现代流程工业的一个重要特点是向大型化和综合自动化方向发展。流程工业综合自动化通过集成过程控制,经营管理,计划调度和市场销售等技术手段,实现全局,局部各级优化,以最短的周期,最小的成本产生最大的经济效益。Babnde A. Ogunnaikeatu讲述了现代流程工业面临的五大问题:在线测量,严重的非线性,控制系统的建模和辨识,为仿真和执行机构的训练而进行的建模,过程检测和故障诊断。其中,一个重要问题就是弄清楚系统的运作机制,建立系统的描述模型,以便进行严格的科学管理和规划。在流程工业中,水泥工业是国民经济发展的支柱产业之一,也是能耗较大的工业之一,其工艺特征也表现出明显的流程生产特性。与化工企业相比,水泥生产过程的不可控性,特别是对象的不可控因素因其物料的制备和煅烧过程的复杂性而非常难以分析。60年代末,随着电子计算机及其计算技术的发展,运用计算机来求解工程问题的最优方案,已逐渐成为解决实际设计问题的重要手段。它不仅大大提高了解决问题的效率和可靠性,而且解决了许多过去认为不可求解的实际问题。特别是近些年来,随着世界经济全球化发展的不断深入,各国流程工业更是以迅猛的速度增长,同时,流程工业生产过程具有高度的复杂性、强关联性、非线性、以及不确定性特点。生产规模的扩大势必进一步增加生产过程参数的复杂性以及参数之间的关联性。目前对流程工业的研究主要集中在过程优化控制上,而忽略了过程优化控制需要用到的参数的选择问题,参数选择的恰当与否对过程优化控制的效果有直接的影响。基于以上对流程工业的分析,本课题以新型干法水泥生产线为研究对象,主要研究内容是把预分解炉、回转窑和篦冷机作为一个整体进行研究,建立其生产过程模型。其中预分解炉的主要负责水泥生料的分解,生料在分解炉的分解率可达到90%-95%;从分解炉出来的物料由窑尾进入窑体,回转窑一方面使未分解的生料进一步分解,另一方面使水泥生料煅烧为水泥熟料;水泥熟料由回转窑的窑头流向篦冷机的篦床后进行冷却,所以预分解炉、回转窑和篦冷机三个工艺过程是一个紧密连接,相互配合的整体,水泥质量的好坏不是取决于某一个生产工艺环节,而是依赖于三个过程的整体运行状况。因此本课题利用发展较为成熟的神经网络技术和数据挖掘技术,并且通过与经验丰富的水泥生产专家进行交流和沟通,抽取影响这个三个生产过程的主要参数,然后利用本文用到的柔性神经数模型对整个生产过程进行建模。本文在算法实现上的创新点:传统的FNT模型的进化代数是一个固定值,这是没有科学依据的,最优的模型可能在这个固定值之后出现,也可能在这个值之前就已经出现,这不仅浪费时间也使最优的模型随进化代数的增加而消失。本算法的改进之处是用平均误差率控制进化代数,当模型进化到最好的时候即误差率最小的时候则停止进化。利用此模型可以对流程工业的生产过程控制参数进行自动筛选,从而找到影响生产过程的重要参数,为流程工业的生产控制提供理论依据,使流程工业生产过程控制更加具有科学性和针对性,取得更好的优化控制效果。在建模的过程中筛选出对水泥生产过程产生影响最大的因素,此建模的过程的结构优化是利用概率增强式程序进化(Probabilistic Incremental Program Evolution, PIPE)算法进行的;然后找出这些主要参数之间的关联,最后从它们的关联中找到最优的组合方案,即模型的优化,此优化过程是利用模拟退火(Simulation Annealing, SA)算法实现的。通过此建模过程不仅可以找到同一生产过程中参数之间的关系,也可以找出不同生产过程中参数间的比例关系。通过对整个生产过程进行建模和优化而达到稳定水泥生产过程,提高生料的分解率,降低用煤量的目的,把最终的研究方案利用DCS系统应用到实际的生产控制中。