一种融合工艺机理与数据模型的联合粉磨系统实时控制方法技术方案

一种融合工艺机理与数据模型的联合粉磨系统实时控制方法，获取联合粉磨系统当前控制回路中的被控变量设定值，明确实时优化控制问题的决策变量，构建联合粉磨系统的目标函数和约束条件，下载待分析数据，做平滑处理，剔除异常值，区分平稳性生产数据集和非平稳性生产数据，展开工艺机理，通过回归类的机器学习算法或神经网络模型训练和评估进行数据建模，展开异常工况研究，生成异常工况应对知识库，将异常工况识别结果实时发送到下层控制系统，将应对措施同步到控制系统，实现异常工况的闭环处理，优化求解目标函数和约束条件，将优化结果与控制系统对接

【技术实现步骤摘要】
一种融合工艺机理与数据模型的联合粉磨系统实时控制方法


[0001]本专利技术属于水泥生产联合粉磨
，具体涉及一种工艺机理与数据模型技术
。

技术介绍

[0002]水泥生产主要由生料制备
、
熟料煅烧及水泥粉磨等工序组成，其中水泥粉磨是通过机械外力做功克服原料固体分子之间的内聚力
、
使之破裂
、
形成一定颗粒级配的过程
。
[0003]双闭路联合水泥粉磨系统通过“以破代磨”、“多破少磨”的方式，提升了粉磨效率
、
降低了单位电耗，仍然存在非线性
、
大滞后
、
大惯性和多扰动等问题
。
例如：当选粉机转速过高或磨尾风机转速过低时，水泥粒度过细，导致水泥早期水化速率过快或抗裂性变差；水泥产量受到物料易磨性的影响，存在较大波动；配料不科学，导致粉磨生产成本高
。
一直以来，上述问题困扰着联合水泥粉磨系统的稳定生产与控制
。
[0004]联合粉磨控制，涉及到水泥产品化学成分
、
水泥的细度和比表面积
、
稳流仓重
、
磨机电流
、
管出磨斗提电流
、
管磨压差等方面的控制
。
在具体控制过程中，各控制回路效果受到物料属性
、
操作员习惯及调整方式差异
、
工况波动的影响
。
虽然国内外水泥厂实行了自动控制，如模糊控制
、PID
控制，甚至先进过程控制
APC
等方式，仍然存在参数整定不合理
、
性能欠佳
、
工况适应和处理能力弱
、
过度依赖人工经验等问题
。
[0005]为了解决以上问题，从实时优化控制技术角度出发，统筹考虑质量
、
循环负荷
、
单位电耗
、
安全
、
工艺多方面的影响因素，建立机理与数据相结合的优化问题
。
通过求解带有约束条件的目标函数，确定控制回路中被控变量的目标设定值，针对异常工况展开特殊处理，实现联合粉磨系统的平稳性
、
经济性和安全性
。

技术实现思路

[0006]为了解决现场存在的被控变量设定过分依赖人工经验，无法统筹考虑质量
、
产量
、
单位电耗
、
安全
、
成本的技术问题，采用了实时在线优化，建立目标函数与被控变量设定值之间的映射关系，通过求解目标函数得到被控变量设定值的技术方案，充分挖掘现场生产运行数据
、
机理模型和专家经验，产生了兼顾生产运行的安全
、
高效
、
质量
、
低耗
、
高产等关键指标，避免被控变量设定值过渡依赖人工经验，增强工况适应能力，被控变量设定值优化结果合理可靠，提高
APC
控制系统的在线投运率，减少现场工程师的劳动强度，提升系统运行稳定性，降低系统运行故障率，降低系统波动性，提升磨机产量，提升水泥的筛余稳定性，提升磨机主电流和出磨斗提电流的稳定性，降低单位电耗的技术效果
。
[0007]上述方法包括离线分析和在线运行，离线分析包括构建工况识别模型和过程模型
、
平滑数据处理
、
剔除数据异常值
、
提取稳态数据，在线运行包括在线工况识别
、
过程模型在线选择和更新
、
优化求解目标函数
、
输出计算值，其具体的实现流程如图1所示
。
其中详细步骤如下：步骤一：获取联合粉磨系统当前控制回路中的被控变量设定值，明确实时优化控
制问题的决策变量
。
[0008]步骤二：构建联合粉磨系统的目标函数和约束条件，目标函数包括循环负荷
、
物料细度筛余
、
比表面积
、
单耗
、
配料成本，约束条件包括质量约束
、
循环负荷约束
、
决策变量约束
、
配比约束
、
工艺约束
、
粉磨效率约束
。
[0009]步骤三：下载待分析数据，做平滑处理，剔除异常值
。
[0010]步骤四：区分平稳性生产数据集和非平稳性生产数据
。
[0011]步骤五：展开工艺机理，获取步骤二构建的目标函数的配料成本和约束条件的配比约束
、
研磨效率，通过回归类的机器学习算法或神经网络模型训练和评估进行数据建模，获取物料细度及比表面积
、
单位电耗
、
循环负荷
、
单耗
。
[0012]步骤六：展开异常工况研究，识别步骤四区分出的非平稳性生产数据对应运行过程中的称重仓满溢料
、
辊压机拱仓
、
辊压机做功差
、
粉磨机饱磨
、
粉磨机空磨
、
皮带秤调停
、
旋风筒堵料，结合每种异常工况的影响因素，生成异常工况应对知识库
。
[0013]步骤七：将步骤六获取的异常工况识别结果实时发送到下层控制系统，将应对措施同步到控制系统，实现异常工况的闭环处理
。
[0014]步骤八：优化求解步骤五获取的目标函数和约束条件
。
[0015]步骤九：将步骤八获取的优化结果与控制系统对接
。
附图说明
[0016]图1是流程图，图2是某
1#
水泥磨平稳性分析数据，图3是某
1#
水泥磨
_45
μ
m
筛余预测趋势，图4是目标函数与选粉机电流及出管磨斗提电流之间的关系，图5是某
1#
水泥磨
_45
μ
m
投用前后的筛余对比，图6是某
1#
水泥磨投用前后的水泥磨主电机电流及出磨提升机电流对比
。
具体实施方式
[0017]以下结合附图，在前述
技术实现思路
九个步骤的基础上，按照实施流程，如图1所示，对本专利技术的技术方案做具体的说明
。
[0018]步骤一：设决策变量
X
包括出管磨斗提电流
X1、
管磨主机电流
X2、
稳流仓重
X3、
选粉机电流
X4、
磨头负压
X5、
辊压机电流
X6、
配料配比
X7至
X
12
分别对应熟料
、
石膏
、
...

【技术保护点】

【技术特征摘要】
1.
一种融合工艺机理与数据模型的联合粉磨系统实时控制方法，其特征在于，包括：步骤一：获取联合粉磨系统当前控制回路中的被控变量设定值，明确实时优化控制问题的决策变量；步骤二：构建联合粉磨系统的目标函数和约束条件，目标函数包括循环负荷
、
物料细度筛余
、
比表面积
、
单耗
、
配料成本，约束条件包括质量约束
、
循环负荷约束
、
决策变量约束
、
配比约束
、
工艺约束
、
粉磨效率约束；步骤三：下载待分析数据，做平滑处理，剔除异常值；步骤四：区分平稳性生产数据集和非平稳性生产数据；步骤五：展开工艺机理，获取步骤二构建的目标函数的配料成本和约束条件的配比约束
、
研磨效率，通过回归类的机器学习算法或神经网络模型训练和评估进行数据建模，获取物料细度及比表面积
、
单位电耗
、
循环负荷
、
单耗；步骤六：展开异常工况研究，识别步骤四区分出的非平稳性生产数据对应运行过程中的称重仓满溢料
、
辊压机拱仓
、
辊压机做功差
、
粉磨机饱磨
、
粉磨机空磨
、
皮带秤调停
、
旋风筒堵料，结合每种异常工况的影响因素，生成异常工况应对知识库；步骤七：将步骤六获取的异常工况识别结果实时发送到下层控制系统，将应对措施同步到控制系统，实现异常工况的闭环处理；步骤八：优化求解步骤五获取的目标函数和约束条件；步骤九：将步骤八获取的优化结果与控制系统对接
。2.
根据权利要求1所述的融合工艺机理与数据模型的联合粉磨系统实时控制方法，其特征在于，所述步骤一，还包括：设决策变量
X
包括出管磨斗提电流
X1、
管磨主机电流
X2、
稳流仓重
X3、
选粉机电流
X4、
磨头负压
X5、
辊压机电流
X6、
配料配比
X7至
X
12
分别对应熟料
、
石膏
、
石灰石
、
粉煤灰
、
炉渣
、
外掺矿粉的配比
。3.
根据权利要求2所述的融合工艺机理与数据模型的联合粉磨系统实时控制方法，其特征在于，所述步骤二，还包括：设
f1(X)
至
f5(X)
分别对应循环负荷
、
物料细度筛余
、
比表面积
、
单耗
、
配料成本的目标函数，
ω1至
ω5分别对应循环负荷
、
物料细度筛余
、
比表面积
、
单耗...

【专利技术属性】
技术研发人员：李慧霞，张成伟，陈克政，王磊，魏本涛，张冠鹏，武艳文，
申请(专利权)人：中材国际智能科技有限公司洛阳黄河同力水泥有限责任公司，
类型：发明
国别省市：