多速率采样数据驱动与机理融合的水泥生料分解过程建模与智能控制

This project aims at establishing process modeling and intelligent control based on the fusion of multirate sampled-data driven and mechanism for cement raw meal calcination process,which are difficult to be modeled mathematically for product quanlity index.In actual production process, product quanlity index (i.e., raw meal decomposition ratio, hereinafter referred to as RMDR) is difficult to be measured online, and this process have complex dynamics characteristics, such as strong nonlinearity and coupling between RMDR and calciner temperature and outlet temperature of preheater C5.The boundary conditions of raw meal and raw meal flow change frequently, and there exist multi-conditions in practice.Therefore, it is difficult to obtain the RMDR by precise mathematical model, and the qualification rate of product is low, and the C5 feeding tube will be blocked. The phenomenon is hard to meet the demands of real-time monitoring and automatic control because of the large samping intervals for offline data. To solve above difficult problem, the modeling and intelligent control based on the fusion of multirate sampled-data driven and mechanism has been proposed, and the control strategy consists of a target value setting model of the RMDR, a calciner temperature setting model, and process control. Practical application to a raw meal calcination process has shown that this control strategy can not only increase the hourly production rate but also reduce the standard coal consumption. Therefore, saving energy and reducing consumption will be achieved, thus the study has important theory significance and practical value.

本项目以难以建立产品质量指标机理模型的水泥生料分解过程为背景，研究多速率采样数据驱动和机理融合的过程建模与智能控制。在实际生产中，产品质量指标即生料分解率不能在线检测且与分解炉温度和预热器C5出口温度具有强非线性、耦合和随着运行工况变化的特性，生料边界条件频繁变化且生料流量波动大及多工况综合复杂特性。因此，很难建立生料分解率的精确数学模型，极易导致产品合格率低和预热器C5下料管堵塞生产事故。同时，生产过程离线数据采样周期间隔太大，难以满足生料分解过程的实时监控及自动控制。为了解决上述难题，本项目提出了多速率采样数据驱动与机理融合的建模和智能控制，由生料分解率目标值设定层、分解炉温度设定层和过程控制层三层结构组成的生料分解过程智能控制策略。并且将所提的建模与智能控制方法应用到工业中，提高台时产能，降低标准煤耗，以实现生产过程的节能降耗，具有重要的理论研究意义和实际应用价值。

以预分解窑为代表的新型干法水泥熟料生产过程包括生料制备、生料分解，熟料煅烧、熟料冷却和煤粉制备五个相对独立的工艺环节。其中，生料分解是在最下一级预热器C5和回转窑窑尾之间设置一个分解炉，设置燃料喷入装置，使燃料燃烧的放热过程与生料中碳酸盐分解的吸热过程在分解炉内以悬浮态下迅速进行，使进入回转窑的生料分解率达到85%～94%。反映生料分解过程的质量、效率和安全的综合指标是生料分解率，它是指生料经过分解炉和预热器C5后，分解成氧化物的碳酸盐占总碳酸盐的百分比。生料分解率过高，会产生预热器C5下料管堵塞，甚至使生产停产；生料分解率过低，会使得生料预热效果差，增加下一工序回转窑的热负荷，降低产能。本项目以难以建立产品质量指标机理模型的水泥生料分解过程为背景，研究多速率数据驱动和机理融合的过程建模与智能控制。. 项目首先建立了基于机理和多速率采样数据驱动的数学模型，同时进行生料分解过程动态特性分析；其次通过设定正确的生料分解率目标值、分解炉温度设定及分解炉温度和预热器C5出口温度的控制，将生料分解率控制在目标值范围内，同时提高了台时产能，降低了标准煤耗，实现生料分解过程的节能降耗。. 通过本项目的研究，提出了将生料分解率指标控制在目标值范围内，且尽可能提高设备台时产能为目标的由生料分解率目标值设定层，分解炉温度设定层和过程控制层三层结构组成的生料分解过程智能控制方法；建立了由易煅烧、难煅烧生料识别，易煅烧生料分解过程控制，难煅烧生料分解过程控制组成的智能控制方法；研制出具有自主知识产权的工业过程智能控制软件，解决了煤粉不能充分燃烧而造成的雾霾现象，进而达到节能减排的目的。. 项目研究成果分别获得2016年及2017年沈阳市自然科学学术成果三等奖，申请发明专利8项，获得授权1项，在国内外期刊和学术会议发表论文12篇，项目研究成果通过横向合同在工业中应用验证。