水泥磨机负荷预测算法研究
发布时间：2021-10-07 16:10
水泥作为生产混凝土和砂浆的基本材料,广泛应用于建筑、水利、交通等工程领域,中国改革开放后能源工业快速发展,伴随而来的是环境污染问题加重,水泥生产过程中消耗不可再生能源以及排放大量有害气体,任何一种工艺或者设备上的改进,都会对整个生产过程起到推动作用,实现节能减排,促进水泥工业的可持续发展。本文以陕西省安康市某4000t/d水泥厂为对象,在全面分析新型干法水泥工艺的基础上,针对水泥产线范围广、跨度大、关联设备多等特点,选用浙大中控WebField ECS-700控制系统进行设计,并根据磨机粉磨过程中负荷难以检测的问题,提出不同的磨机负荷预测模型,本文的研究内容主要如下:（1）根据控制要求和生产工艺完成了包括系统整体设计、硬件配置、软件配置的总体控制架构。将新型干法水泥工艺分为生料制备粉磨、预热器加热分解、熟料煅烧和水泥制成四个工段,每工段设置一个现场控制站,操作节点间的通讯网络采用基于TCP/IP的工业以太网,控制网络采用冗余光纤环网,解决了产线稳定运行的远距离通讯问题。采用VFExplorer控制平台进行硬件配置,根据变送器信号接入和产线设备控制要求计算控制点位并留出适当余量,确定控制...
【文章来源】：西安建筑科技大学陕西省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
生料制备粉磨（2）预热器加热分解
西安建筑科技大学硕士学位论文8图2.1生料制备粉磨（2）预热器加热分解预热分解系统主要设备包括：悬浮预热器、分解炉、罗茨风机、斗提以及各类阀门等。该工段采用预分解技术，来自均化库的合格生料从窑尾的最上级预热器进入，预热器的作用是对生料预热的同时使其部分分解，替代了回转窑的部分功能[30]，每个预热器顶部有换热管道，承担着物料分散、均布、锁风和换热的任务。生料与来自窑内的废热气体不断进行热交换后，进入分解炉内燃烧，直至大部分碳酸盐分解，再通过最后一级预热器进入回转窑中高温煅烧，减少了窑内燃烧带的热负荷，大幅度提高了窑系统的生产效率。其生产流程见图2.2：图2.2预热器加热分解（3）熟料煅烧熟料煅烧系统主要设备包括：回转窑、各类风机、传动电机、煤磨、燃烧器、
西安建筑科技大学硕士学位论文9冷却机以及输送、除尘等。回转窑是最终少量碳酸盐分解和水泥熟料矿物形成的煅烧设备，具有气料热交换、化学反应、物料输送以及降解废弃物中的有害物质等功能，通常斜度为3%～3.5%。筒体旋转促进物料搅拌使其充分混合反应，高温煅烧后形成水泥熟料，出窑后经篦冷机骤冷处理，有利于提高熟料的强度和安定性、改善易磨性等优点，再通过链式输送机运送至储存库中。其生产流程见图2.3：图2.3熟料煅烧（4）水泥制成水泥制成系统主要设备包括：辊压机、烘干机、传动电机、包装机以及输送、除尘等。矿渣作为水泥原料之一，由于其水分较大需先经过回转式烘干机，因重力作用由筒体较高处下落，经过燃烧室热气体传热实现烘干，将水泥熟料、石膏以及混合材料进行合理配比经挤压和打散后再粉磨成一定粒度，经空气输送斜槽和重锤翻板阀喂入高效选粉机，分选出的粗粉通过固体流量计后入磨，细粉形成了一定的颗粒级配，满足水泥浆凝结和硬化的要求，经袋式收尘收集后，通过斜槽风机、入库提升机以及库顶斜槽风机（根据入库号开启相应的斜槽风机）成为符合质量要求的水泥产品输送入库。其生产流程见图2.4：
【参考文献】：
期刊论文
[1]国外水泥工业消纳废弃物的现状(上)[J]. 韩仲琦. 水泥技术. 2019(06)
[2]基于DCS采集的振动数据的磨机负荷分析[J]. 郭振宇,邹国斌,杨凌凌,朱颖舟,杨帆. 有色金属(选矿部分). 2019(04)
[3]基于多源信号融合的球磨机负荷预测方法研究[J]. 罗小燕,邵凡,陈慧明,卢小江. 振动与冲击. 2019(08)
[4]新型干法水泥生产线自动控制研究与应用[J]. 兰宏伟. 自动化应用. 2019(01)
[5]国内外电石渣制水泥生产技术进展[J]. 曾宪军,陈鹏,王亚平. 中国水泥. 2018(09)
[6]改进的粒子群算法优化神经网络及应用[J]. 何明慧,徐怡,王冉,胡善忠. 计算机工程与应用. 2018(19)
[7]改进惯性权值的粒子群优化算法[J]. 南杰琼,王晓东. 西安工程大学学报. 2017(06)
[8]新型干法水泥的节能减排技术创新与研发[J]. 孙海泉. 水泥. 2017(07)
[9]基于网格搜索与交叉验证的SVM磨机负荷预测[J]. 罗小燕,陈慧明,卢小江,熊洋. 中国测试. 2017(01)
[10]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
博士论文
[1]粒子群优化算法研究及其应用[D]. 王维博.西南交通大学 2012
[2]大型滑履磨机结构分析及焊接工艺研究[D]. 曾芳.武汉理工大学 2010
硕士论文
[1]基于改进PSO-LS-SVM的风电功率预测[D]. 邹乐乐.新疆大学 2019
[2]ABB Industrial IT系统在承德金隅水泥厂的应用[D]. 曲翌.天津大学 2017
[3]基于改进PSO-RBF神经网络的气温预测模型[D]. 陈广.兰州大学 2015
[4]水泥厂DCS控制系统设计[D]. 申汉杰.武汉理工大学 2013
[5]基于PCS7水泥生产线DCS控制系统设计与研究[D]. 任世永.武汉理工大学 2010
[6]粒计算—神经网络算法及其在旋转机械故障诊断中的应用[D]. 李凤.太原理工大学 2009
[7]基于粒计算和神经网络的电站风机故障诊断的应用[D]. 杜莉.太原理工大学 2009
[8]基于粗糙集理论与BP神经网络结合的火电厂风机故障诊断研究[D]. 胡波.太原理工大学 2008
[9]球磨过程的数学模型及其试验研究[D]. 孙利波.山东大学 2006
本文编号：3422364
【文章来源】：西安建筑科技大学陕西省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
生料制备粉磨（2）预热器加热分解
西安建筑科技大学硕士学位论文8图2.1生料制备粉磨（2）预热器加热分解预热分解系统主要设备包括：悬浮预热器、分解炉、罗茨风机、斗提以及各类阀门等。该工段采用预分解技术，来自均化库的合格生料从窑尾的最上级预热器进入，预热器的作用是对生料预热的同时使其部分分解，替代了回转窑的部分功能[30]，每个预热器顶部有换热管道，承担着物料分散、均布、锁风和换热的任务。生料与来自窑内的废热气体不断进行热交换后，进入分解炉内燃烧，直至大部分碳酸盐分解，再通过最后一级预热器进入回转窑中高温煅烧，减少了窑内燃烧带的热负荷，大幅度提高了窑系统的生产效率。其生产流程见图2.2：图2.2预热器加热分解（3）熟料煅烧熟料煅烧系统主要设备包括：回转窑、各类风机、传动电机、煤磨、燃烧器、
西安建筑科技大学硕士学位论文9冷却机以及输送、除尘等。回转窑是最终少量碳酸盐分解和水泥熟料矿物形成的煅烧设备，具有气料热交换、化学反应、物料输送以及降解废弃物中的有害物质等功能，通常斜度为3%～3.5%。筒体旋转促进物料搅拌使其充分混合反应，高温煅烧后形成水泥熟料，出窑后经篦冷机骤冷处理，有利于提高熟料的强度和安定性、改善易磨性等优点，再通过链式输送机运送至储存库中。其生产流程见图2.3：图2.3熟料煅烧（4）水泥制成水泥制成系统主要设备包括：辊压机、烘干机、传动电机、包装机以及输送、除尘等。矿渣作为水泥原料之一，由于其水分较大需先经过回转式烘干机，因重力作用由筒体较高处下落，经过燃烧室热气体传热实现烘干，将水泥熟料、石膏以及混合材料进行合理配比经挤压和打散后再粉磨成一定粒度，经空气输送斜槽和重锤翻板阀喂入高效选粉机，分选出的粗粉通过固体流量计后入磨，细粉形成了一定的颗粒级配，满足水泥浆凝结和硬化的要求，经袋式收尘收集后，通过斜槽风机、入库提升机以及库顶斜槽风机（根据入库号开启相应的斜槽风机）成为符合质量要求的水泥产品输送入库。其生产流程见图2.4：
【参考文献】：
期刊论文
[1]国外水泥工业消纳废弃物的现状(上)[J]. 韩仲琦. 水泥技术. 2019(06)
[2]基于DCS采集的振动数据的磨机负荷分析[J]. 郭振宇,邹国斌,杨凌凌,朱颖舟,杨帆. 有色金属(选矿部分). 2019(04)
[3]基于多源信号融合的球磨机负荷预测方法研究[J]. 罗小燕,邵凡,陈慧明,卢小江. 振动与冲击. 2019(08)
[4]新型干法水泥生产线自动控制研究与应用[J]. 兰宏伟. 自动化应用. 2019(01)
[5]国内外电石渣制水泥生产技术进展[J]. 曾宪军,陈鹏,王亚平. 中国水泥. 2018(09)
[6]改进的粒子群算法优化神经网络及应用[J]. 何明慧,徐怡,王冉,胡善忠. 计算机工程与应用. 2018(19)
[7]改进惯性权值的粒子群优化算法[J]. 南杰琼,王晓东. 西安工程大学学报. 2017(06)
[8]新型干法水泥的节能减排技术创新与研发[J]. 孙海泉. 水泥. 2017(07)
[9]基于网格搜索与交叉验证的SVM磨机负荷预测[J]. 罗小燕,陈慧明,卢小江,熊洋. 中国测试. 2017(01)
[10]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
博士论文
[1]粒子群优化算法研究及其应用[D]. 王维博.西南交通大学 2012
[2]大型滑履磨机结构分析及焊接工艺研究[D]. 曾芳.武汉理工大学 2010
硕士论文
[1]基于改进PSO-LS-SVM的风电功率预测[D]. 邹乐乐.新疆大学 2019
[2]ABB Industrial IT系统在承德金隅水泥厂的应用[D]. 曲翌.天津大学 2017
[3]基于改进PSO-RBF神经网络的气温预测模型[D]. 陈广.兰州大学 2015
[4]水泥厂DCS控制系统设计[D]. 申汉杰.武汉理工大学 2013
[5]基于PCS7水泥生产线DCS控制系统设计与研究[D]. 任世永.武汉理工大学 2010
[6]粒计算—神经网络算法及其在旋转机械故障诊断中的应用[D]. 李凤.太原理工大学 2009
[7]基于粒计算和神经网络的电站风机故障诊断的应用[D]. 杜莉.太原理工大学 2009
[8]基于粗糙集理论与BP神经网络结合的火电厂风机故障诊断研究[D]. 胡波.太原理工大学 2008
[9]球磨过程的数学模型及其试验研究[D]. 孙利波.山东大学 2006
本文编号：3422364
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3422364.html
