鋅鋇白回轉(zhuǎn)窯煅燒過(guò)程智能建模研究.pdf

1、本文系統(tǒng)地分析了鋅鋇白回轉(zhuǎn)窯煅燒過(guò)程的復(fù)雜特性，在過(guò)程采樣數(shù)據(jù)分析的基礎(chǔ)上，詳細(xì)地探討了該過(guò)程多種智能建模算法的理論及應(yīng)用方法?！　∥恼率紫冉Y(jié)合國(guó)內(nèi)外對(duì)回轉(zhuǎn)窯煅燒過(guò)程建模及控制的研究現(xiàn)狀，從回轉(zhuǎn)窯煅燒生產(chǎn)過(guò)程特性出發(fā)，分析過(guò)程建模需待解決的難點(diǎn)及重點(diǎn)，提出過(guò)程分段建模的思想，為后續(xù)建模研究的展開(kāi)奠定基礎(chǔ)。　　其次，針對(duì)窯頭溫度控制系統(tǒng)的閉環(huán)辨識(shí)問(wèn)題，應(yīng)用兩階段閉環(huán)辨識(shí)方法對(duì)其展開(kāi)研究。系統(tǒng)地分析了該方法克服閉環(huán)系統(tǒng)輸出信號(hào)通過(guò)反饋環(huán)

2、節(jié)與輸入信號(hào)相關(guān)而對(duì)系統(tǒng)辨識(shí)造成的影響，通過(guò)仿真分析，建立了窯頭溫度隨回油閥開(kāi)度控制量的線性模型，并運(yùn)用自相關(guān)函數(shù)方法檢驗(yàn)?zāi)Ｐ偷囊恢聼o(wú)偏性?！　♂槍?duì)回轉(zhuǎn)窯煅燒段過(guò)程質(zhì)量控制系統(tǒng)的建模問(wèn)題，從基于能量平衡的控制思想出發(fā)，即在穩(wěn)定窯頭溫度、物料流量和物料干燥效果的前提下，調(diào)節(jié)煅燒轉(zhuǎn)速，以此來(lái)改變煅燒時(shí)間，調(diào)節(jié)過(guò)程反應(yīng)的能量值，改善消色力指標(biāo)。依據(jù)阿累尼烏斯經(jīng)驗(yàn)方程推導(dǎo)過(guò)程煅燒段能量平衡控制的核心思想。在此基礎(chǔ)上，建立了過(guò)程煅燒轉(zhuǎn)速對(duì)數(shù)與煅

3、燒溫度倒數(shù)的線性回歸預(yù)測(cè)模型，并對(duì)其模型的特性及逼近精度進(jìn)行了分析和討論?！　∪缓螅瑸樘岣呋剞D(zhuǎn)窯煅燒段控制模型建立的精度，修改了傳統(tǒng)的基于煅燒機(jī)理的建模方法，將模糊規(guī)則和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，提出了一種基于T-S(Takagi-Sugeno)模型的自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)建模方法。它采用T-S的模糊辨識(shí)模型，運(yùn)用神經(jīng)網(wǎng)絡(luò)為模糊模型的結(jié)構(gòu)辨識(shí)和參數(shù)辨識(shí)提供自適應(yīng)學(xué)習(xí)功能，較基于能量平衡的線性回歸建模方法，在辨識(shí)精度上有很大的提高

4、。在數(shù)據(jù)聚類(lèi)算法研究的基礎(chǔ)上，提出采用基于人工免疫系統(tǒng)(AIS)的數(shù)據(jù)聚類(lèi)方法，解決ANFIS網(wǎng)絡(luò)的模糊結(jié)構(gòu)辨識(shí)問(wèn)題。它使網(wǎng)絡(luò)能快速、靈活的調(diào)整其模糊規(guī)則的結(jié)構(gòu)，在數(shù)據(jù)量大、工況復(fù)雜的過(guò)程辨識(shí)中有較強(qiáng)的實(shí)用價(jià)值。文章深入分析了AIS網(wǎng)絡(luò)中抑制閾值和聚類(lèi)范圍比例對(duì)系統(tǒng)辨識(shí)效果產(chǎn)生的影響，針對(duì)AIS的隨機(jī)性問(wèn)題，對(duì)算法做了合理的修正，防止其造成聚類(lèi)規(guī)則數(shù)的大幅波動(dòng)。　　為提高回轉(zhuǎn)窯煅燒段控制模型的辨識(shí)速度，文章提出了基于最小二乘支持向量機(jī)

5、(LS-SVM)的建模算法。這種采用統(tǒng)計(jì)學(xué)習(xí)理論，基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則進(jìn)行過(guò)程建模的思想，是解決復(fù)雜非線性系統(tǒng)辨識(shí)問(wèn)題又一新的嘗試。LS-SVM采用最小二乘線性系統(tǒng)代替SVM用二次規(guī)劃方法實(shí)現(xiàn)學(xué)習(xí)問(wèn)題，其結(jié)構(gòu)簡(jiǎn)單，算法簡(jiǎn)練，在精度要求范圍內(nèi)，它有更優(yōu)良的學(xué)習(xí)速度。通過(guò)仿真，得出其較ANFIS更好的辨識(shí)精度和速度。在提高過(guò)程模型特性的識(shí)別能力上，文章分析了兩種典型核函數(shù)的映射特性，提出混合核函數(shù)的建模算法。它綜合了全局核函數(shù)能抑制預(yù)測(cè)輸

6、出波動(dòng)和局部核函數(shù)擬合精度高的優(yōu)點(diǎn)，較采用單一核函數(shù)的支持向量機(jī)方法有更優(yōu)良的綜合辨識(shí)性能。　　最后，文章將LS-SVM非線性建模思想拓展到多輸入單輸出(MISO)系統(tǒng)中，通過(guò)提取過(guò)程煅燒溫度、干燥溫度、排風(fēng)溫度、煅燒轉(zhuǎn)速、進(jìn)料量等多個(gè)關(guān)鍵參量的實(shí)測(cè)數(shù)據(jù)，建立過(guò)程的多參量模型。在解決過(guò)程的在線優(yōu)化建模問(wèn)題上，提出了時(shí)間窗的概念。它通過(guò)網(wǎng)絡(luò)的Karush-Kuhn-Tucker判定條件，確定新增數(shù)據(jù)樣本加入后，是否進(jìn)行系統(tǒng)模型的訓(xùn)練和參