铅锌烧结过程状态智能预测与优化控制策略

《铅锌烧结过程状态智能预测与优化控制策略》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要铅锌金属在国防、电子等众多工业领域有广泛的应用，铅锌烧结过程的稳定性及烧结块质量的好坏，对铅锌冶炼生产效率的高低有着举足轻重的影响。烧结过程状态反映了铅锌烧结生产状况，状态的稳定和优化有助于提高烧结块的质量和产量。针对铅锌烧结过程的非线性、不确定性特点，本文主要围绕过程状态智能集成建模与优化控制策略开展研究，取得的研究成果主要包括以下五个方面。(1)综合生产目标与过程状态参数的关系分析及优化控制结构铅锌烧结状态反映了烧结程度，影响到烧结块的质量和产量，并且烧结状态参数众多，对烧结过程综合生产目标的影响程度也不同。本文深入分析操作参数、过程状态参数和综合生产目标的

2、关系，提出了状态集成预测、综合生产目标优化和过程状态参数优化的优化思想。由此确定状态优化控制目标，提出铅锌烧结过程状态智能集成优化控制结构，分析状态集成优化控制的工作原理，从而为铅锌烧结过程的优化控制提供一种新思路。(2)过程状态参数预测模型透气性和烧穿点位置直接影响到烧结块的质量和产量，是铅锌烧结过程控制的重要状态参数。为实现铅锌烧结过程的状态优化控制，不仅需要获得当前实时的状态指标参数，更重要的是获得未来状态的变化趋势。本文针对透气性的时变和不确定性，建立基于RBF神经网络的透气性预测模型，较准确地进行透气性的实时预测。由于烧穿点主要受到烧结料面烟气温度的影响，

3、采用固定点和非固定点的实验方法，研究铅锌烧结机内烟气温度分布规律，采用神经网络建立烟气温度场分布模型，从而建立烧穿点灰色预测模型；考虑工况波动的影响，采用支持向量机建立烧穿点工艺参数预测模型；然后采用动态加权法对两个模型进行集成，建立烧穿点状态预测模型，从而进行烧穿点的实时预测。采用MATLAB7．0仿真软件，对模型进行验证。仿真结果表明，利用本文方法建立的烧穿点集成预测模型能够获得更高的的预测精度，其预测效果和性能优于单一预测模型。(3)基于遗传蚁群算法的状态优化设定为达到高产、优质的生产目标，必须对透气性和烧穿点进行优化控制，使得烧结生产稳定在最优的状态。基于工

4、艺机理分析和控制需求，将过程状态参数和综合生产目标之间的关系，归纳为一个带有不等式约束状态参数指标的综合收益函数形式描述问题。首先采用罚函数法将将具有多约束条件的目标函数转换为无约束的罚函数形式；然后采用遗传算法对目标函数寻优，获得优化问题的次优解；接着采用蚁群算法进行二次优化，结果作为烧结状态的最优设定值。仿真结果控问研现控行9优，自ABSTRACTLeadandZincarewidelyusedinmanyfields，suchasmilitaryindustry,electronicindustry,etc．Stabilityofthelead-zincsin

5、teringprocess(LZSP)andqualityofsinterareessentialtotheLZSESincethestateofsinterreflectsthestatusoftheLZSP,astableandoptimalstateofsinterisofgreathelptoincreasingthequalityandquantity(Q&Q)ofagglomerate．Basedonthefeaturesofstrongnonlinearityanduncertainty,oftheLZSP,thisdissertationstudie

6、sanintelligentintegratedmodelingandoptimizationcontrolstrategyfortheLZSP,andproducesachievementsmainlyinthefollowingfiveaspects．(1)111eanalysisoftherelationshipsbetweenglobalproductiontargetandstateparameters，andthestructureofoptimizationandcontrolforsinteringprocessThestateoftheLZSPre

7、flectsthestatusoftheLZSPandinfectstheQ&Qofsinteringagglomerate．Notethatthenumberofstateparametersislargeandtheyhavedifferenteffectsontheglobalproductiontarget,thisdissertationmakesanin-depthanalysisontherelationshipsbetweentheoperationparameters，stateparameters，andglobalproductiontar