基于專家系統的回轉窯窯頭工況識別
王孝紅，房喜明，于宏亮
濟南火學控制科學與工程學院，山東濟南250022
摘 要：針對新型干法水泥生產線窯頭環節非線性、多交量、強耦合、大時滯等特性導致的工況復雜，控制難度大的問題，在深入分析窯頭工況特點的基礎上，提出了一種基于專家系統的工況智能識別方法。該方法首先對從集散控制系統中采集的現場參數實時值進行數據預處理，運用art-2神經網絡算法對關鍵參數的箋化趨勢進行在線辨識，并輸出趨勢類別，同時對主要參數的實時值進行模糊化處理，輸出模糊檔位基于專家規則的工況識別系統根據參數的辨識結果，通過精確推理輸出當前工況二工況識別軟件采用c++編寫，現場實際運行表明了該方案的正確性和實用性
關鍵詞：回轉窯；art-2神經網絡；模糊；專家系統
中圖分類號：tp 27 文獻標識碼a
1引 言
水泥的整個生產流程是一個相互制約和連續運行的大系統。窯頭環節是水泥生產過程的核心環節，燒成帶煅燒的程度以及篦冷機冷卻的效果直接決定了水泥的質量。窯頭環節電耗巨大，煤耗約占水泥生產全過程總量的百分之40，因此，該環節的優化控制對于水泥企業節能降耗意義重大。然而窯系統強耦合、非線性、多變量、大時滯的特性使得同轉窯系統模型的建立極為復雜，直接控制的難度很大。對回轉窯工況進行分類與判別是實現智能操窯及優化控制的前提與基礎。
目前對于窯況的判斷在很大程度上依賴操作員的知識和經驗，由于操窯過程勞動強度大，操窯人員水平參差不齊，因此難以準確把握窯況的變化。人工智能及知識工程技術的發展對實現水泥生產過程中窯況的智能識別提供了相應的理論基礎。本文主要介紹了基于art-2神經網絡和模糊理論的窯頭工藝參數辨識方法，以及針對參數辨識結果的專家系統在窯頭工況智能識別中的應用研究。
2 回轉窯系統工藝流程
工況智能識別的實現必須建立在對生產工藝的高度理解和把握的基礎上。新型干法水泥回轉窯的燒成系統結構，如圖1所示。
其中，預熱器是系統的熱交換裝置，分解爐使生料進一步加熱并提前分解，回轉窯是燒成過程的核心設備，生料在窯頭燒成帶區域經過一系列復雜的物理化學反應生成高溫熟料。篦冷機接收從回轉窯出來的高溫熟料，對其進行冷卻。熱交換過程中產生的高溫氣體一部分作為二次風返回窯內助燃，一部分作為三次風進入分解爐助燃，其他熱風在窯頭引風機的作用下進入窯頭電收塵器，經收塵凈化處理后排出。
3工藝參數辨識
通過吸取現場操作人員的實踐經驗，綜合考慮影響回轉窯熱工制度的諸多因素發現，窯頭環節最關鍵的參數是窯主電機電流和篦冷機一室壓力，在實際操窯過程中，操作員不僅關注以上2個參數的實時值，更加關心參數的變化趨勢，因為窯電流的變化趨勢直接反應窯內負荷的變化，間接反映燒成帶溫度的走勢；篦壓的變化趨勢直接反映人冷機熟料的粒度大小或料層厚度的改變。為準確判斷窯況，除以上關鍵參數外，還需要同時參考以下幾個主要參數束給出最終判斷：生料投料量、分解爐溫度、煙室溫度、窯頭喂煤量、窯頭罩溫度、窯頭電收塵器入口溫度等。
1)數據的預處理為保證趨勢辨識和實時值辨識的準確性，需對原始數據進行預處理，采用連續均值濾波，在保證數據不失真的前提下，盡量使參數曲線平滑，趨勢明顯。濾波函數如下：
式中xi表示某時刻某參數的實時值。
以篦冷機一室壓力為例，采用以上濾波方式對現場采集的2 000個數據進行預處理，如圖2所示。
濾波效果明顯，較好地保持了原始數據的變化趨勢和幅值
2) art-2網絡辨識關鍵參數變化趨勢art網絡的最初形式是art-1網絡，它是由美國boston大學的crossberg和carpenter于1987年3月提出的。1987年6月提出適用于模擬信號任 |
