基于案例推理技術(shù)的立磨生料粉磨過(guò)程優(yōu)化設(shè)定研究.pdf

1、立磨生料粉磨過(guò)程是新型干法水泥生產(chǎn)中非常重要的環(huán)節(jié),粉磨過(guò)程是否穩(wěn)定、生產(chǎn)指標(biāo)是否滿足要求等因素直接影響著最后生料品質(zhì)和后續(xù)的煅燒環(huán)節(jié)。現(xiàn)階段,立磨生料粉磨過(guò)程還沒(méi)有較為精確的模型,并且生料細(xì)度等指標(biāo)還無(wú)法進(jìn)行在線檢測(cè);與此同時(shí),影響粉磨過(guò)程的關(guān)鍵變量需要操作人員進(jìn)行人工設(shè)定,不能跟隨粉磨工況的變化進(jìn)行實(shí)時(shí)調(diào)整,難以使工藝指標(biāo)達(dá)到期望的目標(biāo)值。因此,建立立磨生料粉磨過(guò)程的指標(biāo)預(yù)測(cè)模型并且根據(jù)不斷變化的工況及時(shí)對(duì)影響粉磨過(guò)程的關(guān)鍵變量進(jìn)行

2、優(yōu)化設(shè)定,對(duì)提高生料品質(zhì)、保障設(shè)備穩(wěn)定運(yùn)行以及降低電耗等方面具有重要的意義。
　　本文從建模和優(yōu)化設(shè)定兩個(gè)方面入手展開(kāi)深入研究。首先,闡述了立磨生料粉磨過(guò)程建模及優(yōu)化的研究現(xiàn)狀,詳細(xì)介紹了案例推理技術(shù)和粒子群優(yōu)化算法的原理與應(yīng)用。其次,在深入分析立磨生料粉磨過(guò)程具體工藝流程和參數(shù)要求范圍的基礎(chǔ)上,確定了建模和進(jìn)行優(yōu)化設(shè)定的關(guān)鍵變量;詳細(xì)論述了加動(dòng)量的小波神經(jīng)網(wǎng)絡(luò)(WNN)的結(jié)構(gòu)和學(xué)習(xí)算法,通過(guò)采用在水泥廠實(shí)地采集的數(shù)據(jù),分別基于W

3、NN和BP網(wǎng)絡(luò)建立了立磨生料粉磨過(guò)程指標(biāo)預(yù)測(cè)模型,并且對(duì)比了這兩種模型的性能。再次,本文基于案例推理技術(shù),并結(jié)合粒子群優(yōu)化算法,提出了一種針對(duì)立磨生料粉磨過(guò)程關(guān)鍵變量的智能優(yōu)化設(shè)定策略,利用粒子群算法對(duì)原始案例數(shù)據(jù)進(jìn)行優(yōu)化,建立典型案例庫(kù),當(dāng)新工況來(lái)臨時(shí),利用加權(quán)的最近相鄰法對(duì)案例進(jìn)行搜索,經(jīng)過(guò)案例重用確定當(dāng)前工況的設(shè)定值,并將設(shè)定值送入WNN預(yù)測(cè)模型中驗(yàn)證是否使生產(chǎn)指標(biāo)達(dá)到目標(biāo)期望,根據(jù)期望值和預(yù)測(cè)值之間的差值利用專家規(guī)則對(duì)設(shè)定值進(jìn)行

4、修正,得出當(dāng)前工況的最優(yōu)設(shè)定值;最后,將智能設(shè)定方法和監(jiān)控軟件相結(jié)合,利用LabVIEW設(shè)計(jì)了優(yōu)化設(shè)定軟件,對(duì)人工設(shè)定進(jìn)行指導(dǎo)。
　　通過(guò)實(shí)驗(yàn)仿真,驗(yàn)證了基于WNN的指標(biāo)預(yù)測(cè)模型相比較BP神經(jīng)網(wǎng)絡(luò)模型收斂速度更快、泛化精度更高;采用案例推理技術(shù)與粒子群優(yōu)化算法相結(jié)合的智能優(yōu)化設(shè)定方法,不僅優(yōu)化了案例數(shù)據(jù),而且對(duì)于不斷變化的工況可以及時(shí)給出相應(yīng)設(shè)定值,避免了設(shè)定值調(diào)節(jié)的滯后性和主觀性,對(duì)于立磨生料粉磨過(guò)程的操作及設(shè)定具有指導(dǎo)作用,在