CN112631121A - 水泥自立式辊压磨自动监测控制方法及系统 - Google Patents

Abstract

本发明提供一种水泥自立式辊压磨自动监测控制方法及系统，所述方法包括如下步骤：确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化；确定各变量的范围值和对应的磨机负荷状态信息，得到各变量与磨机负荷的关系；通过调整粉磨过程各个变量的值使磨机负荷达到期望范围，以使细度和磨内压差达到期望指标范围。本发明提供的以上方案，实现了稳流仓仓重、磨内压差、水泥粒度的自动监测和控制调节，与传统的方法相比，有较强的自适应和鲁棒性，能够适应现场的复杂环境等优点。

Description

水泥自立式辊压磨自动监测控制方法及系统

技术领域

本发明涉及一种自动监测控制技术领域，具体涉及一种水泥自立式辊压磨自动监测控制方法及系统。

背景技术

水泥作为国民经济重要的基础材料之一，它不仅被广泛应用于城市楼房与农村民居建设，而且在铁路运输、桥梁修建、河堤海港等工程方面也是无可替代的。水泥行业是我国国家经济的重要支柱产业，在我国国民经济中起着举足轻重的作用。

水泥生产的流程包括原料开采、生料配料、生料粉磨、熟料烧制和水泥粉磨。其中耗能最高的工艺过程是粉磨过程，其能耗占比大，成本约占总成本的 35％。大多数水泥厂仍然采用人工经验调节喂料量、风机阀门等关键控制量，无法保证最优和实时调节，这就导致了人力物力耗费大、能效低等现状。而部分采用自动控制方法的水泥厂也基本应用较陈旧的控制策略，如模糊控制、PID 控制等，普遍存在参数整定不良、性能欠佳、控制范围不广、对运行工况适应性差等问题。针对水泥生产过程自动化水平低的问题，近年来对水泥粉磨过程控制方法成为了水泥系统研究的主流。这些研究中绝大多数是对水泥粉磨过程与球磨机的控制研究，自立式辊压磨(立磨)尤其是对于水泥立磨系统的研究成果较少。因此，研究水泥立磨自动监测控制系统是具有实际价值的。

发明内容

有鉴于此，本发明提供一种鲁棒性强、适用性高的水泥自立式辊压磨自动监测控制方法及系统，能够适应现场的复杂环境。

本发明一部分实施例提供一种水泥自立式辊压磨自动监测控制方法，所述方法包括如下步骤：

确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化；

确定各变量的范围值和对应的磨机负荷状态信息，得到各变量与磨机负荷的关系；

通过调整粉磨过程各个变量的值使磨机负荷达到期望范围，以使细度和磨内压差达到期望指标范围。

可选地，上述的水泥自立式辊压磨自动监测控制方法，确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化的步骤中：

所述变量包括磨机电流、磨后负压、回粉量、斗提电流和选粉机电流。

可选地，上述的水泥自立式辊压磨自动监测控制方法，确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化的步骤中，通过如下方式对变量进行优化：

采用专家PID控制算法，针对自立式辊压磨五种不同的负荷状态，给出受控不同的调节范围；

依据软测量模型提供的磨况信息,算得生产质量信息和动态优化模型计算出的期望质量目标之间的偏差,并根据偏差大小决策是否需要对最优计算律进行调整；

如果偏差较大,则由补偿修正单元根据偏差量对最优控制律进行补偿调整。

可选地，上述的水泥自立式辊压磨自动监测控制方法，对立磨水泥粉磨过程的变量进行优化的步骤中：

通过水泥粉磨过程中稳流仓仓重、磨内压差、水泥粒度时变情况的微分方程组,在获取了所需参数后,根据设定的优化目标,以非线性反应动力学模型作为约束条件,利用动态优化的数值求解算法,离线计算出控制变量喂料量、板喂机转速和选粉机转速的最优控制律。

可选地，上述的水泥自立式辊压磨自动监测控制方法，专家PID控制算法包括：

e(k)表示当前采样时刻的离散化误差值，则e(k-1)、e(k-2)代表e(k)的上一各采样时刻和上两个采样时刻的离散化误差值，其中：

Δe(k)＝e(k)-e(k-1),

Δe(k-1)＝e(k-1)-e(k-2).；

专家PID控制器的输出根据专家规则，按照e(k)和Δe(k)误差变化率，根据专家经验形成专家规则，设置相应控制器的输出可参考以下5种情况进行控制器的设计：

首先定义u(k)表示控制器的第k次输出，k为整数；u(k-1)表示控制器的第 k-1次输出；k₁为放大增益系数，并令k₁≥1；k₂为抑制比例系数，并令0≤k₂≤1； M₁为误差上限设定值；M₂为误差下限设定值，且M₁＞M₂；e_m(k)表示误差的第k₁个极值；ε表示较小正整数；

当|e(k)|≥M₁时，误差已经超出设定要求，控制器调整误差，按照最大或最小值输出，使误差绝对值按照最快的速度减小到期望值范围内；

当e(k)Δe(k)≥0时，误差和误差变化率的变化方向一样，此时应分成2种情况确定误差的变化方向：

若|e(k)|≥M₂，控制器的输出为:

u(k)＝u(k-1)+k₁{k_p[e(k)-e(k-1)]+k_ie(k)+k_d[e(k)-2e(k-1)+e(k-2)]}计算；

若|e(k)|＜M₂，控制器的输出为:

u(k)＝u(k-1)+k_p[e(k)-e(k-1)]+k_ie(k)+k_d[e(k)-2e(k-1)+e(k-2)]；

如果e(k)＝0或e(k)Δe(k)＜0并且e(k)Δe(k-1)＞0时，控制器的输出不变化；

如果e(k)Δe(k)＜0并且e(k)Δe(k-1)＜0时，当|e(k)|＞M₂时，控制器的输出为：

u(k)＝u(k-1)+k₁k_pe_m(k)；

如果|e(k)|≤M₂时，控制器的输出为：u(k)＝u(k-1)+k₂k_pe_m(k)；

如果|e(k)|≤ε时，控制器的输出为：u(k)＝u(k-1)+k_p[e(k)-e(k-1)]+k_ie(k)。

可选地，上述的水泥自立式辊压磨自动监测控制方法，影响水泥生产的关注变量包括：

被控量：粒度s、中间仓仓位A、磨内压差P；

控制量：喂料量m、选粉机转速v、板式给料机转速t；

还包括固定参数θ，固定参数包括物料质量、含水量、入磨风量。

可选地，上述的水泥自立式辊压磨自动监测控制方法，水泥立磨生产过程的动态描述为：

其中，x＝[x₁,x₂,x₃]^T，u＝[u₁,u₂,u₃]^T，x₁＝s，x₂＝A,x₃＝P，u₁＝m，u₂＝v，u₃＝t，θ为常数；

根据已建立的指标预测模型，确定粒度s,中间仓仓位A和磨内压差P的理想指标如下:

x₁＝20.7，x₂＝1.5，x₃≤5700

其中，粒度的建议范围为(20.7±2)％，仓位在1.5m，磨内压差控制在 5700kPa以下；建立优化模型如下:

可选地，上述的水泥自立式辊压磨自动监测控制方法，动态优化模型可以表示为：

公式中:V为优化目标；L为加权矩阵；Z为性能指标；X为状态变量；Y为代数变量；u-控制变量；C_x,C_y,C_u为权矩阵；

变量离散化后,动态优化问题转换为NPL问题,将其转换为二次型形式,表示如下：

公式中,O为权系数矩阵。

本发明一些实施例提供一种存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行以上任一项所述的水泥自立式辊压磨自动监测控制方法。

本发明一些实施例提供一种水泥自立式辊压磨自动监测控制系统，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行以上任一项所述的水泥自立式辊压磨自动监测控制方法。

本发明提供的以上技术方案，与现有技术相比，至少具有如下效果：实现了稳流仓仓重、磨内压差、水泥粒度的自动监测和控制调节。与传统的方法相比，专家PID控制算法有较强的自适应和鲁棒性，能够适应现场的复杂环境等优点。

附图说明

图1为本发明一个实施例所述水泥自立式辊压磨系统工艺流程图；

图2为本发明一个实施例所述各变量与磨机负荷关系图；

图3为本发明一个实施例所述水泥自立式辊压磨控制系统方案结构图；

图4为本发明一个实施例所述PID控制与专家PID控制效果比较图；

图5为本发明一个实施例所述绪贯算法结构图；

图6为本发明一个实施例所述一般SQP优化算法求解步骤流程图；

图7为本发明一个实施例所述现场实现总体方案图；

图8为本发明一个实施例所述自动监测控制软件的基本功能模块图。

具体实施方式

下面将结合附图进一步说明本发明实施例。在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明的简化描述，而不是指示或暗示所指的装置或组件必需具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。

本发明的一部分实施例中提供一种水泥自立式辊压磨自动监测控制方法，结合附图1所示，水泥熟料、石灰石、掺合料等经过一定比例混合后，通过喂料皮带送入中间仓102，中间仓102的物料通过板式给料机103，物料均匀的送入立磨机104。立磨机104内部设有旋转圆盘，圆盘外侧有磨辊，入立磨的物料首先经下料口落在圆盘上，圆盘旋转产生的离心力使物料向外侧移动，外侧的磨辊和圆盘产生相对运动，对物料进行挤压研磨。经过一次研磨之后的物料粗细并不均匀，从磨盘甩出之后分为两部分，较细的物料被立磨机内自下而上的循环风吹起，粗的一部分无法吹起，自由落下，从立磨机底部吐渣口出磨，经外排皮带秤105、回料斗式提升机101提起，重新送入中间仓102，开始二轮研磨过程。立磨机104内被吹起的细料经过立磨机104上部选粉机选粉后，细度仍然不够的物料无法通过，重新落回，足够细的颗粒和粉尘通过选粉机，由循环风吹入袋式收尘器106，收尘后送入入库斗式提升机110底部，提至水泥库111，废气经循环风机107后经循环风阀108过来的热风排出。粒度分析仪109对水泥的粒度进行在线分析，指导操作员进行相关操作，保证水泥的质量。

结合图2所示，结合水泥生产的实际情况，通过对图1工艺的分析，得出与磨机负荷相关的变量为磨机电流、磨后负压、回粉量、斗提电流和选粉机电流等。根据对水泥厂的实地考察，以及对操作员经验的总结、现场数据的分析以及查阅相关文献，可以确定出各变量参数的范围值和对应的磨机负荷状态信息，得到各变量与磨机负荷的大致关系。

结合图3所示，对立磨水泥粉磨过程的变量进行优化设定的目的就是当粉磨工况不停变化的情况下，通过调整粉磨过程关键操作变量(比如喂料量、板喂机转速等)使细度和磨内压差达到期望指标范围，实现对水泥生产的优化，达到期望的生产目标。由于水泥粉磨过程具有较强动态特征,使得水泥生产中产品质量的控制指标均以终端约束的形式给定。

该优化控制方案首先基于动态优化模型求得最优控制律,为消除生产过程中的扰动,以及其它不确定因素所带来的影响,再引入基于生产质量指标的反馈调整机制,其中反馈信息由软测量模型根据水泥立磨物料进出情况计算得到,再由智能控制单元根据反馈的质量信息和期望的质量目标间的偏差对最优控制律进行补偿修正。而动态优化模型中状态变量的初值、控制变量的边界,以及终端时间将由参数初始化计算模型根据生产数据计算得到。

动态最优计算模型中包括了非线性动力学模型即水泥粉磨过程中稳流仓仓重、磨内压差、水泥粒度时变情况的微分方程组,在参数计算模型提供了所需参数后,动态最优计算模型将根据设定的优化目标,以非线性反应动力学模型作为约束条件,利用动态优化的数值求解算法,离线计算出控制变量喂料量、板喂机转速和选粉机转速的最优控制律。由于水泥生产过程中随机干扰因素很多,因此, 计算得到的最优控制律不直接送过程控制级,而送至智能控制单元。

得到磨机负荷的状态后，通过控制喂料量，板喂机转速和选粉机转速来达到控制磨机负荷的作用。控制器采用专家PID控制，针对立磨五种不同的负荷状态，给出受控不同的调节范围。再依据软测量模型提供的磨况信息,算得生产质量信息和动态优化模型计算出的期望质量目标之间的偏差,并根据偏差大小决策是否需要对最优计算律进行调整。如果偏差较大,则由补偿修正单元根据偏差量对最优控制律进行补偿调整。

以上方案中的动态优化控制方案,综合了最优控制策略和反馈控制策略的优点,可根据磨况变化情况进行调整,从而提高了优化控制系统的控制能力。

结合图4所示，采用的专家PID算法中e(k)表示当前采样时刻的离散化误差值，则e(k-1)、e(k-2)代表e(k)的上1采样时刻和上2采样时刻的离散化误差值，因此就有

Δe(k)＝e(k)-e(k-1),

Δe(k-1)＝e(k-1)-e(k-2).；

根据上式，专家PID控制器的输出可根据专家规则，按照e(k)和Δe(k)误差变化率，根据专家经验形成专家规则，设置相应控制器的输出可参考以下5种情况进行控制器的设计。在进行控制器的设计前首先定义u(k)表示控制器的第k 次输出(k为整数)；u(k-1)表示控制器的第k-1次输出；k₁为放大增益系数，并令k₁≥1；k₂为抑制比例系数，并令0≤k₂≤1；M₁为误差上限设定值；M₂为误差下限设定值，且M₁＞M₂；e_m(k)表示误差的第k₁个极值；ε表示较小正整数。

当|e(k)|≥M₁时，即误差值明显大于设定误差上限值时，说明控制器的误差已经超出设定要求，控制器此时要迅速调整误差，此时控制器要按照最大或最小值输出，尽快使误差绝对值按照最快的速度减小到期望值范围内。

当e(k)Δe(k)≥0时，表明误差和误差变化率的变化方向一样，此时应分成2 种情况确定误差的变化方向：若|e(k)|≥M₂，表明误差已经超过设定值，应当对其施加较强的控制作用，迫使误差绝对值迅速向减小方向变化，此时控制器的输出可以按照

u(k)＝u(k-1)+k₁{k_p[e(k)-e(k-1)]+k_ie(k)+k_d[e(k)-2e(k-1)+e(k-2)]}

计算；若|e(k)|＜M₂，表明即使目前误差正向着误差绝对值变大的方向增长，但误差的绝对值小于误差上限设定值，说明误差的变化趋势是向变大的方向发展，但不是很严重，只要进行及时调整即可，一般可适当修改控制作用，使控制器的误差绝对值向减小方向发展，控制的输出可按

u(k)＝u(k-1)+k_p[e(k)-e(k-1)]+k_ie(k)+k_d[e(k)-2e(k-1)+e(k-2)]

进行设定。

如果误差处于平衡状态或者误差的绝对值正向减小方向变化时，即e(k)＝0 或e(k)Δe(k)＜0并且e(k)Δe(k-1)＞0时，表明控制器处于较好的状态，可以考虑当前控制器的输出不变化。

如果误差处于极值状态，即e(k)Δe(k)＜0并且e(k)Δe(k-1)＜0时，要根据误差的绝对值情况来决定控制器的输出，当|e(k)|＞M₂时，表明误差较大，控制作用应加强，使控制器的输出迅速减小或增大，可参考

u(k)＝u(k-1)+k₁k_pe_m(k)

进行调整；但当|e(k)|≤M₂时，表明误差绝对值不是很大，可稍微对控制器进行调整，使控制器的误差减小，可参考

u(k)＝u(k-1)+k₂k_pe_m(k)

进行调整。

当误差绝对值较小，即|e(k)|≤ε时，可考虑加入积分作用来减小控制输出的稳态静差，此时可按照

u(k)＝u(k-1)+k_p[e(k)-e(k-1)]+k_ie(k)

进行控制器的输出。

由以上5种情况可以明显看出，专家PID算法与传统PID的算法有着明显的区别和优势，专家PID算法本质上就采用了非线性的设计手段，并且将专家经验引入控制策略的制定中，更加适合工业过程中一些较为复杂控制对象的控制策略实施，可以较好地克服常规PID对非线性系统适应性差、难以克服异常扰动以及对滞后时间常数难以确定等缺点。

结合图5所示，对水泥立磨生产过程的工艺和机理分析，得到以下影响水泥生产的主要关注变量：

主要被控量：粒度s、中间仓仓位A、磨内压差P；

主要控制量：喂料量m、选粉机转速v、板式给料机转速t。

此外，生产过程还受到物料质量、含水量、入磨风量等固定参数θ的影响。

因此，得到如下水泥立磨生产过程的动态描述：

其中，x＝[x₁,x₂,x₃]^T，u＝[u₁,u₂,u₃]^T，x₁＝s，x₂＝A,x₃＝P，u₁＝m，u₂＝v， u₃＝t，θ为常数。

根据已建立的指标预测模型，确定粒度s,中间仓仓位A和磨内压差P的理想指标如下:

x₁＝20.7，x₂＝1.5，x₃≤5700

其中，粒度的建议范围为(20.7±2)％，仓位在1.5m，磨内压差一般控制在5700kPa以下。因此建立优化模型如下:

序贯法把求解空间分成控制变量和状态变量空间,只有控制变量被离散后作为在非线性规划中的自由度,所以这种算法也被称为控制变量参数化算法。

在序贯算法中,每一次非线性规划中都要求解一次系统模型方程,所以将过程模拟计算层称为内层,把优化层称为外层,所以序贯算法也被称为双层算法。双层策略结构如图1所示。

结合图6所示，仅仅控制变量包含在优化层中,而状态变量在模拟计算层中经过求解模型方程得到。由于序贯法在每次优化迭代中,都要求解一次过程状态方程,即过程的状态方程总是得到满足,状态变量都有明确的物理意义,所以它是一种可行路径法。在序贯算法中,控制变量被表示成分段多项式函数或者分段常数函数,优化问题就变为求解这些多项式的系数。即微分状态方程将在每进行求解前,对状态变量进行估计,估计方法就是利用近似控制向量的多项式代替原控制向量。若采用分段常量函数作为基函数,其计算公式如下：

u(t)＝P^Tφ_i(t)，其中:

公式中：P为相应的参数向量。

序贯法需要给定初始条件和控制变量的初值,在每一次非线性规划的迭代中,都需要由微分方程求解器求解一次过程系统模型方程。而在每一次优化迭代中,对于给定的控制变量,微分方程始终是满足的。

一般,动态优化模型可以表示为：

公式中:V-优化目标；L-加权矩阵；Z-性能指标；X-状态变量；Y-代数变量；u- 控制变量；C_x,C_y,C_u-权矩阵。

经过变量离散化后,动态优化问题将转换为NPL问题,将其转换为二次型形式,表示如下：

公式中,O-权系数矩阵

目前,SQP方法是求解NLP问题最好的方法,因此,将采用该方法求解。由于序贯动态优化算法采用了双层结构,在优化层中仅包含控制变量和不等式约束, 状态变量没有包含在非线性规划中。

为保证路径约束得到满足,在NLP计算中需要状态变量对控制变量的灵敏度信息,即NLP问题中目标函数和约束对决策变量的梯度信息,而梯度信息将采用灵敏度方程进行计算。

由于灵敏度的计算方法和计算精度直接关系到整个优化算法的收敛速度, 因此在序贯算法中,灵敏度信息的正确计算十分重要。

根据定义

目标函数和不等式约束对控制变量的导数可以表示为：

公式中：

可直接求出，而

则通过链式法则进行传递求解。

该传递公式可表示为：

在采用分段常量控制方式时,转移矩阵定义如下：

另外，在t_j＝jΔt处有：

结合图7所示，通过数据库SQL Server和Freelance OPC-Server两个服务器使应用软件与DCS(Distributed Control System)进行数据连通。通过OPC Client用户界面来配置相应的数据库名和服务器名，与OPC Server和SQL Server进行连接。OPC Client经过Freelance OPC-Server服务器采集DCS中主要被控变量和控制变量的数据到SQL数据库里等待VB应用程序的调用，并通过OPC接口读取并写入DCS AC800F控制器的数据来对现场控制变量进行调节。

本发明一些实施例提供一种存储介质，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行以上任一项所述的水泥自立式辊压磨自动监测控制方法。

本发明一些实施例提供一种水泥自立式辊压磨自动监测控制系统，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行以上任一项所述的水泥自立式辊压磨自动监测控制方法。

结合图8所示，上述系统，其组成包括用户登录模块，OPC数据采集模块，基于专家PID算法的粉磨自动监测控制模块，修改登录密码模块，退出系统模块。所述的用户登录模块，输入用户名及对应的密码进入系统配置界面，分别配置数据采集和自动监测控制模块，也可以一键配置，即进入系统主界面。所述的基于专家PID算法的粉磨自动监测控制模块，数据采集得到磨机负荷的状态后，通过控制喂料量，板喂机转速和选粉机转速来达到控制自立式辊压磨稳流仓仓重、磨内压差、水泥粒度的作用。控制器采用专家PID控制，针对自立式辊压磨五种不同的负荷状态，给出受控不同的调节范围。再依据软测量模型提供的磨况信息,算得生产质量信息和动态优化模型计算出的期望质量目标之间的偏差,并根据偏差大小决策是否需要对最优计算律进行调整。如果偏差较大, 则由补偿修正单元根据偏差量对最优控制律进行补偿调整。所述的修改登录密码模块，用来更新用户名和密码，保证系统的安全。所述的退出系统模块，用于安全退出系统。提醒中控室操作人员在自立式辊压磨自动控制模式切出到手动控制时，产生的不必要的控制紊乱。进一步地，水泥自立式辊压磨自动监测控制软件V1.0采用Visual Basic语言编程，并以软件包形式配置在操作员站的计算机。其基本菜单模块由用户登录、系统连接配置、自动控制选择和退出系统等组成。通过将操作员站的DCS界面嵌入到主界面，操作员控制程序主操作界面进行手自动切换的使用。

结合图7和图8，水泥自立式辊压磨自动监测控制系统软件V1.0采用 VisualBasic语言编程，并以软件包形式配置在操作员站的计算机。其基本菜单模块由用户登录、系统连接配置、自动控制选择和退出系统等组成。通过将操作员站的DCS界面嵌入到主界面，操作员控制程序主操作界面进行手自动切换的使用。本发明组成包括通过数据库SQLServer和Freelance OPC-Server 两个服务器使应用软件与DCS(Distributed ControlSystem)进行数据连通。通过OPC Client用户界面来配置相应的数据库名和服务器名，与OPC Server 和SQL Server进行连接。OPC Client经过Freelance OPC-Server服务器采集DCS中主要被控变量和控制变量的数据到SQL数据库里等待VB应用程序的调用，并通过OPC接口读取并写入DCS AC800F控制器的数据利用专家PID控制算法来对现场控制变量进行调节。实现了稳流仓仓重、磨内压差、水泥粒度的自动监测和控制调节。与传统的方法相比，专家PID控制算法有较强的自适应和鲁棒性，能够适应现场的复杂环境等优点。

最后应说明的是：以上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各实施例技术方案的范围。

Claims (10)

1.一种水泥自立式辊压磨自动监测控制方法，其特征在于，所述方法包括如下步骤：

确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化；

确定各变量的范围值和对应的磨机负荷状态信息，得到各变量与磨机负荷的关系；

通过调整粉磨过程各个变量的值使磨机负荷达到期望范围，以使细度和磨内压差达到期望指标范围。

2.根据权利要求1所述的水泥自立式辊压磨自动监测控制方法，其特征在于，确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化的步骤中：

所述变量包括磨机电流、磨后负压、回粉量、斗提电流和选粉机电流。

3.根据权利要求2所述的水泥自立式辊压磨自动监测控制方法，其特征在于，确定与磨机负荷相关的变量，对立磨水泥粉磨过程的变量进行优化的步骤中，通过如下方式对变量进行优化：

采用专家PID控制算法，针对自立式辊压磨五种不同的负荷状态，给出受控不同的调节范围；

依据软测量模型提供的磨况信息,算得生产质量信息和动态优化模型计算出的期望质量目标之间的偏差,并根据偏差大小决策是否需要对最优计算律进行调整；

如果偏差较大,则由补偿修正单元根据偏差量对最优控制律进行补偿调整。

4.根据权利要求3所述的水泥自立式辊压磨自动监测控制方法，其特征在于，对立磨水泥粉磨过程的变量进行优化的步骤中：

通过水泥粉磨过程中稳流仓仓重、磨内压差、水泥粒度时变情况的微分方程组,在获取了所需参数后,根据设定的优化目标,以非线性反应动力学模型作为约束条件,利用动态优化的数值求解算法,离线计算出控制变量喂料量、板喂机转速和选粉机转速的最优控制律。

5.根据权利要求3或4所述的水泥自立式辊压磨自动监测控制方法，其特征在于，专家PID控制算法包括：

e(k)表示当前采样时刻的离散化误差值，则e(k-1)、e(k-2)代表e(k)的上一各采样时刻和上两个采样时刻的离散化误差值，其中：

Δe(k)＝e(k)-e(k-1),

Δe(k-1)＝e(k-1)-e(k-2).；

专家PID控制器的输出根据专家规则，按照e(k)和Δe(k)误差变化率，根据专家经验形成专家规则，设置相应控制器的输出可参考以下5种情况进行控制器的设计：

首先定义u(k)表示控制器的第k次输出，k为整数；u(k-1)表示控制器的第k-1次输出；k₁为放大增益系数，并令k₁≥1；k₂为抑制比例系数，并令0≤k₂≤1；M₁为误差上限设定值；M₂为误差下限设定值，且M₁＞M₂；e_m(k)表示误差的第k₁个极值；ε表示较小正整数；

当|e(k)|≥M₁时，误差已经超出设定要求，控制器调整误差，按照最大或最小值输出，使误差绝对值按照最快的速度减小到期望值范围内；

当e(k)Δe(k)≥0时，误差和误差变化率的变化方向一样，此时应分成2种情况确定误差的变化方向：

若|e(k)|≥M₂，控制器的输出为:

u(k)＝u(k-1)+k₁{k_p[e(k)-e(k-1)]+k_ie(k)+k_d[e(k)-2e(k-1)+e(k-2)]}计算；

若|e(k)|＜M₂，控制器的输出为:

u(k)＝u(k-1)+k_p[e(k)-e(k-1)]+k_ie(k)+k_d[e(k)-2e(k-1)+e(k-2)]；

如果e(k)＝0或e(k)Δe(k)＜0并且e(k)Δe(k-1)＞0时，控制器的输出不变化；

如果e(k)Δe(k)＜0并且e(k)Δe(k-1)＜0时，当|e(k)|＞M₂时，控制器的输出为：

u(k)＝u(k-1)+k₁k_pe_m(k)；

如果|e(k)|≤M₂时，控制器的输出为：u(k)＝u(k-1)+k₂k_pe_m(k)；

如果|e(k)|≤ε时，控制器的输出为：u(k)＝u(k-1)+k_p[e(k)-e(k-1)]+k_ie(k)。

6.根据权利要求5所述的水泥自立式辊压磨自动监测控制方法，其特征在于，影响水泥生产的关注变量包括：

被控量：粒度s、中间仓仓位A、磨内压差P；

控制量：喂料量m、选粉机转速v、板式给料机转速t；

还包括固定参数θ，固定参数包括物料质量、含水量、入磨风量。

7.根据权利要求6所述的水泥自立式辊压磨自动监测控制方法，其特征在于：

水泥立磨生产过程的动态描述为：

其中，x＝[x₁,x₂,x₃]^T，u＝[u₁,u₂,u₃]^T，x₁＝s，x₂＝A,x₃＝P，u₁＝m，u₂＝v，u₃＝t，θ为常数；

根据已建立的指标预测模型，确定粒度s,中间仓仓位A和磨内压差P的理想指标如下:

x₁＝20.7，x₂＝1.5，x₃≤5700

其中，粒度的建议范围为(20.7±2)％，仓位在1.5m，磨内压差控制在5700kPa以下；建立优化模型如下:

s.t.

8.根据权利要求7所述的水泥自立式辊压磨自动监测控制方法，其特征在于：

动态优化模型可以表示为：

s.t.

公式中:V为优化目标；L为加权矩阵；Z为性能指标；X为状态变量；Y为代数变量；u-控制变量；C_x,C_y,C_u为权矩阵；

变量离散化后,动态优化问题转换为NPL问题,将其转换为二次型形式,表示如下：

s.t.

公式中,O为权系数矩阵。

9.一种存储介质，其特征在于，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行权利要求1-8任一项所述的水泥自立式辊压磨自动监测控制方法。

10.一种水泥自立式辊压磨自动监测控制系统，其特征在于，包括至少一个处理器和至少一个存储器，至少一个所述存储器中存储有程序指令，至少一个所述处理器读取所述程序指令后执行权利要求1-8任一项所述的水泥自立式辊压磨自动监测控制方法。

Images