欢迎来到天天文库
浏览记录
ID:33670491
大小:4.57 MB
页数:127页
时间:2019-02-28
《竖炉焙烧过程混合智能控制的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、东北赶学博士学位论文摘要竖炉焙烧过程混合智能控制的研究摘要竖炉焙烧生产过程作为选矿厂整个生产流程中的⋯个重要环节,其主要任务是将弱磁性的赤铁矿通过高温还原处理转变为强磁性的铁矿石,以满足磁选管回收率(MagneticTubeRecoveryRate,MTRR)、台时产量、煤气消耗等综合生产指标的要求。出于焙烧尘产过程具有综台复杂性,如:一些关键工艺参数(如磁选管回收率)不能连续检测,还原带温度、燃烧室中心温度难以在线检测,运行工况(如边界条件、参数)变化频繁,多变量强耦合,强非线性等,使得焙烧过程难以实现自动控制,因而造成难以准确控制竖炉还原带温度而引起“欠还原”或“过还原”的现象,使得
2、产品质量差、能耗高,因而实现焙烧过程的自动控制和综合生产指标(磁选管回收率、台时产量、煤气消耗)的优化控制对于提高选矿生产过程的产品质量、提高生产效率、降低生产成本、减少资源消耗有着重要的意义。本文结合“酒钢选矿厂综合自动化系统”的工程项目。开展了竖炉焙烧过程建模、控制与优化的研究,取得如下成果:1、针对具有综合复杂性的竖炉焙烧过程,将智能控制与常规控制方法相结合、建模与控制相集成、软测量、故障诊断与优化控制相结合,提出了以提高磁选管回收率和台时产量、降低煤气消耗量为目标的由智能优化设定和智能过程控制两层结构组成的混合智能优化控制技术,该技术通过自动调整竖炉焙烧过程控制回路(燃烧室中心温
3、度、还原煤气流量和矿石搬出制度)的设定值,并对设定值通过前馈及反馈补偿方法进行校正,使控制回路跟踪设定值,从而保证焙烧过程的磁选管『亘I收率、台时产量、煤气消耗量的实际值处于其目标值范围内:2、提出了由还原带温度、燃烧室中心温度、还原煤气流量、矿石搬出制度的预设定模型、机理模型、补偿模型、炉况智能故障诊断系统、工况识别选择模型和设定值判别输出模型组成的以磁选管回收率、台时产量、煤气消耗量为目标的优化设定方法,其中,预设定模型采用专家规则、案例推理和机理分析近似计算相结合的方法实现过程控制回路的初步设定,工况识别选择模型和设定值判别输出模型采用专家规则分别实现工况的判别、预没定模型的选择以
4、及过程控制回路预设定值的阈值判别输出.诊断系统采用案例推理、专家规则等智能方法,将磁选管回收率预报、故障预报与故障分析相集成而实现炉况的智能诊断,补偿模型通过总结专家长期积累的经验,并编制出相应的补偿规则而实现还原带温度预设定值及燃烧室中心温度、还原煤气流量、矿石搬出制度预设定值的补偿校正。该设定方法可以在线对焙烧过程控制回路的设定值进行设定并调整,适应了运行工东北大学博士学位论文摘要况的频繁变化,优化了综合生产指标;3、将专家规则、案例推理、模糊控制等智能方法与常规控制相结合、燃烧室中心温度预报模型与控制相集成提出了由带有燃烧室中心温度预报模型的温度串级模糊控制和带有煤气和空燃比补偿模
5、型的空气流量比值控制组成的燃烧室温度分布智能控制方法,提出的方法可以解决诸如犬滞后、非线性等对温度稳定性产生不利影响的问题,并能避免燃烧过程中故障的发生,可以在线对加热煤气用量和空燃比进行实时校正,从而对燃烧室温度的分布实现了稳定化控制并降低了煤气消耗量:4、研制了实现上述控烈技术的由过程监控层和过程控制层(优化设定、过程回路)组成的竖炉焙烧过程智能控制系统,并成功应用于酒钢选矿厂22台竖炉焙烧过程,使磁选管回收率提高2%,台时产量增加O.72t/h,设备运转率提高50%.降低煤气消耗量6%,取得显著应用成效。关键词:竖炉焙烧过程:综合生产指标;混合智能;专家规则:神经网络;模糊控制:案
6、例推理;故障诊断;智能预报东北欠学博士学位论文ABSTRACTResearchonHybridIntelligentControlforShaftFurnaceRoastingProcessABSTRACTTheroastingprocessofshaftfurnaceisoneofthemostimportantprocessesintheMineralsProcessingFactory,theprimarytaskofitistoprovidethemastingoreofhematitewithhighermagnetismbvhightemperaturedeoxidizati
7、on、inordertofitrequestoftheintegratedproductionindexes(MTRR-MagneticTubeRecoveryRate,hour’Syieldandconsumedgas).TheautomationcontroJoftheshaftfumaceroastingprocessiSverydifficultduetoitssyntheticandcomplexcharacters.fo
此文档下载收益归作者所有