[发明专利]基于极端学习机的水泥熟料烧成系统变增益模型辨识方法

说明书

技术领域

本发明涉及一种水泥生产建模技术领域，尤其涉及一种水泥熟料烧成系统的模型建立与辨识方法。

背景技术

我国是水泥生产和消耗大国，年产量达到24.1亿吨，接近世界水泥产量的50％，国产水泥装备在国际水泥贸易中的比重已经达到1/3以上。随着各国对低碳化要求的不断提高，水泥生产中的能耗、污染问题已逐渐成为全球水泥工业关注的焦点。水泥生产线主要分为粉磨和烧成两大系统，其中烧成系统是水泥生产中的核心环节，水泥熟料的煅烧效果直接影响水泥的质量和产量，同时也影响着水泥生产能耗和污染排放。

由于水泥熟料烧成系统的主要任务是对生料进行高温煅烧，使其发生一系列符合工艺要求的物理化学变化，最终形成具有特定矿物成分组成的熟料，烧成系统的操作变量与被控变量之间具有较强的非线性特性，系统增益随工作点变化。采用手动控制与线型模型控制难以获得好的控制效果，因此如何准确的建立水泥熟料烧成系统的多变量非线性控制模型并且动态的调整操作变量，使其保持稳定的热工制度是水泥熟料烧成系统研究的关键所在，对提高熟料质量与产量，降低能耗和污染排放具有重要的理论意义和实用价值。

许多学者对水泥熟料烧成系统的模型辨识方法进行了研究，在2008年的博士学位论文《水泥烧成系统故障诊断与质量预测支持向量机方法的研究》中，舒云星基于支持向量机对水泥烧成系统进行模型辨识，但所建模型用于工艺故障诊断和产品质量的预测，无法用于烧成系统的多变量控制；在2011年的硕士学位论文《水泥熟料烧成系统优化控制研究》中，蔡宁利用最小二乘系统辨识的方法建立了分解炉温度模型和篦冷机篦压模型，但没有考虑烧成系统中的水泥回转窑，使得所建模型不能准确描述烧成系统；中国专利号：CN201210092718.9，发明名称为“一种水泥回转窑煅烧预测控制系统及方法”，该申请案采集水泥回转窑的现场数据进行辨识建立预测模型，但采用BP神经网络进行稳态模型辨识，辨识速度慢，所得模型泛化能力差；2012年的博士学位论文《基于模糊ARX模型的水泥回转窑预测控制算法研究》中，郭峰基于模糊ARX模型进行水泥回转窑的模型辨识，但模糊建模过程中每个输入变量需要预先确定模糊划分的数目，学习的复杂程度随输入维数呈指数增长；中国专利号为CN201310274933.5，于海斌提出的“一种水泥熟料烧成过程清洁生产的建模优化方法”专利申请，基于物质守恒、能量守恒和宏观反应动力学基本原理建立水泥熟料烧成过程稳态模型，但是所建模型无法描述烧成系统的动态特性。

鉴于上述研究中存在的问题，有必要针对水泥熟料烧成系统的设计一种辨识速度快、可以描述烧成系统动态特性与多变量非线性特性的辨识方法。

发明内容

本发明目的在于提供一种模型精度高、辨识速度快、能获得系统多变量非线性模型的基于极端学习机的水泥熟料烧成系统变增益模型辨识方法。

为实现上述目的，采用了以下技术方案，本发明所述的基于极端学习机的水泥熟料烧成系统变增益模型辨识方法，其辨识方法步骤如下：

(1)采集输入输出数据；

以水泥熟料烧成系统的窑头喂煤量u_coal和高温风机挡板开度u_fan为输入量u；以水泥熟料烧成系统的烟室氮氧化物含量和氧气含量为输出量y；采集V组数据样本作为输入输出数据；

(2)将输入、输出数据划分为稳态数据与动态数据；

(3)采用极端学习机辨识水泥熟料烧成系统的稳态模型；

(4)采用最小二乘法辨识水泥熟料烧成系统的ARX动态模型；

(5)利用烧成系统的极端学习机稳态模型求取当前时刻的烧成系统增益K_s；

(6)利用增益K_s对烧成系统ARX动态模型增益矩阵K进行在线矫正，使ARX动态模型增益与烧成系统增益保持一致。

所述步骤(2)中将输入、输出数据划分为稳态数据与动态数据的具体方法如下：

当输入变量窑头喂煤量u_coal和高温风机挡板开度u_fan中任意一个发生阶跃变化时，被控输出变量烟室氮氧化物含量氧气含量从阶跃时刻到最终都达到稳定状态时的数据设定为动态数据：