CN110950557B - 优化水泥原料调整量的方法和系统 - Google Patents

Abstract

本发明涉及一种基于差分调整的水泥原料调配优化方法。该方法利用调配模型预测配方调整后的原料成分比例变化，综合考虑三配料和四配料的不同调配模式，确定调配优化模型的约束条件。通过引入松弛因子，确定更加符合实际需求的规划目标，并通过求解优化模型获取水泥原料配方的调整量；通过遗忘因子对成分矩阵进行在线实时修正。该方法可以有效地提高操作精度，降低三率值的波动。

Description

优化水泥原料调整量的方法和系统

技术领域

本发明涉及一种物料调配优化控制技术，具体涉及对水泥生料混合采取的配方比例调整方案及系统。

背景技术

在水泥生产过程中，为保证水泥熟料的品质，需要保证水泥熟料中三率值的稳定，而一般情况下由于烧成过程粉煤灰比例较低，且其中的成分比例相对稳定，因此，在实际应用中往往只需要保证生料三率值在短期内的稳定。

由于生料中的化合物成分波动较大，且实时检测难度大、成本高，且检测与调整之间存在滞后性，因此，不能直接根据当前原材料的化合物成分确定配方。另外，由于实际生产中，原料成分的化验频次低、样本少，且化验精度偏低等问题，往往导致化验分析数据与实际使用的原料性质波动之间存在偏差。目前，水泥原料配比生产过程主要基于经验公式，采用人工调整的方式，通过对比化验结果和目标设定值的偏差，按照比例校正的方式首先确定石灰石的调整量，并结合硅率和铁率确定高硅和铁粉的调整比例。该调配策略较为粗犷，往往在率值偏差较小时不采取动作，导致率值偏差不断累积。除此之外，该调整方案存在过分顾及石灰石饱和系数而导致硅率和铁率波动较大的弊端。

发明内容

鉴于上述问题，本发明提出了优化水泥原料调整量的方法和系统。一方面，本发明采用优化求解差分调整量的方式设计自动调整策略，大幅降低调配方案对化验数据的依赖。另一方面，由于三种率值在生产过程中的重要程度不同，直接采用加权的方式往往面临权重难以确定，且不容易实现区间控制，与实际需求不相符。除此之外，考虑到水泥生产线原料配比存在三组份配比及四组份配比的不同情况，导致调配策略不一致。为此，本发明提出了一种考虑不同参调条件的策略，通过引入松弛因子对配方调整量进行区间优化的方案，该方案不需要精确的原材料化合物成分信息，对权重的依赖程度低，可以有效提高原料调配过程的控制精度和生料三率值的稳定性。

本发明提供优化水泥原料调整量并构建水泥原料调整模型的方法，包括以下步骤：

(1)采集水泥原料的三率值，所述三率值包括石灰饱和系数、硅率和铝率，

(2)根据检测的水泥原料三率值估计水泥原料中化合物的含量，

(3)根据水泥原料中化合物的估计含量以及材料调整量预测调整后各化合物的含量及三率值；

(4)利用(1)的各参数，通过引入松弛因子构建优化模型；和

优选的(5)对优化模型求解，获取优化的调整量。

在一个或多个实施方案中，所述化合物是氧化钙、二氧化硅和少量的氧化铝和氧化铁。

在一个或多个实施方案中，所述水泥原料是水泥生料或从生料向熟料转变过程中的材料。

在一个或多个实施方案中，步骤(2)中所述水泥原料中化合物的含量通过式(1-1)获得，

其中，C、S、A、F分别表示水泥原料中CaO、SiO₂、Al₂O₃、Fe₂O₃的百分比含量；d表示其中的杂质含量；KH、SM和IM分别表示石灰石饱和系数、硅率和铁率。

在一个或多个实施方案中，d杂质含量采用近似估计的方式获得。在一个或多个实施案例中，d为0.01-0.09、0.02-0.08、0.03-0.07或0.04-0.06。在一个或多个实施案例中，d为0.05。

在一个或多个实施方案中，所述材料是石灰石、高硅、低硅和铁粉。

步骤(3)中，通过式(1-2)和式(1-3)预测调整后各化合物的含量及三率值：

其中C’、S’、A’、F’分别表示调整后的CaO、SiO₂、Al₂O₃、Fe₂O₃的百分比含量预测值，M表示所述材料中四种所述化合物的成分矩阵，ΔX表示材料调整量，KH’、SM’、IM’表示预测的三率值。

在一个或多个实施方案中，成分矩阵M采用近似矩阵。在一个或多个实施方案中，该矩阵中石灰石中Fe₂O₃的含量为0。

在一个或多个实施方案中，在每次对水泥原料进行化合物检测时对M矩阵进行更新。

在一个或多个实施方案中，步骤(4)中的优化模型以松弛因子加权平方和最小化为目标。

在一个或多个实施方案中，优化模型包含材料是否参与调整、三率值的安全上下限、三率值的期望上下限等因素。

在一个或多个实施方案中，采用人工化验录入更新、最小二乘估计、递推最小二乘法估计M矩阵的变化ΔX。

在一个或多个实施方案中，优化模型中还引入标志位F_i。F_i表示是否加入第i种材料的标志位。在一个或多个实施方案中，1表示加入，0表示不加入。

在一个或多个实施方案中，优化模型中还包含对离析工况的识别，针对离析工况修正材料的组份，实现动态补偿。

在一个或多个实施方案中，在水泥原料发生离析时，对材料成分矩阵中石灰石的CaO含量、H₂O含量进行前馈调整。在一个或多个实施方案中，前馈调整包括上调材料中的硅含量。

在一个或多个实施方案中，优化模型如式(1-4)所示：

其中δ表示各率值的松弛变量；KH_H、SM_H和IM_H为三率值的安全上限；KH_L、SM_L和IM_L为三率值的安全下限；KH_h、SM_h和IM_h为三率值的期望上限；KH_l、SM_l和IM_l为三率值的期望下限；λ是各率值的权重；R是全体实数；X_i表示各材料调整前的比例；T为行列转置符号。其余符号与式1-2和1-3中的含义相同。

在一个或多个实施方案中，石灰石饱和系数、硅率、铁率的λ权重分别为1-2000、1-200和1-100。在一个或多个实施方案中，对石灰石饱和系数、硅率、铁率的λ权重分别为1000、100和1。

在一个或多个实施方案中，步骤(2)中还包括，检测原料中的化合物含量并通过遗忘因子最小二乘对成分矩阵M进行修正。在一个或多个实施方案中，所述修正包括根据原料检测结果和材料配方，估计材料的成分矩阵M。

在一个或多个实施方案中，所述修正包括：设定P_k矩阵为单位对角矩阵，K_k矩阵为全零矩阵；通过读取原料和材料的实时数据，获取矩阵N_k矩阵元素；然后通过递推得到k时刻的矩阵

该矩阵

用于式(1-4)中的矩阵M。

在一个或多个实施方案中，所述修正包括如下步骤：

(1)如下定义参数矩阵：

b_k＝[0,0,0,1,1,1,1]^T

θ＝[M₁₁,M₁₂,…M₄₄]^T (1-6)

其中KH_k、SM_k、IM_k表示k时刻检测的三率值；

表示k时刻，第i种材料的比例；

(2)构建下述方程：

[C,S,A,F]^T＝M·X (1-7)

N_kθ＝b_k (1-9)

(3)根据方程(1-9)，构建对估计参数(矩阵)

的遗忘因子最小二乘问题，如(1-10)所示：

(4)采用递推的方式对参数进行估计，递推表达式如(1-11)所示：

其中β为遗忘因子，可为0.8～1；Λ为加权矩阵，例如为对角阵；

(5)用矩阵

经整理后替换式(1-4)中的矩阵M。

本发明还揭示了一种优化水泥原料调整量的系统，包括：

数据采集模块，采集水泥原料的三率值，包括石灰饱和系数、硅率和铝率，

数据处理模块，根据检测的水泥原料三率值估计水泥原料中化合物的含量，并根据水泥原料中化合物的估计含量以及材料调整量预测调整后各化合物的含量及三率值；

模型构建模块，利用数据采集模块和数据处理模块获得的各参数，通过引入松弛因子构建优化模型；和

模型求解模块，对优化模型求解，获取优化的调整量，

任选的材料添加模块，根据优化的调整量向水泥原料添加材料。

在一个或多个实施方案中，所述系统应用于水泥生料制备和/或窑炉煅烧过程。

本发明还揭示了水泥原料调整方法，包括：

(1)采集水泥原料的三率值，包括石灰饱和系数、硅率和铝率，

(2)采用本文所述的方法构建的模型对水泥原料调整量进行优化，和(3)根据优化的调整量向水泥原料添加材料。

本发明还公开了一种优化水泥原料调整量的系统，包括计算机以及运行于计算机上的一计算机程序，计算机程序在计算机上运行如上所述的方法。

本发明还公开了一种存储计算机程序的计算机可读存储介质，其特征在于，存储介质上所存储的计算机程序运行后执行如上所述的方法。

本发明的有益效果是：

(1)未经优化的水泥原料调整方案的三率值波动大，而经本发明方法优化后的水泥原料调整方案的三率值波动小，数据位于期望范围内。

(2)相比于人工操作，本优化调整方案更加精细，可以更好地保证三率值的稳定性，从而降低了对后续工段的扰动。

(3)本发明方法的调整方案充分考虑原料换堆时导致的影响，从而具有更强的适用性。

附图说明

图1示出了本发明的优化方法的一个实施方案的流程图。

图2为实际现场控制的石灰石饱和系数指标和本专利优化控制的模拟结果。虚线表示期望上下限。

图3为实际现场控制的硅率指标和本专利优化控制的模拟结果。虚线表示期望上下限。

图4为实际现场控制的铁率指标和本专利优化控制的模拟结果。虚线表示期望上下限。

具体实施方式

本发明根据对生料三率值的检测，实现对原材料配比方案的调整。首先通过当前检测三率值对生料中化合物成分进行估计，然后在此基础上通过模型估计在给定调整量下混合生料组份变化以及相应的三率值，并以三率值落入指定区间为目标，优化配方调整量。

图1为本发明优化水泥原料调整量的方法的总流程图，具体包括以下步骤：

(1)采集水泥原料的三率值，包括石灰饱和系数、硅率和铝率，

(2)根据检测的水泥原料三率值估计水泥原料中化合物的含量，

(3)根据水泥原料中化合物的估计含量以及材料调整量预测调整后各化合物的含量及三率值；

(4)利用(1)-(3)的各参数，通过引入松弛因子构建优化模型；和

优选的(5)对优化模型求解，获取优化的调整量。

下文将对这些步骤进行详细描述。应理解，在本发明范围内，本发明的上述各技术特征和在下文(如实施方案或实施例)中具体描述的各技术特征之间都可以互相组合，从而构成优选的技术方案。

步骤1：采集水泥原料的三率值，并根据检测的三率值得到水泥原料中化合物的含量

水泥原料包括水泥生料和熟料。水泥生料是石灰石和粘土、铁质原料为主要原料，按适当比例配制成生料。通常，水泥生产的原材料或材料包括石灰石、高硅、低硅、铁粉。水泥熟料是将生料烧至部分或全部熔融，并经冷却而获得的半成品。在水泥工业中，最常用的硅酸盐水泥熟料主要化学成分为氧化钙、二氧化硅和少量的氧化铝和氧化铁。硅酸盐水泥熟料加适量石膏共同磨细后，可制成硅酸盐水泥。硅酸盐水泥中主要矿物是A矿，其是含有少量氧化镁、氧化铝、氧化铁等的硅酸三钙固溶体。在一个或多个实施方案中，本文所述水泥原料是水泥生料或从生料向熟料转变过程中的材料。

本文所述“率值”是指水泥熟料(例如硅酸盐水泥熟料)中各主要氧化物含量之间比例关系的系数。在水泥熟料的生产过程中，通过率值可以简明表示化学成分与矿物组成之间的关系，是水泥生产质量控制的基本要素。通常，三率值包括石灰饱和系数(KH)、硅率(SM)、铝率(IM)三个率值。

硅率(SM)是熟料中SiO₂含量与Al₂O₃、Fe₂O₃之和的比。SM值越高，表示硅酸盐矿物多，铁、铝等熔剂矿物少，对熟料强度有利。但SM值过高时，熟料较难烧成，煅烧时液相量较少，不易挂窑皮；随SM值的降低，液相量增加，对熟料的易烧性和操作有利，但SM值过低，熟料强度低，窑内易结圈，结大块，操作困难。SM一般控制在2.3-2.5之间。

铝率(IM)是熟料中Al₂O₃含量Fe₂O₃含量之比。铝率反映煅烧过程中液相的性质。IM过大，液相粘度大，不利于A矿的形成，易引起熟料快凝；IM过低，液相粘度小，对A矿的形成有利，但窑内烧结范围窄，易使窑内结大块，对煅烧不利，不易掌握煅烧操作。IM一般控制在1.3-1.7之间。

石灰饱和系数(KH)是表示熟料中二氧化硅被氧化钙饱和成A矿的程度。KH越大熟料强度越高，越难烧。一般控制在0.9-1之间。

本领域知晓水泥原料三率值的检测方法和利用三率值计算化合物含量的方法。在本发明中，利用三率值计算的化合物包括CaO、SiO₂、Al₂O₃、Fe₂O₃。在一个或多个实施方案中，可通过式(1-1)对生料中的上述化合物成分进行估计，

其中C、S、A、F分别表示原料中CaO、SiO₂、Al₂O₃、Fe₂O₃的百分比含量；d表示其中的杂质含量；KH、SM和IM分别表示石灰石饱和系数、硅率和铁率。根据式(1-1)求解方程即可得到原料中化合物CaO、SiO₂、Al₂O₃、Fe₂O₃的含量。

其中的杂质含量采用近似估计的方式给出。较佳地，该值在0-0.1之间对最终结果影响较小。在一个或多个实施案例中，d为0.01-0.09、0.02-0.08、0.03-0.07或0.04-0.06。在一个或多个实施案例中，d为0.05。

步骤2：根据材料调整量得到调整后水泥原料中化合物的成分含量及三率值

根据材料调整量计算调整后水泥原料中化合物含量及三率值的方法本领域周知。式(1-2)和式(1-3)是预测材料调整量后化合物含量及三率值的常规模型：

其中C’、S’、A’、F’分别表示调整后的CaO、SiO₂、Al₂O₃、Fe₂O₃的百分比含量预测值，M表示四种原材料(例如石灰石、高硅、低硅、铁粉)中四种上述化合物的成分矩阵，ΔX表示材料配方的调整量，KH’、SM’、IM’表示预测的三率值。成分矩阵M可采用近似矩阵，例如可近似认为石灰石中Fe₂O₃的含量为0。在一个或多个实施方案中，为提升方案的精度，在每次原材料化合物成分进行采样化验检测时对M矩阵进行更新。

步骤3：通过引入松弛因子构造优化模型

为了解决因三率值权重程度不同导致权重系数不易确定的问题，通过引入松弛因子δ构造优化模型。通过以松弛因子加权平方和最小化为目标，保证优化后的三率值落在指定区间内。而且，在无法求得可行解的情况下，该方法可提供一个折中的次优解。

为了解决实际应用中成分矩阵M难以准确估计的问题，在调配方案优化模型中，采用增量式的调整策略，即优化变化量为调整增量ΔX而非绝对配方比例。这大大降低了方案对成分矩阵M的依赖。同时，本发明也可采用人工化验录入更新、最小二乘估计、递推最小二乘法估计M矩阵的变化。

为了解决在实际配比过程中三配方和四配方之间切换导致的配比策略变化，在所述调配方案优化模型中，引入标志位F_i，标志原材料是否参与调配。F_i表示第i种原料是否参与调配的标志位。在一个或多个实施方案中，F_i为1表示参与调配，0表示不参与调配。

为了解决实际配比过程中，因存在原料离析导致的配方波动，在本发明中增加对离析工况的识别，针对离析工况修正配比原料的组份，实现动态补偿。在原料发生离析时，原料石灰石中CaO的含量发生突变，通过采用反馈的方式进行调整无法及时克服扰动，因此可以采用前馈调整的策略。在原料发生离析时，系统自动对原料成分矩阵中石灰石的CaO含量、H₂O含量等进行。离析工况的发生可通过监测取料机运行状态和磨机运行参数进行经验判断，若石料换堆时，取料机跳停导致石灰石仓料位波动较大时或磨机主要工况参数平稳但吐渣量突增时，均可认为离析工况发生。此时原料成分矩阵的修正应通过对历史数据的统计分析确定原料离析发生前后原料成分矩阵的修正量，一般要上调原料组分中的硅含量。

较佳地，构造如式(1-4)所示优化模型/问题。该优化模型综合考虑了三组份配比或四组份配比的原材料参调方案、三率值的安全上下限、三率值的期望上下限等因素，以优化获取原材料的调整量。

其中δ表示各率值的松弛变量；F_i表示第i种原料是否参与调配的标志位，1表示参与调配，0表示不参与调配；KH_H、SM_H和IM_H为三率值的安全上限；KH_L、SM_L和IM_L为三率值的安全下限；KH_h、SM_h和IM_h为三率值的期望上限；KH_l、SM_l和IM_l为三率值的期望下限；λ是各率值的权重；R是全体实数；X_i表示各原料调整前的比例；T为行列转置符号。其余符号与式1-2和1-3中的含义相同。

步骤4：对优化模型求解，获取优化的调整量

对步骤3的优化模型进行规划求解，得到经优化的调整量。在满足式1-4中约束条件的基础上，最小化松弛因子的加权平方和，使得三率值对期望上下限的违反度最小化。本发明对权重依赖较低。在一个或多个实施方案中，对石灰石饱和系数、硅率、铁率采用1-2000、1-200、1-100的权重。在一个或多个实施方案中，对石灰石饱和系数、硅率、铁率采用1000、100、1的权重。

本文的优化方法中，上述步骤1还包含：检测原料中的化合物含量并通过遗忘因子最小二乘对成分矩阵M进行修正。为了提高调节控制方案的精度，对成分矩阵M通过遗忘因子递推最小二乘方法进行估计。例如，可综合一段时间内的化验检测信息和原材料配方方案，给出原材料的化学成分矩阵的估计。这有利于提升本发明方法的精度要求。

在一个或多个实施方案中，首先初始化P_k矩阵为单位对角矩阵，K_k矩阵初始化为全零矩阵；在此基础上，通过读取实时数据，获取矩阵N_k矩阵元素，通过递推得到k时刻的估计参数

该参数将被用于下一轮调配优化决策的式(1-4)。示例性的步骤如下：

采用遗忘因子最小二乘对(1-4)中的成分矩阵M进行在线修正，定义参数矩阵如下式：

b_k＝[0,0,0,1,1,1,1]^T

θ＝[M₁₁,M₁₂,…M₄₄]^T (1-6)

其中KH_k、SM_k、IM_k表示k时刻检测的三率值；

表示k时刻，第i种原材料的比例。

由此可得下述方程成立，其中(1-7)由质量守恒可得，(1-8)可由三率值的计算表达式转化得到，(1-9)为两个方程联立所得结果。

[C,S,A,F]^T＝M·X (1-7)

N_kθ＝b_k (1-9)

根据方程(1-9)，构建对估计参数

的遗忘因子最小二乘问题，如(1-10)所示：

为简化计算，采用递推的方式对参数进行估计，递推表达式如(1-11)所示：

其中β为遗忘因子，可为0.8～1；Λ为加权矩阵，例如为对角阵。

图2-4是本发明实施方案的未经优化的实际三率值指标和经优化控制的模拟结果。虚线表示期望上下限。从图中可以看出，未经优化的三率值波动大，且较多数据位于期望范围以外。而经优化的方案波动更小，数据基本位于期望范围内。

此外，本发明还公开一种优化水泥原料调整量的系统，包括计算机以及运行于计算机上的计算机程序，该计算机程序在该计算机上运行如前述实施方案的优化水泥原料调整量方法。

本发明还公开存储计算机程序的计算机可读存储介质，存储介质上所存储的计算机程序运行后执行如前述实施方案的优化水泥原料调整量方法。

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施方案，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

本领域技术人员将进一步领会，结合本文中所公开的实施方案来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。

结合本文所公开的实施方案描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。

结合本文中公开的实施方案描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。

在一个或多个示例性实施方案中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (14)

1.一种优化水泥原料调整量并构建水泥原料调整模型的方法，包括：

(1)采集水泥原料的三率值，包括石灰饱和系数、硅率和铝率，

(2)根据检测的水泥原料三率值估计水泥原料中化合物的含量，

(3)根据水泥原料中化合物的含量以及材料调整量预测调整后各化合物的含量及三率值，

(4)利用(1)-(3)的各参数，通过引入松弛因子构建优化模型，所述优化模型以松弛因子加权平方和最小化为目标，并且优化模型包含材料是否参与调整、三率值的安全上下限、三率值的期望上下限因素，和

(5)对优化模型求解，获取优化的调整量，

其中，步骤(4)中还包括，通过遗忘因子最小二乘对成分矩阵M进行修正，所述修正包括：设定P_k矩阵为单位对角矩阵，K_k矩阵为全零矩阵；通过读取原料和材料的实时数据，获取矩阵N_k矩阵元素；然后通过递推得到k时刻的矩阵

该矩阵

用于式(1-4)中的矩阵M，

其中，优化模型如式(1-4)所示：

其中δ表示各率值的松弛变量；KH_H、SM_H和IM_H为三率值的安全上限；KH_L、SM_L和IM_L为三率值的安全下限；KH_h、SM_h和IM_h为三率值的期望上限；KH_l、SM_l和IM_l为三率值的期望下限；λ是各率值的权重；R是全体实数；X_i表示各材料调整前的比例；T为行列转置符号。

2.如权利要求1所述的方法，其特征在于，所述化合物是氧化钙、二氧化硅、氧化铝和氧化铁，所述材料是石灰石、高硅、低硅和铁粉。

3.如权利要求1所述的方法，其特征在于，步骤(2)中所述水泥原料中化合物的含量通过式(1-1)获得，

其中，C、S、A、F分别表示水泥原料中CaO、SiO₂、Al₂O₃、Fe₂O₃的百分比含量；d表示其中的杂质含量；KH、SM和IM分别表示石灰饱和系数、硅率和铝率，和/或

步骤(3)中，通过式(1-2)和式(1-3)预测调整后各化合物的含量及三率值：

其中C’、S’、A’、F’分别表示调整后的CaO、SiO₂、Al₂O₃、Fe₂O₃的百分比含量预测值，M表示所述材料中四种所述化合物的成分矩阵，ΔX表示材料调整量，KH’、SM’、IM’表示预测的三率值。

4.如权利要求3所述的方法，其特征在于，

成分矩阵M中石灰石中Fe₂O₃的含量设为0，和/或

采用人工化验录入更新、最小二乘估计、递推最小二乘法计算ΔX。

5.如权利要求1所述的方法，其特征在于，优化模型中引入是否加入第i种材料的标志位F_i，1表示加入，0表示不加入。

6.如权利要求1所述的方法，其特征在于，优化模型中还包含对离析工况的识别，针对离析工况修正材料的组份，实现动态补偿。

7.如权利要求6所述的方法，其特征在于，在水泥原料发生离析时，对材料成分矩阵中石灰石的CaO含量、H₂O含量进行前馈调整。

8.如权利要求7所述的方法，其特征在于，前馈调整包括上调材料中的硅含量。

9.如权利要求1所述的方法，其特征在于，石灰饱和系数、硅率、铝率的λ权重分别为1-2000、1-200和1-100。

10.如权利要求1所述的方法，其特征在于，所述修正包括如下步骤：

(1)如下定义参数矩阵：

b_k＝[0,0,0,1,1,1,1]^T

θ＝[M₁₁,M₁₂,…M₄₄]^T (1-6)

其中KH_k、SM_k、IM_k表示k时刻检测的三率值；

表示k时刻，第i种材料的比例；

(2)建立下述方程：

[C,S,A,F]^T＝M·X (1-7)

N_kθ＝b_k (1-9)

(3)根据方程(1-9)，建立对矩阵

的遗忘因子最小二乘问题，如(1-10)所示：

(4)采用递推的方式对参数进行估计，递推表达式如(1-11)所示：

其中β为遗忘因子，为0.1～5；Λ为加权矩阵对角阵；

(5)用矩阵

替换式(1-4)中的矩阵M。

11.一种水泥原料调整方法，包括：

(1)采集水泥原料的三率值，包括石灰饱和系数、硅率和铝率，

(2)采用权利要求1-10中任一项所述的方法构建的模型对水泥原料调整量进行优化，和

(3)根据优化的调整量向水泥原料添加材料。

12.一种优化水泥原料调整量或调整水泥原料的系统，包括：

数据采集模块，采集水泥原料的三率值，包括石灰饱和系数、硅率和铝率，

数据处理模块，根据检测的水泥原料三率值估计水泥原料中化合物的含量，并根据水泥原料中化合物的估计含量以及材料调整量预测调整后各化合物的含量及三率值；数据处理模块还用于检测原料中的化合物含量并通过遗忘因子最小二乘对成分矩阵M进行修正，所述修正包括：设定P_k矩阵为单位对角矩阵，K_k矩阵为全零矩阵；通过读取原料和材料的实时数据，获取矩阵N_k矩阵元素；然后通过递推得到k时刻的矩阵

该矩阵

用于式(1-4)中的矩阵M；

模型构建模块，利用数据采集模块和数据处理模块得到的各参数，通过引入松弛因子构建优化模型，所述优化模型以松弛因子加权平方和最小化为目标，并且优化模型包含材料是否参与调整、三率值的安全上下限、三率值的期望上下限因素；和

模型求解模块，对优化模型求解，获取优化的调整量，

任选的材料添加模块，根据优化的调整量向水泥原料添加材料，

其中，优化模型如式(1-4)所示：

其中δ表示各率值的松弛变量；KH_H、SM_H和IM_H为三率值的安全上限；KH_L、SM_L和IM_L为三率值的安全下限；KH_h、SM_h和IM_h为三率值的期望上限；KH_l、SM_l和IM_l为三率值的期望下限；λ是各率值的权重；R是全体实数；X_i表示各材料调整前的比例；T为行列转置符号。

13.如权利要求12所述的系统，其特征在于，所述系统应用于水泥生料制备和/或窑炉煅烧过程。

14.一种存储计算机程序的计算机可读存储介质，其特征在于，存储介质上所存储的计算机程序运行后执行权利要求1-11中任一项所述的方法。

Images