CN112452520A - 一种矿渣立磨智能化方法 - Google Patents
一种矿渣立磨智能化方法 Download PDFInfo
- Publication number
- CN112452520A CN112452520A CN202011218133.8A CN202011218133A CN112452520A CN 112452520 A CN112452520 A CN 112452520A CN 202011218133 A CN202011218133 A CN 202011218133A CN 112452520 A CN112452520 A CN 112452520A
- Authority
- CN
- China
- Prior art keywords
- mill
- control system
- intelligent
- vertical mill
- slag vertical
- 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.)
- Pending
Links
- 239000002893 slag Substances 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004886 process control Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 239000000843 powder Substances 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 15
- 239000000463 material Substances 0.000 description 13
- 238000000227 grinding Methods 0.000 description 12
- 239000000047 product Substances 0.000 description 9
- 239000002245 particle Substances 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 239000007921 spray Substances 0.000 description 6
- 239000003638 chemical reducing agent Substances 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003801 milling Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000011398 Portland cement Substances 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 239000011490 mineral wool Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000000126 substance Substances 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
- B02C25/00—Control arrangements specially adapted for crushing or disintegrating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B02—CRUSHING, PULVERISING, OR DISINTEGRATING; PREPARATORY TREATMENT OF GRAIN FOR MILLING
- B02C—CRUSHING, PULVERISING, OR DISINTEGRATING IN GENERAL; MILLING GRAIN
- B02C23/00—Auxiliary methods or auxiliary devices or accessories specially adapted for crushing or disintegrating not provided for in preceding groups or not specially adapted to apparatus covered by a single preceding group
- B02C23/18—Adding fluid, other than for crushing or disintegrating by fluid energy
Landscapes
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种矿渣立磨智能化方法,所述智能化方法包括:分布式控制系统将矿渣立磨数据经OPC通讯通过工业内网传输至先进过程控制系统;位于所述先进过程控制系统中的智能社区工程平台接收所述矿渣立磨数据并进行预处理;根据预处理后的所述矿渣立磨数据设计多变量预测控制器;所述多变量预测控制器在获取实时采集信息后,经所述OPC通讯通过所述分布式控制系统中的中间位号将计算值传输至所述分布式控制系统中的相关执行器对所述矿渣立磨过程进行智能调整。
Description
技术领域
本发明涉及工业企业先进控制系统领域,具体涉及使用多变量预测控制算法优化矿渣立磨的智能化生产。
背景技术
矿渣是矿石经过选矿或冶炼后的残余物,在工业生产中,矿渣发挥着着重要的作用,尤其是一些重大型工厂。利用矿渣制成提炼加工为矿渣水泥、矿渣微粉、矿渣粉、矿渣硅酸盐水泥、矿渣棉、高炉矿渣、粒化高炉矿渣粉、铜矿渣、矿渣立磨,节约了能耗。立磨是一种理想的大型粉磨设备,广泛应用于水泥、电力、冶金、化工、非金属矿等行业。它集破碎、干燥、粉磨、分级输送于一体,生产效率高,可将块状、颗粒状及粉状原料磨成所要求的粉状物料。
矿渣立磨是一个复杂,强耦合的生产过程,所以传统的单回路控制方法难以实现。但是,随着先进控制技术及信息技术的发展,多变量预测控制算法具有强大的解耦能力,因此,在将矿渣立磨系统作为一个整体,各生产流程协同控制的条件下,如何利用多变量预测控制算法使得矿渣立磨系统在调节过程中更精确,控制效果更优是目前有待解决的问题。
发明内容
本发明要解决的技术问题是如何利用多变量预测控制算法使得矿渣立磨系统在调节过程中更精确,控制效果更优提供一种矿渣立磨机组自起停控制系统。
本发明是通过下述技术方案来解决上述技术问题:
一种矿渣立磨智能化方法,所述智能化方法包括:
分布式控制系统将矿渣立磨数据经OPC通讯通过工业内网传输至先进过程控制系统;
位于所述先进过程控制系统中的智能社区工程平台接收所述矿渣立磨数据并进行预处理;
根据预处理后的所述矿渣立磨数据设计多变量预测控制器;
所述多变量预测控制器在获取实时采集信息后,经所述OPC通讯通过所述分布式控制系统中的中间位号将计算值传输至所述分布式控制系统中的相关执行器对所述矿渣立磨过程进行智能调整。
较佳地,所述设计多变量预测控制器包括:
阶跃测试,获取详细设计方案;
建立所述分布式控制系统和所述先进过程控制系统的所述中间位号;
对所述多变量预测控制器建模与离线仿真;
先进过程控制系统集成和投用。
进一步地,所述多变量控制器包括:质量控制器,产量控制器,温度控制器。
进一步地,所述质量控制器通过调节选粉机转速控制产品比表面积;所述温度控制器控制磨机出口温度;所述产量控制器通过控制循环风阀门和喂料量调节所述磨机的垂直震动和出口温度梯度。
更优地,所述产量控制器还通过调节外排斗提电流,所述磨机的出口温度,所述磨机的压差进行产量控制。
较佳地,所述智能化方法还包括专家调整,当超出所述多变量预测控制器调节范围时,需调用专家知识库中的专家进行人工调整。
一种矿渣立磨智能化系统,所述矿渣立磨智能化系统包括:
分布式控制系统,所述分布式控制系统包括生产数据模块,设备数据模块,质量数据模块;OPC通讯;工业内网;先进过程控制系统及位于所述先进过程控制系统中的智能社区工程平台,所述智能社区工程平台包括数据处理模块,MPC算法模块及专家知识库。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:实现了矿渣立磨的智能控制,提高装置的系统稳定性,有助于装置长周期稳定运行;大幅减少磨机震动、温度、压差超出上限次数;磨机整体稳定性大幅提高;系统卡边增效;用气量明显下降,产量提高;大幅降低操作员劳动强度,系统代替人工操作,可实现黑屏操作。以多变量预测控制(MPC)算法为核心,同时可配置模糊控制、神经网络、专家控制、顺序控制等智能控制模块,可满足矿渣立磨生产过程中的复杂控制要求,具有良好的在线实时优化功能。
附图说明
图1为本发明一种矿渣立磨智能化方法一实施例中的矿渣立磨智能化系统结构框图;
图2为本发明一种矿渣立磨智能化方法一实施例中的矿渣立磨智能化方法流程图;
图3为本发明一种矿渣立磨智能化方法一实施例中的设计多变量预测控制器流程图;
图4为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CV磨出口温度变化状况图;
图5为本发明一种矿渣立磨智能化方法一实施例中的工作时间与MV热风炉煤气阀变化状况图;
图6为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV料层厚度变化状况图;
图7为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV原料水分变化状况图;
图8为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV磨机功率变化状况图;
图9为本发明一种矿渣立磨智能化方法一实施例中的工作时间与MV喷水阀开度变化状况图;
图10为本发明一种矿渣立磨智能化方法一实施例中的CCV磨机减速机输入轴震动变化状况图;
图11为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV入磨温度变化状况图;
图12为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CV磨进出口压差变化状况图;
图13为本发明一种矿渣立磨智能化方法一实施例中的工作时间与MV热风变化状况图;
图14为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV磨机功率变化状况图;
图15为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV比表预测值变化状况图;
图16为本发明一种矿渣立磨智能化方法一实施例中的工作时间与CCV粒度仪比表滤波变化状况图;
图17为本发明一种矿渣立磨智能化方法一实施例中的工作时间与MV选粉机转速变化状况图;
图18为本发明一种矿渣立磨智能化方法一实施例中的工作时间与FF煤气流量变化状况图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的首选实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示为本发明矿渣立磨智能化系统结构框图:
ICE(Intelligence Community Engineering,智能社区工程)平台200搭载在APC(Advanced Process Control,先进过程控制)系统中,通过网关与矿渣生产DCS(Distributed Control System,分布式控制系统)100相连,实现双向数据通讯,分布式控制系统100包括:生产数据模块103,设备数据模块102及质量数据模块101,分别收集矿渣立磨过程中的生产数据,设备数据及产品质量数据。智能社区工程平台200中包括数据预处理模块203,用于对通过OPC(OLE for Process Control,用于过程控制的OLE)通讯经工业内网获取的DCS数据进行预处理以构建MPC(Multivariable Predictive Control,多变量预测控制器),MPC算法模块202用于构建各多变量预测控制器,所述MPC算法包括:多变量预测控制算法具有相同的三大本质特征:预测模型、滚动优化和反馈校正。各种预测控制算法具有类似的计算步骤:在当前时刻,基于过程的动态模型预测未来一定时域内每个采样周期(或按一定间隔)的过程输出,这些输出为当前时刻和未来一定时域内控制量的函数。按照基于反馈校正的某个优化目标函数计算当前及未来一定时域的控制量大小。为了防止控制量剧烈变化及超调,一般在优化目标函数中都考虑使未来输出以一参考轨迹最优地去跟踪期望设定值。计算出当前控制量后输出给过程实施控制。至下一时刻,根据新测量数据重新按上述步骤计算控制量。从预测控制的基本原理可以看出,预测控制是不断滚动的局部优化。所述各多变量控制器采集实时信息进行处理后将计算值反馈回DCS中的相应执行器对矿渣立磨生产过程进行智能调整。当超出构建的多变量预测控制器的调节范围时,需要调用ICE平台中的专家知识库201挑选与问题相关的专家进行人工调整。
如图2所示为本发明一种矿渣立磨智能化方法流程图:
S01:分布式控制系统将矿渣立磨数据经OPC通讯通过工业内网传输至先进过程控制系统;
在一个示例中,APC系统服务器通过网关与矿渣生产DCS相连,实现双向数据通讯,网络拓扑结构采用星型网络结构,以100Mbps TCP/IP的以太网作为信息传递和数据传输的媒体,网络连接设备利用DCS以太网交换机。系统依托生产线已有的DCS,充分利用原有的软硬件和仪表资源,通过OPC连接DCS系统。在APC服务器上配置OPC客户端,连接位于工程师站上的OPC Server,以使智能控制控制系统能够获取分布在各现场控制站上的实时采集信息,并在操作员站管理下操作分布在各个现场控制站上的有关执行器。
S02:位于所述先进过程控制系统中的智能社区工程平台接收所述矿渣立磨数据并进行预处理;
在一个示例中,安装在先进控制系统中的ICE接收由DCS通过OPC通讯传输过来的矿渣立磨数据,并对所述矿渣立磨数据进行预处理,通常的预处理手段有一阶滤波及最小值处理。
S03:根据预处理后的所述矿渣立磨数据设计多变量预测控制器;
在一个示例中,控制器设计目标:稳定生产过程,提高产量,减少异常停机时间,稳定矿渣产品质量。结合磨机实际生产情况,梳理磨机的生产的输入变量和输出变量,制作针对矿渣立磨的MPC((Multivariable Predictive Control,多变量预测控制器);输出变量主要包括喂料量、热风炉燃气量、喷水量、选粉机转速、循环风阀门等,输入变量主要磨机震动,温度,压力,产品质量等。
具体设计三控制器:质量控制器,产量控制器,温度控制器:其中,
质量控制器:通过调节选粉机的转速,控制产品比表面积于设定值,产品的比表面积决定了产品质量。
产量控制器:调节循环风阀门同时,必然需要调节料量,两者相辅相成,保证磨机垂直振动不高于其设定上限,保证磨机出口温度梯度不低于其设定下限。在整个装置正常运行的前提下,逐渐提高产量,除了上述控制变量之外,制约产量提升的主要因素还有,外排斗提电流,磨机出口温度,磨机压差等。
温度控制器:控制磨机出口温度于设定值。当磨机出口温度高于其设定高限时,通过开大冷风阀,将磨机出口温度降至其设定高限以下。当出口温度暴跌时,减产拉风,使温度回升。当出口温度低于极低下限,也会拉风,直至温度升高至极低下限以上。
如图3所示,设计所述多变量预测控制器的步骤包括:
S031:阶跃测试,获取详细设计方案;
在一个示例中,测试的目的是使采集的数据序列尽可能多的包含过程特性的内在信息,以便准确建立被控变量和操纵变量、干扰变量之间的模型。并梳理详细的控制策略,形成详细设计方案。分析生产数据,根据现场实际情况制作MPC模型,并制作磨机控制器。
S032:建立所述分布式控制系统和所述先进过程控制系统的所述中间位号;
在一个示例中,为实现先进控制系统与常规控制之间的切换,需要在DCS中建立中间位号。这些位号包括:DCS通讯保护程序相关位号;先进控制系统位号,包括:CV(Controlled Variable,被控变量)的相关位号,包括先控期望值、上限、下限约束等;MV(Manipulated Variable,操纵变量)的相关位号,包括先控计算值、上限、下限约束、开关等。
S033:对所述多变量预测控制器建模与离线仿真;
在一个示例中,根据辨识出的数学模型建立模型预测控制所需的内部模型,并根据实际工艺特点和要求选取合理的参考轨迹、操作变量约束、被控变量约束、控制结构,从而完成多变量模型预测控制器的设计。区域控制对每个受控变量设立除设定值外的区域上下限,另外每个受控变量还设立约束上下限。
S034:先进控制系统集成和投用。
在一个示例中,多变量预测控制器搭建完成后,经过离线仿真测试,实际投用。
S04:所述多变量预测控制器在获取实时采集信息后,经所述OPC通讯通过所述分布式控制系统中的中间位号将计算值传输至所述分布式控制系统中的相关执行器对所述矿渣立磨过程进行智能调整。
在一个示例中,据统计震动超上限次数降低50%;温度超上限次数降低50%;压差超上限次数降低50%;磨机整体稳定性大幅提高,压差波动下降30%以上,温度波动下降30%以上;系统卡边增效;用气量明显下降,目前统计月用气量和月台产,单位气耗从35.7(m3/t)下降到34.1(m3/t),相比较于手动下降4%以上;单位电耗从40.4(kwh/t)下降到38.7(kwh/t),相比较于手动下降4%以上;投用的6月平均台产比1-5月平均台产,产量提高3%以上;减员减负,大幅降低操作员劳动强度,从每月操作5000多次,下降为400多次;操作频次下降90%以上;系统代替人工操作,可实现黑屏操作。并且APC以MPC为核心,同时可配置模糊控制、神经网络、专家控制、顺序控制等智能控制模块,可满足矿渣粉磨生产过程中的复杂控制要求,具有良好的在线实时优化功能。
在一个示例中,如图4所示为工作时间与CV磨出口温度变化状况图,横轴为工作时间,纵轴为磨出口温度,可看出在将根据多变量预测控制算法设计的多变量预测控制器应用于矿渣立磨智能系统后磨出口温度波动范围在105℃至97℃之间,在合理正常范围内。
在一个示例中,如图5所示为工作时间与MV热风炉煤气阀变化状况图,横轴为工作时间,纵轴为热风炉煤气阀开度,可看出在热风阀开度根据CV的变化趋势进行实时调节,保证磨机的温度和压力。
在一个示例中,如图6所示为工作时间与CCV(Constraint Controlled Variable,约束变量)料层厚度变化状况图,横轴为工作时间,纵轴为料层厚度,料层反应磨内物料厚度,从图中可看出在料层厚度在上限范围内,智能化控制系统在磨机生产过程中,保证料层稳定在正常内。
在一个示例中,如图7所示为工作时间与CCV原料水分变化状况图,横轴为工作时间,纵轴为原料水分,原料水分反应物料含水量,不同的含水量,会导致磨机工况发变化,智能化控制系统将磨机含水量作为前馈条件进行控制,当含水量较大时,减少喷水量,适当提高燃气用量。
在一个示例中,如图8所示为工作时间与CCV磨机功率变化状况图,横轴为工作时间,纵轴为磨机功率,磨机功率反应磨机做工状态,在当磨机物料过干,过湿,磨内负荷过空,过饱,均会导致磨机功率发生变化;从图中可看出智能化控制系统在磨机生产过程中,控制磨机功率在正常范围内,并相对稳定。
在一个示例中,如图9所示为工作时间与MV喷水阀开度变化状况图,横轴为工作时间,纵轴为MV喷水阀开度,喷水阀作为MV,需要根据磨矿实时调节,在当磨机物料过干,磨内扬尘较大,需要调节喷水,同时根据出磨温度,需要结合喷气量实时调节喷水阀;从图中可看出智能化控制系统在磨机生产过程中,根据温度,磨机功率等因素,由智能控制系统进行自动调节。
在一个示例中,如图10所示为CCV磨机减速机输入轴震动变化状况图,横轴为工作时间,纵轴为磨机减速机输入轴震动,磨机减速机输入震动是判断磨机状态条件之一,在当磨机震动过大会导致磨机跳停;从图中可看出智能化控制系统在磨机生产过程中,实时监控磨机震动状况,当震动出现异常时,控制系统会及时减产,防止磨机跳停,而无法正常生产。
在一个示例中,如图11所示为工作时间与CCV入磨温度变化状况图,横轴为工作时间,纵轴为入磨温度变化,智能化控制系统控制入磨温度在稳定在范围内,表示磨机在一个理想的状态运行。
在一个示例中,如图12所示为工作时间与CV磨进出口压差变化状况图,横轴为工作时间,纵轴为磨进出口压差,磨进出口压差表示磨内物料是否饱满,智能化控制系统控制磨进出口压差在目标值内,表示磨机在一最理想的状态运行。
在一个示例中,如图13所示为工作时间与MV热风变化状况图,横轴为工作时间,纵轴为磨出口温度,磨机减速机震动是判断磨机状态条件之一,在当磨机震动过大会导致磨机跳停;从图中可看出智能化控制系统在磨机生产过程中,实时监控磨机震动状况,当震动出现异常时,控制系统会及时减产,防止磨机跳停,而无法正常生产。
在一个示例中,如图14所示为工作时间与CCV磨机功率变化状况图,横轴为工作时间,纵轴为磨机功率,磨机功率反应磨机做工状态,在当磨机物料过干,过湿,磨内负荷过空,过饱,均会导致磨机功率发生变化;从图中可看出智能化控制系统磨机功率下限作为约束条件,进行优化控制,防止功率低于下限。
在一个示例中,如图15所示为工作时间与CCV比表预测值变化状况图,横轴为工作时间,纵轴为比表预测值,比表作为反应质量好坏的直接变量,过高表示研磨过细,过低表示研磨不充分;比表预测值为软测量根据化验室值和工艺参数变化,计算得到预测值;从图中可看出智能化控制系统粒度仪比表进行优化控制,使最后产品质量粗细合理,既保证产品质量,又不浪费磨机能耗。
在一个示例中,如图16所示为工作时间与CCV粒度仪比表滤波变化状况图,横轴为工作时间,纵轴为粒度仪比表滤波,粒度仪比表为在线粒度仪实时检测获得;从图中可看出智能化控制系统粒度仪比表进行优化控制,使最后产品质量粗细合理,既保证产品质量,又不浪费磨机能耗。
在一个示例中,如图17所示为工作时间与MV选粉机转速变化状况图,横轴为工作时间,纵轴为选粉机转速;从图中可看出智能化控制选粉机转速根据在线粒度仪实时检测的比表或者软测量的比表预测值实时优化调整,代替常规人工操作。
在一个示例中,如图18所示为工作时间与FF(Feed Forward,前馈)煤气流量变化状况图,横轴为工作时间,纵轴为煤气流量,煤气流量反应煤气实际流量,补偿煤气阀门开度调节,智能化控制系统将煤气流量作为前馈条件进行控制,当煤气流量大幅变化时优化调节煤气阀门开度。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (7)
1.一种矿渣立磨智能化方法,其特征在于,所述智能化方法包括:
分布式控制系统将矿渣立磨数据经OPC通讯通过工业内网传输至先进过程控制系统;
位于所述先进过程控制系统中的智能社区工程平台接收所述矿渣立磨数据并进行预处理;
根据预处理后的所述矿渣立磨数据设计多变量预测控制器;
所述多变量预测控制器在获取实时采集信息后,经所述OPC通讯通过所述分布式控制系统中的中间位号将计算值传输至所述分布式控制系统中的相关执行器对所述矿渣立磨过程进行智能调整。
2.如权利要求1所述的一种矿渣立磨智能化方法,其特征在于,所述设计多变量预测控制器包括:
阶跃测试,获取详细设计方案;
建立所述分布式控制系统和所述先进过程控制系统的所述中间位号;
对所述多变量预测控制器建模与离线仿真;
先进过程控制系统集成和投用。
3.如权利要求2所述的一种矿渣立磨智能化方法,其特征在于,所述多变量控制器包括:质量控制器,产量控制器,温度控制器。
4.如权利要求3所述的一种矿渣立磨智能化方法,其特征在于,所述质量控制器通过调节选粉机转速控制产品比表面积;所述温度控制器控制磨机出口温度;所述产量控制器通过控制循环风阀门和喂料量调节所述磨机的垂直震动和出口温度梯度。
5.如权利要求4所述的一种矿渣立磨智能化方法,其特征在于,所述产量控制器还通过调节外排斗提电流,所述磨机的出口温度,所述磨机的压差进行产量控制。
6.如权利要求1至5任一项所述的一种矿渣立磨智能化方法,其特征在于,所述智能化方法还包括专家调整,当超出所述多变量预测控制器调节范围时,需调用专家知识库中的专家进行人工调整。
7.一种矿渣立磨智能化系统,其特征在于,所述矿渣立磨智能化系统包括:
分布式控制系统,所述分布式控制系统包括生产数据模块,设备数据模块,质量数据模块;OPC通讯;工业内网;先进过程控制系统及位于所述先进过程控制系统中的智能社区工程平台,所述智能社区工程平台包括数据处理模块,MPC算法模块及专家知识库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011218133.8A CN112452520A (zh) | 2020-11-04 | 2020-11-04 | 一种矿渣立磨智能化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011218133.8A CN112452520A (zh) | 2020-11-04 | 2020-11-04 | 一种矿渣立磨智能化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112452520A true CN112452520A (zh) | 2021-03-09 |
Family
ID=74835903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011218133.8A Pending CN112452520A (zh) | 2020-11-04 | 2020-11-04 | 一种矿渣立磨智能化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112452520A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113760625A (zh) * | 2021-06-30 | 2021-12-07 | 浙江中控技术股份有限公司 | 一种模型预测控制器性能的评估方法及监控系统 |
CN114035519A (zh) * | 2021-10-27 | 2022-02-11 | 上海宝田新型建材有限公司 | 一种矿粉生产细度在线智能监控系统及其控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102151605A (zh) * | 2011-03-17 | 2011-08-17 | 浙江大学 | 基于模型辨识和预测控制的立磨先进控制方法及系统 |
CN102323751A (zh) * | 2011-06-28 | 2012-01-18 | 浙江大学 | 基于模糊智能控制和最优化方法的预粉磨系统控制方法 |
CN102402186A (zh) * | 2011-12-20 | 2012-04-04 | 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 |
CN102707743A (zh) * | 2012-05-30 | 2012-10-03 | 广东电网公司电力科学研究院 | 基于多变量预测控制的超超临界机组汽温控制方法及系统 |
CN111701698A (zh) * | 2020-05-26 | 2020-09-25 | 上海万澄环保科技有限公司 | 一种水泥磨系统及其自动寻优控制系统和方法 |
-
2020
- 2020-11-04 CN CN202011218133.8A patent/CN112452520A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102151605A (zh) * | 2011-03-17 | 2011-08-17 | 浙江大学 | 基于模型辨识和预测控制的立磨先进控制方法及系统 |
CN102323751A (zh) * | 2011-06-28 | 2012-01-18 | 浙江大学 | 基于模糊智能控制和最优化方法的预粉磨系统控制方法 |
CN102402186A (zh) * | 2011-12-20 | 2012-04-04 | 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 |
CN102707743A (zh) * | 2012-05-30 | 2012-10-03 | 广东电网公司电力科学研究院 | 基于多变量预测控制的超超临界机组汽温控制方法及系统 |
CN111701698A (zh) * | 2020-05-26 | 2020-09-25 | 上海万澄环保科技有限公司 | 一种水泥磨系统及其自动寻优控制系统和方法 |
Non-Patent Citations (3)
Title |
---|
俞利涛、魏灿、朱永治、臧建波: "《模型预测控制技术在水泥制造中的应用》", 《模型预测控制技术在水泥制造中的应用》 * |
王靖、艾军、魏灿、朱金波: "《水泥智能化控制系统的应用研究》", 《水泥智能化控制系统的应用研究》 * |
魏灿、俞利涛、童睿、王纯良: "《水泥粉磨智能优化控制系统的应用》", 《水泥粉磨智能优化控制系统的应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113760625A (zh) * | 2021-06-30 | 2021-12-07 | 浙江中控技术股份有限公司 | 一种模型预测控制器性能的评估方法及监控系统 |
CN113760625B (zh) * | 2021-06-30 | 2024-02-02 | 浙江中控技术股份有限公司 | 一种模型预测控制器性能的评估方法及监控系统 |
CN114035519A (zh) * | 2021-10-27 | 2022-02-11 | 上海宝田新型建材有限公司 | 一种矿粉生产细度在线智能监控系统及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112517220B (zh) | 一种基于矿渣粉磨系统的优化控制系统及方法 | |
CN102319612B (zh) | 一种水泥生料立磨压差的智能控制方法 | |
CN111701698B (zh) | 一种水泥磨系统及其自动寻优控制系统和方法 | |
CN103028480A (zh) | 一种基于模糊pid算法的立磨智能控制系统 | |
CN104384009B (zh) | 一种基于Bang‑Bang控制的水泥联合粉磨预测控制方法 | |
CN112452520A (zh) | 一种矿渣立磨智能化方法 | |
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 | |
CN202097023U (zh) | 基于模型辨识和预测控制的立磨先进控制系统 | |
CN111443597B (zh) | 用于控制立磨矿粉粒度的装置及方法 | |
CN101229525A (zh) | 雷蒙磨粉碎自动控制方法及其装置 | |
CN114640905B (zh) | 一种陶瓷生产云数据处理控制系统及方法 | |
CN110639686B (zh) | 一种煤炭分选重介质密度自动调节系统及工作方法 | |
CN102000627A (zh) | 一种圆锥式破碎机挤满给矿的自动控制装置及其方法 | |
CN113198591B (zh) | 基于滚动时域估计的辊式立磨自适应预测控制系统 | |
CN106886150A (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 | |
CN108672025A (zh) | 一种钢球磨煤制粉系统的多工况最优解耦控制方法 | |
CN115268539A (zh) | 烧结混合料智能制粒控制系统及方法 | |
CN111701697A (zh) | 一种水泥原料磨系统及其自动寻优控制方法 | |
CN112631121B (zh) | 水泥自立式辊压磨自动监测控制方法及系统 | |
CN111443598A (zh) | 水泥立磨控制方法及装置 | |
CN212348284U (zh) | 一种钢厂脱硫除尘自动控制系统 | |
CN114959149A (zh) | 一种高炉主沟处理团块物料自动控制加入量的方法 | |
AU5944299A (en) | Method and apparatus of manufacturing cement | |
Martin et al. | Next generation controllers for kiln/cooler and mill applications based on model predictive control and neural networks |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210309 |