[发明专利]基于粉磨机理和神经网络的混合软测量方法

权利要求书

1.一种用于立磨机出口生料粉末细度软测量的建模方法，其特征在于，所述方法包括：通过自组织映射神经网络对立磨机粉磨过程数据进行聚类，辨识每一聚类中的粉磨机理模型参数，从而建立粉磨机理模型；所述粉磨机理模型包括物料破碎模型、磨盘物料守恒模型、磨腔物料输送模型和选粉机模型；

所述物料破碎模型如式(1)、(2)、(3)所示，模型将物料按颗粒大小划分成N个不同的区间，模型用于描述不同粒径等级之间的物料在粉磨过程中的转换关系；

所述磨盘物料守恒模型如式(4)所示；

所述磨腔内物料输送过程模型如式(5)所示，所述选粉机模型如式(6)所示：

其中：

Hm_i(t) t时刻，磨盘上第i级物料的存料量

Tm_i(t) t时刻，磨腔内第i级物料的存料量

s_i 第i级组分的破碎速率

z_i 第i级组分粒径下界

B_i,j 从第j级破碎成i级以下的累积分布

b_i,j 从第j级破碎成为第i级的转换率

a 破碎模型参数

P 磨机研磨压力

ΔP 磨机差压

L 料层厚度

α 粒径下界参数α

β 研磨工况参数β

γ 累积分布参数γ

τ₀ 外循环时间

λ 磨盘物料脱落比

Feed_i 第i级物料的喂料量

Speed 选粉机转速

Q_air 磨机总通风量

D_i 第i级物料磨盘掉落系数

S_i 第i级物料磨腔返料系数

P_i 第i级物料磨腔出料系数

模型估计80μm估计筛余量

模型估计200μm估计筛余量。

2.如权利要求1所述的建模方法，其特征在于，所述数据包括下述辅助变量：磨机料层厚度、循环风机转速、磨机喂料量、磨辊压力、选粉机转速、磨机入口风温和磨机差压。

3.如权利要求1所述的建模方法，其特征在于，辨识的参数包括与立磨机的工艺状况相关的物料破碎模型中的参数a、α、γ，磨盘物料守恒模型中的参数S_i、λ、D_i以及磨腔物料输送模型和选粉机模型中的参数P_i。

4.如权利要求1-3任一项所述的建模方法，其特征在于，所述方法还包括：对模型进行离线验证和在线修正。

5.如权利要求4所述的建模方法，其特征在于，模型中参数离线验证和在线修正的准则为最小化式(7)所示：

y_80μm 实际80μm筛余量

模型估计80μm估计筛余量

y_200μm 实际200μm筛余量

模型估计200μm估计筛余量。

6.一种使用如权利要求1-5任一项所述的方法获得的粉磨机理模型进行立磨机出口生料粉末细度软测量的方法。