致了生料易烧性的改变,因此生料成分对熟料生成和水泥窑的产量、质量、热耗都有着很大的关系。一般情况下,生料的分解能力随温度升高而提高:在生料量一定的情况下,当生料易烧性较差时,可适当提高分解炉出口温度,以提高入窑生料分解率;与之相反,而当生料易烧性较好时,可适当的降低出口温度。因此,选取生料易烧性作为影响分解炉出口温度设定值的主要参数,即根据当前工况下的生料易烧性来设定当前工况的分解炉出口温度设定值。查阅相关文献,得知对生料易烧性有影响的主要因素为生料三率值KI-I、n、P和生料细度。(1)生料细度越小,则生料的相对表面积就越大,使得生料颗粒之间具有较大的接触面积,化学反应活性就越高。这样,在生料其它的条件不变的前提下,生料的易烧性就越好。(2)生料的三率值的波动严重影响着生料易烧性,并且P的影响最大,n的影响次之,KH的影响最小。3.3分解炉温度优化设定控制目标提出及方案设计在水泥正常生产过程中,操作人员通过调节窑尾喂煤量的方式来控制分解炉出口温度,从而使入窑生料分解率最满足水泥工艺要求的合理波动范围,即表示为:‘rain[A"一无(f)](3.1)约束条件为:五(f)=/(y1,Y2,Y3,Y4,Y5)见min≤名!‘)≤兄max(3.2)Alni。≤∥≤五。。。Ylmi。≤Yl≤Yl。“式3.1,3.2中,分为分解率的目标值;五(f)是用来反映入窑生料分解率的非线性动态函数;九;。为工艺要求范围内的分解率上限;允。。为工艺要求范围内的分解率下限;Y。 为分解炉出口温度;Ylrain为工艺要求范围内的分解炉温度下限;Y,。。。为工艺要求范围内的分解炉温度上限;Y2,Y,,Y。分别为生料三率值KH、n、P,Y,为生料细度。其中,五。i。=90%,允。。。=95%,Yl数据从DCS系统中实时读取,Y2Y3,Y4数据由化验室化验得到,而y。m,Y,。。。的确定如下:根据分解温度和C02平衡分压间的关系,即Ig'co,:一—93-00+7.85(3.3)并知道在水泥企业,分解炉内二氧化碳浓度约为20~28%,代入公式3.3可求得分解温度约为817.9~836.8。C,而一般气流温度要稍微比物料温度高20-50*C,因此将分解炉内温度控制在850~900℃之间,即将分解炉温度设定在850℃至890℃,则Yl。i。=850。C,Yl。。=900。C。针对分解炉优化设定控制目标,本章提出分解炉温度智能优化设定控制方法,通过优化设定分解炉温度,从而使分解率最为满足工艺指标要求的范围。分解炉温度优化设定系统由基于LS.SVM(最小二乘支持向量机)的分解炉温度预设定模型、基于专家系统的温度设定补偿模型和基于Fuzzy系统的温度设定校正模型组成。在满足水泥工艺要求的前提下,基于LS,SVM的分解炉温度预设定模型给出当前工况下的分解炉温度预设定值Y。;基于专家系统的温度设定补偿模型综合考虑实际生产中相关参数的影响进行推理得出温度补偿值Y。;由水泥工艺可知,生料粉磨过程在熟料烧成过程之前完成,因此采用基于Fuzzy系统的温度设定校正模型根据当前熟料的f-CaO(游离氧化钙)含量判断出的生料易烧性对分解炉温度预设定值进行校正得出分解炉温度的校正值y,;这样得出当前工况下温度的最优设定值Y如式3.4所示:Y=Y。+Y6+Y,(3.4)系统框图如图3.1所示: 图3.1分解炉温度优化设定系统3.4基于LS.SVM的分解炉温度预设定模型设计基于LS.SVM的分解炉温度预设定模型给出当前工况下的分解炉出口温度预设定值。根据水泥工艺,选取生料易烧性来决定分解炉出口温度的预设定值,其中生料易烧性是出生料三率值KH、n、P和生料细度所反应。在实际生产中,生料成分处在实时变化的状态,因此分解炉温度预设定值与生料易烧性之间存在着严重的非线性时变关系,这就导致了无法建立起分解炉出口温度预设定值的精确数学模型,使得传统的依靠数学模型的控制算法难以获得良好的效果。并且水泥生产的多变量、强耦合、复杂性使得建立描述分解炉系统的机理模型极其困难。因此,对这类问题,利用可获取的已知数据进行模型辨识变得极为重要,最d"-----乘支持向量机已被证明是解决非线性系统难以建立过程模型问题的可行性方法。14 济南大学硕士学位论文3.4.1LS.SVM算法简介LS-SVM的运算过程表示为,对于数据样本(_,Y。),(x2,Y2),⋯,(%,Y,,),并且X,∈RN,Y∈R,i=1,2,⋯,玎。我们可以选取非线性的映射函数矽(·)将数据样本从原来的空、司一一映射到一高维空间,则可在高维空间中构造一个最优的决策函数:y(x)=W7。·矽(x)+6(3.5)公式3.5中,w表示权向量,b表示偏置项。由公式知道y(x)为线性回归函数,这样,LS.SVM的线性回归问题就可以转化为求解如下的约束性优化问题:哮讹萨三wⅥ去c≯NB6,J.t:Yf=w,·矽(xf)+6+ef,i=1,2,⋯Ⅳ公式3.6中,e,代表误差项,C代表惩罚因子,引入拉格朗日函数将其转换成不具有约束条件的优化问题:ⅣL(w,b,P,乡)=J(w,e)-∑幺(w,·≯(xf)+6+Pf—y,)(3.7)i=1公式3.7中,0代表拉格朗日乘子,进而依据优化条件可以推得:w=∑幺·矽(x,),=】Ⅳ∑Oi=0(3.8)Oi=C·efw。·矽(xf)+b-I-ef—Yj=0进而可以推得LS.SVM函数的输出为:Ⅳ少(x)=∑只·k(x,x,)+6i=l(3.9)公式3.9中,k(x,,x)代表核函数,核函数的不同所构造的LS-SVM也就不同,本文采用径向基核函数:m^)_exp[一譬],硝核宽(3.10)≥O0O0lI=钇一跏钇一∞钇一%钇一够 水泥生产过程分解炉环节的优化控制研究则可将公式3.9转换为:贴)=擎N⋯p【_簪]+6(3.11)由公式3.8~3.11可以看出,C,仃的选取对基于LS.SVM的模型的精确性十分关键。基于LS.SVM的分解炉温度预设定模型的建立流程如图3.2所示。确定模型的输入和输出儿数据预处理U样本数据分为训练集和测试集』}确定LS.SVM模型的参数』i利用训练样本建立模型jl利用测试样本验证模型图3.2分解炉温度预设定模型建立流程图3.4.2基于LS.SVM的分解炉温度预设定模型的建立基于LS.SVM的分解炉温度预设定模型的输入选为生料细度和生料三率值KH、n、P,输出选为分解炉温度的预设定值。3.4.2.1数据预处理数据预处理部分包括对异常数据的处理和数据标准化。其中,异常数据处理采用最常用的3仃准则,3仃准则计算过程如下:对于采样数据_,x2,⋯,吒,其平均值为标准差为:一1占--肛‰Zx,(3.12) s=仃=。[x厶,e他;//一1)]巧(3.13)定义数据偏差ei=x,一;。若旧I>30-,则说明数据异常需要除去。对所采样的50组样本数据,采用3盯准则进行异常数据剔除。所求取的;和盯如表3.1所示。根据3仃准则和所求的;和盯发现,所采样的50组样本数据中共有一个异常样本数据予以剔除。因此,采用剩余的49组数据样本作为基于LS.SVM的分解炉温度预设定模型的样本数据,予以建模。数据样本如图3.3所示。 水泥生产过程分解炉环节的优化控制研究生料细度、一,+7、、,,一~_.一~一一‘253035404550P1——~一一一————J—一————————~一~~J一———__————~~——一~O5101520253035404550KH1.2————⋯———⋯]一——⋯——一——一~__——T———⋯———————]1r一一一一~、.、,,,’‘、、~一一——一、~一一一、、、,,一‘,、一一、、、,。,,一一、~一一、..一一~...~,一~,,一、~.、,,__0.8L——————L一————L——————上————一一——J——~——上一—————L——————二一一——一05101520253035404550分解炉温度设定值870i———————r——————T———T——一———r——一———__一——T一===———r———一———————i_860}\,八、~/、~一一、~/\/、\厂一一⋯一\\~/、、,/~一、、J—1850—-,-—一——-,---上——【—,---一——L——————-———————-』,r.-------』————--u-L——.————』————,......一05101520253035404550图3.3LS.SVM建模数据样本由于数据样本的物理单位和数值不一致,直接去使用未标准化的数据会导致建立的模型不准确。因此,剔除完异常数据后,需要对数据样本进行标准化处理,也就是将数据进行归一化处理,从而使数据的平均值变为0、方差变为1,所采用的公式如3.14所示。嘞+=孚(3.14)其中,i=专喜勃,Jj=万≥荟N(勤一i)2,x:为标准化后的数据。3.4.2.2模型的建立将预处理完的数据样本,分为两部分:一部分用来建模,另一部分用来模型校验,即选取前36组数据建模,后13组数据模型校验。模型建立前需要确定的参数为C,仃,对于C,仃的确定,采用实验试凑法获得,选取C=60,盯=O.8,其训练效果如图3.4所示。由图3.4可以看出温度预测差值在±2℃以内。一、■≯一4了矿~二銮一二≥面李||、、一暑/一o}_/熏一11一一,_,5一一ro352 870r—,—————————u,——r————————————u8608508658608550510152装o.2训练效果一¨_一一——]|/7j、.一,⋯’{/实际值一——————————。一——,,’.\一\r。一。l~~_、;‘一一。L二——一——一一拟合值2025303540验证效果0246误差一·实际值预测值l81012144图3.4LS.SVM建模效果图确定了模型参数之后,进而可以确定基于LS.SVM的分解炉温度预设定模型为:ycx,=善B·e冲卜%等,+6=蔷N幺·exp卜百(X--Xi)2,+。.3。9。c3∞,其中包值如表3.2所示:表3.2o/取值表_—————————————————————————————————————————————一编号a编号谚编号堡塑兰堡塑兰旦塑兰堡I—————————————一—————————————————一10.45517.0.300113.2.5139191.0122250.4265310.49392.0.56698.1.8526140.2757200.9541260.685321.298933.80349—5.041150.5153211.3185270.3174331.112740.137710.2.3861161.39222—5.297428-0.0028340.3975—1.30411.0.4138171.210923—0.1372290.601735—0.32926.1.365912.0.38618.0.1187244.2112301.53836—0.1413一——————————————————————————————————一19遥波魁越赠曼濮求迥波魁越赠妥琏求 水泥生产过程分解炉环节的优化控制研究综上,便完成了基于LS.SVM的分解炉温度预设定模型的设计。分解炉温度预设定模型便可确定出当前工况下分解炉温度预设定值。3.5基于专家系统的温度设定补偿模型设计基于专家系统的温度设定补偿模型可以根据现场工况的变化,及时给出温度预设定值补偿值,使分解炉温度设定值适应现场实时工况。由于现场工况的多变性与复杂性,使得建立工况变化的机理模型变得异常困难,而专家系统以其不需要对象精确的数学模型和尤其适用于非线性、多变量、时变系统的优点为此类问题的解决提供了良好的方法。因此,根据水泥工艺和专家操作经验设计专家系统对分解炉温度预设定值进行补偿。3.5.1专家系统介绍专家系统结构如图3.5所示:图3.5专家系统组成框图3.5.2基于专家系统的温度设定补偿模型的建立基于专家系统的温度设定补偿模型由以下四部分组成:1.信息获取与处理。信息获取与处理主要是通过对系统的输入信息的处理以获得对控制有用的信息【39】。在本模型中,根据影H向分解炉工况变化的因素,选取输入信息为分解率、一段风室电流、窑电流、二次风温、分解炉温度和C5旋风筒温度。2.知识库。知识库中主要存放系统求解问题所需要的知识[39】。本模型中,主要用知识库来存取分解率、一段风室电流、窑电流、二次风温、分解炉温度和C5旋风筒温度的变化范围和指标。20 济南大学硕士学位论文3.规则集。规则集作为专家系统的核心部分,集中反映了专家及其熟练操作者在此领域的专门知识与经验【39】。本章采用最为广泛的产生式规则形式来存储补偿规则,即“如果满足条件,那么产生结果”的形式,规则集求取如下:(1)分解率异常时的温度设定补偿规则由于分解率随着分解炉温度的提高而提高。因此,当离线分解率低于分解率工艺目标值时,说明分解炉内温度低导致分解率无法达到正常范围,此时应提高分解炉出口温度设定值;反之,当离线分解率高于分解率工艺目标值时,说明分解炉内温度高导致分解率高于正常范围,此时应降低分解炉温度设定值,因此,制定两条补偿规则:IF离线分解率低于分解率工艺目标值THEN提高温度设定值;IF离线分解率高于分解率工艺目标值THEN降低温度设定值。其中,分解率工艺目标值根据工艺指标确定为90%~95%。并且,从现场操作专家得知,出现离线分解率低于分解率工艺目标值时,大约提高分解炉温度设定值5℃;出现离线分解率高于分解率工艺目标值时,大约降低分解炉温度设定值5℃。(2)温度倒挂现象出现时温度设定补偿规则温度倒挂现象就是出现C5旋风筒的温度与分解炉的出口温度之差处于一定的阈值内,这个时候分解炉内会有一部分煤粉不能完全燃烧,从而进入C5旋风筒并继续燃烧,进而导致C5旋风筒的温度上升,导致温度倒挂出现。此时,如不及时进行处理,则容易发生旋风筒堵塞,影响水泥熟料的正常生产。由于C5旋风筒温度下降的速度要快于分解炉温度下降的速度,因此,发生温度倒挂现象时,操作人员会降低分解炉温度设定值,使分解炉温度控制的较低一些,进而促使C5旋风筒温度下降,恢复到水泥熟料生产正常的工艺指标范围内。当恢复正常后,需要提高温度设定值以保证正常的水泥熟料生产。因此,制定出一条补偿规则:IF出现温度倒挂现象THEN降低温度设定值ANDIF温度倒挂消失THEN提高温度设定值。对某水泥企业的大量历史数据进行分析,确定温度设定补偿值的大小。对数据分析得出如表3.3所示的关系: 水泥生产过程分解炉环节的优化控制研究表3.3温度设定补偿值分析数据发现,在一定的范围内分解炉温度与C5温度差值的改变与温度设定值的改变具有一定的对应关系,故制定如下分段函数来确定温度设定补偿值。厂(x)=0X≥15111≤x<1528≤x<11(3.16)35≤x<840
此文档下载收益归作者所有