水泥生料磨工況識別研究.pdf

1、本文針對水泥生料磨這樣一個多變量、大滯后、非線性、難以建立精確數(shù)學模型的控制對象，運用分類識別算法對磨機的主要檢測參數(shù)進行故障檢測和運行趨勢識別，判斷當前的參數(shù)所處的運行狀態(tài)，通過綜合多個主要檢測參數(shù)的實時狀態(tài)，結合現(xiàn)場專家經驗，對磨機的當前工況做出判斷，實現(xiàn)基于信息融合的水泥生料磨工況的智能識別，進而實施相應的控制。 文章首先闡述了水泥行業(yè)及生料磨的發(fā)展及現(xiàn)狀，指明水泥行業(yè)發(fā)展中存在的問題和所面臨的機遇。通過分析水泥生料粉磨系

2、統(tǒng)的工藝流程，明確了影響生料磨系統(tǒng)運行的內、外因素，確定了影響生料磨運行的主要檢測參數(shù)，并介紹了國內外有關水泥生料磨的控制方式和控制策略。 其次，研究了小波分析消噪理論、分形理論和信息融合技術，并由基于小波分析及分形理論結合的故障識別算法和ART-2神經網絡構成分類識別算法。分類識別算法主要實現(xiàn)對工藝參數(shù)的故障檢測和趨勢類型的劃分；基于小波分析及分形理論的故障信號檢測方法實現(xiàn)參數(shù)的故障識別，判斷檢測參數(shù)的當前運行狀態(tài)是否處在異常

3、趨勢狀態(tài)，并進行報警；ART-2網絡完成生料磨工況趨勢識別并進行分類。在實際應用中發(fā)現(xiàn)原有的ART-2網絡存在缺乏幅值模式相似度比較及無法處理大噪聲數(shù)據(jù)兩方面的問題，本文采用增加輔助神經元及數(shù)據(jù)預處理步驟的方法對其進行了改進，不僅解決了上述問題，而且有效的提高了聚類的準確度，實現(xiàn)了檢測參數(shù)的趨勢類型的準確劃分。 第三，通過分析和總結主要檢測參數(shù)狀態(tài)變化對生料粉磨運行狀態(tài)的影響，結合現(xiàn)場專家經驗，歸納生料磨系統(tǒng)的典型工況，建立專家

4、知識庫；提出了生料磨工況識別的設計方案，以生料磨磨音反饋為例實現(xiàn)并驗證了分類識別算法；采用分類識別算法對生料粉磨系統(tǒng)的磨音反饋信號、磨頭進風口壓力、磨尾進風口壓力、磨機主電機功率、選粉機電流及出磨提升機電流進行了工況狀態(tài)識別，實現(xiàn)了多參數(shù)的信息融合。 最后，結合山水集團4＃線的生料粉磨系統(tǒng)，選取磨音反饋信號、磨頭進風口壓力、磨尾進風口壓力、磨機主電機功率、選粉機電流及出磨提升機電流作為主要檢測參數(shù)，通過ADO接口把存儲在SQL數(shù)

5、據(jù)庫中的水泥工藝參數(shù)的歷史數(shù)據(jù)導入分類識別模塊進行分類識別，其結果與現(xiàn)場實際工況進行對比，建立并完善工況識別知識庫。在此基礎上，在VisualC++環(huán)境下編程實現(xiàn)水泥磨工況分類識別模塊。水泥磨工況識別算法通過OPC接口與DCS進行實時數(shù)據(jù)通訊，對現(xiàn)場實時數(shù)據(jù)進行分類識別，實現(xiàn)水泥生料磨工況的在線識別。 實際應用表明，本文提出的小波分析結合分形理論的故障識別算法和改進的ART-2神經網絡分類識別方法，可以有效地識別水泥生料磨的工況