一、焙烧过程球团透气性的软测量(论文文献综述)
林志强,段嘉峰,付旭刚,易宗官[1](2021)在《酒钢球团竖炉燃烧优化控制的研究与应用》文中认为介绍"通用燃烧优化控制技术(BCS)"在多种煤气掺烧的球团竖炉控制上的应用。针对球团竖炉焙烧过程的工艺和相关技术要求,以及现场多变的煤气压力、热值和煤气种类,提出基于球团竖炉掺烧多种煤气的BCS优化控制方法。采用智能工况诊断模型,智能预警报警模型以及最佳空燃比技术,实现了从管理到控制的优化,实现了高效、稳定、经济的竖炉生产过程。
胡杰,杜胜,吴敏,陈鑫,曹卫华[2](2019)在《铁前炉料制备过程先进控制与智能优化》文中认为铁前炉料制备过程主要包括炼焦过程和烧结过程,分别生产焦炭和烧结矿,为高炉炼铁提供燃料和原料.实现铁前炉料制备过程的先进控制与智能优化,有利于提高产品的质量和产量、降低生产能耗和成本.本文阐述了炼焦过程和烧结过程先进控制与智能优化的研究进展,包括炼焦配煤过程智能优化与控制、焦炉火道温度集成软测量、焦炉加热燃烧过程智能控制、炼焦生产全流程优化及烧结配料过程建模与优化、烧结热状态参数控制、烧结生产全流程优化与控制、烧结碳效建模与优化.最后总结分析了铁前炉料制备过程控制与优化的发展趋势.
朱海波[3](2019)在《基于改进Elman NN回转窑温度软测量建模技术的研究与应用》文中提出链箅机回转窑球团生产过程的实时在线监测与控制对提高球团矿产品质量和保证安全生产具有重大意义,这极大的依赖于链箅机回转窑球团生产过程回转窑窑中温度的实时在线测量。但是,由于链箅机回转窑生产过程复杂的测量环境、高昂的测量仪器以及测量过程存在的时滞性等诸多因素,无法保证回转窑窑中温度及时在线检测。因此,软测量技术通过建立回转窑窑中温度与易测过程辅助变量之间某种数学模型,对链箅机回转窑生产过程回转窑的窑中温度进行实时在线预测估计。由于链箅机回转窑球团生产过程自身的结构特征以及生产过程中存在一系列复杂的物化反应,球团烧结生产过程表现出高度非线性、过程动态性与时变性、变量数据高维度等诸多复杂的特征。因此,本文以Elman神经网络、数据预处理和智能优化算法为主要研究手段,构建链箅机回转窑窑中温度软测量模型,解决链箅机回转窑窑中温度难以实时在线测量问题,为及时有效地控制链箅机回转窑球团生产过程提供理论指导。全文主要工作如下:(1)针对非线性变量数据的高维度和信息冗余等问题,提出了一种基于核框架下等距特征映射算法(ISOMAP)与局部线性嵌入算法(LLE)相结合的流形学习数据预处理方法。通过构建正定的核函数矩阵实现ISOMAP和LLE相融合,同时引入ISOMAP和LLE平衡调节因子,使其在降低数据维度和去除冗余信息的同时,最大程度地保持了数据集的邻域结构关系和全局相互距离。实验结果表明所提出新的流形学习数据预处理方法具有优良的降维效果。(2)针对生产过程的非线性、大滞后和时变性,提出了一种带有前馈调节策略的Elman神经网络(Elman NN)软测量模型。利用具有动态记忆能力的承接层对输出层进行前馈调节,使网络具有一定的超前性,有效解决过程变量非线性和滞后问题。同时,采用基于时间差分框架下的移动窗策略对Elman NN软测量模型进行自适应校正更新,有效解决由于生产过程的非线性和时变问题对软测量模型的影响。最后利用非线性目标函数进行拟合测试,实验结果表明改进的Elman NN模型具有优良的拟合优度和泛化能力。(3)提出了一种带有Levy飞行扰动与引力搜索策略的新型灰狼优化算法(LGGWO)。通过构造激发因子给算法加入Levy飞行扰动和引力搜索操作,使灰狼种群在搜索前期通过Levy飞行扰动而具有更强的全局勘探搜索能力,在搜索后期通过引力搜索而进行更仔细、彻底的局部开发搜索。最后利用典型基准函数进行仿真测试,仿真结果表明,所提出的新型灰狼优化算法在搜索过程中具有优良的种群多样性,其搜索精度和收敛速度明显提高。(4)针对链箅机回转窑球团氧化烧结生产过程回转窑窑中温度实时在线测量问题,首先,采用基于核框架下的ISOMAP和LLE相结合的流形学习数据预处理方法对样本数据进行降维和去冗余处理。然后,利用新型灰狼优化算法对带有前馈调节策略的Elman NN模型隐含层节点数等结构参数进行优化整定,并根据十折交叉验证法对当前结构参数下所建立的链箅机回转窑窑中温度软测量模型进行内部评估,从而确定回转窑窑中温度软测量模型最优的结构参数。最后,以训练集拟合决定系数、测试集预测指标和预测误差均方值为评价指标,通过外部独立样本测试集检验所构建回转窑窑中温度软测量模型的稳健性和预测能力。实验结果表明,所提出的软测量模型具有优良的可靠性和预测能力。
封振兴[4](2016)在《回转窑温度软测量模型及温度控制方法研究》文中研究说明在链篦机-回转窑铁矿球团的生产工艺中,回转窑的焙烧温度(窑中温度)是一个重要的工艺指标,它直接影响着成品球团的质量。提高回转窑焙烧温度的控制精度有利于提高球团生产质量。由于回转窑工作时窑体会以一定的速度旋转,其温度检测非常困难,难于获得稳定的温度信号,且回转窑焙烧温度受众多干扰因素的影响,过程存在非线性且温度过程存在大滞后,传统的温度控制方法精度较差。目前,国内回转窑的温度控制的精度普遍偏低,成品球团的质量也会随着工况的变化发生波动,因此提高回转窑焙烧温度的控制精度对于稳定球团生产质量有着重要的意义。为此,本文研究了一种回转窑温度软测量模型和温度智能控制方法,将其应用到回转窑焙烧温度的控制中,以提高回转窑焙烧温度控制水平。文章在深入回转窑的运行工艺和热工制度的基础上,分析了影响回转窑焙烧温度的重要因素,采集了回转窑历史生产数据,对重要的数据进行了核主元分析(KPCA)处理并将处理结果作为软测量模型的输入,构建了一种基于最小二乘支持向量机(LSSVM)的回转窑温度软测量模型,并用免疫进化算法优化LSSVM模型的参数。从仿真结果可以看出,将构建的软测量模型用于回转窑温度的检测是可行的,模型精度较高,可以获得准确、稳定的回转窑焙烧温度信号,为焙烧温度的控制奠定了基础。文章针对回转窑焙烧温度非线性、大滞后的特点,提出了基于模糊PID的回转窑焙烧温度控制方法。研究了模糊控制算法及其优化PID参数的方法,设计了模糊PID控制器。针对实验方法获得的回转窑温度模型进行了仿真测试,仿真结果表明,模糊PID控制算法的自适应能力强,较传统控制方法,能够取得更好的控制效果,并且给出了模糊PID算法在PLC控制器中的实现方法,为算法的工业应用打下了良好的基础。
任秀东[5](2014)在《基于多源异构信息融合的回转窑球团焙烧过程操作模式优化》文中认为链篦机-回转窑氧化球团焙烧过程在铁矿回转窑焙烧过程工艺中是十分重要的关键环节,对产品的工艺起着决定性作用。本文以国内某球团厂的烧结工艺过程为基础,针对工艺要求和现场环境的约束,往往难以直接、准确的进行闭环控制与实时监控,采用多源异构信息融合方法对回转窑焙烧工艺过程进行过程操作模式优化控制与研究。首先,针对回转窑氧化球团烧结过程煤粉燃烧火焰图像的纹理特征,采用GLVQ神经网络方法对回转窑煤粉燃烧工况进行识别。先基于灰度共生矩阵提取燃烧火焰图像的诸如能量、熵等纹理特性参数来描述火焰图像的视觉特征;并采用KPCA对高维输入向量进行降维,这样LVQ的目标维数和网络规模均大大降低;再采用归一化后的纹理特征数据样本对GLVQ进行训练和识别。测试结果表明KPCA-GLVQ方法在训练时间和识别正确率上较LVQ具有较好性能,可以满足回转窑燃烧工况的实时识别要求。其次,为了实现回转窑球团烧结过程中成品球团质量指标(化学成分、物理性能和冶金性能)的预测,提出了基于生物地理优化算法的球团质量指标RBF神经网络软测量模型。结合球团烧结过程反应机理和回转窑热工制度,选取链篦机料层厚度、链篦机机速、窑头温度、窑尾温度、回转窑转速和喷煤量作为软测量模型的辅助变量,依次将成品球团质量指标作为软测量模型输出,从而建立多个多输入单输出RBF神经网络软测量模型,该模型的结构参数由生物地理优化算法进行优化。仿真结果表明模型具有较好的泛化结果和预测精度,可以满足回转窑球团烧结过程实时控制的在线软测量要求。最后,以实现关键工艺指标优化为目标,将混合智能建模技术、图像特征识别算法和系统信息融合方法相集成,建立基于回转窑烧结燃烧火焰图像特征的工况识别模型和球团质量指标软测量预测模型,然后与回转窑过程数据相结合实现多源异构信息融合,建立了基于操作模式优化方法的回转窑焙烧过程先进控制策略架构,仿真结果标明为所提回转窑球团焙烧过程协调优化控制策略的有效性。通过以上的设计、研究与仿真,结果显示基于多源异构信息融合的回转窑操作模式能够更好的对回转窑球团工艺过程进行实时监控与控制。提高了铁矿球团工艺过程控制的精度及自动化的水平,也为企业增加了效益。
范晓慧,陈许玲,甘敏,姜涛[6](2013)在《人工智能在铁矿烧结、球团生产中的应用》文中研究说明烧结、球团过程具有机理复杂、状态参数检测难、大滞后性和过程时变等特点,难以实现精确控制。本文采用机理建模、人工神经网络、灰色理论、支持向量机、模糊控制、专家系统等多种智能技术,建立了烧结、球团过程软测量模型、预报模型和专家控制系统,实现了烧结、球团生产过程的稳定控制,为提升我国烧结、球团生产自动化水平奠定了坚实的基础。
王祎[7](2012)在《铁矿氧化球团链篦机—回转窑模拟模型和控制指导专家系统的研究》文中认为为适应大型化高炉对炉料结构的要求,铁品位高、还原性好,粒度均匀、成分稳定、冶金性能优良的球团矿日益受到青睐,本世纪以来我国球团矿产量持续攀升。链篦机-回转窑工艺作为我国氧化球团主导工艺,具有大型、连续、高温、封闭等特点,目前生产自动化水平仍然较低。本论文针对链篦机-回转窑生产参数检测困难、控制复杂等问题,进行了氧化球团链篦机-回转窑模拟模型和控制指导专家系统的研究,并开发了系统软件,实现了生产过程透明化和实时生产控制指导。为实现难检生产信息的在线软测量,根据传热学、流体力学、反应动力学和热力学原理,建立了链篦机、回转窑、环冷机温度场模型,实现了生产过程中链篦机运行方向和料层高度方向任意位置球团料层温度分布、回转窑轴向温度分布以及环冷机运行方向球团温度分布的在线软测量;建立了链篦机干燥段水分迁移模型,实现了生产过程中沿链篦机运行方向和料层高度方向任意位置球团料层水分实时分布状态透明化和球团水分蒸发速率的在线软测量,以及过湿带产生、移动和球团料层干燥效果的实时监测;建立了链篦机预热段磁铁矿氧化模型,实现了生产过程中沿链篦机运行方向和料层高度方向任意位置球团料层磁铁矿氧化率实时分布及预热球团FeO含量的在线软测量。采用气体温度检测值进行了模型验证,链篦机和回转窑模型准确率分别达到90.25%和92.25%。根据质量和能量守恒原理,建立了链篦机-回转窑-环冷机系统物料、气流和热量平衡模型,对系统能量分配情况和利用水平进行生产在线评判。针对我国球团生产中存在的原料和生产计划等主动调整,提出了基于平衡的生产状态预测方法,并结合专家系统给出调整措施,以稳定和优化球团生产。利用领域专家经验和球团基本原理,建立了链篦机-回转窑生产过程控制专家系统,实现了生产过程控制指导。针对链篦机-回转窑生产过程提出了以回转窑球团焙烧温度和链篦机预热Ⅱ段烟罩气体温度为核心的控制策略;针对环冷机球团冷却过程提出了以成品球团矿卸料温度为核心的控制策略;针对链篦机漏风异常,设计了异常位置判断方法。根据“参数状态判断→原因分析→措施选取"的推理过程,制定了多级推理策略。采用Visual C++开发了链篦机-回转窑生产控制指导系统软件。软件运行稳定,界面友好,操作简单。该系统在国内某球团厂投入生产应用,链篦机-回转窑系统生产运行稳定率从91.0%提高到了94.2%;球团矿产质量指标改善,FeO含量下降了0.05%,抗压强度提高了86N/P,转鼓强度提高了0.09%,耐磨指数下降了0.1%,筛分指数下降了1.04%,一级品率提高了2.54%;产质量提高和能耗降低综合经济效益可达749.5万元/年。
邱波,李国威,李鸿儒,李抒[8](2012)在《基于神经网络的FeO氧化系数软测量方法》文中研究表明FeO含量是球团质量的重要指标之一。为了更加准确地计算球团化学成分指标,提出了FeO氧化系数的概念。FeO氧化系数按照定义需要球团成分的离线计算,无法进行直接检测,通过相关因素的分析实现了FeO氧化系数的软测量。在分析球团生产过程中FeO影响因素的基础上,利用神经网络建立了FeO氧化系数的软测量模型,通过灰色关联分析方法确定了神经网络软测量模型的输入。使用实际的生产数据对模型的参数进行训练和验证,结果表明,提出的球团FeO氧化系数软测量模型能够获得满意的精度。
吴峰华[9](2011)在《竖炉焙烧运行工况故障诊断与容错控制的研究》文中指出在我国的赤铁矿选矿工业中,由于赤铁矿品位较低,选别难度大,难以利用常规的磁选方法获得品位合格的铁精矿,因而采用竖炉预先对赤铁矿石进行高温还原磁化焙烧,使弱磁性矿物变成强磁性矿物,然后再用磁选方法得到铁精矿。因此,竖炉焙烧过程的运行工况直接关系到选矿的金属回收率与精矿品位。竖炉焙烧过程属于复杂的半间歇式生产过程,赤铁矿在竖炉内部发生高温化学反应,矿石的大小、种类、成分频繁变化,尤其是反映竖炉焙烧质量的运行指标——磁选管回收率不能实时在线测量,因此,运行控制中可能给出不合适的燃烧室温度、还原煤气流量、矿石搬出时间的设定值,从而可能造成冒火、上火、炼炉、过还原、欠还原等故障工况。因此,研究及时准确地诊断故障工况和改变燃烧室温度、还原煤气流量、矿石搬出时间的设定值,通过控制系统跟踪设定值,使竖炉远离故障工况的故障工况诊断与容错控制方法,对于保证竖炉正常运行具有重要意义。本文针对磁选管回收率预报、竖炉故障工况诊断与容错控制,以及如何实现故障工况诊断与容错控制方法的三个关键问题,依托国家863高技术计划项目“选矿工业过程综合自动化系统研究与开发”,开展了竖炉焙烧运行工况故障诊断与容错控制的研究,取得了如下成果:1、针对磁选管回收率不能实时在线检测,与燃烧室温度、还原煤气流量和矿石搬出时间的特性具有模糊性,难以建立机理模型,且其化验结果具有大滞后特性,难以满足故障工况诊断的实时性要求的问题,提出了由模糊主模型和神经网络补偿模型构成的磁选管回收率混合预报模型。模糊主模型的模糊规则提取采用了同步聚类方法;神经网络补偿模型采用了搜寻后收敛进度算法提高了训练速度。仿真试验表明,本文的方法能够获得较高的预报精度;2、针对故障工况与磁选管回收率预报值、控制回路输出值、控制量、竖炉焙烧的过程变量、以及边界条件之间的动态特性难以建立机理模型,仅靠运行操作人员通过观察炉况,凭经验判断故障存在的问题,提出了基于规则推理的故障工况诊断方法。该方法吸取了运行操作人员故障工况诊断的专家知识,采用一种基于层次分析方法的启发式搜索策略确定规则库中的规则搜索顺序,由磁选管回收率预报值、控制回路输出值、控制量、竖炉焙烧的过程变量、以及边界条件提取各种故障工况的推理规则,形成规则库;3、针对燃烧室温度、还原煤气流量、矿石搬出时间的改变来消除故障工况的动态过程与故障工况种类、控制回路输出值、回路跟踪误差、控制量、过程参数以及边界条件密切相关,难以用机理模型描述,仅靠运行操作人员凭经验改变燃烧室温度、还原煤气流量、矿石搬出时间的设定值来消除故障工况存在的问题,提出了基于案例推理的容错控制方法。容错控制器根据故障工况种类、控制回路的输出值、回路跟踪误差、控制量、过程参数以及边界条件,利用案例推理的方法给出控制回路设定值的修正量,通过控制系统跟踪新的设定值,使系统逐渐远离故障工况,同时保证磁选管回收率处于目标值范围内。其中案例推理中的案例描述的权值确定方法结合竖炉焙烧特性,提出了基于相关分析与蚁群算法相结合的案例描述权值优化方法;4、本文将所提出的磁选管回收率预报模型、故障工况诊断和容错控制方法相结合,提出了故障工况诊断与容错控制策略。设计开发了实现故障工况诊断与容错控制策略的软件系统。该软件由数据采集、结果显示、数据保存、试验计时、磁选管回收率预报、故障工况诊断与容错控制、层次分析算法、蚁群算法结合相关分析的算法模块等组成;5、采用竖炉现场数据进行了故障工况诊断与容错控制方法的实验研究。实验结果表明,由于燃烧室温度、还原煤气流量和矿石搬出时间的设定值不能适应矿石性质等边界条件的波动而出现故障工况时,该系统能够实现故障工况诊断,并修改上述设定值,通过控制系统跟踪修改后的设定值,使竖炉逐步远离故障工况运行,同时保证磁选管回收率控制在目标值范围内。
徐辰华[10](2010)在《铅锌烧结过程状态智能预测与优化控制策略》文中提出铅锌金属在国防、电子等众多工业领域有广泛的应用,铅锌烧结过程的稳定性及烧结块质量的好坏,对铅锌冶炼生产效率的高低有着举足轻重的影响。烧结过程状态反映了铅锌烧结生产状况,状态的稳定和优化有助于提高烧结块的质量和产量。针对铅锌烧结过程的非线性、不确定性特点,本文主要围绕过程状态智能集成建模与优化控制策略开展研究,取得的研究成果主要包括以下五个方面。(1)综合生产目标与过程状态参数的关系分析及优化控制结构铅锌烧结状态反映了烧结程度,影响到烧结块的质量和产量,并且烧结状态参数众多,对烧结过程综合生产目标的影响程度也不同。本文深入分析操作参数、过程状态参数和综合生产目标的关系,提出了状态集成预测、综合生产目标优化和过程状态参数优化的优化思想。由此确定状态优化控制目标,提出铅锌烧结过程状态智能集成优化控制结构,分析状态集成优化控制的工作原理,从而为铅锌烧结过程的优化控制提供一种新思路。(2)过程状态参数预测模型透气性和烧穿点位置直接影响到烧结块的质量和产量,是铅锌烧结过程控制的重要状态参数。为实现铅锌烧结过程的状态优化控制,不仅需要获得当前实时的状态指标参数,更重要的是获得未来状态的变化趋势。本文针对透气性的时变和不确定性,建立基于RBF神经网络的透气性预测模型,较准确地进行透气性的实时预测。由于烧穿点主要受到烧结料面烟气温度的影响,采用固定点和非固定点的实验方法,研究铅锌烧结机内烟气温度分布规律,采用神经网络建立烟气温度场分布模型,从而建立烧穿点灰色预测模型;考虑工况波动的影响,采用支持向量机建立烧穿点工艺参数预测模型;然后采用动态加权法对两个模型进行集成,建立烧穿点状态预测模型,从而进行烧穿点的实时预测。采用MATLAB7.0仿真软件,对模型进行验证。仿真结果表明,利用本文方法建立的烧穿点集成预测模型能够获得更高的的预测精度,其预测效果和性能优于单一预测模型。(3)基于遗传蚁群算法的状态优化设定为达到高产、优质的生产目标,必须对透气性和烧穿点进行优化控制,使得烧结生产稳定在最优的状态。基于工艺机理分析和控制需求,将过程状态参数和综合生产目标之间的关系,归纳为一个带有不等式约束状态参数指标的综合收益函数形式描述问题。首先采用罚函数法将将具有多约束条件的目标函数转换为无约束的罚函数形式;然后采用遗传算法对目标函数寻优,获得优化问题的次优解;接着采用蚁群算法进行二次优化,结果作为烧结状态的最优设定值。仿真结果验证了该优化算法的有效性。(4)基于自适应免疫禁忌搜索算法的状态优化控制基于铅锌烧结过程状态的预测和状态优化设定,根据状态优化控制目标,将烧结状态优化控制问题归纳为一个非线性多目标优化问题。针对铅锌烧结过程参数难检测、强非线性和时滞的特点,本文研究自适应免疫禁忌优化算法,用于求解获得一组过程操作参数,实现烧结过程的状态稳定优化控制。(5)集成优化控制应用研究基于状态智能集成优化控制器,提出一个状态智能集成优化控制系统递阶结构。结合某企业实际运行数据,对本文所提方法进行仿真验证。优化结果表明,由于对烧结状态采用了优化控制策略,能够使透气性状态和烧穿点状态降低波动,为实现铅锌烧结过程优化控制奠定了基础。
二、焙烧过程球团透气性的软测量(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、焙烧过程球团透气性的软测量(论文提纲范文)
(1)酒钢球团竖炉燃烧优化控制的研究与应用(论文提纲范文)
1 引言 |
2 球团竖炉工艺简介 |
3 燃烧优化控制技术原理与实现方法 |
3.1 燃烧优化控制技术原理及概述 |
3.2 优化控制系统技术在竖炉中应用 |
4 球团竖炉掺烧多种煤气的控制实现方法 |
4.1 入炉煤气热量动态模型 |
4.2 炉况判断模型 |
4.3 燃烧室温度和空燃比模型 |
4.4 燃烧室压力和温度纠偏模块 |
5 优化控制系统与现有操作系统的对接 |
5.1 系统的对接与切换 |
5.2 控制原理及功能的介绍 |
6 球团竖炉优化控制系统实施前后对比 |
6.1 燃烧室温度控制曲线对比 |
6.2 燃烧室压力控制曲线对比 |
6.3 燃烧室废气量(助燃风流量+煤气流量) |
7 结语 |
(3)基于改进Elman NN回转窑温度软测量建模技术的研究与应用(论文提纲范文)
中文摘要 |
ABSTRACT |
1.绪论 |
1.1 课题研究的背景及意义 |
1.2 链箅机回转窑球团烧结过程介绍 |
1.2.1 链箅机回转窑球团生产工艺 |
1.2.2 链箅机回转窑生产过程的特征分析 |
1.3 常见工业过程软测量建模综述 |
1.3.1 过程机理软测量建模 |
1.3.2 数据驱动软测量建模 |
1.3.3 灰箱软测量建模 |
1.4 链箅机回转窑球团烧结软测量研究 |
1.5 本文的主要研究内容及结构安排 |
2.基于软测量模型高维冗余变量数据的预处理 |
2.1 引言 |
2.2 等距特征映射算法 |
2.2.1 等距特征映射算法思想 |
2.2.2 等距特征映射算法实现步骤 |
2.3 局部线性嵌入算法 |
2.3.1 局部线性嵌入算法思想 |
2.3.2 局部线性嵌入算法 |
2.3.3 局部线性嵌入算法实现流程 |
2.4 基于核框架下ISOMAP与LLE相融合的降维方法 |
2.4.1 基于核矩阵的融合 |
2.4.2 基于核矩阵融合算法 |
2.5 实验仿真与结果分析 |
2.6 本章小结 |
3.基于改进的Elman神经网络软测量模型 |
3.1 引言 |
3.2 基于改进的Elman神经网络非线性模型 |
3.2.1 基于前馈调节的Elman NN结构 |
3.2.2 基于前馈调节的Elman NN学习算法 |
3.3 基于时空自适应软测量模型的校正更新 |
3.4 非线性时变系统软测量模型的实施 |
3.5 改进Elman神经网络仿真实例 |
3.6 本章小结 |
4.基于混合策略的新型灰狼优化算法 |
4.1 引言 |
4.2 灰狼优化算法 |
4.2.1 灰狼优化算法思想 |
4.2.2 灰狼优化算法的数学模型 |
4.3 改进的新型灰狼优化算法 |
4.3.1 基于Levy飞行机制的灰狼优化算法 |
4.3.2 基于引力搜索机制的灰狼优化算法 |
4.3.3 全局勘探与局部开采相平衡的新型灰狼优化算法 |
4.3.4 改进的新型灰狼优化算法实施步骤 |
4.4 实验仿真与结果分析 |
4.4.1 基于Levy飞行扰动结果分析 |
4.4.2 新型灰狼优化算法对基准测试函数优化的仿真及结果分析 |
4.4.3 新型灰狼优化算法训练改进Elman NN仿真分析 |
4.5 本章小结 |
5.链箅机回转窑窑中温度软测量模型的实例研究 |
5.1 引言 |
5.2 链箅机回转窑窑中温度软测量建模过程 |
5.2.1 回转窑窑中温度软测量模型数据预处理与分析 |
5.2.2 回转窑窑中温度软测量预测建模 |
5.2.3 回转窑窑中温度软测量模型的评估与验证 |
5.2.4 回转窑窑中温度软测量模型的校正更新 |
5.3 链箅机回转窑窑中温度软测量模型验证结果分析 |
5.4 本章小结 |
6.总结 |
参考文献 |
附录A 基准测试函数 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
作者简介 |
(4)回转窑温度软测量模型及温度控制方法研究(论文提纲范文)
中文摘要 |
ABSTRACT |
1. 绪论 |
1.1 课题的研究背景及意义 |
1.1.1 课题的研究背景 |
1.1.2 课题研究的意义 |
1.2 球团生产工艺介绍 |
1.3 回转窑温度影响因素 |
1.4 研究现状 |
1.4.1 回转窑窑中温度检测现状 |
1.4.2 回转窑温度控制现状 |
1.5 主要内容及章节安排 |
2. 回转窑温度软测量模型及建模数据预处理 |
2.1 软测量技术 |
2.1.1 软测量技术简介 |
2.1.2 软测量建模方法 |
2.2 回转窑温度软测量模型结构 |
2.3 建模数据的采集 |
2.4 建模数据的预处理 |
2.4.1 大误差数据的剔除 |
2.4.2 样本数据变换 |
2.4.3 基于核主元分析的数据降维、降噪处理 |
2.5 本章小结 |
3. LSSVM回转窑温度软测量模型及优化方法研究 |
3.1 LSSVM算法 |
3.1.1 SVM算法 |
3.1.2 LSSVM算法 |
3.2 LSSVM温度软测量模型 |
3.3 基于免疫进化算法的LSSVM模型参数优化 |
3.3.1 免疫进化算法 |
3.3.2 LSSVM模型优化与仿真测试 |
3.4 软测量模型的具体实现方法 |
3.5 本章小结 |
4. 回转窑窑中温度控制方法研究 |
4.1 温度控制难点及控制方案 |
4.2 模糊控制理论 |
4.2.1 模糊控制技术的产生 |
4.2.2 模糊控制的理论基础 |
4.3 模糊控制器设计方法 |
4.4 窑中温度模糊PID控制器设计与仿真研究 |
4.4.1 模糊PID控制器的结构 |
4.4.2 模糊PID控制器设计 |
4.5 模糊控制器的软件设计与仿真研究 |
4.5.1 基于模糊工具箱的模糊控制器设计 |
4.5.2 基于Simulink组件的算法仿真测试 |
4.6 模糊PID控制在西门子 400PLC中的实现方法 |
4.7 本章小结 |
5 结论 |
参考文献 |
致谢 |
作者简介 |
(5)基于多源异构信息融合的回转窑球团焙烧过程操作模式优化(论文提纲范文)
中文摘要 |
ABSTRACT |
1.绪论 |
1.1 课题研究背景 |
1.2 回转窑球团焙烧工艺 |
1.3 回转窑球团焙烧过程智能控制方法研究现状 |
1.3.1 回转窑球团焙烧过程的软测量建模 |
1.3.2 回转窑球团焙烧过程的工况识别 |
1.3.3 回转窑混合智能控制策略 |
1.3.4 回转窑球团焙烧的未来发展 |
1.4 本文研究内容及结构安排 |
2. 基于 GLCM 火焰图像纹理特征提取及回转窑燃烧工况 KPCA-GLVQ 识别 |
2.1 引言 |
2.2 回转窑燃烧工况识别策略 |
2.3 基于灰度共生矩阵的火焰图像纹理特征提取 |
2.3.1 灰度共生矩阵 |
2.3.2 主成分分析 |
2.3.3 基于 KPCA 的火焰图像纹理特征降维 |
2.4 基于广义 LVQ 神经网络的燃烧工况识别 |
2.4.1 LVQ 神经网络 |
2.4.2 广义 LVQ 神经网络 |
2.4.3 回转窑燃烧工况识别 |
2.5 小结 |
3. 回转窑球团烧结质量指标的 BBO-RBF 神经网络软测量建模 |
3.1 引言 |
3.2 软测量建模技术 |
3.2.1 软测量建模方法概述 |
3.2.2 软测量原理 |
3.2.3 软测量建模 |
3.3 径向基函数神经网络 |
3.3.1 径向基神经网络结构 |
3.3.2 径向基函数学习算法 |
3.4 生物地理优化算法 |
3.4.1 生物地理算法概述 |
3.4.2 生物地理学的数学模型 |
3.4.3 生物地理学优化算法 |
3.5 生物地理算法优化回转窑 RBF 神经网络软测量模型 |
3.6 仿真研究 |
3.7 小结 |
4. 基于多源异构信息融合的回转窑球团焙烧过程操作模式优化 |
4.1 引言 |
4.2 操作模式优化控制方法 |
4.2.1 操作模式 |
4.2.2 操作模式优化框架 |
4.3 基于多源异构信息融合的回转窑操作模式优化 |
4.3.1 综合指标的建立 |
4.3.2 决策模型 |
4.3.3 基于模糊控制的加权策略 |
4.3.4 基于减法聚类的操作模式匹配 |
4.4 多源异构信息融合回转窑操作模式优化结果 |
4.5 小结 |
5. 结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
作者简介 |
(7)铁矿氧化球团链篦机—回转窑模拟模型和控制指导专家系统的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 文献综述 |
1.1 铁矿氧化球团生产现状 |
1.2 链篦机-回转窑生产自动化现状 |
1.3 链篦机-回转窑工艺数学模型研究与应用现状 |
1.3.1 链篦机模型研究 |
1.3.2 回转窑模型研究 |
1.3.3 平衡模型研究 |
1.4 人工智能技术在球团生产过程控制中的研究与应用现状 |
1.4.1 温度 |
1.4.2 透气性 |
1.4.3 球团矿化学成分 |
1.4.4 球团矿强度 |
1.5 论文的提出 |
第二章 系统方案设计 |
2.1 链篦机-回转窑工艺特点 |
2.2 系统结构 |
2.3 本章小结 |
第三章 链篦机-回转窑过程模拟模型 |
3.1 链篦机球团干燥、预热过程模拟模型 |
3.1.1 链篦机球团料层温度场模型 |
3.1.2 链篦机干燥段水分分布模型 |
3.1.3 链篦机预热段磁铁矿氧化率分布模型 |
3.1.4 模型参数计算 |
3.1.5 模型求解 |
3.1.6 模型验证 |
3.2 回转窑球团焙烧过程模拟模型 |
3.2.1 回转窑轴向传热模型 |
3.2.2 传热系数计算 |
3.2.3 模型求解 |
3.2.4 模型验证 |
3.3 环冷机球团冷却过程模拟模型 |
3.4 本章小结 |
第四章 物料、气流和热量平衡模型 |
4.1 物料平衡模型 |
4.2 气流平衡模型 |
4.3 热量平衡模型 |
4.3.1 链篦机热量平衡模型 |
4.3.2 回转窑热量平衡模型 |
4.3.3 环冷机热量平衡模型 |
4.4 系统热量指标计算 |
4.5 基于平衡的生产状态预测与优化控制指导 |
4.6 本章小结 |
第五章 链篦机-回转窑生产过程控制指导专家系统 |
5.1 知识库 |
5.1.1 事实知识 |
5.1.2 规则知识 |
5.1.3 知识表示 |
5.1.4 知识库组织 |
5.1.5 知识库管理 |
5.2 推理机 |
5.2.1 推理方向 |
5.2.2 推理策略 |
5.3 本章小结 |
第六章 软件开发及系统应用 |
6.1 软件开发 |
6.1.1 开发工具选取 |
6.1.2 软件结构设计与功能实现 |
6.2 系统应用实例 |
6.3 生产应用效果 |
6.3.1 生产稳定性分析 |
6.3.2 产质量指标分析 |
6.3.3 经济效益分析 |
6.4 本章小结 |
第七章 结论 |
参考文献 |
致谢 |
攻读学位期间主要的研究成果 |
(8)基于神经网络的FeO氧化系数软测量方法(论文提纲范文)
1 引言 |
2 FeO氧化系数及其软测量模型的提出 |
3 FeO影响因素的分析 |
4 FeO氧化系数软测量模型的建立 |
5 仿真实验结果 |
6 结语 |
(9)竖炉焙烧运行工况故障诊断与容错控制的研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第1章 绪论 |
1.1 工程系统的故障诊断与容错控制技术研究现状 |
1.2 炉窑故障诊断与容错控制技术研究现状 |
1.3 软测量及其在炉窑中应用研究现状 |
1.4 存在的问题及本文的工作 |
第2章 竖炉焙烧过程故障工况问题描述 |
2.1 竖炉焙烧装置与工艺过程描述 |
2.2 磁选管回收率预报问题描述 |
2.2.1 竖炉焙烧过程运行指标——磁选管回收率 |
2.2.2 磁选管回收率与还原反应温度、还原剂浓度、还原反应时间之间的特性分析 |
2.2.3 还原反应温度、还原剂浓度、还原反应时间与燃烧室温度、还原煤气流量、矿石搬出时间之间的特性定性分析 |
2.3 竖炉焙烧运行故障工况分析 |
2.4 本章小结 |
第3章 竖炉焙烧过程运行指标——磁选管回收率预报方法 |
3.1 模糊与神经网络方法介绍 |
3.1.1 模糊模型简介 |
3.1.2 神经网络简介 |
3.2 磁选管回收率特性分析 |
3.3 磁选管回收率预报方法 |
3.3.1 磁选管回收率预报策略 |
3.3.2 磁选管回收率预报算法 |
3.4 磁选管回收率预报模型参数确定及方法比较 |
3.4.1 实验仿真确定磁选管回收率预报模型参数 |
3.4.2 各种方法进行磁选管回收率预报比较实验 |
3.5 磁选管回收率预报实验研究 |
3.6 本章小结 |
第4章 竖炉焙烧运行工况故障诊断与容错控制方法 |
4.1 基于规则推理的故障工况诊断方法 |
4.1.1 竖炉故障工况诊断现状分析 |
4.1.2 基于层次分析(AHP)的规则推理方法 |
4.1.3 基于规则推理的故障工况诊断方法 |
4.2 基于案例推理的容错控制方法 |
4.2.1 故障工况处理现状分析 |
4.2.2 基于案例描述权值优化的案例推理方法 |
4.2.3 基于案例推理的故障工况容错控制方法 |
4.2.4 故障工况容错控制方法实验研究 |
4.3 故障工况诊断与容错控制策略 |
4.4 本章小结 |
第5章 故障工况诊断与容错控制软件系统的设计与开发 |
5.1 软件系统的设计 |
5.1.1 功能模块设计 |
5.1.2 算法模块设计 |
5.2 软件系统的开发 |
5.3 本章小结 |
第6章 实验研究 |
6.1 实验对象的描述 |
6.1.1 控制系统硬件与软件平台 |
6.1.2 实验数据的采集与描述 |
6.1.3 故障工况诊断与容错控制方法中的参数选择 |
6.1.4 本文软件实验方法 |
6.2 实验过程及结果分析 |
6.3 本章小结 |
结束语 |
参考文献 |
致谢 |
博士期间完成的论文、参加的科研项目 |
作者简介 |
(10)铅锌烧结过程状态智能预测与优化控制策略(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 烧结生产机理与理论模型 |
1.2.2 烧结过程状态预测方法 |
1.2.3 多目标优化控制方法 |
1.3 建模与优化控制问题 |
1.4 状态智能预测与优化控制的基本思想 |
1.5 论文主要研究内容与结构安排 |
第二章 综合生产目标与过程状态参数的关系分析及优化控制结构 |
2.1 密闭鼓风铅锌烧结过程的机理分析 |
2.1.1 ISP烧结工艺流程 |
2.1.2 烧结焙烧的基本原理 |
2.2 综合生产目标与过程状态参数的关系分析 |
2.2.1 状态参数对生产目标的影响分析 |
2.2.2 烧结过程状态优化控制的重要性分析 |
2.3 状态优化控制结构与工作原理 |
2.3.1 智能集成优化控制 |
2.3.2 优化控制结构和工作原理分析 |
2.4 本章小结 |
第三章 铅锌烧结过程状态智能预测模型 |
3.1 机理分析和数据处理 |
3.1.1 过程操作参数对状态参数的影响分析 |
3.1.2 建模数据处理 |
3.2 透气性智能预测模型 |
3.2.1 综合透气性指数模型 |
3.2.2 基于神经网络的透气性预测模型 |
3.2.3 综合透气性智能预测模型 |
3.2.4 仿真结果与分析 |
3.3 烧穿点智能集成预测模型 |
3.3.1 基于支持向量机的烧穿点工艺参数预测模型 |
3.3.2 基于灰色理论的烧穿点时间序列预测模型 |
3.3.3 基于动态加权的烧穿点集成预测模型 |
3.3.4 仿真结果与分析 |
3.4 本章小结 |
第四章 基于遗传蚁群智能算法的烧结过程状态优化设定 |
4.1 状态参数优化设定模块 |
4.2 烧结块质量指标预测模型 |
4.2.1 输入变量的确定 |
4.2.2 模型结构 |
4.3 状态设定决策单元 |
4.4 状态稳态优化设定问题描述 |
4.4.1 稳态优化 |
4.4.2 基于惩罚函数法的优化目标函数 |
4.5 基于遗传蚁群算法的状态优化设定 |
4.5.1 遗传算法 |
4.5.2 蚁群算法 |
4.5.3 遗传蚁群算法优化 |
4.6 优化算法的收敛性分析 |
4.7 仿真结果与分析 |
第五章 基于自适应免疫禁忌算法的烧结过程状态优化策略 |
5.1 多目标优化问题数学描述 |
5.1.1 Pareto支配关系 |
5.1.2 Pareto最优解定义 |
5.2 基于自适应免疫禁忌算法的烧结过程状态多目标优化 |
5.2.1 具有不等式约束条件的烧结状态多目标优化问题描述 |
5.2.2 基于模糊集理论的自适应免疫禁忌算法优化 |
5.3 优化算法的收敛性分析 |
5.4 仿真结果与分析 |
5.5 本章小结 |
第六章 烧结过程状态智能集成优化控制应用研究 |
6.1 研究对象的描述 |
6.2 烧结状态智能集成优化控制策略 |
6.2.1 智能集成优化控制策略的提出 |
6.2.2 智能集成优化控制系统结构设计 |
6.3 状态智能集成优化控制算法实现 |
6.4 优化控制策略验证结果分析 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
攻读博士学位期间发表及完成论文情况 |
攻读博士学位期间参加的科研项目情况 |
攻读博士学位期间获奖情况 |
致谢 |
四、焙烧过程球团透气性的软测量(论文参考文献)
- [1]酒钢球团竖炉燃烧优化控制的研究与应用[J]. 林志强,段嘉峰,付旭刚,易宗官. 甘肃冶金, 2021(06)
- [2]铁前炉料制备过程先进控制与智能优化[A]. 胡杰,杜胜,吴敏,陈鑫,曹卫华. 智能技术在炼铁上的应用研讨会论文集, 2019
- [3]基于改进Elman NN回转窑温度软测量建模技术的研究与应用[D]. 朱海波. 辽宁科技大学, 2019(01)
- [4]回转窑温度软测量模型及温度控制方法研究[D]. 封振兴. 辽宁科技大学, 2016(10)
- [5]基于多源异构信息融合的回转窑球团焙烧过程操作模式优化[D]. 任秀东. 辽宁科技大学, 2014(07)
- [6]人工智能在铁矿烧结、球团生产中的应用[A]. 范晓慧,陈许玲,甘敏,姜涛. 2013年炼铁及原料降本增效实用新技术新设备研讨会论文集, 2013
- [7]铁矿氧化球团链篦机—回转窑模拟模型和控制指导专家系统的研究[D]. 王祎. 中南大学, 2012(03)
- [8]基于神经网络的FeO氧化系数软测量方法[J]. 邱波,李国威,李鸿儒,李抒. 控制工程, 2012(S1)
- [9]竖炉焙烧运行工况故障诊断与容错控制的研究[D]. 吴峰华. 东北大学, 2011(07)
- [10]铅锌烧结过程状态智能预测与优化控制策略[D]. 徐辰华. 中南大学, 2010(11)