一种水泥分解炉燃烧自动控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106482507A(43)申请公布日2017.03.08(21)申请号201610905615.8(22)申请日2016.10.18(71)申请人湖南大学地址410082湖南省长沙市岳麓区麓山南路麓山门(72)发明人李涛梁凯高若尘申琦张慧杰(74)专利代理机构长沙星耀专利事务所43205代理人许伯严(51)Int.Cl.F27B7/42(2006.01)F27B7/34(2006.01)权利要求书3页说明书6页附图2页(54)发明名称一种水泥分解炉燃烧自动控制方法(57)摘要本发明涉及一种水泥分解炉燃烧自动控制方法，利用分解炉温差和温差变化率以及废气CO含量差值、变化率作为输入信号，以窑头喂煤量、高温风机频率和三次风阀门开度为输出信号。建立训练和测试样本数据，采用模糊神经网络算法，不断修改权值，使其与实际输出相同。本发明能够很好的解决这种非线性、大滞后、多变量、多扰动及非线性过程问题。能够节约能源和减少空气污染。CN106482507ACN106482507A权利要求书1/3页1.一种水泥分解炉燃烧自动控制方法，包括分解炉，以及通过检测仪表获得的五个变量数据：窑头喂煤量、高温风机转速、三次风压强、分解炉温度、废气CO含量；其中废气中的氧气与CO含量成反比，其特征在于，步骤1采样数据，取检测仪表获得的变量数据：分解炉温度与设定温度的差值、分解炉温度偏差变化率；以及分解炉废气C0含量与设定含量的差值、分解炉废气CO含量偏差变化率作为输入信号；取检测仪表获得的变量数据：窑头喂煤量、高温风机频率和三次风阀门开度作为输出信号；采集多组输入信号与输出信号作为数据，将采集数据的一部分输入信号及其对应的输出信号作为训练数据，另一部分输入信号及其对应的输出信号作为测试数据；通过训练数据建模，测试数据验证模型，实现机器的智能控制；步骤2模糊神经网络控制算法建模，训练数据包括训练输入信号和训练输出信号，假设算法模型的初始参数是随机设定的，输入训练输入信号，通过该模型得到的实际结果，与训练输出信号进行比较，得出其误差值,通过算法,修改其权值，使训练输出信号与训练输出信号的差值无限趋近于零，即停止训练，得到所需算法模型；测试数据包括测试输入和测试输出，通过测试数据的输入，比较实际结果与测试数据的输出，来验证通过模型得出的实际输出是否与测试输出相等；相等则模型建立，不相等则返回训练数据重新建模；步骤3实现分解炉的自动控制，经过模糊神经网络控制算法，得出增加或者减少送煤量或者氧气含量的控制指令，从而使得分解炉出口温度稳定在设定的温度的±2℃，以及CO含量和氧气含量也达到设定的值，实现分解炉的自动控制。2.根据权利要求1所述的一种水泥分解炉燃烧自动控制方法，其特征是，所述步骤1中分解炉温度与设定温度的差值△T(k)＝Tset-Tcurrent,设为系统的输入信号x1；分解炉温度偏差变化率设为系统的输入信号x2；分解炉废气C0含量与设定含量的差值△C0＝COset-COcurrent,设为系统的输入信号x3；分解炉废气CO含量偏差变化率设为系统的输入信号x4；所述窑头喂煤量设为Y1，高温风机频率设为Y2，三次风阀门开度设为Y3；输入信号为xi＝[x1,x2,x3,x4],输出信号为yi＝[y1,y2,y3]。3.根据权利要求1或2所述的一种水泥分解炉燃烧自动控制方法，其特征是，所述步骤2中模糊神经网络控制算法建模包括以下步骤：Step1，根据步骤1的采样数据，得到训练数据和测试数据；Step2，初始化连接参数以及个数，隶属函数采用高斯函数，输入层为4个，每个输入信号的模糊集合为mi＝[m1,m2,m3,m4],其中m1＝7，m2＝5，m3＝3，m4＝5，故初始化中心宽度和中心分别为bij和cij其中i代表输入信号的个数，j∈1,2,3..mi，t为输出的参数为1,2,3三个取值，为输出值连接值，确定迭代总数bite＝1000次，初始值次数i2CN106482507A权利要求书2/3页＝1；Step3，首先将训练样本输入MATLAB当中，其输入信号为xi＝[x1,x2,x3,x4]，将其进行隶属函数化：该层节点数为其中i∈1,2,3,4；j∈1,2..mi；Step4，将隶属函数进行每条规则的适应度计算，该层节点数N3＝m；规则计算采用相乘计算，其每条规则适应度为：其中i1∈1,2,..,m1；i2∈1,2,..,m2；i3∈1,2,..,m3；i4∈1,2,..,m4；k＝1,2,…m；Step5，如step4所求出的规则适应度进行归一化计算，该层节点数为N4＝m，Step6，输出层由两个结构相同的子网络所组成，每个子网络产生一个输出量；该层是计算每一条规则的后件，该层有m个节点，