CN108393146B - 一种钢球磨煤机制粉系统自适应最优解耦控制方法 - Google Patents
一种钢球磨煤机制粉系统自适应最优解耦控制方法 Download PDFInfo
- Publication number
- CN108393146B CN108393146B CN201810449229.1A CN201810449229A CN108393146B CN 108393146 B CN108393146 B CN 108393146B CN 201810449229 A CN201810449229 A CN 201810449229A CN 108393146 B CN108393146 B CN 108393146B
- Authority
- CN
- China
- Prior art keywords
- optimal
- coal
- neural network
- ball mill
- decoupling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000003245 coal Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 27
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 23
- 239000010959 steel Substances 0.000 title claims abstract description 23
- 238000010298 pulverizing process Methods 0.000 title claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 6
- 238000010168 coupling process Methods 0.000 abstract description 6
- 238000005859 coupling reaction Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 239000000843 powder Substances 0.000 description 18
- 238000000227 grinding Methods 0.000 description 6
- 239000002274 desiccant Substances 0.000 description 4
- 238000001035 drying Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000002817 coal dust Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C17/00—Disintegrating by tumbling mills, i.e. mills having a container charged with the material to be disintegrated with or without special disintegrating members such as pebbles or balls
- B02C17/10—Disintegrating by tumbling mills, i.e. mills having a container charged with the material to be disintegrated with or without special disintegrating members such as pebbles or balls with one or a few disintegrating members arranged in the container
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C17/00—Disintegrating by tumbling mills, i.e. mills having a container charged with the material to be disintegrated with or without special disintegrating members such as pebbles or balls
- B02C17/18—Details
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C25/00—Control arrangements specially adapted for crushing or disintegrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Food Science & Technology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Crushing And Grinding (AREA)
- Disintegrating Or Milling (AREA)
Abstract
本发明提供一种钢球磨煤机制粉系统自适应最优解耦控制方法,涉及自动控制技术领域。该方法首先采集球磨机的历史运行数据,建立解耦控制系统的神经网络模型;然后选择最优解耦性能指标函数,应用自适应动态规划的方法求解该指标函数的最小值所对应的最优控制量,构建一个评价神经网络去估计最优性能指标,将评价神经网络的估计值代入控制量中,实现评价神经网络的在线更新和自适应控制;最后建立鲁棒项对建模误差进行补偿,得到最优解耦控制率。本发明提供的钢球磨煤机制粉系统自适应最优解耦控制方法,实现了钢球磨煤机制粉系统的自动控制且消除了变量间的耦合实现了解耦控制;保证产量和产品质量的同时降低了生产成本,具有较高的实用价值。
Description
技术领域
本发明涉及自动控制技术领域,尤其涉及一种钢球磨煤机制粉系统自适应最优解耦控制方法。
背景技术
钢球磨煤机制粉系统在中国火力发电厂中被广泛采用,是一种将原煤研磨成煤粉并送入燃烧炉燃烧发电的重要设备。制粉系统的最优解耦控制问题是一直困扰我国电厂自动化技术人员的难题。随着经济模式的转变,经济生产中越来越注重节能降耗,对控制系统的性能要求也越来越高。钢球磨煤机制粉系统的强耦合特性表现为:三输入三输出之间的耦合非常严重,任何一个输入量的变化都会影响到三个输出量的变化。在实际的工业现场,钢球磨煤机制粉系统的强耦合特性具体表现如下:
(a)给煤机转速增加,给煤量相应增加,磨煤机会更多地吸收干燥剂的热量,导致磨煤机出口温度降低;给煤机转速增加,又使得磨煤机内部的通风阻力增大,通风量减少,磨煤机入口负压降低;给煤机转速增加,又使得磨煤机内存煤量增加,导致磨煤机进出口差压增大和磨煤机磨音的降低;
(b)热风门开大,相应的热风量加大,会使磨煤机出口温度升高,磨煤机入口负压降低,磨煤机进出口差压减小、磨音升高;
(c)温风门开大,相应的温风量加大,会使磨煤机出口温度降低,磨煤机入口负压降低,磨煤机进出口差压增大、磨音增大;但由于温风门的管径要比热风门的管径小的多所以对出口温度的影响要远远小于热风门开度的影响。
长期以来,采用分散控制设计的单回路控制器组成的解耦控制系统不能投入自动运行,只能靠人工控制,造成超温、堵磨和喷粉事故的发生。因此,对于这类强耦合强非线性和动态特性随运行条件不同而变化的复杂工业过程的解耦控制有非常重要的意义。
发明内容
针对现有技术的缺陷,本发明提供一种钢球磨煤机制粉系统自适应最优解耦控制方法,实现对钢球磨煤机制粉系统的解耦控制。
一种钢球磨煤机制粉系统自适应最优解耦控制方法,包括以下步骤:
步骤1、采集钢球磨煤机即球磨机的历史运行数据,建立解耦控制系统中球磨机的神经网络模型;
所述球磨机的历史运行数据包括球磨机实际的给煤速度、热风量和温风量这三个输入信息以及球磨机的出口温度、入口负压和进出口差压这三个输出信息;
所述建立解耦控制系统中球磨机的神经网络模型如下公式所示:
其中,x(t)为对应球磨机的出口温度、入口负压和进出口差压的关于时间t的三维状态变量,u(t)为对应球磨机实际的给煤速度、热风量和温风量的关于时间t的三维控制量;A*,Af *,Ac *,B*为理想未知常值矩阵,ε(t)为有界的理想建模误差,γ(x)为递增凹函数,且对于任意的x,y∈R,x>y,存在k>0满足0≤γ(x)-γ(y)≤k(x-y);
将解耦控制系统中球磨机的神经网络模型进行重建,得到如下公式所示的重建模型:
将重建的解耦控制系统中球磨机的神经网络模型的参数按如下规则更新:
其中,Γi为正定矩阵,Γi=Γi T>0,i=1、2、...、5;
其中,F(x)=Ax(t)+Afγ(x(t))+Ac,G(x)=B;
步骤2:选择最优解耦性能指标函数J,应用自适应动态规划的方法求解该最优解耦性能指标函数J的最小值所对应的最优控制量u*(t),构建一个评价神经网络去估计最优解耦性能指标函数J的最优解耦性能指标J* x,将最优解耦性能指标J* x的估计值代入最优控制量u*(t)中,得到最优控制量u*(t)的估计值,实现评价神经网络的在线更新和自适应控制;
所述选择的最优解耦性能指标函数J如下公式所示:
其中,e(t)=xd(t)-x(t)为跟踪误差,xd(t)为球磨机的出口温度、入口负压和进出口差压这三个输出的设定值,即期望输出,Q=QT≥0,R=RT>0均为加权矩阵;
则求解控制量u(t)所使用的哈密顿方程如下公式所示:
H(x,u,Jx)=Jx T(Ax(t)+Afγ(x(t))+Ac+Bu(t))+eT(t)Qe(t)+(Su(t)+Gx(t))TR(Su(t)+Gx(t))
u*(t)=-(STRS)-1(STRGx(t)+BTJx *)
将最优解耦性能指标函数J通过如下评价神经网络精确表示:
J*=W1 Tφ1(x,xd)+ε1(x,xd)
将通过评价神经网络表示的最优解耦性能指标函数J*对于x求导,得到最优解耦性能指标J* x:
评价神经网络的理想权值的更新法则如下公式所示:
所述鲁棒项ur如下公式所示:
其中:e=xd-x,a1、a2均为可调参数;
则鲁棒近似最优解耦控制量如下公式所示:
将ut作为最优的给煤机转速、热风门开度和温风门开度,从而控制球磨机的出口温度、入口负压和进出口差压,使球磨机的出口温度、入口负压和进出口差压这三个输出跟踪其设定值的变化。
由上述技术方案可知,本发明的有益效果在于:本发明提供的一种钢球磨煤机制粉系统自适应最优解耦控制方法,能够根据球磨机的出口温度、入口负压和进出口差压这三个输出的设定值的变化给出给煤机转速、热风门开度和温风门开度法人控制量,实现了钢球磨煤机制粉系统的自动控制且消除了变量间的耦合实现了解耦控制;保证产量和产品质量的同时降低了生产成本,具有较高的实用价值。
附图说明
图1为本发明实施例提供的球磨机制粉系统的制粉工艺流程图;
图2为本发明实施例提供的一种钢球磨煤机制粉系统自适应最优解耦控制方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
球磨机制粉系统的制粉工艺流程如图1所示,球磨机制粉系统主要由一个给煤机、一个磨煤机、两个煤粉分离器等设备组成。原煤经过破碎从原煤斗漏下,经由皮带送入下降干燥管,在下降干燥管内被由温风和热风组成的干燥剂干燥。原煤和干燥剂的混合物经由下降干燥管一同进入磨煤机。原煤在磨煤机中继续干燥,并通过钢球的挤压作用被磨制成粉,然后在排粉机的抽吸作用下随气流进入粗粉分离器进行分选。不合格的煤粉经过回粉管返回磨煤机继续磨制,合格的煤粉随气流进入细粉分离器,分离下来的煤粉存入煤粉仓内,经由排粉机送至锅炉。
球磨机的控制主要包含给煤量的控制、给热风量的控制和给温风量的控制。给煤速度主要由皮带秤、变频器、给料电机、称重传感器等组成的称量系统控制。给气流量的控制主要与给气阀门的开度相关,可通过PID控制实现。
本实施例使用本发明的钢球磨煤机制粉系统自适应最优解耦控制方法对上述所述球磨机制粉系统进行自适应最优解耦控制。
一种钢球磨煤机制粉系统自适应最优解耦控制方法,如图2所示,包括以下步骤:
步骤1、采集钢球磨煤机即球磨机的历史运行数据,建立解耦控制系统中球磨机的神经网络模型;
所述球磨机的历史运行数据包括球磨机实际的给煤速度、热风量和温风量这三个输入信息以及球磨机的出口温度、入口负压和进出口差压这三个输出信息;
建立解耦控制系统中球磨机的神经网络模型如下公式所示:
其中,x(t)为对应球磨机的出口温度、入口负压和进出口差压的关于时间t的三维状态变量,u(t)为对应球磨机实际的给煤速度、热风量和温风量的关于时间t的三维控制量;A*,Af *,Ac *,B*为理想未知常值矩阵,ε(t)为有界的理想建模误差,γ(x)为递增凹函数,且对于任意的x,y∈R,x>y,存在k>0满足0≤γ(x)-γ(y)≤k(x-y);
将解耦控制系统中球磨机的神经网络模型进行重建,得到如下公式所示的重建模型:
将重建的解耦控制系统中球磨机的神经网络模型的参数按如下规则更新:
其中,Γi为正定矩阵,Γi=Γi T>0,i=1、2、...、5;
其中,F(x)=Ax(t)+Afγ(x(t))+Ac,G(x)=B;
步骤2:选择最优解耦性能指标函数J,应用自适应动态规划的方法求解该最优解耦性能指标函数J的最小值所对应的最优控制量u*(t),构建一个评价神经网络去估计最优解耦性能指标函数J的最优解耦性能指标J* x,将最优解耦性能指标J* x的估计值代入最优控制量u*(t)中,得到最优控制量u*(t)的估计值,实现评价神经网络的在线更新和自适应控制;
选择的最优解耦性能指标函数J如下公式所示:
其中,e(t)=xd(t)-x(t)为跟踪误差,xd(t)为球磨机的出口温度、入口负压和进出口差压这三个输出的设定值,即期望输出,Q=QT≥0,R=RT>0均为加权矩阵;Q是期望输出与实际输出偏差权重系数矩阵,Q对角线上的值过大会导致系统不稳定,过小会导致稳态误差,一般在0.001至100之间;R对角线上的值过大会导致稳态误差,一般在0.0001至0.1之间;当控制量太大时可将R对角线上的值调大一些,具体值根据实际情况确定。
则求解控制量u(t)所使用的哈密顿方程如下公式所示:
H(x,u,Jx)=Jx T(Ax(t)+Afγ(x(t))+Ac+Bu(t))+eT(t)Qe(t)+(Su(t)+Gx(t))TR(Su(t)+Gx(t))
u*(t)=-(STRS)-1(STRGx(t)+BTJx *)
将最优解耦性能指标函数J通过如下评价神经网络精确表示:
J*=W1 Tφ1(x,xd)+ε1(x,xd)
其中,为评价神经网络的理想权值,N1为神经元个数,为激活函数向量,ε1(x,xd)为有界评价网逼近误差,其对于x的一阶偏导也是有界的;激活函数向量需要包含足够的激励信息,需要结合具体例子选取。一个可选的例子为:
φ1(x,yd)=[x-xd,(x-xd)2,-(x-xd)3,x,xd]T
将通过评价神经网络表示的最优解耦性能指标函数J*对于x求导,得到最优解耦性能指标J* x:
评价神经网络的理想权值的更新法则如下公式所示:
鲁棒项ur如下公式所示:
其中:e=xd-x,a1、a2均为可调参数;参数a1、a2的选择会影响补偿的效果,一般a1在1至50之间;a2在0.1至10之间,具体参数大小须根据实际情况选取。
鲁棒近似最优解耦控制量如下公式所示:
将ut作为最优的给煤机转速、热风门开度和温风门开度,从而控制球磨机的出口温度、入口负压和进出口差压,使球磨机的出口温度、入口负压和进出口差压这三个输出跟踪其设定值的变化。
本实施例中,通过皮带秤测量实际的给煤速度,通过气体流量表来测量实际的干燥剂气体流量,并控制实际的给煤速度和给气量。通过粒度分析仪获得煤粉颗粒的大小,并进行粗煤和细煤的分离。采集的这些数据通过PLC最终通过工业网络传输给工业控制计算机,在工业控制计算机中完成控制计算,计算出最佳给煤机转速、热风门开度和温风门开度,工业控制计算机通过网络将这些值发送给PLC,PLC控制实际的给煤速度、给气量与给定的给煤速度、给气量保持一致。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (2)
1.一种钢球磨煤机制粉系统自适应最优解耦控制方法,其特征在于:包括以下步骤:
步骤1、采集钢球磨煤机即球磨机的历史运行数据,建立解耦控制系统中球磨机的神经网络模型;
建立的解耦控制系统中球磨机的所述神经网络模型如下公式所示:
其中,x(t)为对应球磨机的出口温度、入口负压和进出口差压的关于时间t的三维状态变量,u(t)为对应球磨机实际的给煤速度、热风量和温风量的关于时间t的三维控制量;A*,Af *,Ac *,B*为理想未知常值矩阵,ε(t)为有界的理想建模误差,γ(x)为递增凹函数,且对于任意的x,y∈R,x>y,存在k>0满足0≤γ(x)-γ(y)≤k(x-y);
将解耦控制系统中球磨机的神经网络模型进行重建,得到如下公式所示的重建模型:
将重建的解耦控制系统中球磨机的神经网络模型的参数按如下规则更新:
其中,Γi为正定矩阵,Γi=Γi T>0,i=1、2、...、5;
其中,F(x)=Ax(t)+Afγ(x(t))+Ac,G(x)=B;
步骤2:选择最优解耦性能指标函数J,应用自适应动态规划的方法求解该最优解耦性能指标函数J的最小值所对应的最优控制量u*(t),构建一个评价神经网络去估计最优解耦性能指标函数J的最优解耦性能指标J* x,将最优解耦性能指标J* x的估计值代入最优控制量u*(t)中,得到最优控制量u*(t)的估计值,实现评价神经网络的在线更新和自适应控制;
所述选择的最优解耦性能指标函数J如下公式所示:
其中,e(t)=xd(t)-x(t)为跟踪误差,xd(t)为球磨机的出口温度、入口负压和进出口差压这三个输出的设定值,即期望输出,Q=QT≥0,R=RT>0均为加权矩阵;
则求解控制量u(t)所使用的哈密顿方程如下公式所示:
H(x,u,Jx)=Jx T(Ax(t)+Afγ(x(t))+Ac+Bu(t))+eT(t)Qe(t)+(Su(t)+Gx(t))TR(Su(t)+Gx(t))
u*(t)=-(STRS)-1(STRGx(t)+BTJx *)
将最优解耦性能指标函数J通过如下评价神经网络精确表示:
J*=W1 Tφ1(x,xd)+ε1(x,xd)
将通过评价神经网络表示的最优解耦性能指标函数J*对于x求导,得到最优解耦性能指标J* x:
评价神经网络的理想权值的更新法则如下公式所示:
所述鲁棒项ur如下公式所示:
其中:e=xd-x,a1、a2均为可调参数;
则鲁棒近似最优解耦控制量如下公式所示:
将ut作为最优的给煤机转速、热风门开度和温风门开度,从而控制球磨机的出口温度、入口负压和进出口差压,使球磨机的出口温度、入口负压和进出口差压这三个输出跟踪其设定值的变化。
2.根据权利要求1所述的一种钢球磨煤机制粉系统自适应最优解耦控制方法,其特征在于:所述球磨机的历史运行数据包括球磨机实际的给煤速度、热风量和温风量这三个输入信息以及球磨机的出口温度、入口负压和进出口差压这三个输出信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810449229.1A CN108393146B (zh) | 2018-05-11 | 2018-05-11 | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810449229.1A CN108393146B (zh) | 2018-05-11 | 2018-05-11 | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108393146A CN108393146A (zh) | 2018-08-14 |
CN108393146B true CN108393146B (zh) | 2020-07-14 |
Family
ID=63101115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810449229.1A Expired - Fee Related CN108393146B (zh) | 2018-05-11 | 2018-05-11 | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108393146B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109174423B (zh) * | 2018-09-18 | 2023-08-11 | 国能龙源蓝天节能技术有限公司 | 基于煤粉细度在线调整的磨煤机出口温度控制系统与方法 |
CN110180683B (zh) * | 2019-06-21 | 2021-01-26 | 安徽国兰智能科技有限公司 | 一种基于大数据分析的浮选系统 |
CN110275441B (zh) * | 2019-07-02 | 2022-04-12 | 武汉科技大学 | 一种psorbfd快速自适应解耦控制方法 |
CN110673478B (zh) * | 2019-09-29 | 2020-09-29 | 京东城市(北京)数字科技有限公司 | 磨煤机的控制方法、装置、系统及存储介质 |
CN113019594B (zh) * | 2021-03-01 | 2022-03-11 | 广东道氏技术股份有限公司 | 基于多智能体tlbo算法的球磨机制粉优化控制方法 |
CN113083447B (zh) * | 2021-04-10 | 2022-08-16 | 南京工程学院 | 大型冶炼高炉磨煤机球磨系统全自动智能减振控制方法及装置 |
CN115814915B (zh) * | 2023-02-14 | 2023-05-09 | 山东埃尔派粉体科技有限公司 | 气流粉碎装置的粒度调控方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1249211A (zh) * | 1998-09-28 | 2000-04-05 | 陕西天安智能技术有限公司 | 中储式球磨机制粉系统自动控制方法 |
JP2000218191A (ja) * | 1999-01-27 | 2000-08-08 | Mitsubishi Heavy Ind Ltd | 石炭粉砕性自動推定方法とその装置 |
CN100369677C (zh) * | 2006-04-24 | 2008-02-20 | 西安交通大学 | 火电厂钢球磨煤机制粉系统自动控制方法 |
CN100530003C (zh) * | 2007-10-19 | 2009-08-19 | 西安交通大学 | 基于数据挖掘的火电厂钢球磨煤机制粉系统自动控制方法 |
CN101318158A (zh) * | 2008-03-17 | 2008-12-10 | 西安艾贝尔科技发展有限公司 | 一种水泥厂粉磨过程优化控制方法 |
-
2018
- 2018-05-11 CN CN201810449229.1A patent/CN108393146B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108393146A (zh) | 2018-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108393146B (zh) | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 | |
CN108672025B (zh) | 一种钢球磨煤制粉系统的多工况最优解耦控制方法 | |
CN101038277B (zh) | 基于最小二乘-支持向量机的制粉过程煤粉细度软测量方法 | |
CN201265871Y (zh) | 用于固体微粒的喷射系统 | |
CN106824501B (zh) | 一种重介旋流器分选过程悬浮液密度自动控制系统 | |
CN107262261B (zh) | 一种适应火电机组超低负荷运行的磨煤机风量控制方法 | |
CN102165382B (zh) | 用于控制工业过程的方法和系统 | |
CN106873381A (zh) | 喷氨控制系统 | |
CN110533082B (zh) | 一种基于双模型协同预测的烧结混合加水控制方法 | |
AU2011231897A1 (en) | Computer-based method and device for automatically providing control parameters for a plurality of coal mills supplying coal powder to a plant | |
CN111443597B (zh) | 用于控制立磨矿粉粒度的装置及方法 | |
CN105701576B (zh) | 一种基于遗传优化算法的钢球磨煤机设计选型方法 | |
CN111047104A (zh) | 粉磨系统的能耗优化方法 | |
CN102639937B (zh) | 用于监测和控制电厂的系统和关联的方法 | |
CN106262999A (zh) | 一种增湿设备加水量自动修正方法 | |
CN114265885A (zh) | 一种烧结返粉料的水分自动控制方法及系统 | |
CN104913639A (zh) | 基于数据融合的烧结终点控制系统及控制方法 | |
CN112163350A (zh) | 一种制粉系统双模型的煤粉细度实时在线软测量系统及方法 | |
CN115268539A (zh) | 烧结混合料智能制粒控制系统及方法 | |
CN112631121A (zh) | 水泥自立式辊压磨自动监测控制方法及系统 | |
CN204388581U (zh) | 一种改进的干法水泥回转窑生料定量喂料系统 | |
CN104656436B (zh) | 一种分解炉出口温度建模方法 | |
CN203054470U (zh) | 一种立磨总体控制结构 | |
JPH09141116A (ja) | 粉砕機の振動予測装置および粉砕機の振動予測に基づく制御装置 | |
Pradeebha et al. | Modeling and outlet temperature control of coal mill using Model Predictive Controller |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200714 |
|
CF01 | Termination of patent right due to non-payment of annual fee |