水泥制造业属于典型的流程工业,其生产过程中的任一环节都会对后续环节产生影响。由于水泥生产自身的连续性,较高的综合自动化程度是水泥生产稳定、高效、低耗的必要前提。目前国内水泥生料质量控制自动化程度较低,绝大多数水泥厂仍停留在人工控制或半自动控制层面。生料配料的三率值(石灰石饱和比系数KH、硅酸率SM、铝氧率IM)目标值由化验室人员依据从现场抽取的熟料样本化验结果,结合人工经验给出生料配料率值目标值;生料配料的原料配比由中控室操作人员根据出磨生料取样化验结果,以及化验室所给出的率值目标值,结合人工经验调整。可以看出,目前整个生料配料控制过程大部分由人工完成,人为因素干扰性大。另外,由于国内矿山开采不规范,原料成分波动大,下料机构不稳定等特点。很容易造成率值目标值调整不及时,原料配比精确性低,滞后时间长等问题。因此原料配比往往经过几次调整才可以奏效,调整时长达到3~5h,此时可能已经产生了成百上千吨不合格生料,势必会影响到回转窑煅烧,使熟料产量质量双双下降。针对上述问题,本文结合近红外在线分析仪在生料配料自动控制中的应用,旨在优化生料配料三率值目标值,协调生料配料和熟料煅烧两个生产环节,稳定水泥生料质量,进而减少窑工况的波动,提高水泥熟料质量。本文详细工作内容如下:(1)熟料质量预测模型研究。针对化验室人员根据离线熟料质量调整生料配料率值目标值,反馈时间长调整不及时,无法满足使用在线分析生料配料需求的问题,文中采用RBF神经网络算法进行熟料质量预测建模研究。基于熟料质量煅烧工艺,选取模型输入输出变量,确定变量数据提取时间匹配方案并对数据预处理;选取径向基神经网络激活函数,逐步求取模型参数,建立基于RBF神经网络的熟料KH预测模型。(2)回转窑工况划分。熟料煅烧过程具有非线性、多变量、强耦合的特性,物料在回转窑内煅烧过程中对回转窑的工况划分也是千差万别。本文主要识别因生料质量变化引起的窑工况波动,首先提取已知的生料质量历史数据,根据滞后时间对规则,提取该物料下的回转窑烧成参数数据,然后采用K-means聚类方法进行聚类,并对聚类结果分析,结合现场知识型工作者操作经验划分出四种窑工况,针对每一种工况给出相应的调正方案。(3)基于框架/规则专家系统的生料配料优化软件开发。依据上述熟料质量预测值、回转窑煅烧工况以及离线数据熟料率值给出生料配料率值目标值的,搭建适用于现场应用的专家规则系统,根据现场生产需求,使用Visual Studio平台开发生料配料优化软件。综上,结合近红外在线分析仪在生料配料中的使用,将生料配料优化软件在现场投运。结果表明,本课题研究成果对指导水泥生料质量控制,稳定生料质量,提高熟料质量和生产效率具有实际意义。