CN108710300A - 烧结风量控制方法 - Google Patents

Abstract

本发明公开一种烧结风量控制方法。包括下述步骤：建立基于频率特征的烧结漏风率指标离线建模；基于离线模块对烧结机漏风率指标在线计算；基于漏风率对烧结风量进行闭环控制。本发明的烧结风量控制方法对生产过程中采集到的音频信号分析和计算，得到漏风量的评价值，以漏风率评价值和主抽风机出风口的风量检测值作为控制系统的反馈信号，以烧结主抽风机的电机运行频率作为调节量，实现了烧结风量的在线闭环控制。

Description

烧结风量控制方法

技术领域：

本发明涉及一种烧结风量控制方法

背景技术：

铁矿石烧结是现代钢铁冶金流程中的重要环节，其最主要生产环节是在台车式烧结机上将混合均匀的小颗粒状原料点火燃烧，使其熔合成块状烧结矿。为保证烧结矿结结块的强度和化学成分，需要原料在烧结机上得到充分燃烧。混合搅拌均匀的小颗粒状原料在烧结机上是以厚料层形式均匀分布的，为保证原料的充分燃烧，烧结机会在原料层下方设置风箱并连接烧结主抽风机，通过主抽风机产生的负压，将新鲜空气带入到燃烧的原料层中。由于烧结机的密封结构和长期使用的保养问题，烧结生产过程中会产生漏风现象，导致实际烧结风量要严重低于设定风量，造成原料燃烧不充分的现象，影响烧结矿质量。烧结机及其附属的风箱、风管、阀门等，由于结构复杂，且工作在高温状态，使漏风率的检测一直缺少行之有效的手段，这就造成烧结主抽风机的风量闭环控制系统缺少的关键的反馈变量，无法进行精确的实时风量调节。所以目前的烧结生产只能做到风管风量控制，而做不到针对烧结机的风量控制。

目前烧结生产的解决方案是加大烧结主抽风机的风量，采用冗余风量的方式克服这一问题，但是这就造成了主抽风机能源的浪费，也容易造成烧结矿燃烧过度的现象。对于烧结生产而言，主抽风机烧结厂最大的用电设备，以一台550平方米的烧结机为例，其烧结主抽风机的电机功率可以达到9600千瓦，耗电非常惊人，如果可以对烧结风量进行精确控制，减少浪费，就会产生非常大的经济效益。

发明内容

为解决上述问题，本发明提供一种烧结风量控制方法。

为达到上述目的，本发明烧结风量控制方法，包括下述步骤：

建立基于频率特征的烧结漏风率指标离线建模；

基于离线模块对烧结机漏风率指标在线计算；

基于漏风率对烧结风量进行闭环控制。

其中，所述的建立基于频率特征的烧结漏风率指标离线模型的方法包括：

21)采集正常生产状况下的烧结车间声音数据和各种不同漏风情况下的声音数据，通过采样和去噪，制备成离线建模样本,按照烧结故障情况，将样本集划分为正常数据集X_normal和漏风故障数据集X_fault；

22)对正常数据集X_normal和漏风故障数据集X_fault分别进行时域-频域转换，得到正常工作频谱样本集和漏风故障频谱样本集；

23)对比漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异，按照降序选出强度差异最大的k个频段，作为漏风故障特征频率集，记为F＝{f₁,…,f_k}，其中，f_i为第i个特征频率；

24)分析正常样本在特征频段中强度分布，采用统计参数估计的方法，按照人工设定的显著度α计算正常样本在特定频率f_i的强度分布置信上限UCL_i，将UCL_i作为该特征频率对应的强度阈值，从而得到特征频率对应的强度阈值集，记为TH＝{th₁,…,th_k}；

25)定义各特征频率对漏风率的贡献率，记为Ω＝{ω₁,…,ω_k}，将特征频率f_i处的漏风率贡献指标定义为表达式c_i＝G(s_i,th_i,ω_i)，定义烧结机漏风率指标为其中s_i为当前样本在特征频率f_i处的声音强度。

其中，还包括步骤251)通过遗传算法、人工神经网络等方法，优化和计算各特征频率对漏风故障的贡献率Ω＝{ω₁,…,ω_k}，从而确定烧结机漏风率指标C的最优参数。

其中，所述的基烧结机漏风率指标在线计算的步骤包括：

41)在烧结车间实时采集声音数据，通过采样和去噪，制备成在线样本；

42)对在线样本实时进行频谱分析，得到故障特征频率对应的声音强度集为s_j＝{s_j1,…,s_jk}，其中，j为当前样本的序号，i为特征频率序号，s_ji为当前样本第i个特征对应的声音强度；

43)计算当前样本在特征频率f_i处的漏风故障贡献指标c_ji＝G(s_ji,th_i,ω_i)，将每个特征频率对应的漏风故障贡献指标累加，得到第j个在线样本的烧结机漏风率指标

其中，所述的基于漏风率对烧结风量进行闭环控制的步骤包括：

51)检测主抽风机出口风量F₁,计算出口风量F₁和设定的烧结理论分量F₀之间的差值，F_err＝F₀-F₁，其中F_err为风机出口风量误差；

52)检测烧结车间声音信号S，利用烧结机漏风率评价模型计算烧结漏风率C；

53)根据设定的策略计算烧结漏风的风量补偿值F_m＝f(C),

54)通过出口误差F_err和漏风补偿F_m计算烧结风量误差F_a，F_a＝F_err+F_m；

55)根据控制策略，计算主抽风机电机频率设定值P_set＝G(F_a)。

本发明的烧结风量控制方法对生产过程中采集到的音频信号分析和计算，得到漏风量的评价值，以漏风率评价值和主抽风机出风口的风量检测值作为控制系统的反馈信号，以烧结主抽风机的电机运行频率作为调节量，实现了烧结风量的在线闭环控制。

本发明具有以下优点：

1.由于烧结机漏风状况的故障点多，故障发生的诱因复杂，所以很难通过传统的监控方法实现有效的在线检测，而本发明提出的烧结机漏风率指标评价和计算方法，通过对易获得的声音信号进行采集和分析，为烧结机这种的整体大型设备的漏风率检测提供了方便易行的方法；

2.本发明将整个烧结抽风系统视为一个整体，通过对风源和使用对象的分别检测，构成直接面向烧结机的风量控制系统，控制对象更直接有效；

3.本发明通过对烧结机风量的精确控制，可以降低冗余风量，从而节约主抽风机的电能消耗。

4.本发明可以实现对烧结漏风的在线自动补偿，使烧结生产更加稳定，提升烧结矿质量。

5.本发明通过计算特征频率上的强度阈值，定义了可供数值计算的烧结漏风率评价指标，为烧结漏风率自动判断提供了可计算的指标；

附图说明

图1本发明的检测和硬件系统示意图

图2本发明的控制系统图

图3本发明的漏风率指标评价和计算流程图

图4本发明的基于频率特征的烧结机漏风率指标离线建模流程图

图5本发明的基于频率特征的烧结机漏风率指标在线计算流程图

图6本发明的控制方法流程图

具体实施方式

以国内典型的台车式烧结机为例，对本发明进行说明：

本发明的检测和硬件系统见图1。烧结移动台车里是正在燃烧的混合原料,台车下部是抽取空气以满足燃烧需要的风机系统,主要包括烧结风箱、烧结烟道和主抽风机等。由于台车是若干移动式的独立小车拼接而成，所以台车与台车间、风箱和台车间存在间隙和活动连接，这就导致容易在各种不同部位产生漏风现象，且难以通过有效手段进行密封性检测。本发明提出了通过烧结车间声音采集的方式，来实现漏风率在线计算。如图所示，在烧结机所在车间安装若干声音信号采集器，作为现场传感器为在线故障诊断提供检测信号源。通过漏风检测服务器对车间声音信号的历史数据进行分析，构建烧结机漏风指标计算模型。通过对在线声音数据的分析，利用漏风指标计算模型，实现对烧结漏风状况的评价和反馈。如图所示，在主抽风机出口设置风量检测仪，为烧结风量提供直接的检测。通过主抽风机控制器和主抽风机变频器，构成控制系统的控制单元和执行单元，将风机风量和烧结机漏风率作为反馈信号，一起构成烧结风量控制系统。

本发明的控制原理图见图2。本控制方法的目标是保证烧结风量和计算风量的一致。该系统的控制对象可以分为两部分，一个是主抽风机，该风机是风量的来源，其产生的风量通过在风机出口设置风量检测仪来实时计量。控制对象的第二部分是烧结机，由于烧结机本身是平铺的台车式结构，并存在各种漏风情况，所以其风量无法直接测量。为了解决这一问题，本发明通过声音信号采集器，对烧结车间的声音信号进行采集，然后通过漏风检测服务器的漏风率评价，对漏风指标进行计算，作为烧结机风量的一种变相测量。通过将两部分控制对象的测量信号进行反馈，主抽风机控制器根据设定的控制策略，以主抽风机变频器作为执行对象，对主抽风机风量进行调节，从而实现对烧结风量的控制。

本发明的漏风率指标评价和计算方法见图3。该方法主要分为离线建模和在线评价两个相关联的部分。离线建模阶段的实施方法如下：首先，对各工况下烧结生产的车间声音数据进行收集和整理，得到车间声音历史样本库；然后对车间声音历史样本库进行分析和建模，得到烧结漏风率评价模型。在线评价阶段的实施方法如下：首先，对实时采集烧结生产的车间声音数据进行采样和分析，得到在线生产样本；然后通过烧结漏风率评价模型对在线生产样本进行监控和计算，得到当前漏风率指标；最后，将当前漏风率指标反馈给主抽风机控制器。

基于频率特征的烧结漏风率指标离线建模流程图见图4：

第一步：采集正常生产状况下的烧结车间声音数据和各种不同漏风情况下的声音数据，通过采样和去噪，制备成离线建模样本,按照烧结故障情况，将样本集划分为正常数据集X_normal和漏风故障数据集X_fault；

第二步：对正常数据集X_normal和漏风故障数据集X_fault分别进行时域-频域转换，得到正常工作频谱样本集和漏风故障频谱样本集；

第三步：对比漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异，按照降序选出强度差异最大的k个频段，作为漏风故障特征频率集，记为F＝{f₁,…,f_k}，其中，f_i为第i个特征频率；

第四步：分析正常样本在特征频段中强度分布，采用统计参数估计的方法，按照人工设定的显著度α计算正常样本在特定频率f_i的强度分布置信上限UCL_i，将UCL_i作为该特征频率对应的强度阈值，从而得到特征频率对应的强度阈值集，记为TH＝{th₁,…,th_k}；

第五步：定义各特征频率对漏风率的贡献率，记为Ω＝{ω₁,…,ω_k}，将特征频率f_i处的漏风率贡献指标定义为表达式c_i＝G(s_i,th_i,ω_i)，定义烧结机漏风率指标为其中s_i为当前样本在特征频率f_i处的声音强度。设定根据训练数据集，通过遗传算法、人工神经网络等方法，优化和计算各特征频率对漏风故障的贡献率Ω＝{ω₁,…,ω_k}，从而确定烧结机漏风率指标C的最优参数；

作为一个实施例：

烧结机漏风率指标为

通过以上5个步骤，就建立了基于频率特征的烧结机漏风率评价模型。

基于频率特征的烧结机漏风率指标在线计算流程图见图5：

第一步：在烧结车间实时采集声音数据，通过采样和去噪，制备成在线样本；

第二步：对在线样本实时进行频谱分析，得到故障特征频率对应的声音强度集为S_j＝{s_j1,…,s_jk}，其中，j为当前样本的序号，i为特征频率序号，s_ji为当前样本第i个特征对应的声音强度；

第三步：计算当前样本在特征频率f_i处的漏风故障贡献指标c_ji＝G(s_ji,th_i,ω_i)，将每个特征频率对应的漏风故障贡献指标累加，得到第j个在线样本的烧结机漏风率指标同样的，作为一个实施例：

烧结机漏风率指标为

通过以上3个步骤，就实现了基于频率特征的烧结机漏风故障的在线计算过程。

本发明的烧结风量控制方法流程图见图6。可以分步描述如下：

第一步：检测主抽风机出口风量F₁,计算出口风量F₁和设定的烧结理论分量F₀之间的差值，F_err＝F₀-F₁，其中F_err为风机出口风量误差；

第二步：检测烧结车间声音信号S，利用烧结机漏风率评价模型计算烧结漏风率C；

第三步：根据设定的策略计算烧结漏风的风量补偿值F_m＝f(C),补偿策略不限于某一特定方式，在此给出一种实施例的计算公式F_m＝kC,其中，k是漏风补偿系数，代表单位漏风率对应的风量补偿值；

第四步：通过出口误差F_err和漏风补偿F_m计算烧结风量误差F_a，F_a＝F_err+F_m；

第五步：根据控制策略，计算主抽风机电机频率设定值P_set＝G(F_a)，控制策略不限于某一特定方式，在此给出一种实施例的控制策略,其中,F_n为风机额定风量,F_n为理论计算需要的风量,F_a为综合风量误差,υ_n为电源额定频率,ξ为物料透气系数.也可以采用PID的方式来计算电机频率设定值；

第六步：主抽电机频率的变化引起风机转速的变化，就直接造成风机出口分量的变化，即对应第一步中主抽风机出口风量F₁的数值；

第七步：风机出口风量的变化造成烧结机风量的变化，并造成漏风状态的改变，也就使烧结车间的漏风声音发生变化，即对应第二步中的烧结车间声音信号S的数值；

通过以上七个步骤，就实现了对烧结风量的闭环控制。

Claims (5)

1.一种烧结风量控制方法，其特征在于，所述的方法包括下述步骤：

建立基于频率特征的烧结漏风率指标离线建模；

基于离线模块对烧结机漏风率指标在线计算；

基于漏风率对烧结风量进行闭环控制。

2.如权利要求1所述的烧结风量控制方法，其特征在于，所述的建立基于频率特征的烧结漏风率指标离线模型的方法包括：

21)采集正常生产状况下的烧结车间声音数据和各种不同漏风情况下的声音数据，通过采样和去噪，制备成离线建模样本,按照烧结故障情况，将样本集划分为正常数据集X_normal和漏风故障数据集X_fault；

22)对正常数据集X_normal和漏风故障数据集X_fault分别进行时域-频域转换，得到正常工作频谱样本集和漏风故障频谱样本集；

23)对比漏风故障频谱样本集与正常频谱样本集在不同频段上的强度差异，按照降序选出强度差异最大的k个频段，作为漏风故障特征频率集，记为F＝{f₁,…,f_k}，其中，f_i为第i个特征频率；

24)分析正常样本在特征频段中强度分布，采用统计参数估计的方法，按照人工设定的显著度α计算正常样本在特定频率f_i的强度分布置信上限UCL_i，将UCL_i作为该特征频率对应的强度阈值，从而得到特征频率对应的强度阈值集，记为TH＝{th₁,…,th_k}；

25)定义各特征频率对漏风率的贡献率，记为Ω＝{ω₁,…,ω_k}，将特征频率f_i处的漏风率贡献指标定义为表达式c_i＝G(s_i,th_i,ω_i)，定义烧结机漏风率指标为其中s_i为当前样本在特征频率f_i处的声音强度。

3.如权利要求2所述的烧结风量控制方法，其特征在于，还包括步骤251)通过遗传算法、人工神经网络等方法，优化和计算各特征频率对漏风故障的贡献率Ω＝{ω₁,…,ω_k}，从而确定烧结机漏风率指标C的最优参数。

4.如权利要求1所述的烧结风量控制方法，其特征在于，所述的基烧结机漏风率指标在线计算的步骤包括：

41)在烧结车间实时采集声音数据，通过采样和去噪，制备成在线样本；

42)对在线样本实时进行频谱分析，得到故障特征频率对应的声音强度集为S_j＝{s_j1,…,s_jk}，其中，j为当前样本的序号，i为特征频率序号，s_ji为当前样本第i个特征对应的声音强度；

43)计算当前样本在特征频率f_i处的漏风故障贡献指标c_ji＝G(s_ji,th_i,ω_i)，将每个特征频率对应的漏风故障贡献指标累加，得到第j个在线样本的烧结机漏风率指标。

5.如权利要求1所述的烧结风量控制方法，其特征在于，所述的基于漏风率对烧结风量进行闭环控制的步骤包括：

51)检测主抽风机出口风量F₁,计算出口风量F₁和设定的烧结理论分量F₀之间的差值，F_err＝F₀-F₁，其中F_err为风机出口风量误差；

52)检测烧结车间声音信号S，利用烧结机漏风率评价模型计算烧结漏风率C；

53)根据设定的策略计算烧结漏风的风量补偿值F_m＝f(C),

54)通过出口误差F_err和漏风补偿F_m计算烧结风量误差F_a，F_a＝F_err+F_m；

55)根据控制策略，计算主抽风机电机频率设定值P_set＝G(F_a)。