球团烧结过程智能控制方法及其应用研究

论文摘要

链篦机-回转窑氧化球团烧结过程是一个涉及到传质、传热和复杂化学反应的工业过程。从控制角度来看，球团烧结过程具有非线性、分布参数、慢时变和大时滞等特性，属于典型的复杂被控对象。大量不确定信息、多样化海量数据使得传统控制方法难以对其进行有效控制，而智能控制为解决这类复杂被控对象的控制问题提供了有效途径。 本文在查阅大量文献资料、广泛收集链篦机-回转窑氧化球团烧结生产过程历史数据、专家经验和操作规程和对现场工艺进行充分调研的基础上，综合运用球团烧结工艺、计算机控制技术、现代控制理论和人工智能技术等多学科知识，提出了基于球磨机制粉系统多变量解耦控制模型、回转窑温度控制模型和球团矿化学成分软测量模型的球团烧结过程智能控制策略。论文的主要工作如下： （1）针对煤基球团厂球磨机制粉系统的多变量强耦合特性，以球磨机的数学模型为依据，提出一种新型的多变量PID解耦控制策略。它由比例因子α模糊自整定单元、PID控制器和基于对角矩阵法的解耦补偿器组成，PID控制器参数由粒子群算法进行优化。仿真研究表明所建模型和所提控制方法的有效性。 （2）基于粗糙集理论的知识约简方法和T-S模糊神经网络的非线性映射理论，建立了回转窑自动喷煤系统。基于一种新的聚类有效性准则函数的模糊C均值聚类算法对连续属性进行最优离散化；采用粗糙集理论对球团烧结生产过程中一些代表性工艺参数所构成的决策表进行知识约简分析；最后根据最小规则约简建立权值不完全连接的T-S模糊神经网络模型。 （3）结合球团烧结过程工艺机理，采用T-S模糊神经网络建立了球团矿化学成分（FeO含量和碱度R）软测量模型。模型采用灰色关联分析方法进行辅助变量选取，以对软测量模型输入进行降维；粒子群优化算法和最小二乘法相结合的混合算法来调整T-S模型的前提参数和结论参数，该混合学习算法提高了网络参数辨识的收敛速度。然后基于球团矿化学成分软测量模型建立了球团烧结过程状态粗糙集专家控制系统，实现链篦机过程状态的优化控制。 （4）将上述智能建模和优化控制方法在球团烧结过程进行了工业应用实验，结果表明使用智能建模和优化控制方法提高了产品的产量和成品球团矿的质量，对提高球团企业的整体经济效益具有推动作用，同时为复杂工业过程的优化控制提供了实用的方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 球团烧结过程概述
• 1.1.1 链蓖机-回转窑氧化球团烧结工艺
• 1.1.2 球团烧结过程系统特性分析
• 1.1.3 球团烧结过程检测和自动控制
• 1.2 烧结过程数学模型的研究现状
• 1.2.1 过程模拟模型
• 1.2.2 参数优化模型
• 1.2.3 过程控制模型
• 1.3 人工智能技术在烧结过程控制中的研究与应用现状
• 1.3.1 人工智能技术概述
• 1.3.2 国外研究与应用的现状
• 1.3.3 国内研究与应用的现状
• 1.4 论文研究的主要内容
• 1.4.1 研究课题的目的和意义
• 1.4.2 本文的主要工作和内容安排
• 2 球磨机制粉系统多变量PID解耦控制
• 2.1 引言
• 2.2 球磨机制粉系统概述
• 2.3 球磨机制粉系统特性分析
• 2.3.1 煤粉制备系统的控制要求
• 2.3.2 煤粉制备系统的控制现状
• 2.4 基于粒子群优化算法的PID控制器设计
• 2.4.1 粒子群优化算法
• 2.4.2 粒子群优化算法整定PID控制器参数
• 2.4.3 仿真研究
• 2.5 球磨机制粉系统参数自整定多变量PID解耦控制
• 2.5.1 多变量解耦PID控制策略
• 2.5.2 数学模型的求取
• 2.5.3 对角矩阵法解耦补偿器
• 2.5.4 PID控制器设计
• 2.5.5 比例因子α模糊自整定单元
• 2.6 仿真结果与工业应用
• 2.6.1 仿真结果
• 2.6.2 工业应用实验
• 2.7 小结
• 3 基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用
• 3.1 引言
• 3.2 回转窑自动喷煤温度控制模型
• 3.3 粗糙集的基本理论与基本算法
• 3.3.1 粗糙集理论基本定义
• 3.3.2 粗糙集理论基本算法
• 3.4 基于粗糙集的模糊规则提取
• 3.4.1 由样本数据产生初始的知识表达系统
• 3.4.2 基于模糊C均值聚类的连续属性离散化
• 3.4.3 对离散化后的信息表作知识约简
• 3.5 基于约简规则的模糊神经网络实现
• 3.6 工业应用实验
• 3.7 小结
• 4 球团烧结生产过程的软测量建模
• 4.1 引言
• 4.2 软测量技术概述
• 4.3 球团矿化学成分软测量建模研究现状
• 4.3.1 基于物料平衡的软测量建模
• 4.3.2 基于时间序列的软测量建模
• 4.3.3 基于神经网络的软测量建模
• 4.3.4 基于灰色系统的软测量建模
• 4.4 球团矿化学成分软测量建模
• 4.4.1 软测量模型辅助变量的选取
• 4.4.2 建模前输入数据的预处理
• 4.4.3 基于T-S模糊推理系统的软测量建模
• 4.5 球团烧结过程状态控制系统
• 4.5.1 粗糙集控制的基本思想
• 4.5.2 球团烧结过程状态控制系统的实现
• 4.6 仿真结果和工业实验
• 4.6.1 软测量模型的仿真结果
• 4.6.2 球团烧结过程状态控制系统的工业实验
• 4.7 小结
• 5 球团烧结过程智能控制系统的工业应用
• 5.1 引言
• 5.2 球团烧结生产过程控制系统
• 5.2.1 设备控制级
• 5.2.2 过程监控级
• 5.2.3 球团烧结过程智能控制系统
• 5.3 工业应用实验
• 5.3.1 球团矿质量优化控制
• 5.3.2 经济效益与社会效益
• 5.4 小结
• 结论
• 参考文献
• 攻读博士学位期间发表学术论文情况
• 论文的主要创新点摘要
• 致谢
• 大连理工大学学位论文版权使用授权书