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(chǎn)具有重要意義。在水泥生產(chǎn)過程中,懸浮預(yù)熱與預(yù)分解過程,承擔著水泥生料90%的分解任務(wù),耗煤量巨大,且對于水泥的產(chǎn)量與質(zhì)量起到至關(guān)重要的作用。目前,國內(nèi)水泥生產(chǎn)企業(yè)的生產(chǎn)環(huán)境復雜、系統(tǒng)測控點較少,預(yù)分解過程的優(yōu)化調(diào)節(jié)尚未得到廣泛的研究和推廣。因此,文章從國內(nèi)外分解爐控制的研究現(xiàn)狀出發(fā),采用數(shù)據(jù)驅(qū)動建模方法與智能控制技術(shù),實現(xiàn)分解爐出口溫度的預(yù)測和優(yōu)化控制設(shè)計,對實現(xiàn)水泥的高效生產(chǎn)及節(jié)能降耗具有重要意義。本文以安徽省某水泥生產(chǎn)公司6000t/d水泥生產(chǎn)線為研究背景,分解爐系統(tǒng)為研究對象,通過實地學習考察,查閱相關(guān)文獻資料,從分解爐的結(jié)構(gòu)、工藝流程出發(fā),對水泥分解爐出口溫度預(yù)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(chǎn)的發(fā)展及其現(xiàn)狀,系統(tǒng)地總結(jié)了國內(nèi)外對于水泥生產(chǎn)系統(tǒng)的控制研究及應(yīng)用情況。接著,在深入研究分析水泥預(yù)分解系統(tǒng)的工藝流程及機理的基礎(chǔ)上,為了應(yīng)對復雜的工藝流程及生產(chǎn)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(yù)測模型。相比于傳統(tǒng)預(yù)分解系統(tǒng)的研究... 

【文章頁數(shù)】：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(yù)分解系統(tǒng)的國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容和章節(jié)安排
第二章 預(yù)分解工藝流程及預(yù)測與控制分析
    2.1 新干法水泥生產(chǎn)的工藝流程簡述
    2.2 預(yù)分解系統(tǒng)的工藝流程及工作機理
        2.2.1 預(yù)分解系統(tǒng)的工藝流程
        2.2.2 預(yù)分解系統(tǒng)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(yù)測問題分析
        2.4.1 出口溫度預(yù)測亟待解決的問題
        2.4.2 分解爐出口溫度預(yù)測和優(yōu)化控制的總體方案
    2.5 本章小結(jié)
第三章 基于多變量選擇的分解爐出口溫度預(yù)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(yù)測模型的建立
        3.3.1 數(shù)據(jù)預(yù)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(yù)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(jīng)網(wǎng)絡(luò)控制設(shè)計
    4.1 出口溫度模型的優(yōu)化設(shè)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(yīng)模糊神經(jīng)網(wǎng)絡(luò)
        4.2.1 模糊理論與神經(jīng)網(wǎng)絡(luò)
        4.2.2 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)
    4.3 出口溫度控制系統(tǒng)仿真驗證
    4.4 出口溫度控制的工程實現(xiàn)
        4.4.1 DCS系統(tǒng)簡介
        4.4.2 OPC技術(shù)簡介
        4.4.3 上位機監(jiān)控系統(tǒng)設(shè)計
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀碩士學位期間的學術(shù)活動及成果情況


【參考文獻】：
期刊論文
[1]中國水泥生產(chǎn)與碳排放現(xiàn)狀分析[J]. 魏軍曉,耿元波,沈鐳,岑況.  環(huán)境科學與技術(shù). 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(tǒng)的設(shè)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(zhuǎn)窯中的應(yīng)用[J]. 楊維.  自動化與儀器儀表. 2015(01)
[5]針對Lasso問題的多維權(quán)重求解算法[J]. 陳善雄,劉小娟,陳春蓉,鄭方園.  計算機應(yīng)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(yīng)模糊控制[J]. 彭鵬菲,姜俊,黃亮.  控制工程. 2017(02)
[8]水泥回轉(zhuǎn)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(wǎng)供電可靠性預(yù)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(yù)測[J]. 任瑞琪,李軍.  測控技術(shù). 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(chǎn)系統(tǒng)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(jīng)網(wǎng)絡(luò)控制的窯爐溫控系統(tǒng)設(shè)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(tǒng)研究[D]. 徐婷.長春工業(yè)大學 2017
[8]基于模糊神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)在火電廠鍋爐主蒸汽溫度控制系統(tǒng)中的應(yīng)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