CN111047104B - 粉磨系统的能耗优化方法 - Google Patents
粉磨系统的能耗优化方法 Download PDFInfo
- Publication number
- CN111047104B CN111047104B CN201911318652.9A CN201911318652A CN111047104B CN 111047104 B CN111047104 B CN 111047104B CN 201911318652 A CN201911318652 A CN 201911318652A CN 111047104 B CN111047104 B CN 111047104B
- Authority
- CN
- China
- Prior art keywords
- grinding
- model
- area
- grinding system
- parameters
- 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.)
- Active
Links
- 238000000227 grinding Methods 0.000 title claims abstract description 272
- 238000000034 method Methods 0.000 title claims abstract description 126
- 238000005457 optimization Methods 0.000 title claims abstract description 53
- 238000005265 energy consumption Methods 0.000 title claims abstract description 46
- 239000000463 material Substances 0.000 claims description 96
- 239000002994 raw material Substances 0.000 claims description 40
- 239000000843 powder Substances 0.000 claims description 39
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 235000012054 meals Nutrition 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 9
- 238000003801 milling Methods 0.000 claims description 8
- 239000002893 slag Substances 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 239000007790 solid phase Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000020169 heat generation Effects 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 4
- 238000003556 assay Methods 0.000 claims description 3
- 238000002939 conjugate gradient method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000010951 particle size reduction Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 238000009834 vaporization Methods 0.000 claims description 3
- 230000008016 vaporization Effects 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000004568 cement Substances 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010298 pulverizing process Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000010206 sensitivity analysis Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Food Science & Technology (AREA)
- Disintegrating Or Milling (AREA)
- Crushing And Grinding (AREA)
Abstract
本发明涉及一种基于优化模型的粉磨系统能耗优化方法。该方法首先将粉磨系统划分为多个不同的子单元,并在各个子单元上建立其相应模型并获取粉磨系统的优化模型。在此基础上建立粉磨系统能耗与运行状态之间的优化问题,最终通过优化粉磨系统的状态设定值,实现粉磨系统能耗的优化。该方法可以有效降低粉磨系统中主电机和风机的综合能耗水平。
Description
技术领域
本发明涉及粉磨系统的参数优化领域,具体涉及通过数学模型对磨机能耗进行优化的领域。
背景技术
水泥的生产过程要求对原材料进行破碎粉磨才能进行后续的加工,传统的球磨机由于其能耗高,占地面积大,生产效率底而被立式辊磨机逐渐取代。
整个水泥生产线的能耗主要分为电耗和煤耗,煤耗主要取决于烧成系统的设计和操作,而电耗则分布在全厂范围内。其中的原料粉磨和水泥熟料粉磨系统分别占了全厂电耗的25%-30%。在系统设计既定的情况下,其能耗主要取决于过程操作情况。合理的过程目标状态和稳定的控制方案可以有效降低过程的综合能耗指标。
当前水泥粉磨过程的能耗优化主要采用人工经验的方法实现,通过人工不断的尝试,在尝试的过程中累积操作经验。采用该方法实现的能耗优化主要依赖于操作人员的经验水平,不同经验水平的操作员操作结果可能差异较大。另一方面,当DCS自控回路投入使用时,优化问题主要需要考虑的是回路设定值的优化,而这正是操作员所欠缺的经验知识。除此之外,在采用人工操作的情况下,往往无法快速捕捉到过程的运行状态而采取相应的措施,因而错过过程优化的时机。
基于上述考虑,本发明首先建立了原料粉磨过程的稳态模型,根据当前粉磨系统的操作变量和原料性质确定模型的稳态预测输出,并将其与实际过程变量进行对比,并以此作为原料性质在线修正的依据。通过该自适应策略可以有效地将原料性质考虑在模型中,在此基础上,通过优化算法在给定约束下确定最佳设定参数,以降低粉磨系统的综合能耗。
发明内容
本发明提供优化粉磨系统耗电和构建粉磨系统耗电模型的方法,所述粉磨系统包含磨盘区域、风环区域、磨腔区域和选粉机区域的多个单元,所述磨盘区域包含磨盘中心区域和磨盘研磨区域,所述方法包括步骤:
1)采集粉磨系统的物料参数和系统参数,
2)根据质量守恒定律对磨盘区域、风环区域、磨腔区域和/或选粉机区域分别构建单元模型,对步骤1)采集的数据进行预处理,
3)根据能量守恒定律构建粉磨系统能量模型,并构建粉磨系统能耗模型,和
4)利用2)-3)的模型构建包含规划条件的优化模型,和
任选的5)根据规划条件求解所述优化模型,以得到粉磨系统的设定参数,
任选的6)根据步骤5)的结果设定粉磨系统的参数。
在一个或多个实施方案中,物料参数选自喂料量,吐渣量,筛余量和磨机入口温度。优选地,筛余量是生料80um筛余量。
在一个或多个实施方案中,系统参数选自研磨压力,通风量,选粉机转速,主电机电流和风机电流。
在一个或多个实施方案中,所述方法还包括步骤:通过优化模型的预测结果和实际过程变量之间的差异对原料进行在线修正。
在一个或多个实施方案中,单元模型包括磨盘中心区域模型、磨盘研磨区域模型、风环区域模型、磨腔区域模型和/或选粉机区域模型。
在一个或多个实施方案中,磨盘中心区域模型是磨盘中心区域破碎模型。
在一个或多个实施方案中,磨盘研磨区域模型是磨盘研磨区域质量模型。
在一个或多个实施方案中,风环区域模型是风环区域粉选模型。
在一个或多个实施方案中,磨腔区域模型是磨腔区域粉选模型。
在一个或多个实施方案中,选粉机区域模型是选粉机区域粉选模型。
在一个或多个实施方案中,磨盘中心区域模型如式(1-1)所示
其中表示区域之间第i级固相物料的转移流量;/>表示由喂料提供的物料质量,/>表示从磨盘中心转移至磨盘研磨区域的物料质量。
在一个或多个实施方案中,如式(1-2)所示和/或/>如(1-3)所示:
其中表示原料第i级物料的成分比例;QF表示原料的喂料量;/>等表示各区域中第i级物料的存留量;τBG表示物料从B区域转移至G区域所需的时间。
在一个或多个实施方案中,磨盘研磨区域模型如式(1-4)所示
其中表示第i级物料被破碎的质量,/>表示从大颗粒破碎转化成第i级的物料的质量,/>表示从G区域转移到SI区域的第i级物料的流量。
在一个或多个实施方案中,由式(1-5)给出:
其中表示研磨区域物料质量的阈值,bG则表示物料从研磨区域离开落入风环区域的速率。/>定义为,当质量低于该值时,物料无法从该区域离开。在一个或多个实施方案中,/>的大小受粉磨系统中挡料环高度影响。在一个或多个实施方案中,通过对研磨区域内物料的体积进行标定,而后将其转换成质量。
在一个或多个实施方案中,式(1-4)中的参数S和参数b表达式如下(1-6)-(1-7)所示
bi,j=Bi-1,j-Bi,j (1-7)
其中di表示第i级物料的粒径上限;hg和hg0表示原料的Hardgrove硬度和参考硬度;PG和P0表示研磨压力和参考研磨压力;Ks,α,β,φ,γ,δ为模型参数。优选地,所述参数如表1所示。
在一个或多个实施方案中,风环区域模型如式(1-8)所示:
其中的计算如式(1-9)所示:
其中表示在SI区域中曳力与重力平衡的物料颗粒大小;Φ(·)表示标准正态分布函数;/>为分布参数。
在一个或多个实施方案中,大小的颗粒有50%的可能性落入磨腔。
在一个或多个实施方案中,磨腔区域模型如式(1-10)所示:
其中分别表示从磨腔悬浮区域转移到选粉机区域、磨盘中心区域、磨盘研磨区域的物料流量。
在一个或多个实施方案中,分别如式(1-11)-(1-13)所示,
上式中,各变量和函数的定义与式(1-9)相同或类似。
在一个或多个实施方案中,选粉机区域模型如式(1-14)所示:
其中表示从选粉机区域返回磨盘中心的物料。
在一个或多个实施方案中,如式(1-15)所示:
上式中,各变量和函数的定义与式(1-9)相同或类似。
在一个或多个实施方案中,进入粉磨系统的能量模型如式(1-16)所示:
Qin=QaircaTin+Qm[(1-ωF)cm+ωFcw]Te+Hg (1-16)
离开粉磨系统的能量模型如式(1-17)所示:
其中ωF为原料含水量;ca为气体比热容;Qair表示入口气体流量;cm表示固体比热;cw表示水的比热;Te表示环境温度;Hg,Hloss分别表示研磨产热和粉磨系统散热;hv表示水的汽化热;Tout表示粉磨系统出口温度;表示出磨的成品质量流量;ωC表示成品的物料含水量。
在一个或多个实施方案中,粉磨系统的能耗模型如式(1-27)和(1-28)所示:
其中,Qm表示驱动电机的电耗;Qf表示循环风机的电耗;Um,Uf为各电机的驱动电压;km,bm,kf,bf分别为模型参数。在一个或多个实施方案中,流入可以通过历史数据或实验数据进行回归获取。即根据历史数据磨盘上物料的质量和主电机电流、循环风机转速和循环风机电流进行线性回归获取。
在一个或多个实施方案中,通过对上述建立的稳态模型进行能耗指标的优化,构建优化模型。在一个或多个实施方案中,优化模型如下式(1-29)-(1-33)所示:
minQm+Qf (1-29)
LbT≤Tout≤UbT (1-33)
其中式(1-29)为能耗最小化的目标函数;式(1-30)表示粉磨系统的吐渣量在约束范围内;式(1-31)表示粉磨系统的研磨区域内的物料量应保证粉磨系统不产生剧烈振动;式(1-32)表示粉磨系统出口生料的80微米筛余量在合理范围内;式(1-33)表示粉磨系统出口温度表征的生料含水量达到预期指标。其中m、M、di和Tout的定义与前述相同,Lb和Ub分别表示相应上标变量的下限和上限。
在一个或多个实施方案中,本文所述系统或方法还包括风量和风机转速或挡板开度之间的关联模型。在一个或多个实施方案中,本文所述系统或方法还包括气体粘度系数和气体温度之间的关系经验模型。
在一个或多个实施方案中,所述规划条件是有关优化模型中的变量的独立关系。
在一个或多个实施方案中,规划条件可为粉磨系统能耗与粉磨系统运行状态之间的关系函数。在一个或多个实施方案中,规划条件包括但不限于,粉磨系统的吐渣量在约束范围内、粉磨系统的研磨区域内的物料量应保证粉磨系统不产生剧烈振动、粉磨系统出口生料的80微米筛余量在合理范围内、粉磨系统出口温度表征的生料含水量达到预期指标。
本文所述方法或系统还包括,通过优化模型的预测结果和实际过程变量之间的差异对原料进行在线修正。
在一个或多个实施方案中,所述修正是对原料性质的修正,例如通过梯度下降、递推最小二乘或定期离线化验校正的方法对优化模型中原材料的性质参数进行在线修正。
在一个或多个实施方案中,对原料的一个或多个物理参数进行修正。在一个或多个实施方案中,对原料的含水量和/或Hardgrove硬度进行修正。
在一个或多个实施方案中,原料的含水量ωF的修正方法如式(1-25)所示
其中αω为0-1之间的步长因子,表示粉磨系统出口温度对原料含水量的偏导数。
在一个或多个实施方案中,偏导数根据上述模型(1-1)-(1-17)获得。示例型地,首先令模型的动态项为0,将模型表达成方程的形式,再通过隐函数求偏导数的链式法则可获取上述结果。
在一个或多个实施方案中,原料的Hardgrove硬度指标hg的修正方法如式(1-26)所示:
其中αh为0-1之间的步长因子,表示研磨区域物料存留质量对原料Hardgrove硬度的偏导数。
在一个或多个实施方案中,偏导数根据上述模型(1-1)-(1-17)综合获得。示例型地,首先令模型的动态项为0,将模型表达成方程的形式,再通过隐函数求偏导数的链式法则可获取上述结果。
在一个或多个实施方案中,优化求解方法选自以下的一种或多种:梯度下降法,共轭梯度法,牛顿法,拟牛顿法,模式搜索等。在一个优选实施方式中,采用模式搜索法进行优化求解。
此外,本发明还公开一种粉磨系统的能耗优化系统,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粉磨系统能耗的方法。
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粉磨系统能耗方法。
本发明还提供一种粉磨系统参数设定方法,所述粉磨系统包含磨盘区域、风环区域、磨腔区域和选粉机区域的多个单元,所述磨盘区域包含磨盘中心区域和磨盘研磨区域,所述方法包括步骤:
1)采集粉磨系统的物料参数和系统参数,
2)采用本文所述的方法构建的模型对粉磨系统的设定参数进行优化,和
3)根据优化的设定参数调节/设定粉磨系统。
本发明还提供一种粉磨系统参数设定系统,包括如下模块:
数据采集模块,其采集粉磨系统的物料参数和系统参数,
单元模型构建模块,其根据质量守恒定律对磨盘区域、风环区域、磨腔区域和/或选粉机区域分别构建单元模型,对数据采集模块的数据进行预处理,
系统模型构建模块,其根据能量守恒定律构建粉磨系统能量模型,构建粉磨系统能耗模型,
优化模型构建模块,其利用单元模型构建模块和系统模型构建模块构建的模型构建优化模型,
优化模型求解模块,其根据规划条件求解所述优化模型,得到粉磨系统的设定参数,和
参数设定模块,其根据优化模型求解模块的结果设定粉磨系统的参数。
本发明还提供一种粉磨系统参数设定系统,包括计算机以及运行于计算机上的计算机程序,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:
(1)采用灵敏度大的过程变量作为反馈修正原料属性可以更加实时准确地估计原料性质的变化,从而准确地修正模型,提高模型的估计精度。
(2)采用统计模型描述气固分离过程替代传统的截断式模型,更加符合实际过程特性。
(3)在本发明的一个较佳实现例中,采用模式搜索方法,以当前状态作为初始点,可以有效地保证解的可行性。
附图说明
图1示出了本发明的能耗优化方法的一个实施方案的流程图。
图2示出了示例性的粉磨系统结构图。
图3示出了示例性的粉磨过程工艺流程图。
图4示出了一个实施方案的模型的灵敏度分析结果图,横坐标为原料的Hardgrove硬度。
图5示出了一个实施方案的模型的灵敏度分析结果图,横坐标为原料含水量。
具体实施方式
图1示出了本发明的能耗优化方法的一个实施方案的流程图。本发明根据对粉磨系统运行过程的机理分析,通过对粉磨系统划分多个区域来建立各区域的单元模型,然后综合多个单元模型获取粉磨系统的优化模型。在此基础上构建粉磨系统能耗与粉磨系统运行状态之间的优化问题,最终通过优化粉磨系统的设定参数,实现粉磨系统能耗的优化。本文所述能耗优选为电耗。
本文所述粉磨系统可以是各种磨机,只要该磨机可划分为磨盘区域、风环区域、磨腔区域和选粉机区域等多个单元即可。在一个或多个实施方案中,所述磨机是立式磨机,简称磨机,包括立式辊磨机。立磨机是一种粉磨设备,集破碎、干燥、粉磨、分级输送于一体,可将块状、颗粒状及粉状原料磨成所要求的粉状物料。本文所述粉磨系统可用于水泥熟料的粉磨生产。
本发明中,粉磨系统划分为磨盘区域、风环区域、磨腔区域和选粉机区域等多个单元,所述磨盘区域包含磨盘中心区域和磨盘研磨区域。粉磨系统的结构以及各区域之间物料流和气相流的关系如图2所示。其中,等表示区域之间第i级固相物料的转移流量。例如,/>表示由B区域转移至G区域的第i级物料质量。如图2所示,原料进入磨盘中心后,从磨盘中心区域进入磨盘研磨区域;磨盘研磨区域的物料流进入风环区域;风环区域的物料流一部分进入磨腔区域,另一部分进入磨盘中心区域;磨腔区域的物料流一部分进入选粉机区域,另一部分进入磨盘中心区域和磨盘研磨区域;选粉机区域的物料流一部分离开粉磨系统,另一部分进入磨盘中心区域;从风环区域、磨腔区域和选粉机区域进入磨盘中心区域的物料流与原料一起,再次进入磨盘研磨区域。
本文中,“物料”、“混合物料”或“固相”表示在粉磨系统各系统中转移的物质。在一个示例性实施方式中,物料的成分包含但不限于石灰石、砂岩、页岩、铁粉。本发明将粉磨系统内的固相流按其颗粒大小划分为N级。本发明建模是在此基础上对某一级内的颗粒建立能量或质量守恒等模型。本领域知晓其他适合本发明的建模方式。
本发明通过在上述各单元上建立其相应的模型获取粉磨系统的整体能量模型以及能耗模型,并对模型中原材料的性质参数进行在线修正。在此基础上对模型进行求解以获取粉磨系统的优化设定状态。下述各模型中的参数可通过粉磨过程的历史数据和经验知识进行估计。
本发明提供粉磨系统耗电优化方法,所述粉磨系统包含磨盘区域、风环区域、磨腔区域和选粉机区域的多个单元,所述磨盘区域包含磨盘中心区域和磨盘研磨区域,所述方法包括步骤:
1)采集粉磨系统的物料参数和系统参数,
2)根据质量守恒定律对磨盘区域、风环区域、磨腔区域和/或选粉机区域分别构建单元模型,对步骤1)采集的数据进行预处理,
3)根据能量守恒定律构建粉磨系统能量模型,并构建粉磨系统能耗模型,
4)利用2)-3)的模型构建包含规划条件的优化模型,和
5)根据规划条件求解所述优化模型,以得到粉磨系统的设定参数,
6)根据步骤5)的结果设定粉磨系统的参数。
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,采集粉磨系统的物料参数和系统参数
此步骤测定粉磨系统的物料参数和系统参数。物料参数包括喂料量,吐渣量,生料80um筛余量和磨机入口温度。系统参数包括研磨压力,通风量,选粉机转速,主电机电流和风机电流。
步骤2,根据质量守恒定律对磨盘区域、风环区域、磨腔区域和/或选粉机区域分别构建单元模型
此步骤利用各区域物料流量建立各单元模型。单元模型包括磨盘中心区域模型、磨盘研磨区域模型、风环区域模型、磨腔区域模型和/或选粉机区域模型。在一个或多个实施方案中,磨盘中心区域模型是磨盘中心区域破碎模型;磨盘研磨区域模型是磨盘研磨区域质量模型;风环区域模型是风环区域粉选模型;磨腔区域模型是磨腔区域粉选模型;选粉机区域模型是选粉机区域粉选模型。
(1)磨盘中心区域模型如式(1-1)所示
其中等如图2所示,表示区域之间第i级固相物料的转移流量;由喂料提供的物料质量/>如式(1-2)所示;从磨盘中心转移至磨盘研磨区域的物料质量/>如(1-3)所示:
其中表示原料第i级物料的成分比例;QF表示原料的喂料量;/>等表示各区域中第i级物料的存留量;τBG表示物料从B区域转移至G区域所需的时间。
(2)磨盘研磨区域模型如式(1-4)所示
其中表示第i级物料被破碎的质量,/>表示从大颗粒破碎转化成第i级的物料的质量,/>表示从G区域转移到SI区域的第i级物料的流量,其计算由式(1-5)给出:
其中表示研磨区域物料质量的阈值,当质量低于该值时,物料无法从该区域离开,其大小受粉磨系统中挡料环高度影响。具体而言,由于研磨区域内物料缝隙率低,可通过对研磨区域内物料的体积进行标定,而后将其转换成质量。通过物料体积折算质量的方法本领域熟知。bG则表示物料从研磨区域离开落入风环区域的速率。
其中式(1-4)中的参数S和参数b表达式如下(1-6)-(1-7)所示
bi,j=Bi-1,j-Bi,j (1-7)
其中di表示第i级物料的粒径上限;hg和hg0表示原料的Hardgrove硬度和参考硬度;PG和P0表示研磨压力和参考研磨压力;Ks,α,β,φ,γ,δ为模型参数。优选地,所述参数如表1所示。
(3)风环区域模型如式(1-8)所示:
其中的计算如式(1-9)所示:
其中表示在SI区域中曳力与重力平衡的物料颗粒大小,该大小的颗粒有50%的可能性落入磨腔;Φ(·)表示标准正态分布函数;/>为分布参数。分布参数的数值受原料的性质影响,并且本领域知晓根据原料性质确定分布参数的方法。在本文的示例型实施方案中,/>为1.71。
(4)磨腔区域模型如式(1-10)所示:
其中分别如式(1-11)-(1-13)所示,表示从磨腔悬浮区域转移到选粉机区域、磨盘中心区域、磨盘研磨区域的物料流量。
上式中,各变量和函数的定义与式(1-9)相同或类似。
(5)选粉机区域模型如式(1-14)所示:
其中表示从选粉机区域返回磨盘中心的物料,其计算如式(1-15)所示:
上式中,各变量和函数的定义与式(1-9)相同或类似。
步骤33.1根据能量守恒定律构建粉磨系统能量模型,
此步骤利用进出粉磨系统的物料的性质数据以及粉磨系统的产热数值,通过进出粉磨系统的能量相等构建粉磨系统能量模型。
进入粉磨系统的能量模型如式(1-16)所示:
Qin=QaircaTin+Qm[(1-ωF)cm+ωFcw]Te+Hg (1-16)
离开粉磨系统的能量模型如式(1-17)所示:
其中ωF为原料含水量;ca为气体比热容;Qair表示入口气体流量;cm表示固体比热;cw表示水的比热;Te表示环境温度;Hg,Hloss分别表示研磨产热和粉磨系统散热;hv表示水的汽化热;Tout表示粉磨系统出口温度;表示出磨的成品质量流量;ωC表示成品的物料含水量。
3.2构建粉磨系统能耗模型
此步骤利用主驱动电机的电耗和循环风机的电耗构建粉磨系统的能耗模型,如式(1-27)和(1-28)所示:
其中,Qm表示驱动电机的电耗;Qf表示循环风机的电耗;Um,Uf为各电机的驱动电压;km,bm,kf,bf分别为模型参数。本领域知晓这些参数的获取方法,流入可以通过历史数据或实验数据进行回归获取,即根据历史数据磨盘上物料的质量和主电机电流、循环风机转速和循环风机电流进行线性回归获取。
步骤4、利用单元模型和系统模型构建优化模型
此步骤中,通过对上述建立的稳态模型进行能耗指标的优化,构建优化模型。为使能耗指标最小化,优化模型如下式(1-29)-(1-33)所示:
minQm+Qf (1-29)
/>
LbT≤Tout≤UbT (1-33)
其中式(1-29)为能耗最小化的目标函数;式(1-30)表示粉磨系统的吐渣量在约束范围内;式(1-31)表示粉磨系统的研磨区域内的物料量应保证粉磨系统不产生剧烈振动;式(1-32)表示粉磨系统出口生料的80微米筛余量在合理范围内;式(1-33)表示粉磨系统出口温度表征的生料含水量达到预期指标。其中m、M、di和Tout的定义与前述相同,Lb和Ub分别表示相应上标变量的下限和上限。
需要注意的是,在实际应用中,风量可能没有在线检测,需要通过其他变量(例如风机转速或挡板开度)转换得到。因此,本发明还可包括风量和风机转速或挡板开度之间的关联模型。此外,为了保证模型的准确性,在一些实施方案中,还需将温度对气体粘度的影响考虑在内。所以本发明还可包括气体粘度系数和气体温度之间的关系等经验模型。
步骤5、根据规划条件求解所述优化模型,以得到粉磨系统的设定参数。
所述规划条件是有关优化模型中的变量的独立关系。规划条件可为粉磨系统能耗与粉磨系统运行状态之间的关系函数,包括但不限于,粉磨系统的吐渣量在约束范围内、粉磨系统的研磨区域内的物料量应保证粉磨系统不产生剧烈振动、粉磨系统出口生料的80微米筛余量在合理范围内、粉磨系统出口温度表征的生料含水量达到预期指标。这些规划条件取决于企业的生产计划和设备的能力,如吐渣的上下限约束主要取决于振动卸料机和吐渣斗提的能力。所以,本领域熟知根据实际情况确定上述各范围或指标的方法。在示例型实施例中,粉磨系统的吐渣量不超过喂料的35%;粉磨系统振动不超过1.2mm/s;粉磨系统出口生料的80微米筛余量在18%以内;粉磨系统出口温度不低于70℃。
本文所述优化方法还包括,通过优化模型的预测结果和实际过程变量之间的差异对原料进行在线修正。所述修正包括对原料性质的修正,例如通过梯度下降、递推最小二乘或定期离线化验校正的方法对优化模型中原材料的性质参数进行在线修正。对原料所有参数的修正均在本发明的范围内。在一个或多个实施方案中,对原料的一个或多个物理参数进行修正。在一个或多个实施方案中,对原料的含水量和/或Hardgrove硬度进行修正。
在一个或多个实施方案中,原料的含水量ωF的修正方法如式(1-25)所示
其中αω为0-1之间的步长因子,表示粉磨系统出口温度对原料含水量的偏导数,这可以根据上述模型(1-1)-(1-17)综合获得。示例型地,首先令模型的动态项为0,将模型表达成方程的形式,再通过隐函数求偏导数的链式法则可获取上述结果。
在一个或多个实施方案中,原料的Hardgrove硬度指标hg的修正方法如式(1-26)所示:
其中αh为0-1之间的步长因子,表示研磨区域物料存留质量对原料Hardgrove硬度的偏导数,这可以根据上述模型(1-1)-(1-17)综合获得。示例型地,首先令模型的动态项为0,将模型表达成方程的形式,再通过隐函数求偏导数的链式法则可获取上述结果。
本发明模型对Hardgrove硬度和含水量的灵敏度分析如图4和5所示。从图中可以看出,磨盘上的物料量对原料硬度的灵敏度较大,意味着磨盘上的物料的变化能很好地表征原料硬度的变化,另一方面磨机出口温度变化量对原料含水量的灵敏度较大,意味着磨机出口温度的变化信息能表征原料含水量的变化。综上而言,采用灵敏度大的过程变量作为反馈修正原料属性可以更加实时准确地估计原料性质的变化,从而准确地修正模型,提高模型的估计精度。
本领域知晓根据模型求解得到状态设定值的过程。通常,对模型的优化求解是一个非线性规划求解问题。可以采用一般的优化求解方法,如梯度下降法,共轭梯度法,牛顿法,拟牛顿法,模式搜索等。在一个优选实施方式中,为保证优化后的结果始终比原状态优,采用模式搜索法进行优化求解,其中初始解采用过程对象的当前状态值。模式搜索法在当前解的基础上对问题的解进行搜索,直至到达最大搜索步数或搜索步长达到精度下限结束退出,确定最优解。
此外,本发明还公开一种粉磨系统的能耗优化系统,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粉磨系统能耗的方法。
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粉磨系统能耗方法。
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。
实施例
步骤S01通过对原料的性质进行多次采样取平均处理,作为模型中参数的初始值,包括原料含水量和原料的硬度指标。
步骤S02通过式(1-1)-(1-33)所示的方程建立各稳态模型和优化模型,其中还包括风量和风机转速或挡板开度之间的关联模型,气体粘度系数和气体温度之间的关系等经验模型的建立。
步骤S03通过历史数据和经验知识对模型参数进行估计。采用最小二乘的方法对模型参数进行估计求解:以模型参数作为决策变量,以实际过程状态和模型预测状态之间的偏差的平方和最小作为优化目标,建立优化问题,并通过公知的优化方法进行求解。得到的估计结果优选值如下表1所示:
表1.模型参数的估计结果
步骤S04通过模型对磨机出口温度的估计值和实际出口温度之间的稳态偏差对原材料含水量进行在线修正;通过模型对磨机研磨区域物料的估计值和实际研磨区域的物料质量之间的偏差对原材料的硬度指标进行在线修正。
步骤S05在上述模型建立的基础上,考虑过程生产安全指标和质量指标约束,通过优化算法对模型的能耗指标进行优化。在一个较佳的实施例中,采用模式搜索算法对磨机的风量,选粉机转速和磨机的入口温度进行优化。
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 (13)
1.一种优化粉磨系统耗电并构建粉磨系统耗电模型的方法,所述粉磨系统包含磨盘区域、风环区域、磨腔区域和选粉机区域的多个单元,所述磨盘区域包含磨盘中心区域和磨盘研磨区域,所述方法包括步骤:
1)采集粉磨系统的物料参数和系统参数,
2)对磨盘区域、风环区域、磨腔区域和/或选粉机区域分别构建质量单元模型,对步骤1)采集的数据进行预处理,
3)构建粉磨系统能量模型和能耗模型,和
4)利用2)-3)的模型构建包含规划条件的优化模型,和
5)根据规划条件求解所述优化模型,以得到粉磨系统的设定参数,其中,
单元模型包括磨盘中心区域模型、磨盘研磨区域模型、风环区域模型、磨腔区域模型和/或选粉机区域模型,其中,
磨盘中心区域模型如式(1-1)所示
其中表示区域之间第i级固相物料的转移流量;/>表示由喂料提供的物料质量,
磨盘研磨区域模型如式(1-4)所示
其中表示第i级物料被破碎的质量,/>表示从大颗粒破碎转化成第i级的物料的质量,/>表示从磨盘研磨区域转移到风环区域的第i级物料的流量,
风环区域模型如式(1-8)所示:
其中的计算如式(1-9)所示:
其中表示在风环区域中曳力与重力平衡的物料颗粒大小;Φ(·)表示标准正态分布函数;/>为分布参数;
磨腔区域模型如式(1-10)所示:
其中分别表示从磨腔悬浮区域转移到选粉机区域、磨盘中心区域、磨盘研磨区域的物料流量,
选粉机区域模型如式(1-14)所示:
其中表示从选粉机区域返回磨盘中心的物料,
粉磨系统能量模型包括进入粉磨系统的能量模型和离开粉磨系统的能量模型,其中,
进入粉磨系统的能量模型如式(1-16)所示:
Qin=QaircaTin+Qm[(1-ωF)cm+ωFcw]Te+Hg (1-16)
离开粉磨系统的能量模型如式(1-17)所示:
其中ωF为原料含水量;ca为气体比热容;Qair表示入口气体流量;cm表示固体比热;cw表示水的比热;Te表示环境温度;Hg,Hloss分别表示研磨产热和粉磨系统散热;hv表示水的汽化热;Tout表示粉磨系统出口温度;表示出磨的成品质量流量;ωC表示成品的物料含水量;
粉磨系统的能耗模型如式(1-27)和(1-28)所示:
其中,Qm表示驱动电机的电耗;Qf表示循环风机的电耗;Um,Uf为各电机的驱动电压;km,bm,kf,bf分别为模型参数,
优化模型如下式(1-29)-(1-33)所示:
min Qm+Qf (1-29)
LbT≤Tout≤UbT (1-33)
其中式(1-29)为能耗最小化的目标函数;式(1-30)表示粉磨系统的吐渣量在约束范围内;式(1-31)表示粉磨系统的研磨区域内的物料量应保证粉磨系统不产生剧烈振动;式(1-32)表示粉磨系统出口生料的80微米筛余量在合理范围内;式(1-33)表示粉磨系统出口温度表征的生料含水量达到预期指标;
所述方法还包括,通过优化模型的预测结果和实际过程变量之间的差异对原料进行在线修正,所述修正通过选自梯度下降、递推最小二乘或定期离线化验校正的方法进行,所述修正是对原料的一个或多个物理参数进行修正,所述物理参数包括原料的含水量和/或Hardgrove硬度,
原料的含水量ωF的修正方法如式(1-25)所示
其中αω为0-1之间的步长因子,表示粉磨系统出口温度对原料含水量的偏导数,
原料的Hardgrove硬度指标hg的修正方法如式(1-26)所示:
其中αh为0-1之间的步长因子,表示研磨区域物料存留质量对原料Hardgrove硬度的偏导数。
2.如权利要求1所述的方法,其特征在于,
如式(1-2)所示和/或/>如(1-3)所示:
其中表示原料第i级物料的成分比例;QF表示原料的喂料量;/>等表示各区域中第i级物料的存留量;τBG表示物料从磨盘中心区域转移至磨盘研磨区域所需的时间。
3.如权利要求1所述的方法,其特征在于,
由式(1-5)给出:
其中表示研磨区域物料质量的阈值,bG则表示物料从研磨区域离开落入风环区域的速率。
4.如权利要求1所述的方法,其特征在于,
式(1-4)中的参数Si和参数b表达式如下(1-6)-(1-7)所示
其中di表示第i级物料的粒径上限;hg和hg0表示原料的Hardgrove硬度和参考硬度;PG和P0表示研磨压力和参考研磨压力;Ks,α,β,φ,γ,δ为模型参数。
5.如权利要求1所述的方法,其特征在于,
分别如式(1-11)-(1-13)所示,
6.如权利要求1所述的方法,其特征在于,
如式(1-15)所示:
7.如权利要求1所述的方法,其特征在于,求解的方法选自以下的一种或多种:梯度下降法,共轭梯度法,牛顿法,拟牛顿法,模式搜索。
8.如权利要求1所述的方法,其特征在于,物料参数选自喂料量,吐渣量,筛余量和磨机入口温度。
9.如权利要求1所述的方法,其特征在于,系统参数选自研磨压力,通风量,选粉机转速,主电机电流和风机电流。
10.一种粉磨系统参数设定方法,所述粉磨系统包含磨盘区域、风环区域、磨腔区域和选粉机区域的多个单元,所述磨盘区域包含磨盘中心区域和磨盘研磨区域,所述方法包括步骤:
1)采集粉磨系统的物料参数和系统参数,
2)采用权利要求1-9中任一项所述的方法构建的模型对粉磨系统的设定参数进行优化,
3)根据优化的设定参数调节粉磨系统。
11.一种粉磨系统的能耗优化系统和参数设定系统,包括如下模块:
数据采集模块,其采集粉磨系统的物料参数和系统参数,
单元模型构建模块,其对磨盘区域、风环区域、磨腔区域和/或选粉机区域分别构建质量单元模型,对数据采集模块的数据进行预处理,
系统模型构建模块,其根据能量守恒定律构建粉磨系统能量模型,构建粉磨系统能耗模型,
优化模型构建模块,其利用单元模型构建模块和系统模型构建模块构建的模型构建优化模型,和
优化模型求解模块,其根据规划条件求解所述优化模型,得到粉磨系统的设定参数,
所述各模型如权利要求1-9中任一项中所记载。
12.一种粉磨系统的能耗优化系统和参数设定系统,包括计算机以及运行于计算机上的计算机程序,所述计算机程序在所述计算机上运行权利要求1-10中任一项所述的方法。
13.一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1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911318652.9A CN111047104B (zh) | 2019-12-19 | 2019-12-19 | 粉磨系统的能耗优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911318652.9A CN111047104B (zh) | 2019-12-19 | 2019-12-19 | 粉磨系统的能耗优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047104A CN111047104A (zh) | 2020-04-21 |
CN111047104B true CN111047104B (zh) | 2023-10-31 |
Family
ID=70237925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911318652.9A Active CN111047104B (zh) | 2019-12-19 | 2019-12-19 | 粉磨系统的能耗优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047104B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113867152B (zh) * | 2021-10-19 | 2023-06-30 | 金陵科技学院 | 用于单水合斯诺普利粉雾剂连续冻干过程建模及控制方法 |
CN113967529B (zh) * | 2021-10-21 | 2023-06-09 | 万洲电气股份有限公司 | 一种基于辊压机能效分析模块的智能优化节能系统 |
CN114950700B (zh) * | 2022-05-06 | 2024-03-01 | 杭州和利时自动化有限公司 | 一种磨煤机工况寻优方法和装置 |
CN116474928B (zh) * | 2023-06-25 | 2023-09-26 | 中才邦业(杭州)智能技术有限公司 | 一种水泥磨能耗优化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361195A (zh) * | 2014-09-15 | 2015-02-18 | 燕山大学 | 一种针对水泥篦冷机的三维流热耦合建模方法 |
CN109342279A (zh) * | 2018-10-10 | 2019-02-15 | 华东理工大学 | 基于粉磨机理和神经网络的混合软测量方法 |
CN109926163A (zh) * | 2019-04-27 | 2019-06-25 | 南京凯盛国际工程有限公司 | 一种下进风带内置组合高效选粉的新型立式磨机 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7499763B2 (en) * | 2005-07-20 | 2009-03-03 | Fuel And Furnace Consulting, Inc. | Perturbation test method for measuring output responses to controlled process inputs |
-
2019
- 2019-12-19 CN CN201911318652.9A patent/CN111047104B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361195A (zh) * | 2014-09-15 | 2015-02-18 | 燕山大学 | 一种针对水泥篦冷机的三维流热耦合建模方法 |
CN109342279A (zh) * | 2018-10-10 | 2019-02-15 | 华东理工大学 | 基于粉磨机理和神经网络的混合软测量方法 |
CN109926163A (zh) * | 2019-04-27 | 2019-06-25 | 南京凯盛国际工程有限公司 | 一种下进风带内置组合高效选粉的新型立式磨机 |
Non-Patent Citations (5)
Title |
---|
Jocelyn Bouchard 等.BREAKING DOWN ENERGY CONSUMPTION IN INDUSTRIAL GRINDING MILLS.《ResearchGate》.2017,全文. * |
侯志强 ; 侯书军 ; 赵雪涛 ; 崔立华 ; 贾立伟 ; .立式辊磨机内部空气流场特性的仿真研究.矿山机械.2011,(第10期),全文. * |
李柏林.大型立式辊磨机关键结构件仿真研究.《中国优秀硕士学位论文全文数据库(电子期刊)》.2017,全文. * |
颜文俊 ; 秦伟 ; .水泥立磨流程的建模和控制优化.控制工程.2012,(第06期),全文. * |
魏华 ; 何亚群 ; 葛林瀚 ; 王帅 ; 谢卫宁 ; .CKP磨机粉碎水泥熟料的动力学模型研究.硅酸盐通报.2013,(第09期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111047104A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047104B (zh) | 粉磨系统的能耗优化方法 | |
US20130030573A1 (en) | Computer-based method and device for automatically providing control parameters for a plurality of coal mills supplying coal powder to a plant | |
CN102151605A (zh) | 基于模型辨识和预测控制的立磨先进控制方法及系统 | |
CN111701698B (zh) | 一种水泥磨系统及其自动寻优控制系统和方法 | |
US20130153694A1 (en) | Method for Controlling a Mill System Having at Least One Mill, in Particular an Ore Mill or Cement Mill | |
CN105701576B (zh) | 一种基于遗传优化算法的钢球磨煤机设计选型方法 | |
CN107297269B (zh) | 钢球磨煤机料位的控制方法 | |
CN202097023U (zh) | 基于模型辨识和预测控制的立磨先进控制系统 | |
CN109541168B (zh) | 一种煤粉经济细度在线监测与调整方法 | |
CN108393146B (zh) | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 | |
CN105182740A (zh) | 原料粉磨自动控制方法 | |
CN111443597B (zh) | 用于控制立磨矿粉粒度的装置及方法 | |
Wang et al. | Hierarchical intelligent control system and its application to the sintering process | |
Hulthén et al. | Real-time algorithm for cone crusher control with two variables | |
CN106886150B (zh) | 一种基于c#的开路水泥联合半终粉磨自动控制方法及系统 | |
JP6776881B2 (ja) | 粉砕プラントにおける処理装置、方法、およびプログラム | |
CN109342279B (zh) | 基于粉磨机理和神经网络的混合软测量方法 | |
Bouchard et al. | Plant automation for energy-efficient mineral processing | |
CN111701697A (zh) | 一种水泥原料磨系统及其自动寻优控制方法 | |
CN111443598A (zh) | 水泥立磨控制方法及装置 | |
JP3382620B2 (ja) | 閉回路乾式粉砕装置の制御方法 | |
CN109977583B (zh) | 一种结合验证模型的磨煤机仿真模型动态参数整定方法 | |
Meng et al. | Corner-milling process parameter optimization regarding H62 brass using Kriging model and improved particle swarm optimization algorithm | |
Costea et al. | Approach of PID controller tuning for ball mill | |
CN109107744B (zh) | 一种中速磨风煤比和油压动态趋优调整方法 |
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 |