新型干法預(yù)分解窯出窯物料特性參數(shù)軟測量研究.pdf

1、新型干法預(yù)分解窯出窯物料的三個特性參數(shù)為:出窯物料流量、出窯物料溫度和出窯物料粒度?；剞D(zhuǎn)窯在生料煅燒過程中起重要作用,篦冷機(jī)是熟料冷卻、破碎過程中的重要環(huán)節(jié)。由此可見,回轉(zhuǎn)窯和篦冷機(jī)均是新型干法預(yù)分解窯水泥生產(chǎn)的重要組成部分。出窯物料的流量、溫度、粒度對回轉(zhuǎn)窯和篦冷機(jī)的正常運行及實時控制起至關(guān)重要的作用,然而它們是無法直接測量的。因此,采用軟測量技術(shù)來實現(xiàn)出窯物料特性參數(shù)的間接在線測量。
　　 結(jié)合單列五級旋風(fēng)預(yù)熱新型干法預(yù)分解

2、窯水泥生產(chǎn)的實際工藝,由從現(xiàn)場采集到的熟料庫中的熟料量、入熟料庫提升機(jī)電流來反推出出窯物料流量作為主導(dǎo)變量;選擇生料入窯提升機(jī)電流和窯主轉(zhuǎn)電機(jī)電流作為輔助變量;運用RBF神經(jīng)網(wǎng)絡(luò)對出窯物料流量建立軟測量模型,并與用單隱層的BP神經(jīng)網(wǎng)絡(luò)建立的出窯物料流量軟測量模型進(jìn)行比較。得出基于RBF神經(jīng)網(wǎng)絡(luò)的出窯物料流量軟測量模型在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于基于單隱層的BP神經(jīng)網(wǎng)絡(luò)的出窯物料流量軟測量模型。所以,選用基于RBF神經(jīng)網(wǎng)絡(luò)的

3、軟測量模型來實現(xiàn)出窯物料流量的間接在線測量。
　　 結(jié)合雙列五級旋風(fēng)預(yù)熱新型干法預(yù)分解窯水泥生產(chǎn)的實際工藝,用高溫槍在熟料剛出篦冷機(jī)處測得熟料出篦冷機(jī)的溫度。假定篦冷機(jī)工作于穩(wěn)定工況條件下,由強(qiáng)迫對流情況下的熱平衡方程推出出窯物料溫度作為主導(dǎo)變量。選擇生料下料量、分解爐出口溫度、二次風(fēng)溫作為軟測量的輔助變量。運用雙重RBF神經(jīng)網(wǎng)絡(luò)對出窯物料溫度建立軟測量模型,并與基于LS-SVM建立的出窯物料溫度軟測量模型進(jìn)行比較。得出基于雙重

4、RBF神經(jīng)網(wǎng)絡(luò)的出窯物料溫度軟測量模.型在逼近能力、分類能力方面與基于LS-SVM的出窯物料溫度軟測量模型不相上下。由于雙重RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,因此,它的學(xué)習(xí)速度稍慢于基于LS-SVM的出窯物料溫度軟測量模型。但是LS-SVM模型適合小樣本的學(xué)習(xí),所以從生產(chǎn)現(xiàn)場的實際需要出發(fā),選用基于雙重RBF神經(jīng)網(wǎng)絡(luò)的軟測量模型來實現(xiàn)對出窯物料溫度的在線測量。
　　 在出窯物料流量穩(wěn)定的前提下,結(jié)合生產(chǎn)現(xiàn)場工人的實際操作經(jīng)驗確定出窯

5、物料粒度作為基于模糊數(shù)學(xué)的出窯物料粒度軟測量模型的主導(dǎo)變量;選取二次風(fēng)溫、篦冷機(jī)一室室壓作為該軟測量模型的輔助變量;并選取篦冷機(jī)破碎機(jī)電流作為模糊數(shù)學(xué)模型的校驗值,建立基于模糊數(shù)學(xué)的出窯物料粒度軟測量模型,從而實現(xiàn)新型干法預(yù)分解窯出窯物料粒度的間接在線判別。
　　 結(jié)合新型干法預(yù)分解窯水泥生產(chǎn)現(xiàn)場的實際工藝需求,采用Visual C++工具開發(fā)軟件,將基于單RBF神經(jīng)網(wǎng)絡(luò)的出窯物料流量軟測量模型、基于雙重RBF神經(jīng)網(wǎng)絡(luò)的出窯物料