[发明专利]基于粉磨机理和神经网络的混合软测量方法

说明书

本发明公开了一种基于粉磨机理和神经网络相融合的混合软测量方法，还公开了相关的建模方法；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。

技术领域

本发明涉及自动化测量技术领域，尤其涉及水泥生产过程中立磨的出口产品细度指标的软测量方法。

背景技术

水泥生产中的一个重要过程就是对原料进行粉磨，而立磨由于其能耗低、维护成本低、产量高、占地面积小被广泛应用于水泥原料的粉磨过程中，出磨粉末的细度是考核粉磨工艺过程的重要性能指标，是提高产品质量和经济效益的重要因素，因此对磨机出口端的粉末细度进行稳定的控制有着重要的意义。目前，由于实际条件的限制，对磨机出口粉末细度的检测仍然采用定时采样、人工化验的离线方式获得。该方法存在的主要问题在于：1.人工操作时人为因素影响大，测量结果一定程度上依赖于操作人员的水平；2.人工分析的样品质量很少，因此样品分析数据对整体产品缺少代表性；3.测量时间间隔长，一般情况下对样品进行分析需要半个小时左右，对控制而言引入了较大的时滞；4.采样时间间隔长，无法保证控制的实时性。

因此本领域迫切需要针对立磨机出口产品细度设计一种合适的软测量方法。

发明内容

本发明旨在提供一种破碎机理模型与神经网络相结合的原料立磨出口粉末细度的软测量方法。

在本发明的第一方面，提供了一种用于立磨机出口生料粉末细度软测量的建模方法，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。

在另一优选例中，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；更优选地，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i＞j (3)

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