新型干法預(yù)分解窯出窯物料特性參數(shù)軟測(cè)量研究.pdf

1、新型干法預(yù)分解窯出窯物料的三個(gè)特性參數(shù)為:出窯物料流量、出窯物料溫度和出窯物料粒度?；剞D(zhuǎn)窯在生料煅燒過(guò)程中起重要作用,篦冷機(jī)是熟料冷卻、破碎過(guò)程中的重要環(huán)節(jié)。由此可見(jiàn),回轉(zhuǎn)窯和篦冷機(jī)均是新型干法預(yù)分解窯水泥生產(chǎn)的重要組成部分。出窯物料的流量、溫度、粒度對(duì)回轉(zhuǎn)窯和篦冷機(jī)的正常運(yùn)行及實(shí)時(shí)控制起至關(guān)重要的作用,然而它們是無(wú)法直接測(cè)量的。因此,采用軟測(cè)量技術(shù)來(lái)實(shí)現(xiàn)出窯物料特性參數(shù)的間接在線測(cè)量。
　　 結(jié)合單列五級(jí)旋風(fēng)預(yù)熱新型干法預(yù)分解

2、窯水泥生產(chǎn)的實(shí)際工藝,由從現(xiàn)場(chǎng)采集到的熟料庫(kù)中的熟料量、入熟料庫(kù)提升機(jī)電流來(lái)反推出出窯物料流量作為主導(dǎo)變量;選擇生料入窯提升機(jī)電流和窯主轉(zhuǎn)電機(jī)電流作為輔助變量;運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)對(duì)出窯物料流量建立軟測(cè)量模型,并與用單隱層的BP神經(jīng)網(wǎng)絡(luò)建立的出窯物料流量軟測(cè)量模型進(jìn)行比較。得出基于RBF神經(jīng)網(wǎng)絡(luò)的出窯物料流量軟測(cè)量模型在逼近能力、分類(lèi)能力和學(xué)習(xí)速度等方面均優(yōu)于基于單隱層的BP神經(jīng)網(wǎng)絡(luò)的出窯物料流量軟測(cè)量模型。所以,選用基于RBF神經(jīng)網(wǎng)絡(luò)的

3、軟測(cè)量模型來(lái)實(shí)現(xiàn)出窯物料流量的間接在線測(cè)量。
　　 結(jié)合雙列五級(jí)旋風(fēng)預(yù)熱新型干法預(yù)分解窯水泥生產(chǎn)的實(shí)際工藝,用高溫槍在熟料剛出篦冷機(jī)處測(cè)得熟料出篦冷機(jī)的溫度。假定篦冷機(jī)工作于穩(wěn)定工況條件下,由強(qiáng)迫對(duì)流情況下的熱平衡方程推出出窯物料溫度作為主導(dǎo)變量。選擇生料下料量、分解爐出口溫度、二次風(fēng)溫作為軟測(cè)量的輔助變量。運(yùn)用雙重RBF神經(jīng)網(wǎng)絡(luò)對(duì)出窯物料溫度建立軟測(cè)量模型,并與基于LS-SVM建立的出窯物料溫度軟測(cè)量模型進(jìn)行比較。得出基于雙重

4、RBF神經(jīng)網(wǎng)絡(luò)的出窯物料溫度軟測(cè)量模.型在逼近能力、分類(lèi)能力方面與基于LS-SVM的出窯物料溫度軟測(cè)量模型不相上下。由于雙重RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,因此,它的學(xué)習(xí)速度稍慢于基于LS-SVM的出窯物料溫度軟測(cè)量模型。但是LS-SVM模型適合小樣本的學(xué)習(xí),所以從生產(chǎn)現(xiàn)場(chǎng)的實(shí)際需要出發(fā),選用基于雙重RBF神經(jīng)網(wǎng)絡(luò)的軟測(cè)量模型來(lái)實(shí)現(xiàn)對(duì)出窯物料溫度的在線測(cè)量。
　　 在出窯物料流量穩(wěn)定的前提下,結(jié)合生產(chǎn)現(xiàn)場(chǎng)工人的實(shí)際操作經(jīng)驗(yàn)確定出窯

5、物料粒度作為基于模糊數(shù)學(xué)的出窯物料粒度軟測(cè)量模型的主導(dǎo)變量;選取二次風(fēng)溫、篦冷機(jī)一室室壓作為該軟測(cè)量模型的輔助變量;并選取篦冷機(jī)破碎機(jī)電流作為模糊數(shù)學(xué)模型的校驗(yàn)值,建立基于模糊數(shù)學(xué)的出窯物料粒度軟測(cè)量模型,從而實(shí)現(xiàn)新型干法預(yù)分解窯出窯物料粒度的間接在線判別。
　　 結(jié)合新型干法預(yù)分解窯水泥生產(chǎn)現(xiàn)場(chǎng)的實(shí)際工藝需求,采用Visual C++工具開(kāi)發(fā)軟件,將基于單RBF神經(jīng)網(wǎng)絡(luò)的出窯物料流量軟測(cè)量模型、基于雙重RBF神經(jīng)網(wǎng)絡(luò)的出窯物料