（控制理论与控制工程专业论文）新型干法预分解窑出窑物料特性参数软测量研究.pdf

r e s e a r c ho ns o f ts e n s o rf o rt h ec h a r a c t e r i s t i c p a r a m e t e r sa b o u tt h ec l i n k e rf r o mn s pl q l n b y l ix i a o j i a u n d e rt h es u p e r v i s i o no f p r o f y u a nz h u g a n g at h e s i ss u b m i t t e dt ot h eu n i v e r s i t yo fj i n a n i np a r t i a lf u l f i l l m e n to ft h er e q u i r e m e n t s f o rt h ed e g r e eo fm a s t e ro fe n g i n e e r i n g u n i v e r s i t yo fj i n a n j i n a n ，s h a n d o n g ，p r c h i n a m a y ，2 0 1 1 伽7删07m 38 舢8i 脚y 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的科研成果。 对本文的研究作出重要贡献的个人和集体，均己在文中以明确方 式标明。本人完全意识到本声明的法律责任由本人承担。 论文作者签名：盔尘! 虽 日 期：剑! 笸：j 关于学位论文使用授权的声明 本人完全了解济南大学有关保留、使用学位论文的规定，同 意学校保留或向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借鉴；本人授权济南大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或其他复制手段保存论文和汇编本学位论文。 口公开口保密(年，解密后应遵守此规定) 论文作者签名：盔! j ! 曼导师签名： 日期：矽f 日期：壁尘垒f 济南人学硕i 学位论文 目录 摘要v a b s t r a c t v i i 第一章绪论l 1 1 水泥行业的发展一l 1 1 1 全球水泥行业的发展l 1 1 2 我国水泥行业的发展3 1 2 出窑物料特性参数的研究现状3 1 3 软测量技术概述一5 1 3 1 软测量的数学描述5 1 3 2 软测量的结构6 1 3 3 软测量技术的分类6 1 4 本文的主要工作8 1 4 1 课题的来源8 1 4 2 本文的主要内容8 1 5 本章小结一9 第二章出窑物料特性相关因素分析1 1 2 1 回转窑对出窑物料特性的影响1 1 2 1 1 新型干法预分解窑中回转窑的概况1 l 2 1 2 回转窑烧成系统对出窑物料特性的影响1 3 2 2 篦冷机对出窑物料特性的影响1 3 2 2 1 新型干法预分解窑中篦冷机的概况13 2 2 2 水泥熟料冷却的原因、目的1 4 2 2 3 篦冷机冷却系统对出窑物料特性的影响1 5 2 3 软测量辅助变量的选择及数据的预处理1 6 2 3 1 软测量辅助变量的选择1 6 2 3 2 基于相关性分析选择实验数据16 2 3 3 测量数据的预处理1 7 2 4 本章小结。1 9 新掣干泫预分解窑窑物科特r 参数软测肇研究 第三章基于r b f 的出窑物料流量软测量2 1 3 1r b f 神经网络2 1 3 1 1 基函数2 2 3 1 2 输出层权值及阈值一2 3 3 2 变量的选择与预处理2 6 3 2 1 出窑物料流量主导变量的获得2 7 3 2 2 出窑物料流量辅助变量的选择2 9 3 2 3 出窑物料流量变量的预处理3 1 3 3 基于r b f 神经网络的软测量模型一3 2 3 3 1 基于r b f 神经网络建模3 2 3 3 2 基于r b f 神经网络的模型测试3 4 3 4 基于b p 神经网络的软测量模型3 4 3 4 1 基于单隐层b p 神经网络的软测量模型结构3 5 3 4 2 基于单隐层b p 神经网络的软测量模型预测3 5 3 5 基于r b f 神经网络与基于b p 神经网络的软测量模型对比3 6 3 6 本章小结3 7 第四章基于双重r b f 神经网络的出窑物料温度软测量3 9 4 1 双重r b f 神经网络3 9 4 2 出窑物料温度变量的选择与预处理3 9 4 2 1 出窑物料温度主导变量的获得4 0 4 2 2 出窑物料温度辅助变量的选择4 4 4 2 3 出窑物料温度变量的预处理4 6 4 3 基于双重r b f 神经网络的软测量模型一4 6 4 3 1 基于双重r b f 神经网络建模4 6 4 3 2 基于双重r b f 神经网络的模型检测4 8 4 4 基于l s s v m 的软测量建模4 9 4 4 1l s s v m 简介4 9 4 4 2 基于l s s v m 的软测量建模5 0 4 5 基于双重r b f 神经网络与基于l s s v m 的软测量模型对比5 1 l l 济南人学硕 ：学位论文 4 6 本章小结一5 1 第五章基于模糊数学的出窑物料粒度软测量5 3 5 1 模糊数学模型5 3 5 1 1 模糊条件语句一5 3 5 1 2 模糊推理5 3 5 1 3 解模糊5 4 5 2 出窑物料粒度变量的选择5 5 5 2 1 出窑物料粒度主导变量的取得一5 5 5 2 2 出窑物料粒度辅助变量的选择5 5 5 3 基于模糊数学的出窑物料粒度软测量5 9 5 3 1 出窑物料粒度变量模糊化5 9 5 3 2 出窑物料粒度隶属度函数及模糊关系6 1 5 3 3 出窑物料粒度解模糊及校验6 3 5 4 本章小结6 5 第六章出窑物料特性参数软测量的软件开发6 7 6 1 新型干法预分解窑出窑物料特性参数软测量程序结构6 7 6 2 出窑物料特性参数软测量软件开发6 8 6 2 1 基于r b f 神经网络的出窑物料流量软测量软件开发6 8 6 2 2 基于双重r b f 神经网络的出窑物料温度软测量软件开发7 0 6 2 3 基于模糊数学的出窑物料粒度软测量软件开发7 1 6 3 本章小结7 2 第七章结论与展望7 3 参考文献7 5 致谢7 9 附勇乏8l 一、在校期间发表的学术论文一8 l 二、在校期间参加的项目81 i i i 新型下法预分解窑出窑物科特性参数软测爱研究 济南大学硕l 学位论文 摘要 新型干法预分解窑出窑物料的三个特性参数为：出窑物料流量、出窑物料温 度和出窑物料粒度。回转窑在生料煅烧过程中起重要作用，篦冷机是熟料冷却、 破碎过程中的重要环节。由此可见，回转窑和篦冷机均是新型干法预分解窑水泥 生产的重要组成部分。出窑物料的流量、温度、粒度对回转窑和篦冷机的正常运 行及实时控制起至关重要的作用，然而它们是无法直接测量的。因此，采用软测 量技术来实现出窑物料特性参数的间接在线测量。 结合单列五级旋风预热新型干法预分解窑水泥生产的实际工艺，由从现场采 集到的熟料库中的熟料量、入熟料库提升机电流来反推出出窑物料流量作为主导 变量；选择生料入窑提升机电流和窑主转电机电流作为辅助变量；运用r b f 神 经网络对出窑物料流量建立软测量模型，并与用单隐层的b p 神经网络建立的出 窑物料流量软测量模型进行比较。得出基于r b f 神经网络的出窑物料流量软测 量模型在逼近能力、分类能力和学习速度等方面均优于基于单隐层的b p 神经网 络的出窑物料流量软测量模型。所以，选用基于r b f 神经网络的软测量模型来 实现出窑物料流量的间接在线测量。 结合双列五级旋风预热新型干法预分解窑水泥生产的实际工艺，用高温枪在 熟料刚出篦冷机处测得熟料出篦冷机的温度。假定篦冷机工作于稳定工况条件 下，由强迫对流情况下的热平衡方程推出出窑物料温度作为主导变量。选择生料 下料量、分解炉出口温度、二次风温作为软测量的辅助变量。运用双重r b f 神 经网络对出窑物料温度建立软测量模型，并与基于l s s v m 建立的出窑物料温 度软测量模型进行比较。得出基于双重r b f 神经网络的出窑物料温度软测量模 型在逼近能力、分类能力方面与基于l s s v m 的出窑物料温度软测量模型不相 上下。由于双重r b f 神经网络的网络结构复杂，因此，它的学习速度稍慢于基 于l s s v m 的出窑物料温度软测量模型。但是l s s v m 模型适合小样本的学习， 所以从生产现场的实际需要出发，选用基于双重r b f 神经网络的软测量模型来 实现对出窑物料温度的在线测量。 在出窑物料流量稳定的前提下，结合生产现场工人的实际操作经验确定出窑 物料粒度作为基于模糊数学的出窑物料粒度软i 燹 量模型的主导变量；选取二次风 v 新型干法顶分解帘：l ：帘物 ： 特性参数软测晕研究 温、篦冷机一室室压作为该软测量模型的辅助变量；并选取篦冷机破碎机电流作 为模糊数学模型的校验值，建立基于模糊数学的出窑物料粒度软测量模型，从而 实现新型干法预分解窑出窑物料粒度的间接在线判别。 结合新型干法预分解窑水泥生产现场的实际工艺需求，采用v i s u a lc + + 工具 开发软件，将基于单r b f 神经网络的出窑物料流量软测量模型、基于双重r b f 神经网络的出窑物料温度软测量模型、基于模糊数学的出窑物料粒度软测量模型 应用于实际生产，取得到良好的测量效果。 关键词：预分解窑；特性参数；软测量；神经网络；模糊识别 v i 济南人学硕l ：学位论文 a b s t r a c t t h e r ea r et h r e ec h a r a c t e r i s t i cp a r a m e t e r sa b o u tt h em a t e r i a lf r o mn s p k i l n t h e y a r et h em a t e r i a lf l o wf r o mt h el ( i l n t h em a t e r i a lt e m p e r a t u r ef r o mt h ek i l na n dt h e p a r t i c l es i z eo ft h em a t e r i a lf r o mt h ek i l n r o t a r yk i l np l a y sa ni m p o r t a n tr o l ei nt h e p r o c e s so ft h er a wc a l c i n a t i o n g r a t ec o o l e ri st h ek e yl i n ki nc l i n k e rc o o l i n ga n d c r u s h i n g s o ，r o t a r yk i l na n dg r a t ec o o l e ra r eb o t ht h ei m p o r t a n tp a r ti nn s pc e m e n t p r o d u c t i o n a l t h o u g ht h ef l o w , t e m p e r a t u r ea n d t h ep a r t i c l es i z eo fm a t e r i a lf r o mt h e k i l na l lp l a yav i t a lr o l ei nt h en o r m a lo p e r a t i o na n dr e a l t i m ec o n t r o la b o u tr o t a r yk i l n a n dg r a t ec o o l e r , b u tt h e yc o u l dn o tg e t 舶md i r e c tm e a s u r e m e n t t h a t sw h yt h e p a p e ru s e st h es o f tm e a s u r e m e n tt or e a l i z et h ec h a r a c t e r i s t i cp a r a m e t e r sa b o u tt h e m a t e r i a lo n - l i n em e a s u r e m e n ti n d i r e c t l y c o m b i n i n ga c t u a lt e c h n o l o g yo ft h eu n i s e r i a t ef i v eg r a d ec y c l o n ep r e - h e a t e rn s p c e m e n tp r o d u c t i o n ，w eg e tt h em a t e r i a lf l o wf r o mt h ek i l na st h ep r i m a r yv a r i a b l e w h i c hc a l c u l a t e db yt h ea m o u n to fc l i n k e ri nc l i n k e rw a r e h o u s ea n dt h eh o i s tc u r r e n t w h i c hc a nt r a n s p o r tt h ec l i n k e ri n t ot h ec l i n k e rw a r e h o u s et h a tc o l l e c t e df r o mt h ef i e l d o ft h ec e m e n tp r o d u c t i o n ，c h o o s et h eh o i s tc u r r e n tt h a tl o a dr a wi n t ok i l na n dt h ek i l n m o t o rc u r r e n ta si n s t r u m e n t a l v a r i a b l e ，u s i n g r b fn e u r a ln e t w o r kt ob u i l d s o f t s e n s i n gm o d e lo ft h em a t e r i a lf l o wf r o mt h ek i l n ，a n dm a k ec o m p a r e dw i t ht h e s o f t - s e n s i n gm o d e lw h i c hb u i l tb ys i n g l eh i d d e nl a y e rb pn e u r a ln e t w o r k o b t a i n e d ， t h em a t e r i a lf l o wf r o mt h ek i i ns o f ts e n s o rm o d e lb a s e do nr b fn e u r a ln e t w o r ki s b e t t e rt h a nt h em a t e r i a lf l o wf r o mt h ek i l ns o f ts e n s o rm o d e lb a s e do nb pn e t w o r ki n t h ea p p r o x i m a t i o na b i l i t y , c l a s s i f i c a t i o na b i l i t ya n dl e a r n i n gs p e e d s o ，w ec h o o s e s o f t s e n s i n gm o d e lt h a tb a s e do nr b fn e u r a ln e t w o r kt or e a l i z et h em a t e r i a lf l o w f r o mt h ek i l no n l i n em e a s u r e m e n ti n d i r e c t l y c o m b i n i n ga c t u a lt e c h n o l o g yo ft h ed i a l l e lf i v eg r a d ec y c l o n ep r e - h e a t e rn s p c e m e n tp r o d u c t i o n ，w eu s eh i g h t e m p e r a t u r eg u nt om e a s u r et h et e m p e r a t u r eo ft h e c l i n k e rj u s tf r o mg r a t ec o o l e r w eg e tt h em a t e r i a lt e m p e r a t u r ef r o mt h ek i l na st h e p r i m a r yv a r i a b l eb yh e a tb a l a n c ee q u a t i o nu n d e rt h es e v e r ec o n v e c t i o nc o n d i t i o n v i l 新犁千法预分解窑出窑物料特竹参数软测蹬研究 w h e ng r a t ec o o l e rw o r k si ns t a b i l i t ys i t u a t i o n s e l e c tr a w f e e d ，o u t l e tt e m p e r a t u r eo f c a l c i n e r , t e m p e r a t m eo fs e c o n d a r ya i ra si n s t r u m e n t a lv a r i a b l eo ft h es o f ts e n s o r u s i n gd o u b l er b fn e u r a ln e t w o r kt ob u i l ds o f t - s e n s i n gm o d e lo ft h em a t e r i a l t e m p e r a t u r ef r o mt h ek i l n ，a n dm a k ec o m p a r e dw i t ht h es o f t - s e n s i n gm o d e lb a s e do n l s s v m t h ec o n c l u s i o ni st h a tt h em a t e r i a lt e m p e r a t u r ef r o mt h ek i l ns o t ts e n s o r m o d e lb a s e do nd o u b l er b fn e u r a ln e t w o r ka n dl s - s v ma r ea l l s q u a r e i n a p p r o x i m a t i o na b i l i t ya n dc l a s s i f i c a t i o na b i l i t y d u et ot h en e t w o r ks t r u c t u r eo ft h e d o u b l er b fn e u r a ln e t w o r ki sc o m p l e x ，t h e r e f o r e ，i t sl e a r n i n gs p e e ds l i g h t l ys l o w e r t h a nt h es o f t s e n s i n gm o d e lb a s e do nl s s v m b u tt h el s s v mm o d e ls u i t a b l ef o r t h es t u d yo fs m a l ls a m p l ed a t a ，s o ，a c c o r d i n gt ot h ea c t u a ln e e do fp r o d u c t i o nf i e l d ， s e l e c tt h es o f t - s e n s i n gm o d e lb a s e do nd o u b l er b fn e u r a ln e t w o r kt or e a l i z et h e m a t e r i a lt e m p e r a t u r ef r o mt h ek i l no n - l i n em e a s u r e m e n ti n d i r e c t l y u n d e rt h ep r e m i s eo ft h em a t e r i a lf l o wf r o mt h ek i l ns t a b i l i t y , c o m b i n i n gw i t h w o r k e r s p r a c t i c a lo p e r a t i o ne x p e r i e n c et od e t e r m i n et h em a t e r i a lp a r t i c l es i z ef r o m t h ek i l na sp r i m a r yv a r i a b l eo ft h i ss o f t - s e n s i n gm o d e l s e l e c tt e m p e r a t u r eo f s e c o n d a r ya i r , t u b ep r e s s u r eo fg r a t ec o o l e r so n er o o ma si n s t r u m e n t a lv a r i a b l eo ft h e s o f t - s e n s i n gm o d e l u s ec r u s h e rc u r r e n to ft h eg r a t ec o o l e r sc r u s h e ra st h ec a l i b r a t i o n o ft h i ss o f t s e n s i n gm o d e l u s i n gf u z z ym a t h e m a t i c st oe s t a b l i s ht h ep a r t i c l es i z eo f t h em a t e r i a lf r o mt h ek i l ns o f t - s e n s i n gm o d e l ，t h u s ，r e a l i z et h ep a r t i c l es i z eo ft h e m a t e r i a lf r o mt h ek i l no n - l i n ed i s c r i m i n a t i o ni n d i r e c t l y a c c o r d i n g t ot h ea c t u a lt e c h n o l o g yo f n s pc e m e n t p r o d u c t i o n , u s i n gv i s u a lc + + t o o lt od e v e l o ps o f t w a r e ，t h es o f t s e n s i n gm o d e lb a s e do nr b fn e u r a ln e t w o r k ，t h e s o f t s e n s i n gm o d e lb a s e do nd o u b l er b fn e u r a ln e t w o r ka n dt h es o f t - s e n s i n gm o d e l b a s e do nl s s v ma r e a p p l i e dt op r a c t i c a lp r o d u c t i o n ，t h e s eo b t a i n t h eg o o d k e yw o r d s ：n e ws u s p e n s i o np r e h e a t e rk i l n ；t h ec h a r a c t e r i s t i cp a r a m e t e r s ；s o f t s e n s o r ；n e u r a ln e t w o r k ；f u z z yr e c o g n i t i o n 1 1 水泥行业的发展 第一章绪论弟一早瑁下匕 水泥是水硬性胶凝材料，广泛的应用于土木建筑、水利、交通、国防及城乡 建设等领域。水泥行业的发展与建筑行业有密切的联系，是一种使用广、用量很 大的建筑性工程材料，在国民经济中占据重要地位。 1 1 1 全球水泥行业的发展 2 0 世纪6 0 , - - 8 0 年代，世界水泥行业发生了一系列重大变革。波特兰水泥在2 0 世纪7 0 年代时出现的预热预分解技术( 新型干法技术) 。新型干法预分解窑水泥生 产技术的应用、发展大大提高了产品质量和生产率；降低了产品热耗；有效控制 有害气体、粉尘、烟尘的排放；加快水泥工业的发展，满足全球的需求量f 1 1 。 通过对水泥发展的研究，预测全球的水泥消费呈现一种积极的发展趋势。从 1 9 9 9 年的1 5 4 2 0 0 万吨到2 0 0 5 年的1 8 7 5 0 0 万吨，再n 2 0 l o 年的2 1 0 5 0 0 万吨的水泥消 费量，这意味着水泥消费n 2 0 l o 年总共增长了3 4 ，全球水泥消费每年平均增长 约3 。波特兰水泥协会的首席经济i ) i t i e ds u l l i v a n 预计2 0 11 年和2 0 1 2 年全球水泥消 费量将分别上升7 7 和6 。9 个百分点【2 瑚。 近1 0 年来在工艺方面，国际水泥界在利用以信息技术为首的高新技术对新型 干法工艺的优化和完善的基础之上，有效地利用资源并使其成为可持续发展产 业。主要取得以下成果： 在矿石开采和运输过程中预均化，入厂后进一步均化，实现生料自动配 料。这样既减少物料储备期，又为原料配料、生料制备及熟料煅烧提供了充分、 良好的前提条件。 生料在窑外悬浮预热、新型分解炉系统的研发和优化不仅有效地提高燃 料燃烧率、燃尽率，而且提高了气固热交换效率、生料入窑分解率以及整个窑系 统的热效率。从而减少n o x 、c 0 2 等废气的排放，降低对环境的污染。 生料碳酸盐在预热分解系统中充分的预热、分解，c a o 、s i 0 2 等矿物质 在回转窑内进行固相反应，提高熟料的品质。 新型f i 法预分解窑：l j 窑物料特。件参数软测晕：研究 具有“空气梁”的第三代篦冷机在骤冷区使出窑物料的温度迅速降低， 这样有效地防止了熟料中的3 c a o s i 0 2 和2 c a o s i 0 2 晶体变形，还使得铝酸盐、铁 铝酸盐等成玻璃态，提高了熟料的活性。同时，提高了篦冷机的热回收率。使二 次风温由8 5 0 9 5 0 提升到1 1 0 0 以上，烧成带温度升高，保证了入窑生料在回 转窑内的充分煅烧，出窑物料的温度在1 3 5 0 左右。三次风温由6 0 0 , - , 7 0 0 提升 到8 5 啦9 5 0 ，为生料在分解炉内充分的分解提供热量，提高了生料分解率。 把一次风管和喷煤管组合在一起，有效地控制了一次风量和喷煤量，进 而有效地控制了回转窑烧成带的火焰，提高燃料的利用率。改进后的喷煤管横截 面图如图1 1 所示。 图1 1 喷煤管横截面图 a 处为外风、b 处为喷煤管、c 处为内风、d 处为中心风 外风有聚煤的作用，它使喷煤管里喷出的煤粉呈细长型，保证煤粉的散落可 以覆盖回转窑内的整个烧成带；内风管喷出的内风如图1 1 所示呈螺旋状，它使 得喷煤管里喷出的煤粉缩短变粗，它可以避免由于外风对煤粉的拉长使得煤粉的 覆盖区域过长从而造成煤粉不必要浪费的副作用；中心风为喷煤管喷出的煤粉内 部供氧，起到助燃剂的作用，使得煤粉在回转窑内得到充分的燃烧，从而有效地 保证了回转窑烧成带的温度，为生料在回转窑烧成带处的充分煅烧打下良好的基 础，保证了出窑熟料的质量【4 巧】。 研用中低温预热发电系统，有效利用了预热器、篦冷机的散失的热量， 最主要还是篦冷机散失的热量，实现能源回收，提高新型干法回转窑系统的效率。 研发新型立磨、球磨及辊压机，提高生料、煤粉及熟料的破碎效率。 总之水泥行业正朝低碳型经济发展。 2 济南人学硕i j 学位论文 ! i ii i ii i i 一 一 ： 一i i i i l l 曼! 曼! 曼! 曼曼曼! 曼曼曼曼曼皇曼曼曼蔓 1 1 2 我国水泥行业的发展 我国水泥行业的发展经历了4 个阶段，第一阶段是至新中国成立为止；第二 阶段从五十年代到七十年代，是以湿法窑、机立窑的建设为主的时期；第三阶段 从七十年代到八十年代，是于法窑建设的初期阶段；第四阶段从八十年代末至今 为新型干法回转窑的快速发展时期。近年来，我国的新型干法回转窑水泥生产技 术得到飞速的发展。尤其进入2 1 世纪，大批5 0 0 0 t d 新型干法水泥熟料生产线的建 成及投产，标志着我国的新型干法生产技术已r 趋成熟。目前全国已建成的新型 干法回转窑水泥生产线约4 0 0 多条，产量能达3 亿多吨，是我国水泥总产量的3 2 以上【6 】o 近年来我国水泥行业实现了产值、销售及效益大幅度增长，由此可见结构调 整的成效十分显著。即使面对严重金融危机的影响，就总体而言水泥工业仍然保 持良好的发展态势。就长期而言，水泥行业仍然将长期处于高速增长期。主要体 现在民生工程建设、基础设施建设、生态环境建设及灾后重建等方面。而作为建 筑行业得必要建筑材料，水泥行业会受益良多，有望保持平稳的增长态势m 。 1 2 出窑物料特性参数的研究现状 新型干法水泥是现今水泥行业的发展主流，新型干法水泥的工艺流程包括五 级旋风预热器、分解炉、回转窑和篦冷机四个部分，它又分为窑尾和窑头两大系 统。新型干法水泥生产窑头系统由回转窑、篦冷机等组成。生料粉经过四级旋风 预热器后进入分解炉分解，预分解的生料经由第5 级旋风预热器进入回转窑后， 由于窑胴体倾斜放置且不断旋转，使得来自窑尾的预分解的生料不断向窑头运 动，在窑内不断被高温逆向流动的气体加热而烧成熟料。最后经篦冷机冷却后卸 出即为水泥熟料。回转窑和篦冷机的有效控制是整个新型干法水泥回转窑的重要 环节【8 1 。 出窑物料的特性参数有三个，它们分别是出窑物料流量、出窑物料温度、出 窑物料粒度。如果出分解炉的经过预热分解的水泥生料温度过高，且回转窑烧成 带温度过高，则生料在回转窑内呈现液态。在煅烧的过程中容易粘贴在窑内壁上， 这样随着回转窑的旋转被带起的高度也就会高，则同样时间内的出窑物料熟料的 流量减小。而且如果液相量过大容易形成回转窑窑内的结圈现象，也易出现塌窑 3 新犁下法预分解窑窑物羊 特忤参数软测萤研究 事故，同时出窑物料的粒度变大。而回转窑烧成带温度过高有可能是因为出窑物 料温度高，篦冷机内出窑熟料与鼓入篦冷机内的冷风热交换后的二次风的风温变 高，进而使得回转窑烧成带的温度升高。而如果出窑物料的流量、温度、粒度特 性发生改变后篦冷机的一系列参数不发生改变的话会引起篦冷机内的“红河”、 “堆雪人 现象或是造成电力的浪费。因此出窑物料的三个特性参数对回转窑和 篦冷机的控制起着至关重要的作用，同时也是新型干法水泥生产工艺的三个重要 参数。 对于出窑物料而言，因为其处在回转窑与篦冷机的交界处，无法直接测量， 所以我们只能通过间接的方法来估计出出窑物料的三个特性参数。 对于出窑物料流量，现有的间接估计方法是用篦冷机篦板上熟料厚度及篦压 来反映出窑物料流量的大小，而不能表示出出窑物料流量的具体值。 对于出窑物料温度，现有的间接测量方法有三种：用红外线扫描窑筒体， 在通过图像分析处理可得出出窑物料温度。但是由于回转窑内部有一层厚厚的耐 火砖及简体外部又有一层很厚的铁皮包着，所以由此种方法得到的出窑物料温度 是有很大偏差的。在出窑口与窑头罩的连接处插入热电偶的方法得到出窑物料 温度。由于出窑物料的温度高达1 3 5 0 ，所以热电偶极易损坏，需要经常更换。 所以用此种方法测得出窑物料温度会有较大的偏差，而且因经常更换热电偶使成 本价格提高。结合窑头看火技术和图像处理技术分析出出窑物料温度。由这种 技术得出的出窑物料温度也同样存在一定程度偏差【9 。1 。 对于出窑物料粒度，现有的间接判别方法有三种：定步长扫描法。能粗略 统计回转窑内物料结块儿大小的含量。边缘背景占空比法。很好的描述了回转 窑内物料结块儿大小的具体分布趋势。建立温度与粒度的混合回归模型，用参 数最d , - - 乘估计法辨识出回转窑内物料的粒度。它为出窑物料粒度的预报即新型 干法水泥生产篦冷机的自动控制打下良好的理论基础【1 2 彤l 。 由上可知：对于出窑物料的三个特性参数即出窑物料流量、出窑物料温度、 出窑物料粒度的测量、估计，采用的是离线测量的方法。水泥生产本身就是一个 非线性、大滞后的过程，所以用上述方法测得的结果，不能及时反映实时的生产 状况，降低了其实际的参考价值。因此，若能实现出窑物料的流量、温度、粒度 的在线测量，则可为回转窑和篦冷机的实时控制提供宝贵的信息。因此对新型干 4 济南大学硕 ：学位论文 法预分解窑出窑物料的三个特性参数的在线测量技术的分析和研究有重大意义。 1 3 软测量技术概述 软测量技术也称做软仪表技术，依据易测过程变量与难测过程变量之间的数 学关系，通过各种计算和估计，从而实现难测过程变量的测量。 软测量的基本思想是：把自动控制原理与生产过程工艺有机的结合在一起， 以传感器检测为基础，同时又应用计算机技术，以软件代替硬件，用辅助变量( 易 测过程变量) 来推出主导变量( 难测过程变量) 1 4 - 1 5 1 。 1 3 1 软测量的数学描述 软测量的目的就是利用所以可以获得的信息求取主导变量的最佳估计值，即 构造从可测信息集秒到y 的映射，其中可测信息集矽包括所有的可测主导变量y 、 辅助变量u 、控制变量秒和可测扰动d 。控制变量9 是指那些除了实验因素( 自变 量即辅助变量) 以外的所有影响实验结果的变量，这些变量不是本实验所要研究 的变量，所以又称无关变量、无关因子、非实验因素或非实验因子。软测量的数 学描述如图i 2 所示。 可测信息集否 校正值 ( 检测值) 图1 2 软测鼍的数学描述 由图1 2 可以看出软测量的数学描述还可表示为： y = 厂( 臼) = f ( u ，y ，矗)( 1 1 ) 建立软仪表的过程就是构造一个数学模型，它的建立以一般意义下的数学模 型为基础。软测量模型和一般意义下的数学模型的区别在于：一般意义下的数学 模型主要反映y 与材和d 之间的动态( 或稳态) 关系；软测量模型则是通过可测信 息集否，主要是辅助变量甜、可测主导变量y 和干扰d 来估计预测主导变量歹的 值【16 1 。 新型下法预分角i 窑山窑物科特件参数软测盛研究 1 3 2 软测量的结构 软测量主要包括辅助变量的选取；辅助变量与主要变量数据的采集及预处 理；软测量模型的建立和学习；软测量模型的检测及校正；软测量模型的在线估 计预测。软测量模型建立的流程图如图1 3 所示。 模的方法 ：基于 于模式识 层析成像 济南人学硕1 学位论文 建模；基于相关分析建模；基于现代优化非线性信息处理技术建模。前六种 软测量技术在过程控制及检测中的应用比后三种要广泛些。 基于工艺机理分析的软测量建模方法： 运用物料平衡原理、能量平衡原理和化学反应动力学等原理，通过对过程对 象的工艺机理分析，找出不可测变量( 主导变量) 和可测变量( 辅助变量) 之间的关 系，建立机理模型，从而可以实现对某一参数的软测量。它只适用于工艺机理比 较清楚的工艺过程。 基于回归分析的软测量建模方法： 回归分析的软测量建模方法大概有五种：经典回归分析法，应用范围广； 以最小二乘为基础的回归分析法，用于线性系统模型的拟合；逐步回归分析 法；主元回归分析法；部分最d x - - 乘回归分析法。后三种适合于辅助变量多 的情况下。回归分析法优点是建模简单、实用。缺点是需要大量的样本数据，且 对测量误差比较敏感【1 7 1 。 基于状态估计的软测量建模方法： 状态估计的软测量是依据某种算法和规律，由已知的知识、数据来估计出未 知的结构或者结构参数及过程参数。主要采用的是k a l m a n 滤波器和l u e n b e r g e r 观测裂18 1 。 基于模式识别的软测量建模方法： 模式识别法是以系统的输入和输出为基础，通过对系统特征的提取而得到的 模式描述模型。它适用于缺乏先验知识的过程工业。 基于人工神经网络的软测量建模方法： 人工神经网络软测量建模适用于严重不确定性、高度非线性的系统。因此， 研究多、应用广泛和发展快的一种建模方法【1 9 】。 基于模糊数学的软测量建模方法： 它适用于被测对象不确定、难用常规数学描述的复杂的工业过程【2 0 1 。 基于模式识别的软测量建模方法、基于人工神经网络的软测量建模方法、基 于模糊数学的软测量建模方法这三种方法又被称为基于知识的软测量建模方法。 它们的共同特点是通常与别的软测量建模结合，这样可以提高软测量建模的精确 詹1 2 1 - 2 3 1 ，丈o 7 新型千泼预分解窑：上：窑物料特r | 参数软测量研究 现今，软测量算法的研究主要集中于“基于神经网络的软测量”、“基于模糊 控制的软测量”、“基于支持向量机的软测量 、“基于主元回归的软测量 、“基于 最小二乘的软测量 、“基于灰关联分析的软测量”、“基于数据融合的软测量”、 “基于群蚁算法的软测量及这些方法的综合上等等。发展领域也涉及到工业、 农业、建筑、水利、交通、国防及城乡建设等领域【2 4 。2 6 1 。 总之，软测量技术的发展潜力和应用之范围是很大的。 1 4 本文的主要工作 1 4 1 课题的来源 本论文课题来源于国家高技术研究发展计划( 8 6 3 ) 计划项目“新型干法水 泥生产过程集成控制应用( 2 0 0 6 a a 0 4 2 1 8 5 ) ”的子课题“软测量、单元级