新型干法水泥厂分解炉控制分析与建模学士学位论文Word文档格式.docx
《新型干法水泥厂分解炉控制分析与建模学士学位论文Word文档格式.docx》由会员分享，可在线阅读，更多相关《新型干法水泥厂分解炉控制分析与建模学士学位论文Word文档格式.docx（55页珍藏版）》请在冰豆网上搜索。
所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。
尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。
对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。
作者签名：
日 期：
指导教师签名：
日 期：
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：
按照学校要求提交毕业设计（论文）的印刷本和电子版本；
学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；
学校可以采用影印、缩印、数字化或其它复制手段保存论文；
在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：
日 期：
学位论文原创性声明
本人郑重声明：
所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
日期：
年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
导师签名：
日期：
目录
摘要I
AbstractII
第一章绪论1
1.1引言1
1.2水泥工业生产现状1
1.3BP神经网络特点2
1.4本文研究的主要内容及其内容安排3
第二章新型干法水泥生产工艺概述4
2.1引言4
2.2干法水泥工艺概述4
2.3预热器系统5
2.4分解炉6
2.5回转窑7
2.6冷却机7
2.7本章小结8
第三章人工神经网络原理9
3.1引言9
3.2生物神经元9
3.3人工神经网络概述9
3.4BP人工神经网络原理及其算法15
3.5BP人工神经网络MATLAB函数介绍22
3.6本章小结27
第四章基于BP神经网络的分解炉建模28
4.1引言28
4.2分解炉建模分析28
4.3BP神经网络的设计30
4.4数据预处理以及其MATLAB仿真31
4.6仿真过程及其结果分析35
4.7本章小结38
第五章论文总结40
参考文献42
附录一神经网络MATLAB工具箱函数索引45
附录二Excel数据在MATLAB中读写及矩阵计算48
附录三MATLAB神经网络训练窗口介绍50
附录四用最大似然估计法估计方差53
附录五论文部分程序55
致谢59
第一章绪论
1.1引言
自80年代以来，在我国经济迅速发展的同时，水泥工业也迅速蓬勃发展，1985年达到1.46亿吨，总量处于世界第一，到2020年，新型干法水泥比重将达到80%以上。
研究新型干法水泥分解炉的模型，对于更好的控制分解炉温度，具有很现实的意义[1,2,3]。
1.2水泥工业生产现状
国际水泥工业以新型干法预分解技术为核心，将现代科学技术和工业生产的最新成果广泛用于水泥生产的全过程，形成了一套具有现代高科技特征和符合优质、高效、节能、环保的要求，以及大型化、自动化的现代水泥生产方法。
水泥装备大型化、生产过程自动化、实现产品高质量是工业发达国家水泥工业当今的特点。
20世纪90年代以后，国际水泥工业又出现了水泥生态化的高潮，即从可持续发展角度开发工业废弃物及城市垃圾等再循环利用技术。
因此可以说世界水泥技术发展趋势是以节约能源、节省资源和环境保护为中心，进行清洁生产和高效集约化生产，加强水泥生态化技术研究与开发，逐步减少天然资源和天然能源的消耗，减少环境污染，接收消纳工业废弃物和城市垃圾等，使水泥工业达到与环境友好、相容、和谐。
如何在现有工艺设备不变的情况下，以尽可能少的投资来达到最大量的产出，是同国家提出建立节约型社会和循环经济一致的。
以预分解技术改进传统的水泥生产方式是当前我国水泥工业的发展方向，分解炉是预分解系统的核心部分，它承担了预分解窑系统中煤粉燃烧、气固换热和碳酸盐分解的任务。
碳酸盐的有效分解是制约水泥质量的重要因素之一，而它的有效分解需要一个相对稳定的温度，因此分解炉的温度控制对整个预分解系统的热力稳定是至关重要的[1,3,5]。
因此，对生料与燃料能否在炉内充分分散、混合和均布，燃料能否在炉内迅速完全燃烧并将热量及时传递给物料等问题，成为分解炉结构设计和控制的关键问题。
由于生料成分的多样性和热变换的持续性，分解炉的温度控制是一个非线性的复杂控制对象，影响它的外部因素很多，且各个因素之间存在耦合和不确定性，系统的被控模型很难建立，这些一直是分解炉动态稳定控制中难以解决的问题。
影响分解炉温度的因素很多，生料量、煤量、氧气的浓度、通风量以及空气的温度等，且各因素变量之间有很强的耦合性、非线性、滞后时间较长等特点，这将使得分解炉的建模极为复杂。
所以建立正确的分解炉模型对于分解炉温度的控制是很有必要的，本文利用BP神经网络来对分解炉的输入输出特性进行模拟，下面介绍BP神经网络的特点[3,4.5]。
1.3BP神经网络特点
（1）信息分布存储
人脑存储信息的特点是利用突触效能的变化来调整存储，即信息存储在神经元之间的连接强度的分布上，BP神经网络模拟人脑的这一特点，使信息以连接权值的形式分布于整个网络[4,5,11]。
（2）信息并行处理
人脑神经元之间传递脉冲信号的速度远远低于冯·
诺依曼计算机的工作速度，但是在很多问题上却可以做出快速的判断、决策和处理，这是由于人脑是一个大规模并行、串行组合的处理系统的原因。
BP神经网络的基本结构模仿人脑，具有并行处理的基本特征，大大提高了网络功能[4,5,11]。
（3）具有容错性
生物神经系统部分不严重损伤并不影响整体功能，BP神经网络也具有这种特性，网络的高度连接意味着少量的误差可能不会产生严重的后果，部分神经元的损伤不破坏整体，可以自动修正误差。
（4）具有自学习、自组织、自适应的能力
BP神经网络具有较为可观的自适应与自组织能力，在学习或训练中改变神经元权值以适应环境，在使用过程中不断学习完善自己的参数。
目前，在人工神经网络的实际应用中。
绝大部分的神经网络模型都采用BP神经网络。
体现了人工神经网络的精华。
神经网络应用如函数逼近、模式识别、分类、数据压缩都取得了明显的进展和骄人的成绩[16,17,18]。
神经网络有这些特点，为我们研究复杂系统的输入输出特性开辟了一条道路。
1.4本文研究的主要内容及其内容安排
1.4.1本文研究的主要内容
（1）了解新型干法水泥生产技术工艺流程。
（2）对新型干法水泥厂分解炉系统进行分析，理解分解炉的控制要求。
（3）分析影响分解炉控制过程的主要因素，选择控制量。
（4）采集水泥厂相关数据，对数据进行处理。
（5）利用从水泥厂采集的数据，采用神经网络对分解炉的生产过程进行神经网络建模。
（6）检验建立的模型的泛化能力，要求所建立的模型能较好的模拟、反映分解炉的生产过程。
1.4.2本文内容的安排
第一章为本文的概述，主要讲述了新型干法水泥现状，及其BP神经网络的特点。
第二章主要讲述新型干法水泥的工艺，主要讲述预热器、分解炉、回转窑以及冷却机等，第三章主要讲解神经网络的基础知识，讲述网络结构和学习算法。
第四章主要讲解实际建模与仿真，用MATLAB来实现对采集的数据进行数据处理以及仿真。
第五章是本文的总结。
第二章新型干法水泥生产工艺概述
2.1引言
第一章介绍了研究新型干法水泥生产过程中，研究分解炉温度控制的意义以及现状，所以建立合理的分解炉模型，对于控制分解炉温度具有很重要的现实意义。
为了建立一个好的输入输出模型，本章介绍新型干法水泥的工艺流程。
新型干法水泥（NSPcement）就是在预热器和回转窑之间，加一个分解炉，从而减轻回转窑的负荷，因此也称之为窑外分解技术，据有关部门统计数据，世界上绝大部分水泥的生产是用新型干法生产的，新型干法水泥的迅速发展逐渐取代了湿法水泥以及传统水泥生产的地位，已经标志着国际水泥工业的先进水平。
新型干法水泥生产系统主要包括预热系统、分解炉、回转窑以及冷却机、燃料燃烧器等，下面给予一一介绍[6,7,8,9]。
2.2新型干法水泥工艺概述
水泥生产的过程就是碳酸盐分解的过程，生料（主要是石灰石）在大约900多度高温时，生成氧化物，这些氧化物就是水泥的主要成分，它遇到水则变成碱性化合物，在吸收空气中0.03%的二氧化碳的同时，则生成固体物质，从而粘合沙粒，起到坚固的作用，这是水泥的基本原理。
干法水泥的原料是石灰石、粘土质、校正原料、晶种和矿化剂以及微量元素等。
所用的燃料大部分为煤，早期还用石油等。
生料在粉碎均化后，由传输机构送到预热器开始预热，预热器出来的原料再进入分解炉进行分解和加热，分解炉出来之后就送入回转窑进行完全分解，回转窑是碳酸盐完全分解的一个环节，它承担了分解炉没有完成的分解任务，没有充分分解的碳酸盐进入回转窑进行充分分解，然后再进入冷却机进行冷却成品，这就是新型干法水泥的基本工艺。
其工艺流程如图2-1所示。
分解炉在水泥生产过程中是很重要的，因为它的性能直接影响到回转窑的充分分解，减轻回转窑的负荷，使得一部分的碳酸盐首先在分解炉中分解，从而整体提高了生产效率，在水泥工业迅速蓬勃发展的当今世界，新型干法水泥的总体产量占很大比重，尤其是发达国家，如日本、美国等超过85%以上。
图2-1新型干法水泥工艺流程图
Fig.2-1NSPCementProcessFlowDiagram
2.3预热器系统
水泥生产中，回转窑排出的废气，温度在900℃左右，也就是说这些废弃要带走很多的热量[10]，为了能量的回收和再利用，预热器充分利用回转窑排出的炽热气体加热生料，使之进行预热以及部分碳酸盐的分解，预热器回收余热，从而提高干法水泥过程中的效率。
预热期主要分为旋风型悬浮预热器、立筒型悬浮预热器，多波尔型悬浮预热器、维达格型悬浮预热器，米亚格型悬浮预热器等等。
其种类繁多，功能有所不同，我国主要是以旋风性悬浮预热器为主。
下面主要介绍旋风性悬浮预热器。
旋风型悬浮预热器是以旋风的方式交换热量，生料在旋风筒中吹散，充分的接触到高温气流，热量从气流传递到生料，使得生料的温度升高的过程，其示意图见图2-2所示。
预热器必须具备使气固都能充分分散均匀、迅速换热、高效率分离等三个功能。
只有具备这三个功能，才能使之高效化，为全窑系统优质、高效、低耗和稳定生产创造条件[6]。
图2-2旋风性预热器示意图
Fig.2-2CyclonePreheaterSchemes
2.4分解炉
分解炉是预分解系统的核心部分，它承担了系统中煤粉燃烧、气固换热和碳酸盐分解任务，生料在分解炉内得到较高的分解，从而大大提高了回转窑单位有效容积的产量。
碳酸盐能否充分分解是制约水泥熟料质量的重要因素，而它的有效分解需要一个相对稳定的温度，如果温度太高，冷凝在分解炉固相中的挥发性组分就会在生料表面开始部分熔化，产生液相，生成部分低融化合物，这些含有部分液相的料粉颗粒在分解炉的气流作用下向最后一级预热器运动，与温度较低的最后一级预热器内壁接触，便可粘结在器壁上。
所以分解炉温度大小的控制尤为的关键[8,9]。
常见的分解炉有SF分解炉、N-SF分解炉、C-SF分解炉、分解炉、KSV、N-KSV等等[9]。
图2-3为一种常见的分解炉结构。
图2-3分解炉示意图
Fig.2-3DecomposingFurnaceDiagram
2.5回转窑
回转窑是熟料煅烧系统中的主要设备，它是由筒体、轮带、拖轮、挡轮、传动装置以及密封等装置。
回转窑有五大功能，燃料燃烧功能、热交换功能、化学反应功能、物料输送功能、降解废气物功能等，主要进行的化学反应如以下化学方程式所示：
其余的化学反应，在此不一一列举，具体可参见参考文献[7,8,9]。
2.6冷却机
冷却机又叫篦冷机，因为其形状多数是篦式的，它主要承担对熟料的冷却，以及尾气的处理，主要有富勒型推动篦式冷机、弗拉克斯型推动篦式冷机、克劳迪斯-彼得斯型推动篦式冷机等等[9]。
2.7本章小结
本章主要讲解了新型干法水泥的工艺，介绍了新型干法水泥的几个环节，本章是本课题研究的预备知识，对于理解新型干法水泥分解炉温度建模研究的意义有重要的作用，下一章主要讲述神经网络原理，关于新型干法水泥温度的建模问题，以及关于操纵变量和被控变量，见本文第四章介绍。
第三章人工神经网络原理
3.1引言
据生物学家研究，一个成人体内，大约含有10的11次方个神经元细胞，这些神经元结构大致相同，却能够完成复杂的任务，例如，阅读、呼吸、思考、走路等等。
这些强大的各种功能，是经过后天的学习积累所获得。
经过学习后而把知识储存、分析、辨识，从而完成下一次的决策和判断。
动物神经元具有稳定性，智能性，记忆性等很多的优点，这让科学家意识到研究这个问题的重要意义[10]。
为了实现智能，人们试着模拟动物神经元的某些功能，简化动物神经元的结构，来模拟动物的思维能力。
动物神经元结构简单，却能完成极其复杂的任务，这与单个神经元之间的连接方式、神经元个数、极其细胞本身有着极大的关系。
为了阐述人工神经元的结构极其思路，先介绍生物神经元结构。
3.2生物神经元
神经元是特殊的一种细胞，它是由细胞体、轴突、树突构成的。
细胞体是由细胞核、细胞质、细胞膜等所构成。
细胞核内完成生物体遗传物质和部分蛋白质的合成，细胞质能完成能量的转换，遗传物质的合成等，细胞膜是细胞进行物质交换的门户，至于详细的结构可参考相关文献。
轴突是传出神经信息的结构，而感受神经信息的结构称为树突。
轴突末端有很多细的分支称为轴突末梢。
每根轴突末梢能与其他神经元连接。
其连接的末端称之为突触。
神经元之间的连接形式为：
轴突与树突、轴突与细胞体、轴突与轴突、树突与树突连接[10]。
神经元结构见图3-1所示。
神经元之间的信息传递是通过递质来进行的，它是一种化学物质。
神经元在信息传递过程中，只有“兴奋”和“抑制”两种状态。
两个神经元之间的信息传递是单向的，不具有双向传递性[10]。
3.3人工神经网络概述
人工神经网络是对生物神经网络的一种简化和模拟，它是由无数个人工神经元构成的网络，其中有输入节点，输出节点和隐层节点构成。
首先介绍人工神经元结构。
图3-1人体神经元细胞结构
Fig.3-1HumanNeuronsStructure
3.3.1人工神经元结构
人工神经元是一种非线性映射结构，它是有多个输入和一个输出，输入和输出的映射是非线性的，如图3-2所示。
图3-2人工神经元结构图
Fig.3-2ArtificialNeuronStructure
注释：
人工神经网络（ArtificialNeuralNetworks，简写为ANN），1943年心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型。
他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。
当神经元j有多个输入xi（i=1，2,…,m）和单个输出yj时，输入和输出的关系可表示为:
（3-1）
式中：
为阈值
wij为从神经元i到神经元j的连接权重因子
f为传递函数，或称激励函数。
激励函数有阈值型函数、饱和型函数、双曲函数、S型函数、高斯函数等。
下面是常见的激发函数[11]。
（1）阈值型函数
输出0，1型，其输出为阶跃函数。
如图3-3
（1）所示，函数表达式为：
（3-2）
还有输出-1，1对称型。
如图3-3
（2）所示，函数表达式为：
（3-3）
（2）饱和型函数
如图3-3（3）所示，饱和型表达式为：
（3-4）
（3）双曲函数型
（3-5）
如图3-3（4）所示
（4）S型函数
如图3-3（5）所示，表达式为：
（3-6）
一般取1，当
时，该函数趋于阶跃函数。
（5）高斯函数
（3-7）
备注：
曲率大的为贝塔值大的函数曲线
图3-3常见的激发函数图
Fig.3-3Co
升级会员 