水泥是不可或缺的建筑材料,需求量巨大,資源消耗多,且污染排放大,所以水泥的高效、節(jié)能生產具有重要意義。在水泥生產過程中,懸浮預熱與預分解過程,承擔著水泥生料90%的分解任務,耗煤量巨大,且對于水泥的產量與質量起到至關重要的作用。目前,國內水泥生產企業(yè)的生產環(huán)境復雜、系統測控點較少,預分解過程的優(yōu)化調節(jié)尚未得到廣泛的研究和推廣。因此,文章從國內外分解爐控制的研究現狀出發(fā),采用數據驅動建模方法與智能控制技術,實現分解爐出口溫度的預測和優(yōu)化控制設計,對實現水泥的高效生產及節(jié)能降耗具有重要意義。本文以安徽省某水泥生產公司6000t/d水泥生產線為研究背景,分解爐系統為研究對象,通過實地學習考察,查閱相關文獻資料,從分解爐的結構、工藝流程出發(fā),對水泥分解爐出口溫度預測與優(yōu)化控制進行了較為深入地研究。本文首先簡要的概述了新型干法水泥生產的發(fā)展及其現狀,系統地總結了國內外對于水泥生產系統的控制研究及應用情況。接著,在深入研究分析水泥預分解系統的工藝流程及機理的基礎上,為了應對復雜的工藝流程及生產環(huán)境,本文提出了一種基于Lasso算法的粒子群優(yōu)化極限學習機的出口溫度預測模型。相比于傳統預分解系統的研究... 

【文章頁數】：70 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 預分解系統的國內外研究現狀
    1.3 論文主要研究內容和章節(jié)安排
第二章 預分解工藝流程及預測與控制分析
    2.1 新干法水泥生產的工藝流程簡述
    2.2 預分解系統的工藝流程及工作機理
        2.2.1 預分解系統的工藝流程
        2.2.2 預分解系統的工作機理
    2.3 影響分解爐出口溫度的主要變量
    2.4 分解爐出口溫度的預測問題分析
        2.4.1 出口溫度預測亟待解決的問題
        2.4.2 分解爐出口溫度預測和優(yōu)化控制的總體方案
    2.5 本章小結
第三章 基于多變量選擇的分解爐出口溫度預測建模
    3.1 Lasso算法的基本原理及求解
        3.1.1 Lasso算法的基本原理
        3.1.2 最小角回歸求解Lasso算法
    3.2 粒子群算法優(yōu)化的極限學習機模型
        3.2.1 極限學習機的原理
        3.2.2 粒子群優(yōu)化算法
    3.3 出口溫度預測模型的建立
        3.3.1 數據預處理
        3.3.2 基于Lasso算法的變量篩選
        3.3.3 PSO-ELM的出口溫度預測模型
        3.3.4 對比與分析
第四章 出口溫度模型優(yōu)化和基于模糊神經網絡控制設計
    4.1 出口溫度模型的優(yōu)化設計
        4.1.1 優(yōu)化目標分析
        4.1.2 出口溫度優(yōu)化模型求解
    4.2 自適應模糊神經網絡
        4.2.1 模糊理論與神經網絡
        4.2.2 自適應模糊神經網絡
    4.3 出口溫度控制系統仿真驗證
    4.4 出口溫度控制的工程實現
        4.4.1 DCS系統簡介
        4.4.2 OPC技術簡介
        4.4.3 上位機監(jiān)控系統設計
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況


【參考文獻】：
期刊論文
[1]中國水泥生產與碳排放現狀分析[J]. 魏軍曉,耿元波,沈鐳,岑況.  環(huán)境科學與技術. 2015(08)
[2]基于聚類法的水泥分解爐工況識別研究[J]. 馬小燕,王孝紅,于宏亮.  控制工程. 2014(S1)
[3]水泥分解爐智能控制系統的設計[J]. 張巖龍,王孝紅,于宏亮.  濟南大學學報(自然科學版). 2014(02)
[4]模糊控制在水泥回轉窯中的應用[J]. 楊維.  自動化與儀器儀表. 2015(01)
[5]針對Lasso問題的多維權重求解算法[J]. 陳善雄,劉小娟,陳春蓉,鄭方園.  計算機應用. 2017(06)
[6]水泥分解爐出口溫度T-S建模[J]. 袁鑄鋼,蘇哲,張強.  控制工程. 2016(02)
[7]基于粒子群優(yōu)化的潛器深度自適應模糊控制[J]. 彭鵬菲,姜俊,黃亮.  控制工程. 2017(02)
[8]水泥回轉窯燒成帶溫度動態(tài)建模研究[J]. 王芬,王孝紅,于宏亮.  控制工程. 2017(03)
[9]PCA-PSO-ELM配網供電可靠性預測模型[J]. 許愛東,李昊飛,程樂峰,余濤.  哈爾濱工程大學學報. 2018(06)
[10]基于優(yōu)化核極限學習機的中期電力負荷預測[J]. 任瑞琪,李軍.  測控技術. 2018(06)

碩士論文
[1]基于T-S模糊模型水泥分解爐的控制研究[D]. 管榮臻.濟南大學 2019
[2]水泥生產系統的綜合能效分析與節(jié)能優(yōu)化[D]. 王靖晨.山東大學 2019
[3]基于模糊神經網絡控制的窯爐溫控系統設計[D]. 和朋飛.河北科技大學 2019
[4]L2-L1模型解路徑研究[D]. 趙玉鑫.大連理工大學 2019
[5]最小二乘法、ε-支持向量回歸機與最小二乘支持向量回歸機的對比研究[D]. 李揚.華東師范大學 2018
[6]基于規(guī)則提取的水泥分解爐溫度模糊控制研究[D]. 陳宇.燕山大學 2018
[7]水泥熟料初級分解控制系統研究[D]. 徐婷.長春工業(yè)大學 2017
[8]基于模糊神經網絡的工業(yè)爐窯優(yōu)化燃燒控制研究[D]. 朱俊杰.湖南大學 2016
[9]模糊神經網絡在火電廠鍋爐主蒸汽溫度控制系統中的應用[D]. 劉瑞.長安大學 2013
[10]水泥分解爐溫度過程NARX模型與Hammerstein模型建模方法研究[D]. 王紅靜.東北大學 2013



本文編號：3703463