CN101458517A - 一种水泥生料配料系统的生料率值优化控制方法 - Google Patents

Abstract

本发明涉及一种水泥生料配料系统的生料率值优化控制方法，具有以下步骤：对出磨生料进行化验分析；将上述分析结果及人工给出的生料目标率值输入生料质量控制系统；生料质量控制系统对原料成份偏差进行补偿，进行基于经济指标的目标率值优化和基于最小率值偏差及最小系统扰动目标的目标率值序列优化；计算出新的原料配比值，并输出提供给粉磨控制系统。发明有效地避免了原来采用平均补偿方法所造成的数据剧烈波动，有效地保证入窑生料质量的连续稳定，并且在实现对生料率值偏差进行补偿、校正的同时，能够兼顾粉磨系统的平稳运行；可以在保证生料质量合格的前提下，有效地降低生料制备的成本，提高企业的经济效益。

Description

一种水泥生料配料系统的生料率值优化控制方法

技术领域

本发明涉及水泥生产技术领域，具体地说是一种通过一系列补偿、优化机制有效地解决原料成分不稳定所造成的水泥生料质量波动的水泥生料配料系统的生料率值优化控制方法。

背景技术

在水泥生产的工艺过程中，有多种因素会影响到最终产品的质量，如水泥原材料的物理化学成份、生料中各组份的配比、生料的均化程度、生料入窑后煅烧温度、熟料的安定性(水泥加水后，在凝结硬化过程中体积变化的均匀性叫做水泥体积安定性，简称安定性。)等。其中前三项指标将决定水泥生料的质量。保证入窑生料的成分及率值均匀稳定，对稳定窑系统的热工制度和提高熟料的质量至关重要。因而水泥生料质量控制系统(QCS)成为水泥生产过程中的关键环节。特别是在现代化的新型干法水泥生产过程中，如何保证生料质量的稳定合格成为相关工程技术人员非常关注的问题。

生料的主要化学成分为碳酸钙(CaO)、二氧化硅(SiO₂)、氧化铝(Al₂O₃)、氧化铁(Fe₂O₃)，以下统称C、S、A、F，来源于各组分原料对应的化学成分的总和。

$\left\{\begin{array}{c}C=C_1{X}_1+C_2{X}_2+\·\·\·+C_x{X}_x\\ S=S_1{X}_1+S_2{X}_2+\·\·\·+S_x{X}_x\\ A=A_1{X}_1+A_2{X}_2+\·\·\·+A_x{X}_x\\ F=F_1{X}_1+F_2{X}_2+\·\·\·+F_x{X}_x\\ X_1+X_2+\·\·\·+X_x=1\end{array}\right.---\left(1\right)$

这里C1、C2...Cx，S1、S2...Sx，A1、A2...+Ax，F1、F2...+Fx分别为x种原料中CaO、SiO₂、Al₂O₃、Fe₂O₃的质量百分含量。X1、X2...Xx为x种原料的在水泥生料中所占的质量百分比。

生料率值定义为：

$\left\{\begin{array}{c}\mathrm{KH}=\frac{\mathrm{CaO}-1.65{\mathrm{Al}}_2{O}_3-0.35{\mathrm{Fe}}_2{O}_3}{2.8{\mathrm{SiO}}_2}\\ n=\frac{{\mathrm{SiO}}_2}{{\mathrm{Al}}_2{O}_3+{\mathrm{Fe}}_2{O}_3}\\ p=\frac{{\mathrm{Al}}_2{O}_3}{{\mathrm{Fe}}_2{O}_3}\end{array}\right.---\left(2\right)$

其中，KH为饱和比，n为硅率，p为铝率。

QCS生料质量控制系统实现的难点主要集中在以下几个方面：

1.难以对原料成分的偏差进行及时、准确地补偿

水泥生料粉磨过程需要原料量大，限于人员、设备等因素限制无法实现原料化学成分的频繁检测，导致配料系统所采用的原料化学成分数据经常出现较大偏差。原料成分出现偏差会造成配合出的生料成分偏差，因此，对原料成分数据偏差进行补偿是提高配料精度的基础。目前普遍采用的是平均补偿策略，即利用生料率值的偏差值对原料各个成分进行校正。这样做的缺点是容易发生错误补偿和补偿不足，引入新的偏差，加剧原料化学成分数据的失真。

2.难以实现生料率值的偏差多周期补偿，配合均化库均化过程保证入窑生料的合格

由于原料成分及流量波动等原因，出磨生料率值出现偏差在所难免。如何对之前配料周期产生的生料率值偏差进行纠正，利用生料均化库的均化作用保证入窑生料的率值合格是考察整个QCS优化控制效果的关键指标。目前的率值控制系统这方面的能力比较差，所采用的方法仅是简单的对前次率值偏差进行变号后迭加到目标率值进行配料。这种方法的优点是方法简单、容易操作，缺点是无法对再之前的率值偏差进行补偿，而且可能会造成生料成分的较大波动，对粉磨系统形成干扰，造成新的生料率值偏差出现。

3.难以兼顾磨机系统的稳定运行

伴随着原料配比的改变，入磨原料的化学成分以及原料的其它性状也都随之发生改变，如硬度、含水量等。其实质上都构成了磨机粉磨系统的扰动。因此，无论是对原料成分的补偿还是对生料配比的优化都会对粉磨系统带来扰动，如何能够在保证在对生料配比进行优化的同时保证粉磨系统的平稳控制是需要考虑的一个重要问题。

发明内容

针对上述现有技术中水泥生产过程中生料质量的稳定性难以控制的不足，本发明的目的在于提供一种通过一系列补偿、优化机制，能够有效解决由于原料成分波动造成的水泥生料质量不稳定的问题，从而实现稳定水泥生料质量目的的水泥生料率值控制的配比调整方法。

为实现上述目的，本发明采用的技术方案是：

本发明方法具有以下步骤：

对出磨生料进行化验分析；将上述分析结果及人工给出的生料目标率值输入生料质量控制系统；生料质量控制系统对原料成份偏差进行补偿，进行基于经济指标的目标率值优化和基于最小率值偏差及最小系统扰动目标的目标率值序列优化；计算出新的原料配比值，并输出提供给粉磨控制系统。

所述生料质量控制系统(QCS)对原料成份偏差按配比和成分的综合权重进行补偿，补偿通过以下公式进行：

各原料成分的权重分别为

相应的补偿系数为

其中W_i为前次配比，T_i为前次配比的反馈配比；

补偿后的原料成分表为：

各原料新成分＝各原料原成分×CF

即得到按综合权重进行补偿的结果。

所述经济指标的目标率值优化按照以下方法进行：

取目标函数为

$\min (J=\underset{i=1}{\overset{x}{\mathrm{\Σ}}}{X}_i\·({\mathrm{Co}}_i+\mathrm{\λ}\·{\mathrm{Wii}}_i))$

约束条件为

X_i>0，(i＝1，2，…，x)

X₁+X₂+…+X_x＝1

$\left\{\begin{array}{c}\mathrm{CaO}=C_1{X}_1+C_2{X}_2+\·\·\·+C_x{X}_x\\ S{\mathrm{iO}}_2=S_1{X}_1+S_2{X}_2+\·\·\·+S_x{X}_x\\ A{l}_2{O}_3=A_1{X}_1+A_2{X}_2+\·\·\·+A_x{X}_x\\ F{e}_2{O}_3=F_1{X}_1+F_2{X}_2+\·\·\·+F_x{X}_x\end{array}\right.$

${\mathrm{KH}}^{*}-{\mathrm{\δ}}_{\mathrm{KH}}\≤{\mathrm{KH}}^{\×}=\frac{\mathrm{CaO}-1.65{\mathrm{Al}}_2{O}_3-0.35{\mathrm{Fe}}_2{O}_3}{2.8{\mathrm{SiO}}_2}\≤{\mathrm{KH}}^{*}+{\mathrm{\δ}}_{\mathrm{KH}}$

$n^{*}-{\mathrm{\δ}}_n\≤n^{\×}=\frac{{\mathrm{SiO}}_2}{{\mathrm{Al}}_2{O}_3+{\mathrm{Fe}}_2{O}_3}\≤n^{*}+{\mathrm{\δ}}_n$

$p^{*}-{\mathrm{\δ}}_p\≤p^{\×}=\frac{{\mathrm{Al}}_2{O}_3}{{\mathrm{Fe}}_2{O}_3}\≤p^{*}+{\mathrm{\δ}}_p$

其中Co_i为各原料的价格成本(元/吨)，X1、X2...Xx为x种原料的在水泥生料中所占的质量百分比；λ·Wii_i为各原料的粉磨成本(元/吨)，其中Wii_i为原料的粉磨功率指数(Kwh/吨)，λ为能耗修正系数；KH^*，n^*，p^*为目标率值，δ_KH、δ_n、δ_p分别为由生产工艺确定的三率值最大容许波动幅度；经过优化得到最小成本时的理想生料率值KH^×，n^×，p^×。

所述λ为能耗修正系数，其取值范围为0.8～2.0。

所述基于最小率值偏差及最小系统扰动目标的目标率值序列优化是通过系统优化未来H_H个周期的原料配比，使未来H_H个周期的生料率值偏差实现对当前时刻之前H_C个周期的生料率值偏差的补偿、校正，该优化算法的目标函数为

$\min (J=\underset{i=1}{\overset{H_H}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·{(S_i-S^{\×})}^2+\underset{j=1}{\overset{H_C}{\mathrm{\Σ}}}{\mathrm{\β}}_j\·{\mathrm{\Δu}}_j^2)$

约束条件为

$\left|\underset{i=-H_L}{\overset{H_H}{\mathrm{\Σ}}}(S_i-S^{\×})\right|=0$

|S_i-S^×|≤δ，(i＝1，2，…，H_H)

其中J为目标函数；H_L、H_H、H_C分别为补偿序列步数、预测序列步数和控制序列步数；S^×为目标率值向量，S_i为第i个周期的生料率值向量；当前时刻之后的第一个周期到H_H周期的生料率值向量S_i为预测值，-H_L到0时刻的生料率值向量S_i为实际反馈值；α_i为率值偏差的权重系数向量；β_j为控制变化量的权重系数向量；Δu_j为控制量的变化量。

所述α_i的取值范围为0.0—1.0。

所述β_j的取值范围为0.0—1.0。

本发明具有以下有益效果及优点：

1.本发明提出了按配比和成分综合权重对原料成分数据偏差进行补偿的方法，有效地避免了原来采用平均补偿方法所造成的数据剧烈波动；

2.本发明提出的生料率值偏差的多目标综合优化补偿方法，可以有效地保证入窑生料质量的连续稳定，并且在实现对生料率值偏差进行补偿、校正的同时，能够兼顾粉磨系统的平稳运行；

3.本发明提出的水泥生料目标率值的经济指标优化方法，可以在保证生料质量合格的前提下，有效地降低生料制备的成本，提高企业的经济效益。

附图说明

图1为本发明的基础工作原理简图；

图2为水泥生料质量控制系统工艺流程示意图；

图3为水泥生料质量控制系统程序流程图；

图4为原料配比综合优化流程图；

图5为率值偏差校正、补偿原理图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

如图1所示，本发明是一个水泥生料质量控制系统QCS的配比优化控制方法。首先，QCS接受人工给定的目标率值以及化验室X荧光分析仪给出的生料化学成分数据作为输入，运用一系列的优化调整策略，得到新的原料配比值，并转化为原料喂料流量作为输出提供给粉磨控制系统。

如图2所示，为水泥生料质量控制系统的详细工艺流程图。原料配料站设有石灰石、砂岩、粘土、粉煤灰四个配料仓，每个仓底均设有卸料设备和定量给料秤。四种原料按给定配比准确配料后，由胶带输送机送入磨机中进行粉磨。自动取样设备不间断地在选粉机合格生料出口和生料均化库之间的生料流中取出有代表的样品，并每隔一小时人工送到与X荧光分析室相邻的样品制备室，样品粉磨后压成片(由化验员操作仪器完成)送至X荧光分析仪，借助于多通道X荧光分析仪对生料中的各项成分进行检测，并将分析数据自动传送给生料质量控制系统QCS。该系统计算出一个周期内的实测率值的饱和比KH、硅率n、铝率p数值以及它们与前一周期的目标值之间的偏差，然后系统按照一定的优化算法对目标率值和物料的配比进行优化，求出新的物料配比，并转换成喂料流量输出到现场配料秤控制器，配料秤控制器根据设定的物料流量自动调整配料秤(即喂料电子配料秤)的转速，进行均匀、定量喂料，将水泥生料的率值控制在一定范围内。

如图3所示，为水泥生料质量控制系统QCS的程序流程图。首先，系统检查是否有新的目标率值输入；如果有，对目标率值进行更新；如果没有，则进一步检查是否有新原料成分表(该新原料成分表通过人工更新)；如果有，则替换旧原料成份表，使用新原料成份表对原料配比进行综合优化；如果没有更新，则直接对原料成分偏差进行补偿。并在随后的原料配比综合优化过程中采用补偿后的原料成分数据。

下面就原料成分偏差补偿部分用本发明与现有技术对比的方式进行说明，原料配比综合优化部分在后面表述。为了便于理解，首先以现有技术中采用的平均补偿方法进行举例说明。

假定某水泥厂原料成分如表所示：

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	53.13	1.41	3.53	4.97
SiO2(％)	2.42	70.25	34.72	53.52
					Fe2O3(％)	0.19	5.48	48.27	4.46
Al2O3(％)	0.31	14.72	11.53	35.34
					总和(％)	98.71	97.13	98.05	98.29
粉磨指数(Kwh/吨)	12.45	12.94	19.89	28.60
					单价(元/吨)	25.00	15.00	68.00	20.00

生料的目标率值为：KH＝0.96，n＝2.1，p＝1.6

生料的目标成分为：

 

项目	生料成分
		CaO(％)	43.51
SiO2(％)	13.45
		Fe2O3(％)	2.46
Al2O3(％)	3.94

运用公式(1)、(2)，可以得到理论上的原料配比为：

石灰石80.96％，砂岩11.20％，铁粉3.07％，粉煤灰4.77％，设为前次配比W_i。

第一个周期，按配比W_i进行配料。经过一个周期之后，化验室返回的出磨生料成分为：

 

项目	生料成分
		CaO(％)	43.35
SiO2(％)	13.63
		Fe2O3(％)	2.50
Al2O3(％)	4.00

运用公式(1)、(2)，计算得出生料的实际率值为KH＝0.94，n＝2.1，p＝1.6，先假定原料成分没有偏差，则要得到同样化学成分的生料，需要的原料配比应该为：

石灰石80.65％，砂岩11.41％，铁粉3.11％，粉煤灰4.83％，设为前次配比的反馈配比Ti。

现在要做的是，利用两组配比之间的差异，估计出原料成分的偏差并进行补偿。

令CF为补偿系数(下同)， $\mathrm{CF}=\frac{(W_i-T_i)}{W_i}\×100,$ 其中的W_i、T_i如前定义。如果对各个原料成分数据进行平均补偿，则：

补偿后的原料成分表为：

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	52.93	1.44	3.58	5.03
SiO2(％)	2.41	71.57	35.17	54.19
					Fe2O3(％)	0.19	5.58	48.90	4.52
Al2O3(％)	0.31	15.00	11.68	35.78
					CF	0.3829	-1.8750	-1.3029	-1.2579

本发明提出了按综合权重进行补偿的偏差补偿方法，即按照原料的配比和成分在生料中所占的综合权重对原料成分数据偏差进行补偿的方法。

按照综合权重进行补偿时，各成分的权重变为

按上述公式计算，得到综合权重表为：

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	0.8033	0.0036	0.0025	0.0055
SiO2(％)	0.1437	0.0647	0.0782	0.1873
					Fe2O3(％)	0.0614	0.2450	0.5916	0.0849
Al2O3(％)	0.0627	0.4122	0.0885	0.4214

相应的CF表为

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	0.3799	-0.0068	-0.0033	-0.0069
SiO2(％)	0.0550	-1.0824	-0.1019	-0.2356
					Fe2O3(％)	0.0235	-0.4594	-0.7708	-1.1068
Al2O3(％)	0.0240	-0.7728	-0.1153	-0.5301

补偿后的原料成分表为：

各原料新成份＝各原料原成分

各原料新成分＝各原料原成分×CF

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	52.93	1.41	3.53	4.97
SiO2(％)	2.42	71.01	34.76	53.65
					Fe2O3(％)	0.19	5.51	48.64	4.46
Al2O3(％)	0.31	14.83	11.54	35.53

从上面的例子可以看出，在返回的的生料率值数据中，只有饱和比(KH)发生偏差的情况下，两种原料成分补偿方法得到了两个不同的原料成分表，

对采用两种补偿方法所得到的原料成分表进行比较后，可以发现两个成分表的各个成分总量并没有变化，两种方法得到的成分表都实现了对生料成分偏差的补偿；但明显不同的是，按照综合权重补偿出来的原料成分表中氧化钙(CaO)的补偿99.23％是由石灰石中的氧化钙(CaO)实现的，也就是说，采用后一种方法(综合权重补偿方法)实现了对原有原料成分表的最小扰动。

下面的两张表，分别是采用现有技术与本发明两种补偿方法得到结果对各原料成分的扰动百分比

现有技术：

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	-0.3829	1.8750	1.3029	1.2579
SiO2(％)	-0.3829	1.8750	1.3029	1.2579
					Fe2O3(％)	-0.3829	1.8750	1.3029	1.2579
Al2O3(％)	-0.3829	1.8750	1.3029	1.2579

本发明技术：

 

成分	石灰石	砂岩	铁粉	粉煤灰
					CaO(％)	-0.3799	0.0068	0.0033	0.0069
SiO2(％)	-0.0550	1.0824	0.1019	0.2356
					Fe2O3(％)	-0.0235	0.4594	0.7708	0.1068
Al2O3(％)	-0.0240	0.7728	0.1153	0.5301

可见，按照配比和成分综合权重对原料成分偏差进行补偿的方法，由于引入了按权重进行补偿的思想，仅对和产生生料率值偏差的成分有关的原料相应成分数据进行校正，避免了对其它无偏差的原料成分数据的错误校正，使补偿行为对各原料成份的扰动最小化，是一种更加合理的补偿策略。

如图4所示，为水泥生料质量控制系统中原料配比综合优化部分的流程图。

优化主要有两个目的，一是在工艺允许的条件下尽可能减少生料制备的成本；二是在保证生料率值合格的前提下尽可能减小对粉磨系统的扰动。由于两个优化的目的不同，相应的实际操作上也需要分步进行优化。

第一步，基于经济指标的目标率值优化。优化的目的是使生料制备的综合成本达到最小。生料的制备成本主要来自于两个方面，一方面是所有原料本身的成本之和；另一方面是粉磨这些原料所耗费的电能成本。基于以上考虑，我们取目标函数为

$\min (J=\underset{i=1}{\overset{x}{\mathrm{\Σ}}}{X}_i\·({\mathrm{Co}}_i+\mathrm{\λ}\·{\mathrm{Wii}}_i))$

约束条件为

X_i>0，(i＝1，2，…，x)

X₁+X₂+…+X_x＝1

$\left\{\begin{array}{c}\mathrm{CaO}=C_1{X}_1+C_2{X}_2+\·\·\·+C_x{X}_x\\ S{\mathrm{iO}}_2=S_1{X}_1+S_2{X}_2+\·\·\·+S_x{X}_x\\ A{l}_2{O}_3=A_1{X}_1+A_2{X}_2+\·\·\·+A_x{X}_x\\ F{e}_2{O}_3=F_1{X}_1+F_2{X}_2+\·\·\·+F_x{X}_x\end{array}\right.$

${\mathrm{KH}}^{*}-{\mathrm{\δ}}_{\mathrm{KH}}\≤{\mathrm{KH}}^{\×}=\frac{\mathrm{CaO}-1.65{\mathrm{Al}}_2{O}_3-0.35{\mathrm{Fe}}_2{O}_3}{2.8{\mathrm{SiO}}_2}\≤{\mathrm{KH}}^{*}+{\mathrm{\δ}}_{\mathrm{KH}}$

$n^{*}-{\mathrm{\δ}}_n\≤n^{\×}=\frac{{\mathrm{SiO}}_2}{{\mathrm{Al}}_2{O}_3+{\mathrm{Fe}}_2{O}_3}\≤n^{*}+{\mathrm{\δ}}_n$

$p^{*}-{\mathrm{\δ}}_p\≤p^{\×}=\frac{{\mathrm{Al}}_2{O}_3}{{\mathrm{Fe}}_2{O}_3}\≤p^{*}+{\mathrm{\δ}}_p$

其中Co_i为各原料的价格成本(元/吨)，λ·Wii_i为各原料的粉磨成本(元/吨)，其中Wii_i为原料的粉末功率指数(Kwh/吨)，λ为能耗修正系数；S^*＝{KH^*，n^*，p^*}为目标率值向量，δ_KH、δ_n、δ_p分别为由生产工艺确定的三率值最大容许波动幅度。经过优化得到最小成本时的理想生料率值S^×＝{KH^×，n^×，p^×}S^×＝{KH^×，n^×，p^×}。

第二步，目标率值序列优化。其目的是运用优化算法来确定最佳的目标率值序列，以期达到两个目的：1)实现尽量小的率值偏差；2)尽量小的系统扰动。

优化算法的目标函数为

$\min (J=\underset{i=1}{\overset{H_H}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·{(S_i-S^{\×})}^2+\underset{j=1}{\overset{H_C}{\mathrm{\Σ}}}{\mathrm{\β}}_j\·{\mathrm{\Δu}}_j^2)$

约束条件为

$\left|\underset{i=-H_L}{\overset{H_H}{\mathrm{\Σ}}}(S_i-S^{\×})\right|=0$

|S_i-S^×|≤δ，(i＝1，2，…，H_H)

其中J为目标函数。H_L、H_H、H_C分别为补偿序列步数、预测序列步数和控制序列步数；S^×为目标率值向量，S_i为第i个周期的生料率值向量；当前时刻(图5中为0时刻)之后的第一个周期到H_H周期的生料率值向量S_i为预测值，-H_L到0时刻的生料率值向量S_i为实际反馈值；α_i为率值偏差的权重系数向量；β_j为控制变化量的权重系数向量；Δu_j为控制量的变化量，通过S_j、S^×反推出u_j、u^×取差得到。 $\mathrm{\α}=[{\mathrm{\α}}_1,{\mathrm{\α}}_2,\·\·\·,{\mathrm{\α}}_{H_H}]$ 和 $\mathrm{\β}=[{\mathrm{\β}}_1,{\mathrm{\β}}_2,\·\·\·,{\mathrm{\β}}_{H_C}]$ 为这两个目标的权重系数向量。

目标函数J中的：

第一项

为未来H_H个周期内生料率值误差的方差和，目的是为了尽量减小总的生料率值偏差；

第二项

为未来H_C个周期内被控量变化量的方差和，目的是为了尽量减小被控量波动幅度以减少对粉磨系统的扰动。系统通过最小的目标函数J实现最小率值误差和最小系统扰动这两个目标之间的折衷，α和β为这两个目标的权重系数。

约束条件 $\left|\underset{i=-H_L}{\overset{H_H}{\mathrm{\Σ}}}(S_i-S^{\×})\right|=0$ 含义为在之后的H_H个周期内实现之前H_C个周期内的所有生料率值偏差的补偿，即保证H_H个周期之后，从之前H_C个周期之后的所有生料经过均化库均化作用后的率值为目标率值。

这里引入预测控制的滚动优化思想，每一个周期优化一次，只将控制量序列中的第一项，也即仅u₁用于实际输出。下一个周期将重新进行优化。

为了实现利用均化库的均化作用对已入库生料的率值偏差进行校正，在优化过程中引入了约束函数，为从过去H_L个周期到未来H_H的生料率值经过均化后收敛于S^×，并且每一个未来周期的S_i相对于S^*的偏差小于δ，δ为受工艺要求限制的最大生料率值偏差幅度。

如图5所示，为率值偏差校正、补偿原理图。图中∑₁和∑₂为当前时刻(0时刻)之前生料率值的偏差积分(∑₂为负值)，通过系统优化未来H_H个周期的原料配比，使生料率值偏差∑₁实现对∑₁和∑₂偏差的补偿、校正，即

∑₁+∑₂+∑₃＝0

本专利方法在某水泥厂5000t/d熟料生产线上使用，出磨生料合格率由原来的71.67％上升为87.33％，入窑生料合格率由原来的83％上升为97％；与此同时，水泥生料的吨制备成本也有所下降，每吨成本下降0.3元，年经济效益67.5万元。

Claims (7)

1.一种水泥生料配料系统的生料率值优化控制方法，其特征在于具有以下步骤：

对出磨生料进行化验分析；将上述分析结果及人工给出的生料目标率值输入生料质量控制系统(QCS)；生料质量控制系统(QCS)对原料成份偏差进行补偿，进行基于经济指标的目标率值优化和基于最小率值偏差及最小系统扰动目标的目标率值序列优化；计算出新的原料配比值，并输出提供给粉磨控制系统。

2.按权利要求1所述水泥生料配料系统的生料率值优化控制方法，其特征在于：所述生料质量控制系统(QCS)对原料成份偏差按配比和成分的综合权重进行补偿，补偿通过以下公式进行：

各原料成分的权重分别为

相应的补偿系数为

其中W_i为前次配比，T_i为前次配比的反馈配比；

补偿后的原料成分表为：

各原料新成分＝各原料原成分×CF

即得到按综合权重进行补偿的结果。

3.按权利要求1所述水泥生料配料系统的生料率值优化控制方法，其特征在于：所述经济指标的目标率值优化按照以下方法进行：

取目标函数为

$\min (J=\underset{i=1}{\overset{x}{\mathrm{\Σ}}}{X}_i\·({\mathrm{Co}}_i+\mathrm{\λ}\·{\mathrm{Wii}}_i))$

约束条件为

X_i>0，(i＝1，2，…，x)

X₁+X₂+…+X_x＝1

$\left\{\begin{array}{c}\mathrm{CaO}=C_1{X}_1+C_2{X}_2+\·\·\·+C_x{X}_x\\ \mathrm{Si}{O}_2=S_1{X}_1+S_2{X}_2+\·\·\·+S_x{X}_x\\ {\mathrm{Al}}_2{O}_3=A_1{X}_1+A_2{X}_2+\·\·\·+A_x{X}_x\\ {\mathrm{Fe}}_2{O}_3=F_1{X}_1+F_2{X}_2+\·\·\·+F_x{X}_x\end{array}\right.$

${\mathrm{KH}}^{*}-{\mathrm{\δ}}_{\mathrm{KH}}\text{\≤}{\mathrm{KH}}^{\×}=\frac{\mathrm{CaO}-1.65{\mathrm{Al}}_2{O}_3-0.35{\mathrm{Fe}}_2{O}_3}{2.8\mathrm{Si}{O}_2}\≤{\mathrm{KH}}^{*}+{\mathrm{\δ}}_{\mathrm{KH}}$

$n^{*}-{\mathrm{\δ}}_n\≤n^{\×}=\frac{{\mathrm{SiO}}_2}{{\mathrm{Al}}_2{O}_3+{\mathrm{Fe}}_2{O}_3}\≤n^{*}+{\mathrm{\δ}}_n$

$p^{*}-{\mathrm{\δ}}_p\≤p^{\×}=\frac{{A{l}_{2}O}_3}{{\mathrm{Fe}}_2{O}_3}\≤p^{*}+{\mathrm{\δ}}_p$

其中Co_i为各原料的价格成本，X1、X2...Xx为x种原料的在水泥生料中所占的质量百分比；λ.Wii_i为各原料的粉磨成本，其中Wii_i为原料的粉磨功率指数，λ为能耗修正系数；KH^*，n^*，p^*为目标率值，δ_KH、δ_n、δ_p分别为由生产工艺确定的三率值最大容许波动幅度；经过优化得到最小成本时的理想生料率值KH^×，n^×，p^×。

4.按权利要求3所述水泥生料配料系统的生料率值优化控制方法，其特征在于：所述λ为能耗修正系数，其取值范围为0.8～2.0。

5.按权利要求1所述水泥生料配料系统的生料率值优化控制方法，其特征在于：所述基于最小率值偏差及最小系统扰动目标的目标率值序列优化是通过系统优化未来H_H个周期的原料配比，使未来H_H个周期的生料率值偏差实现对当前时刻之前H_C个周期的生料率值偏差的补偿、校正，该优化算法的目标函数为

$\min (J=\underset{i=1}{\overset{H_H}{\mathrm{\Σ}}}{\mathrm{\α}}_i\·{(S_i-S^{\×})}^2+\underset{j=1}{\overset{H_C}{\mathrm{\Σ}}}{\mathrm{\β}}_j\·{\mathrm{\Δu}}_j^2)$

约束条件为

$\left|\underset{i=-H_L}{\overset{H_H}{\mathrm{\Σ}}}(S_i-S^{\×})\right|=0$

|S_i-S^×|≤δ，(i＝1，2，…，H_H)

其中J为目标函数；H_L、H_H、H_C分别为补偿序列步数、预测序列步数和控制序列步数；S^×为目标率值向量，S_i为第i个周期的生料率值向量；当前时刻之后的第一个周期到H_H周期的生料率值向量S_i为预测值，-H_L到0时刻的生料率值向量S_i为实际反馈值；α_i为率值偏差的权重系数向量；β_i为控制变化量的权重系数向量；Δu_j为控制量的变化量。

6.按权利要求5所述水泥生料配料系统的生料率值优化控制方法，其特征在于：所述α_i的取值范围为0.0—1.0。

7.按权利要求5所述水泥生料配料系统的生料率值优化控制方法，其特征在于：所述β_j的取值范围为0.0—1.0。

Images