本文關(guān)鍵詞： 生料細(xì)度 軟測量 延時(shí) 最小二乘支持向量機(jī)　出處：《燕山大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：在水泥生產(chǎn)過程中,生料經(jīng)粉磨形成具有一定細(xì)度要求的粉末對(duì)水泥質(zhì)量有巨大影響。生料細(xì)度的檢測是生料粉磨系統(tǒng)優(yōu)化控制的重要環(huán)節(jié),國內(nèi)通常采用人工離線化驗(yàn)的方式得到生料細(xì)度篩余百分比,但其檢測周期一般為兩到四小時(shí);國外通常采用在線分析儀進(jìn)行生料細(xì)度的測量,但其價(jià)格昂貴且不易維護(hù)。針對(duì)生料細(xì)度人工檢測周期時(shí)間長、工作效率低、在線分析儀價(jià)格昂貴、不易維護(hù)等導(dǎo)致生料細(xì)度出現(xiàn)合格率偏低及檢測效率和經(jīng)濟(jì)效益不能兼顧等問題。本文提出了一種快速有效的生料細(xì)度軟測量方法,設(shè)計(jì)并實(shí)現(xiàn)了生料細(xì)度在線軟測量系統(tǒng),有效的解決了人工檢測效率低、在線分析儀價(jià)格昂貴等問題。具體研究如下:首先,本文總結(jié)了現(xiàn)有軟測量建模方法,并深入研究了生料粉磨系統(tǒng)工藝和生料磨工作原理。通過分析生料細(xì)度的影響因素確定生料細(xì)度軟測量系統(tǒng)的輔助變量,提出基于支持向量機(jī)和數(shù)據(jù)驅(qū)動(dòng)的建模方法,實(shí)現(xiàn)對(duì)生料細(xì)度的軟測量。其次,針對(duì)生料細(xì)度軟測量建模過程中由于存在延時(shí)導(dǎo)致建模失效的問題,構(gòu)建系統(tǒng)延時(shí)(T)與最小二乘支持向量回歸(LSSVR)相結(jié)合的軟測量模型:將系統(tǒng)延時(shí)劃分為“靜態(tài)響應(yīng)延時(shí)”和“動(dòng)態(tài)響應(yīng)延時(shí)”;借助于歸一化互相關(guān)與一階廣義差分手段,得到“靜態(tài)響應(yīng)延時(shí)”和“動(dòng)態(tài)響應(yīng)延時(shí)”兩參數(shù)的延時(shí)估計(jì)數(shù)學(xué)模型;并利用最小二乘支持向量機(jī)對(duì)經(jīng)延時(shí)系統(tǒng)處理后的樣本建立預(yù)測模型�；诖薚-LSSVR模型對(duì)生料細(xì)度進(jìn)行軟測量建模實(shí)驗(yàn),驗(yàn)證了本文所提方法對(duì)生料細(xì)度軟測量建模的有效性及可靠性。最后,設(shè)計(jì)并實(shí)現(xiàn)了生料細(xì)度在線軟測量系統(tǒng)。通過客戶端軟測量系統(tǒng)與服務(wù)器數(shù)據(jù)庫間的數(shù)據(jù)交互,完成對(duì)生料細(xì)度的在線軟測量,從而實(shí)現(xiàn)了在生料出磨前對(duì)生料細(xì)度的預(yù)測。該系統(tǒng)滿足了基本的工業(yè)需求,節(jié)省了人工與經(jīng)濟(jì)成本、提高了工作效率,為生料細(xì)度的優(yōu)化控制創(chuàng)造了條件。
[Abstract]:In the cement production process, raw materials grinding with certain requirements of the fineness of the powder have great influence on the quality of the cement raw meal fineness. Detection is an important step in the optimization control of raw material grinding system, the domestic commonly used artificial way to get offline laboratory raw meal fineness sieve residue percentage, but the detection period is generally two to four hours; measurement foreign commonly used online analyzer of granularity of raw material, but the price is expensive and difficult to maintain. The granularity of raw material manual detection time long cycle, low efficiency, on-line analyzer is expensive and not easy to maintain and lead to low detection efficiency and economic benefits can not take into account issues such as qualified rate granularity of raw material. This paper proposes a raw meal fineness soft measurement method is fast and effective, the design and implementation of the granularity of raw material online soft measurement system, effectively solves the problem of low efficiency of manual detection, The problem of online analyzer is very expensive. The specific studies are as follows: firstly, the paper summarizes the existing soft measurement modeling, and in-depth study of the raw material grinding system technology and raw mill working principle. Through the analysis of factors affecting the granularity of raw material auxiliary variable soft measurement system to determine the granularity of raw material, the support vector machine and modeling method based on data driven to realize the soft measurement of the fineness of raw material,. Secondly, the soft measurement modeling granularity of raw material process due to the existence of delay caused failure of the construction of system modeling, time delay (T) and least squares support vector regression (LSSVR) soft measurement model: combining the delay system is divided into "static response delay" and "dynamic response delay"; by normalized cross correlation and generalized difference method, get the "static response delay" and "dynamic response delay" two parameters of time delay estimation Mathematical model; and the use of least squares support vector machines for the delay system treated sample prediction model is established. The T-LSSVR model of soft sensor modeling based on experiments on the granularity of raw material, verify the proposed method for soft measurement modeling granularity of raw material is effective and reliable. Finally, the design and implementation of online soft measurement system of raw meal fineness through the soft measurement system of the client and the server database data exchange, complete the online soft measurement of granularity of raw material, so as to realize the prediction of raw material fineness of raw material in the mill. The system meets the demand of the industrial base, saves manpower and economic cost, improve work efficiency, creating conditions for optimization to control the granularity of raw material.

【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TQ172.66

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李凌;;軟測量過程中的若干建模方法研究[J];沈陽化工學(xué)院學(xué)報(bào);2006年02期

2 趙忠蓋;劉飛;;基于因子回歸模型的軟測量方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2010年01期

3 李慶華;;1種基于遺失數(shù)據(jù)重構(gòu)的軟測量方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2011年05期

4 周強(qiáng);;打漿度軟測量信號(hào)中有色噪聲的白化及濾除[J];中國造紙學(xué)報(bào);2007年03期

5 吳德會(huì);;一種基于近紅外光譜技術(shù)的柴油在線軟測量方法研究[J];光譜學(xué)與光譜分析;2008年07期

6 李煒;章寅;;異類多模型動(dòng)態(tài)融合軟測量方法研究與應(yīng)用[J];化工自動(dòng)化及儀表;2010年08期

7 戴先中;丁煜函;王萬成;;紅霉素發(fā)酵關(guān)鍵生化量的動(dòng)態(tài)軟測量方法[J];儀器儀表學(xué)報(bào);2006年S2期

8 李煒;石連生;李征宏;;基于雙層智能結(jié)構(gòu)的多模型軟測量方法研究[J];化工自動(dòng)化及儀表;2007年06期

9 苗曉寒;;軟測量在腈綸聚合質(zhì)量指標(biāo)控制中的應(yīng)用[J];石油化工技術(shù)經(jīng)濟(jì);2007年06期

10 劉國海;江興科;梅從立;;基于連續(xù)隱Markov模型的發(fā)酵過程軟測量方法[J];控制與決策;2011年11期

相關(guān)會(huì)議論文 前10條

1 張利;孫德敏;張培仁;王永;楊兵;;設(shè)施農(nóng)業(yè)中的磷酸根濃度軟測量研究[A];中國儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 韓大偉;鄒志云;;軟測量與推斷控制技術(shù)初探[A];2005全國自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（三）[C];2005年

3 趙忠蓋;劉飛;;一種基于因子回歸模型的軟測量方法[A];2009中國過程系統(tǒng)工程年會(huì)暨中國mes年會(huì)論文集[C];2009年

4 畢維準(zhǔn);;粘度在線軟測量方法的應(yīng)用[A];2007年中國智能自動(dòng)化會(huì)議論文集[C];2007年

5 靳其兵;林艷春;;丙烯脫乙烷塔出口組分的軟測量[A];2004全國測控、計(jì)量與儀器儀表學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2004年

6 唐曉;王佳;;軟測量方法評(píng)價(jià)區(qū)域海水腐蝕性的研究[A];2004年腐蝕電化學(xué)及測試方法學(xué)術(shù)交流會(huì)論文集[C];2004年

7 張自成;費(fèi)敏銳;;基于人工神經(jīng)網(wǎng)絡(luò)的中速磨存煤量軟測量方法[A];第七屆工業(yè)儀表與自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2006年

8 劉載文;許繼平;侯朝楨;王正祥;薛福霞;;SBR污水處理系統(tǒng)神經(jīng)網(wǎng)絡(luò)軟測量與控制技術(shù)[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

9 鄭德忠;趙永磊;;基于新型廣義預(yù)測算法的板厚軟測量方法的研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會(huì)論文集（Ⅲ）[C];2008年

10 常青;楊捷;裴洪卿;;基于RBF神經(jīng)網(wǎng)絡(luò)的丙烯腈收率軟測量方法[A];第十七屆全國過路控制會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 于濤;基于混合模型的軟測量方法研究及其在發(fā)酵過程中的應(yīng)用[D];北京化工大學(xué);2006年

2 楊強(qiáng)大;諾西肽發(fā)酵過程生化參數(shù)軟測量方法的研究[D];東北大學(xué);2009年

3 李修亮;軟測量建模方法研究與應(yīng)用[D];浙江大學(xué);2009年

4 黃麗;基于數(shù)據(jù)驅(qū)動(dòng)的生物反應(yīng)過程軟測量與優(yōu)化控制[D];江蘇大學(xué);2011年

5 于曉明;支持向量機(jī)及其在制漿過程重要參數(shù)軟測量中的應(yīng)用研究[D];陜西科技大學(xué);2012年

6 凌玉華;鋁電磁鑄軋帶坯晶粒度軟測量及復(fù)合磁場智能控制研究[D];中南大學(xué);2010年

7 李鐵;電熔鎂爐熔池尺寸軟測量方法的研究[D];大連理工大學(xué);2013年

8 王強(qiáng);基于非線性特征提取的軟測量智能建模方法研究[D];中國石油大學(xué)（華東）;2013年

9 潘孝禮;穿孔過程關(guān)鍵參數(shù)軟測量與優(yōu)化控制[D];東北大學(xué);2008年

10 任會(huì)峰;基于泡沫圖像的鋁土礦浮選pH值軟測量及應(yīng)用[D];中南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉賀朋;基于支持向量機(jī)的水泥生料粉磨細(xì)度軟測量方法研究[D];燕山大學(xué);2016年

2 陳震宇;多自由度精密運(yùn)動(dòng)平臺(tái)機(jī)械參數(shù)軟測量方法[D];哈爾濱工業(yè)大學(xué);2016年

3 杜潤龍;發(fā)酵過程生物量軟測量方法研究[D];江南大學(xué);2007年

4 童豪;生物發(fā)酵過程中的軟測量技術(shù)應(yīng)用研究[D];浙江大學(xué);2004年

5 劉健;基于數(shù)據(jù)驅(qū)動(dòng)技術(shù)的軟測量集成系統(tǒng)開發(fā)[D];蘭州理工大學(xué);2014年

6 劉龍;醋酸乙烯合成過程催化劑活性的軟測量研究[D];河北科技大學(xué);2015年

7 楊銘;基于多模型的高斯過程回歸軟測量方法研究[D];江蘇大學(xué);2015年

8 張文;常減壓裝置油品質(zhì)量軟測量[D];南京工業(yè)大學(xué);2003年

9 黃佳;氣流干燥過程水分軟測量系統(tǒng)的研究與開發(fā)[D];中南大學(xué);2007年

10 王峰;原油蒸餾裝置產(chǎn)品質(zhì)量指標(biāo)軟測量方法研究與應(yīng)用[D];天津大學(xué);2010年

，

本文編號(hào)：1471753