水泥熟料fCaO含量预测模型及烧成过程优化控制算法研究

发布时间：2020-06-20 13:14

【摘要】：水泥熟料烧成过程中的能源消耗、环境污染以及质量提升等问题已成为水泥工业关注的焦点,该过程直接影响熟料游离氧化钙fCaO含量及生产能耗的高低,是水泥熟料生产线节能减排、提高质量合格率的关键。针对具有复杂物理化学反应的水泥熟料烧成过程,深入研究在线神经网络结构、智能优化算法和模型控制算法,建立水泥熟料fCaO含量预测模型,获得水泥熟料烧成过程变量优化及控制方法,不仅具有重要的理论意义,而且还具有广泛的应用前景和巨大的社会效益,对促进水泥行业的技术发展、提高能源利用率、减少污染物排放和提高熟料质量合格率具有重要的实用价值。本文主要研究工作阐述如下:首先,介绍水泥熟料烧成过程的工艺流程,详细分析水泥熟料烧成过程发生的物化反应,给出水泥熟料游离氧化钙形成过程;结合回转窑内的气固模型、煤粉燃烧模型以及辐射传热模型的数学描述,建立水泥熟料烧成过程回转窑内的高温气固湍流传热模型;利用Fluent软件对回转窑进行数值模拟仿真实验,分析冷态下燃烧器参数对流场分布特性的影响以及煤粉燃烧过程下相关参数对温度分布特性的影响,研究回转窑内传热特性。其次,将核函数方法引入到超限学习机中,构建融合三种核函数的多核超限学习机;利用变形Cholesky分解方法对多核超限学习机在线学习过程进行简化,提出一种基于变形Cholesky分解的在线多核超限学习机算法,并通过三种回归数据集对该算法性能进行测试;结合水泥熟料烧成过程工艺和传热特性,确定水泥熟料fCaO含量模型输入变量,建立水泥熟料fCaO含量预测模型,分别通过数据仿真验证实验以及仿真平台测试实验两个方面进行实验研究。再次,提出两种用于水泥熟料烧成过程变量优化的改进算法:基于随机扰动机制的混沌粒子群算法以及基于SQP局部搜索的改进量子粒子群优化算法,并采用基准测试函数对改进优化算法进行性能测试;基于水泥熟料fCaO含量预测模型,将水泥熟料fCaO含量预测模型的输入变量作为水泥熟料烧成过程待优化变量,建立水泥熟料烧成过程变量优化模型;利用提出的优化算法对水泥熟料烧成过程变量优化模型进行寻优求解,给出水泥熟料烧成过程待优化变量的最优值,完成水泥熟料烧成过程变量优化的实验研究。最后,推导OMKELM-ARMAX组合模型辨识算法,建立水泥熟料烧成过程控制组合模型;将水泥熟料烧成过程待优化变量的最优值作为被控变量的设定值,提出一种基于组合模型的烧成过程预测控制算法,推导指定预测步数的被控变量预测输出表达式,给出水泥熟料烧成过程操作变量输入增量值;通过数据仿真验证实验以及仿真平台测试实验,验证提出的水泥熟料烧成过程控制组合模型及预测控制算法的性能。
【学位授予单位】：燕山大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TQ172.1;TP18
【图文】：

生产流程图,烧成过程,水泥熟料,回转窑

行重点分析。水泥回转窑是一个倾斜放置的回转圆筒，日产5000吨水泥熟料生产线的回转窑长度约为72m、直径约为4m，由耐火材料、窑壁、传动装置、窑头罩、窑尾烟室气体分析仪等设备组成，现场水泥熟料烧成过程回转窑实物如图2-2所示，其结构如图2-3所示。生料仓分解炉煤粉仓C4C5CC21C3C1窑头煤粉仓高温风机预热器分解炉三次风管回转窑篦冷机窑头风机篦下风机图 2-1 水泥熟料烧成过程生产流程图Fig. 2-1 The production flow chart of cement clinker sintering process图 2-2 水泥熟料烧成过程回转窑实物图Fig. 2-2 Rotary kiln of

结构图,烧成过程,水泥熟料,回转窑

的回转窑长度约为72m、直径约为4m，由耐火材料、窑壁、传动装置、窑头罩、窑尾烟室气体分析仪等设备组成，现场水泥熟料烧成过程回转窑实物如图2-2所示，其结构如图2-3所示。生料仓分解炉煤粉仓C4C5CC21C3C1窑头煤粉仓高温风机预热器分解炉三次风管回转窑篦冷机窑头风机篦下风机图 2-1 水泥熟料烧成过程生产流程图Fig. 2-1 The production flow chart of cement clinker sintering process图 2-2 水泥熟料烧成过程回转窑实物图Fig. 2-2 Rotary kiln of ce

【参考文献】