一种石灰套筒窑智能优化煅烧控制系统技术方案

本发明专利技术公开了一种石灰套筒窑智能优化煅烧控制系统，属于自动化控制及智能预测模型技术领域，解决了现有石灰套筒窑煅烧的面对多变量、强耦合以及强干扰的复杂工况无法处理的问题，其技术要点是：包括控制

【技术实现步骤摘要】
一种石灰套筒窑智能优化煅烧控制系统


[0001]本专利技术涉及自动化控制及智能预测模型
，具体是涉及一种石灰套筒窑智能优化煅烧控制系统。

技术介绍

[0002]目前，传统的自动化控制DCS/PLC调节单输入单输出的控制理论已不能满足现各产业的节能、优化控制等要求。现基于多变量的预测控制技术随即而出，不仅能提高装置运行的平稳性和一致性，而且能统一操作方法、减少人为因素的影响；更重要的是，先进控制技术还为装置的优化运行提供了支撑，使装置的控制更具智能化。
[0003]石灰套筒窑煅烧系统作为一种强耦合、强干扰、严重非线性的控制对象，一直是石灰生产的控制难点。当前DCS/PLC中的常规PID控制回路只能解决平稳工况下单回路或串级回路的控制问题，面对多变量、强耦合、强干扰的复杂工况显得无能为力。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术实施例的目的在于提供一种石灰套筒窑智能优化煅烧控制系统，以解决上述
技术介绍
中的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种石灰套筒窑智能优化煅烧控制系统，包括控制
‑
多变量控制器，所述控制
‑
多变量控制器步骤包括：1）多变量辨识建模：采用测试
‑
建模的方案，辨识被控对象的模型；11) 采用最优测试信号，多通道激励操作变量；12) 采用渐进法辨识多变量模型；13) 对模型品质进行等级评估；2）模型预测控制，所述模型预测控制采用多变量优化控制技术；21) 通过模型预测装置未来的动作趋势；22) 根据当前数据，反馈校正预测趋势；23) 被控变量CV的实际值与目标值之间的总偏差最小；24) 操纵变量调节总量最小，按最优动态方案，使装置达到稳态最优目标;3）多重约束规划，所述多重约束规划用于优先关联关键工艺限制条件；31) 确定控制策略，考虑所有约束条件；32) 控制方案满足操纵变量上下限和变化率的限制；33) 尽可能满足所有被控变量（CV）的上下限，当不能满足全部CV时，则优先满足关键CV的工艺限制；4）多目标优化；41) 目标优化、经济效益最大；42) 多优先级处理功能，实现过程变量的分级处理设计；
43) 经济优化，支持线性优化和二次优化；44) 支持模型增益调度功能和非线性变换，解决非线性问题；45) 自适应扰动预估功能，克服不可测扰动问题。
[0006]作为本专利技术进一步的方案，所述多变量辨识建模中设置有煤气热值控制优化，所述煤气热值控制优化基于多变量控制、煤气量比值控制以及抗干扰，进而实现煤气热值自动控制优化。
[0007]作为本专利技术进一步的方案，所述煤气热值控制优化通过自动给定输入煤气阀门开度与煤气加压机频率，达到稳定混合煤气热值与压力的目标。
[0008]作为本专利技术进一步的方案，所述多变量辨识建模中设置有热耗控制优化，所述热耗控制优化用于减少人工干预调节，通过多变量系统辨识、模型预测控制以及扰动自适应的技术保证稳态目标。
[0009]作为本专利技术进一步的方案，所述热耗控制优化采用罗茨风机向石灰窑供应驱动空气，用于加热驱动空气的高温气体，进而使得从煅烧带上部经过上内套筒被抽入空气换热器。
[0010]作为本专利技术进一步的方案，所述热耗控制优化采用空气换热器，所述空气换热器用于加强热量在煅烧带的循环和提高驱动空气的物理显热，以利于火焰在燃烧室中的燃烧。
[0011]作为本专利技术进一步的方案，所述控制
‑
多变量控制器采用负压控制优化，所述负压控制优化用于实现下燃烧室的负压测点与废气风机的区间控制，进而使窑内负压恢复至区间内。
[0012]综上所述，本专利技术实施例与现有技术相比具有以下有益效果：1、在工艺和设备正常情况下，混合煤气热值波动小于1950
±
50kcal/Nm3；2、实现自动优化煅烧，稳定循环气体温度，循环气体温度波动小于
±
5℃；3、在正常工况下，套筒窑优化煅烧功能自动投运率达到97%~99%；4、产品成分氧化钙指标可由现在的91.07增长到≥92%，活性度可由现在的308 ml增长到≥320ml；5、系统上线后通过前后对标，进一步实现石灰生产线的事前事中控制，大幅度提高产品质量和降低能耗，其综合效益可观。
[0013]为更清楚地阐述本专利技术的结构特征和功效，下面结合附图与具体实施例来对本专利技术进行详细说明。
附图说明
[0014]图1为专利技术实施例系统架构的示意图。
[0015]图2为专利技术实施例多变量耦合模型的示意图。
[0016]图3为专利技术实施例可测信号的可测扰动的示意图。
[0017]图4为专利技术实施例石灰窑质量指标的示意图。
[0018]图5为专利技术实施例热耗控制优化的示意图。
[0019]图6为专利技术实施例驱动风机MPC控制系统的示意图。
[0020]图7为专利技术实施例负压控制优化的示意图。
具体实施方式
[0021]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0022]以下结合具体实施例对本专利技术的具体实现进行详细描述。
[0023]在一个实施例中，一种石灰套筒窑智能优化煅烧控制系统，参见图1～图3，包括控制
‑
多变量控制器，所述控制
‑
多变量控制器步骤包括：1）多变量辨识建模：采用测试
‑
建模的方案，辨识被控对象的模型；11) 采用最优测试信号，多通道激励操作变量；12) 采用渐进法辨识多变量模型；13) 对模型品质进行等级评估；2）模型预测控制，所述模型预测控制采用多变量优化控制技术；21) 通过模型预测装置未来的动作趋势；22) 根据当前数据，反馈校正预测趋势；23) 被控变量CV的实际值与目标值之间的总偏差最小；24) 操纵变量调节总量最小，按最优动态方案，使装置达到稳态最优目标;3）多重约束规划，所述多重约束规划用于优先关联关键工艺限制条件；31) 确定控制策略，考虑所有约束条件；32) 控制方案满足操纵变量上下限和变化率的限制；33) 尽可能满足所有被控变量（CV）的上下限，当不能满足全部CV时，则优先满足关键CV的工艺限制；4）多目标优化；41) 目标优化、经济效益最大；42) 多优先级处理功能，实现过程变量的分级处理设计；43) 经济优化，支持线性优化和二次优化；44) 支持模型增益调度功能和非线性变换，解决非线性问题；45) 自适应扰动预估功能，克服不可测扰动问题。
[0024]在本实施例中，被控对象的模型是模型预测控制（MPC）的成败关键。采用基于渐进辨识法（ASYM）的多变量系统辨识技术能够有效保证模型质量。
[0025]系统辨识将系统看成是一个黑箱子，在其输入端加一定的实验信号，通过测量到的输入输出数据，经某种算法（如渐进辨识法）辨识出反映对象输入输出关系的数学模型。辨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种石灰套筒窑智能优化煅烧控制系统，包括控制
‑
多变量控制器，其特征在于，所述控制
‑
多变量控制器步骤包括：多变量辨识建模：采用测试
‑
建模的方案，辨识被控对象的模型；采用最优测试信号，多通道激励操作变量；采用渐进法辨识多变量模型；对模型品质进行等级评估；模型预测控制，所述模型预测控制采用多变量优化控制技术；通过模型预测装置未来的动作趋势；根据当前数据，反馈校正预测趋势；被控变量CV的实际值与目标值之间的总偏差最小；操纵变量调节总量最小，按最优动态方案，使装置达到稳态最优目标;多重约束规划，所述多重约束规划用于优先关联关键工艺限制条件；确定控制策略，考虑所有约束条件；控制方案满足操纵变量上下限和变化率的限制；尽可能满足所有被控变量（CV）的上下限，当不能满足全部CV时，则优先满足关键CV的工艺限制；多目标优化；目标优化、经济效益最大；多优先级处理功能，实现过程变量的分级处理设计；经济优化，支持线性优化和二次优化；支持模型增益调度功能和非线性变换，解决非线性问题；自适应扰动预估功能，克服不可测扰动问题。2.根据权利要求1所述的石灰套筒窑智能优化煅烧控制系统，其特征在于，所述多变量辨识建模中设置有煤气热值控制优化，所述...

【专利技术属性】
技术研发人员：冯悟，赵乃元，周建军，王国玲，刘树风，
申请(专利权)人：新疆宝信智能技术有限公司，
类型：发明
国别省市：