论文部分内容阅读
根据国家统计局数据显示,2019年全国水泥产量约为23.3亿吨,同比增长6%,连续35年保持世界第一,行业盈利保持较好水平。在水泥行业的供给侧改革、环保限产和错峰生产的背景下,目前国内水泥的产能利用率维持在60%左右。因此,通过提升水泥生产过程自动化水平来提高水泥的质量和产量具有重要意义。本文以水泥联合粉磨过程中的重要指标水泥粒度为研究对象,采用在线激光粒度仪为检测手段,结合联合粉磨工艺机理,开展水泥联合粉磨粒度预测控制系统研究与开发,主要研究内容如下:(1)根据洛阳某水泥生产企业的实际情况,在研究其现场联合粉磨工艺机理的基础上,结合历史数据分析以及现场工人操作经验,以小于45um的水泥粒度含量作为模型输出,以选粉机转速作为模型输入,采用线性回归和带遗忘因子的递推最小二乘法两种方法分别建立了水泥粒度的数学模型,仿真验证显现了带遗忘因子的递推最小二乘法建立的水泥粒度模型与水泥粒度的动态变化具有更好的一致性,因此选择带遗忘因子的递推最小二乘法建立的水泥粒度模型作为水泥联合粉磨粒度预测控制系统的数学模型,为后续水泥粒度控制算法的研究奠定了基础。(2)水泥粒度控制,传统的控制算法仍然是PID控制,由于水泥粉磨是一个非线性、强耦合和大滞后的工业过程,所以传统的PID控制效果一般。广义预测控制拥有较强的鲁棒性,同时对模型的参数要求较低,因此本文将其结合PI控制器的优点设计出PI+GPC控制器;由于一般的预测控制假设的被控过程是无约束的,而在水泥联合粉磨粒度控制中存在大量的约束,比如选粉机转速约束、选粉机转速增量约束和水泥粒度约束等,为了解决这一问题,引入改进粒子群优化算法(PSO);将改进的粒子群算法运用于隐式广义预测控制的滚动优化环节,设计了基于改进粒子群算法的PI+GPC控制器,仿真结果验证该方法的有效性。(3)基于C#和MATLAB混编,结合本文研究内容,加入Bang-Bang控制方法,研发了水泥联合粉磨粒度预测控制系统,实现了对水泥粒度的控制,并进行了工程应用,取得了良好的运行效果。