论文部分内容阅读
燃煤窑炉是冶金、化工、电力、水泥和活性石灰等基础工业领域的关键生产设备,也是主要的能耗设备。窑炉内燃煤过程(烧结过程)工况的稳定决定了产品的品质、煤粉的消耗量和污染物排放水平,是燃煤窑炉实现“节能减排”的关键。然而,由于窑炉烧结过程存在大量的物理和化学反应、物质和能量的交换,这限制了研究人员对燃煤窑炉内在动力学机理的认知,以及实际的工业应用效果。对此,本文以氧化铝回转窑烧结系统为研究对象,基于生产现场的热工数据,从非线性系统的角度研究了烧结系统的混沌辨识问题和基于混沌的实际应用,为燃煤窑炉的稳定控制奠定基础。本文主要工作和创新如下:
(1)很多领域的混沌研究主要是基于数学方程或者小型样机,但是这些方法不适用于燃煤窑炉的混沌研究。对此,本文以氧化铝回转窑的烧结系统为例,基于生产现场实际的热工数据,研究了数学方程未知的燃煤窑炉烧结系统的混沌辨识问题。其中,针对数据来源、数据长度和数据采样周期对结果的影响,首先选择了不同数据长度和不同采样周期的烧结温度数据和窑头温度数据;对每一组数据使用相空间重构方法获得若干候选的动态轨迹,然后基于混沌特征量的性质从每组数据的候选动态轨迹中确定出一个合适的动态轨迹。最后,使用每组数据的分析结果相互印证,首次确定了氧化铝回转窑的烧结系统是一个具有混沌特征的五阶系统。
(2)燃煤窑炉中存在的噪声干扰了信号的检测和系统的控制,并且噪声的种类和特征等尚不清楚。对此,本文分析了从五种热工数据中提取的噪声数据的混沌特征和多分形特征。实验结果表明氧化铝回转窑烧结系统中的噪声既不是高斯白噪声,又不是单分形的彩色噪声,而是具有混沌特征和多分形特征的确定信号,并且分析了噪声难以有效预测的原因。
(3)针对应用于燃煤窑炉的深度学习软测量模型存在计算复杂度高、未考虑系统动力学特征和缺乏可解释性的缺点,本文从混沌时间序列预测的角度,结合回转窑烧结系统的强耦合、大滞后和参数时变的非线性特征以及实际生产中检测数据可能存在风险的情况,提出了一个预测精度高、计算复杂度小和可解释性强的集成预测框架,以实现窑头温度混沌时间序列的精确在线预测。其中,针对烧结系统具有大滞后的特征,使用相空间重构方法获取与烧结系统拓扑等价的动态轨迹;Volterra滤波器被用于拟合出烧结系统的状态和输出之间的函数关系;针对烧结系统的参数具有时变特征会减弱固定模型的性能,每次预测前使用滑窗技术更新Volterra滤波器的核来实现模型的动态更新;针对实际工业数据中会包含不可靠的值,使用偏差补偿技术将每一个预测值进行校正之后作为最终的预测值。
(4)燃煤窑炉内恶劣的生产环境会掩盖火焰图像颜色、纹理、梯度等众多有用信息,阻碍了基于火焰图像或视频的烧结工况识别方法的性能。对此,本文提出了基于火焰图像的平均灰度值序列和混沌特征量的火焰温度变化趋势的混沌特征提取方法,以实现火焰温度变化趋势的准确识别,提升燃煤窑炉自动化水平。其中,不仅基于混沌理论和熵理论解释了此方法的有效性,还基于标准数据和氧化铝回转窑的火焰视频数据验证了本方法的有效性。
(1)很多领域的混沌研究主要是基于数学方程或者小型样机,但是这些方法不适用于燃煤窑炉的混沌研究。对此,本文以氧化铝回转窑的烧结系统为例,基于生产现场实际的热工数据,研究了数学方程未知的燃煤窑炉烧结系统的混沌辨识问题。其中,针对数据来源、数据长度和数据采样周期对结果的影响,首先选择了不同数据长度和不同采样周期的烧结温度数据和窑头温度数据;对每一组数据使用相空间重构方法获得若干候选的动态轨迹,然后基于混沌特征量的性质从每组数据的候选动态轨迹中确定出一个合适的动态轨迹。最后,使用每组数据的分析结果相互印证,首次确定了氧化铝回转窑的烧结系统是一个具有混沌特征的五阶系统。
(2)燃煤窑炉中存在的噪声干扰了信号的检测和系统的控制,并且噪声的种类和特征等尚不清楚。对此,本文分析了从五种热工数据中提取的噪声数据的混沌特征和多分形特征。实验结果表明氧化铝回转窑烧结系统中的噪声既不是高斯白噪声,又不是单分形的彩色噪声,而是具有混沌特征和多分形特征的确定信号,并且分析了噪声难以有效预测的原因。
(3)针对应用于燃煤窑炉的深度学习软测量模型存在计算复杂度高、未考虑系统动力学特征和缺乏可解释性的缺点,本文从混沌时间序列预测的角度,结合回转窑烧结系统的强耦合、大滞后和参数时变的非线性特征以及实际生产中检测数据可能存在风险的情况,提出了一个预测精度高、计算复杂度小和可解释性强的集成预测框架,以实现窑头温度混沌时间序列的精确在线预测。其中,针对烧结系统具有大滞后的特征,使用相空间重构方法获取与烧结系统拓扑等价的动态轨迹;Volterra滤波器被用于拟合出烧结系统的状态和输出之间的函数关系;针对烧结系统的参数具有时变特征会减弱固定模型的性能,每次预测前使用滑窗技术更新Volterra滤波器的核来实现模型的动态更新;针对实际工业数据中会包含不可靠的值,使用偏差补偿技术将每一个预测值进行校正之后作为最终的预测值。
(4)燃煤窑炉内恶劣的生产环境会掩盖火焰图像颜色、纹理、梯度等众多有用信息,阻碍了基于火焰图像或视频的烧结工况识别方法的性能。对此,本文提出了基于火焰图像的平均灰度值序列和混沌特征量的火焰温度变化趋势的混沌特征提取方法,以实现火焰温度变化趋势的准确识别,提升燃煤窑炉自动化水平。其中,不仅基于混沌理论和熵理论解释了此方法的有效性,还基于标准数据和氧化铝回转窑的火焰视频数据验证了本方法的有效性。