CN112728942A - 墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置 - Google Patents
墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置 Download PDFInfo
- Publication number
- CN112728942A CN112728942A CN202011604599.1A CN202011604599A CN112728942A CN 112728942 A CN112728942 A CN 112728942A CN 202011604599 A CN202011604599 A CN 202011604599A CN 112728942 A CN112728942 A CN 112728942A
- Authority
- CN
- China
- Prior art keywords
- temperature
- firing
- kiln
- firing temperature
- blank
- 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.)
- Withdrawn
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D1/00—Casings; Linings; Walls; Roofs
- F27D1/04—Casings; Linings; Walls; Roofs characterised by the form, e.g. shape of the bricks or blocks used
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F27—FURNACES; KILNS; OVENS; RETORTS
- F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
- F27D1/00—Casings; Linings; Walls; Roofs
- F27D1/16—Making or repairing linings increasing the durability of linings or breaking away linings
- F27D1/1621—Making linings by using shaped elements, e.g. bricks
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本申请公开了一种墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置,通过将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯;通过干燥窑对湿坯进行烘干处理,形成干坯;通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度;根据目标烧制温度,调节烧制温度。本申请可以提高隧道窑烧结砖的产量和质量,还可以减少能源浪费,保护环境,具有社会和经济的双重效益。
Description
技术领域
本申请涉及生产制造领域,尤其涉及一种墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置。
背景技术
随着我国生产技术水平的不断提高,烧结砖的生产制造水平已经处于机械化和半自动化程度,但是还远远达不到自动化和智能化水平。在隧道窑中对烧结砖的烧制加工过程中需要对烧结砖的烧制质量进行评判,相关技术对完全依赖人工经验,没有一个预测烧结砖烧制质量的评判标准。
在实现本公开实施例的过程中,发现相关技术中至少存在如下问题:
完全依赖工人经验对砖坯在隧道窑中的烧结程度进行评判,以至于不同批次烧制出来的砖坯质量不一,造成生产效率低下、烧结砖质量不一以及资源浪费等问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
为了解决上述技术问题,本申请提供了一种墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置。
本申请提供了一种墙材生产线中利用隧道窑烧制烧结砖的加工方法,该方法包括以下步骤:
将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯;
通过干燥窑对湿坯进行烘干处理,形成干坯;
通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度;
根据目标烧制温度,调节烧制温度。
在一些实施例中,焙烧窑包括依次连接的预热带和烧成带,通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度,包括:
通过预热带对干坯进行预热处理,预热后的干坯进入烧成带进行烧制;
对烧成带中的多个温度点进行测温,得到烧制温度。
在一些实施例中,对烧成带中的多个温度点进行测温,得到烧制温度,包括:
从多个温度点中确定出温度最高的温度点;
将温度最高的温度点所对应的温度作为烧制温度。
在一些实施例中,对烧成带中的多个温度点进行测温,得到烧制温度,包括:
计算多个温度点的温度平均值;
将温度平均值作为烧制温度。
在一些实施例中,根据目标烧制温度,调节烧制温度,包括:
计算烧制温度和目标烧制温度的温度差值;
在温度差值大于预设温度差阈值的情况下,调节烧制温度。
在一些实施例中,在温度差值大于预设温度差阈值的情况下,调节烧制温度,包括:
在烧制温度大于目标烧制温度,且温度差值大于预设温度差阈值的情况下,减少烧成带中的燃料助燃剂;
在烧制温度小于目标烧制温度,且温度差值大于预设温度差阈值的情况下,增加烧成带中的燃料助燃剂。
在一些实施例中,焙烧窑还包括与烧成带相连接的冷却带,方法还包括:
经过烧成带烧制后的干坯进入冷却带;
通过冷却风机对冷却带中的干坯进行冷却处理,得到烧结砖。
在一些实施例中,通过干燥窑对湿坯进行烘干处理,包括:
利用冷却带的余热烘干湿坯。
在一些实施例中,通过干燥窑对湿坯进行烘干处理,包括:
利用风机抽取干燥窑中的烟气。
本申请提供了一种墙材生产线中利用隧道窑烧制烧结砖的加工装置,该装置包括:
码坯机,被配置为对按照预设比例进行破碎混合、陈化和加水处理后的烧结砖原料进行加工形成湿坯;
干燥窑,被配置为对湿坯进行烘干处理,形成干坯;
焙烧窑,被配置为对干坯进行烧制并检测焙烧窑内的烧制温度;以及
温度调节模块,被配置为根据目标烧制温度,调节烧制温度。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置,通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度;根据目标烧制温度,调节烧制温度,可以提高隧道窑烧结砖的产量和质量,还可以减少能源浪费,保护环境,具有社会和经济的双重效益。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种墙材生产线中利用隧道窑烧制烧结砖的加工方法的流程示意图;
图2为本申请实施例提供的焙烧窑的结构示意图;
图3为本申请实施例提供的一种基于BP神经网络的烧结砖质量预测方法的流程示意图;
图4为本申请实施例提供的BP神经网络模型的训练流程图;
图5为本申请实施例提供的BP神经网络模型的结构示意图;
图6为本申请实施例提供的另一种基于BP神经网络的烧结砖质量预测方法的流程示意图;
图7为本申请提供的一种墙材生产线中利用隧道窑烧制烧结砖的加工装置的结构示意图;
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种墙材生产线中利用隧道窑烧制烧结砖的加工方法的流程示意图,该方法具体包括以下步骤:
S101、将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯。
可选地,烧结砖原料可以包括粉煤灰、煤矸石和石粉。
S102、通过干燥窑对湿坯进行烘干处理,形成干坯。
S103、通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度。
S104、根据目标烧制温度,调节烧制温度。
本申请实施例提供的墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置,通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度;根据目标烧制温度,调节烧制温度,可以提高隧道窑烧结砖的产量和质量,还可以减少能源浪费,保护环境,具有社会和经济的双重效益。
在一些实施例中,如图2所示,为本申请实施例提供的焙烧窑的结构示意图,焙烧窑包括依次连接的预热带和烧成带,通过焙烧窑对干坯进行烧制并检测焙烧窑内的烧制温度,包括:
通过预热带对干坯进行预热处理,预热后的干坯进入烧成带进行烧制;
对烧成带中的多个温度点进行测温,得到烧制温度。
在一些实施例中,焙烧窑还包括与烧成带相连接的冷却带,方法还包括:
经过烧成带烧制后的干坯进入冷却带;
通过冷却风机带来的外部空气对冷却带中的干坯进行冷却处理,得到烧结砖。
在一些实施例中,对烧成带中的多个温度点进行测温,得到烧制温度,包括:
从多个温度点中确定出温度最高的温度点;
将温度最高的温度点所对应的温度作为烧制温度。
在一些实施例中,对烧成带中的多个温度点进行测温,得到烧制温度,包括:
计算多个温度点的温度平均值;
将温度平均值作为烧制温度。
在一些实施例中,根据目标烧制温度,调节烧制温度,包括:
计算烧制温度和目标烧制温度的温度差值;
在温度差值大于预设温度差阈值的情况下,调节烧制温度。
在一些实施例中,在温度差值大于预设温度差阈值的情况下,调节烧制温度,包括:
在烧制温度大于目标烧制温度,且温度差值大于预设温度差阈值的情况下,减少烧成带中的燃料助燃剂;
在烧制温度小于目标烧制温度,且温度差值大于预设温度差阈值的情况下,增加烧成带中的燃料助燃剂,使得烧制温度可以快速上升以满足温度要求。
在一些实施例中,通过干燥窑对湿坯进行烘干处理,包括:
利用冷却带的余热烘干湿坯。
在一些实施例中,通过干燥窑对湿坯进行烘干处理,包括:
利用风机抽取干燥窑中的烟气。烘干程度由风机频率来决定。
如图3所示,图3为本申请实施例提供的一种基于BP神经网络的烧结砖质量预测方法的流程示意图,该方法具体包括以下步骤:
S301、将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯。
可选地,烧结砖原料可以包括粉煤灰、煤矸石和石粉。
S302、通过干燥窑对湿坯进行烘干处理,形成干坯。
S303、通过焙烧窑对干坯进行烧制并检测焙烧窑内的多个温度点的烧制温度。
S304、将烧制温度输入到预先训练好的BP神经网络模型,以使BP神经网络模型输出由焙烧窑烧制得到的烧结砖的质量预测结果。
通过对焙烧窑内的多个温度点的温度值和温度分布情况进行分析,可以得出隧道窑中砖坯焙烧情况,通过将烧制温度输入到训练好的BP神经网络模型可以准确地得到烧结砖的质量预测结果,从而可以更好地掌握焙烧窑中烧结砖的出窑时间,改变了烧结砖出窑时机严重依赖工人经验的现状,有利于推进隧道窑烧结砖生产的智能化改造,提高隧道窑烧结砖的产量和质量,还可以减少能源浪费,保护环境,具有社会和经济的双重效益。
可选地,从上述的烧结砖制造工艺流程可以得出,烧结砖的质量好坏取决于:烧结砖的原料比、含水量、干燥程度(最终由风机频率决定)、焙烧窑中各个温度点所到达的烧结温度值等。烧结砖的质量评测的主要标准可以包括:成品率、外观评测(例如釉面、颜色、图案)、吸水率和强度。根据以上分析,可以得到烧结砖质量标准与质量影响变量之间的非线性方程:
(y,a,w,s)=f(p,m,F,t1,t2,t3,t4,t5,t6,t7,t8);
其中,y:成品率;a:外观评测系数;w:吸水率;s:强度;p:原料比(粉煤灰、煤矸石和石粉混合比例);m:含水率;F:风机频率。t1,t2,t3,t4,t5,t6,t7,t8:焙烧窑中的8个温度点的烧结温度。考虑到变量的获取以及模型的简化,在这上述多个质量影响变量中,本申请主要考虑其中影响最大的几个变量,即焙烧窑中的8个温度点的烧制温度。可选地,可以工艺需要等实际情况来考虑检测的焙烧窑中的温度点的数量,本申请对此不做限定。
在一些实施例中,如图4所示,图4是本申请实施例提供的BP神经网络模型的训练流程图,BP神经网络模型通过以下方式进行训练:
S401、获取焙烧窑中的多个温度点的历史烧制温度和历史质量预测结果;
S402、将多个温度点的历史烧制温度作为训练样本输入初始BP神经网络模型,以使初始BP神经网络模型输出质量预测结果;
S403、根据指令预测结果和历史质量预测结果,计算初始BP神经网络模型的全局误差;
S404、当全局误差小于或等于设定的误差阈值时,则初始BP神经网络模型训练成功,得到训练好的BP神经网络模型;
S405、当全局误差大于设定的误差阈值时,则通过调整权重和偏置值,继续对初始BP神经网络模型进行训练,直至初始BP神经网络模型训练成功。
在一些实施例中,在将多个温度点的历史烧制温度作为训练样本输入初始BP神经网络模型之前,该方法还包括:
对多个温度点的历史烧制温度进行归一化处理。
在一些实施例中,方法还包括:
通过GA遗传算法对初始BP神经网络模型中的权重和偏置值进行初始化操作。
由于BP神经网络模型中的权重和偏置值初始化具有随机性,没有理论依据,权重和偏置的初始值选择不当容易使BP神经网络模型陷入局部最优和收敛速度变慢。基于该问题,本申请通过遗传算法(GA)来初始化BP神经网络模型的权重和偏置。
在一些实施例中,如图5所示,图5是本申请实施例提供的BP神经网络模型的结构示意图,该BP神经网络模型中的输入层X中共有8个节点,表示对烧结砖的质量影响比较大的几个特征值,分别是焙烧窑中的8个温度点的烧制温度。在训练模型之前对特征值进行归一化处理。隐藏层的节点个数的确定通过以下公式:
在一些实施例中,如图6所示,图6是本申请实施例提供的另一种基于BP神经网络的烧结砖质量预测方法的流程示意图,通过GA遗传算法对初始BP神经网络模型中的权重和偏置值进行初始化操作,包括:
S601、根据初始BP神经网络模型中的权重和偏置,生成初始化种群;
S602、计算初始化种群中的每个权重和偏置的适应度值;
S603、在适应度值大于或等于设定的适应度阈值的情况下,将权重和偏置输入到初始BP神经网络模型;
S604、在适应度值小于设定的适应度阈值的情况下,基于各个权重和偏置的适应度值进行选择、交叉和变异操作,生成新的种群以作为初始化种群,执行计算初始化种群中的每个权重和偏置的适应度值的步骤。
可选地,在迭代次数没有达到设定的迭代次数阈值的情况下,继续生成新的种群以作为初始化种群;在迭代次数达到设定的迭代次数阈值的情况下,从这些适应度小于设定的适应度阈值的权重和偏置中选择出适应度较高的权重和偏置作为初始BP神经网络模型的的权重和偏置。
可选地,本申请中的种群长度与BP神经网络模型中的权重和偏置数量有关,初始化种群的长度可以为8*m+m+m+1=10*m+1,种群规模可以随机产生,编码方式可以选用浮点编码。
在一些实施例中,基于各个权重和偏置的适应度值进行选择、交叉和变异操作,包括:
将各个权重和偏置按照适应度值由高到低的顺序进行排序;
按照排序的次序,筛选出预设数量个权重和偏置;
对筛选出来的预设数量个权要中偏置进行交叉和变异操作。
可选地,适应度值越高的权重和偏置被选择的概率越大,从而可以使得较优解可以较大限度的被保留下来。
在一些实施例中,适应度值为全局误差的倒数。
如图7,本申请提供了一种墙材生产线中利用隧道窑烧制烧结砖的加工装置,该装置包括:
码坯机71,被配置为对按照预设比例进行破碎混合、陈化和加水处理后的烧结砖原料进行加工形成湿坯;
干燥窑72,被配置为对湿坯进行烘干处理,形成干坯;
焙烧窑73,被配置为对干坯进行烧制并检测焙烧窑内的烧制温度;以及
温度调节模块74,被配置为根据目标烧制温度,调节烧制温度。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例的步骤,例如包括:
将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯;
通过干燥窑对湿坯进行烘干处理,形成干坯;
通过焙烧窑对干坯进行烧制并检测所述焙烧窑内的烧制温度;
根据目标烧制温度,调节所述烧制温度。
图8是本发明另一个实施例提供的电子设备的结构示意图。图8所示的电子设备80包括:至少一个处理器801、存储器802、至少一个网络接口804和其他用户接口803。电子设备800中的各个组件通过总线系统805耦合在一起。可理解,总线系统805用于实现这些组件之间的连接通信。总线系统805除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图8中将各种总线都标为总线系统805。
其中,用户接口803可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
可以理解,本发明实施例中的存储器802可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus R AM,DRRAM)。本文描述的存储器802旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器802存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统8021和应用程序8022。
其中,操作系统8021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序8022,包含各种应用程序,例如媒体播放器(MediaPlayer)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序8022中。
在本发明实施例中,通过调用存储器802存储的程序或指令,具体的,可以是应用程序8022中存储的程序或指令,处理器801用于执行各方法实施例所提供的方法步骤,例如包括:将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯;
通过干燥窑对湿坯进行烘干处理,形成干坯;
通过焙烧窑对干坯进行烧制并检测所述焙烧窑内的烧制温度;
根据目标烧制温度,调节所述烧制温度。
上述本发明实施例揭示的方法可以应用于处理器801中,或者由处理器801实现。处理器801可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecific IntegratedCircuit,ASIC)、现成可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器802,处理器801读取存储器802中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种墙材生产线中利用隧道窑烧制烧结砖的加工方法,其特征在于,所述方法包括以下步骤:
将烧结砖原料按照预设比例进行破碎混合、陈化和加水处理后,经过码坯机加工形成湿坯;
通过干燥窑对湿坯进行烘干处理,形成干坯;
通过焙烧窑对干坯进行烧制并检测所述焙烧窑内的烧制温度;
根据目标烧制温度,调节所述烧制温度。
2.根据权利要求1所述的方法,其特征在于,所述焙烧窑包括依次连接的预热带和烧成带,通过焙烧窑对干坯进行烧制并检测所述焙烧窑内的烧制温度,包括:
通过预热带对所述干坯进行预热处理,预热后的干坯进入烧成带进行烧制;
对所述烧成带中的多个温度点进行测温,得到烧制温度。
3.根据权利要求2所述的方法,其特征在于,对所述烧成带中的多个温度点进行测温,得到烧制温度,包括:
从所述多个温度点中确定出温度最高的温度点;
将温度最高的温度点所对应的温度作为所述烧制温度。
4.根据权利要求2所述的方法,其特征在于,对所述烧成带中的多个温度点进行测温,得到烧制温度,包括:
计算所述多个温度点的温度平均值;
将所述温度平均值作为所述烧制温度。
5.根据权利要求2至4中任一项所述的方法,其特征在于,根据目标烧制温度,调节所述烧制温度,包括:
计算所述烧制温度和所述目标烧制温度的温度差值;
在所述温度差值大于预设温度差阈值的情况下,调节所述烧制温度。
6.根据权利要求5所述的方法,其特征在于,在所述温度差值大于预设温度差阈值的情况下,调节所述烧制温度,包括:
在所述烧制温度大于所述目标烧制温度,且所述温度差值大于预设温度差阈值的情况下,减少所述烧成带中的燃料助燃剂;
在所述烧制温度小于所述目标烧制温度,且所述温度差值大于预设温度差阈值的情况下,增加所述烧成带中的燃料助燃剂。
7.根据权利要求2所述的方法,其特征在于,所述焙烧窑还包括与所述烧成带相连接的冷却带,所述方法还包括:
经过所述烧成带烧制后的干坯进入冷却带;
通过冷却风机对所述冷却带中的干坯进行冷却处理,得到烧结砖。
8.根据权利要求7所述的方法,其特征在于,通过干燥窑对湿坯进行烘干处理,包括:
利用所述冷却带的余热烘干所述湿坯。
9.根据权利要求1或8所述的方法,其特征在于,通过干燥窑对湿坯进行烘干处理,包括:
利用风机抽取所述干燥窑中的烟气。
10.一种墙材生产线中利用隧道窑烧制烧结砖的加工装置,其特征在于,所述装置包括:
码坯机,被配置为对按照预设比例进行破碎混合、陈化和加水处理后的烧结砖原料进行加工形成湿坯;
干燥窑,被配置为对湿坯进行烘干处理,形成干坯;
焙烧窑,被配置为对干坯进行烧制并检测所述焙烧窑内的烧制温度;以及
温度调节模块,被配置为根据目标烧制温度,调节所述烧制温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011604599.1A CN112728942A (zh) | 2020-12-30 | 2020-12-30 | 墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011604599.1A CN112728942A (zh) | 2020-12-30 | 2020-12-30 | 墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112728942A true CN112728942A (zh) | 2021-04-30 |
Family
ID=75610796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011604599.1A Withdrawn CN112728942A (zh) | 2020-12-30 | 2020-12-30 | 墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112728942A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10057361A1 (de) * | 2000-11-18 | 2002-05-29 | Danfoss As | Verfahren zum Steuern einer Heizungsanlage und Heizungsanlage |
CN101957134A (zh) * | 2010-10-22 | 2011-01-26 | 山东新矿赵官能源有限责任公司 | 煤矸石烧结多孔砖隧道窑余热利用方法 |
CN106082971A (zh) * | 2016-07-29 | 2016-11-09 | 四川乔丰新材料科技有限公司 | 煤矸石页岩烧结砖生产系统 |
CN110906361A (zh) * | 2019-12-12 | 2020-03-24 | 广州珠江电力有限公司 | 一种基于低氮燃烧的优化燃烧控制方法及系统 |
CN111649582A (zh) * | 2020-06-07 | 2020-09-11 | 旭联创新科技(重庆)有限公司 | 一种隧道窑温度控制装置 |
-
2020
- 2020-12-30 CN CN202011604599.1A patent/CN112728942A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10057361A1 (de) * | 2000-11-18 | 2002-05-29 | Danfoss As | Verfahren zum Steuern einer Heizungsanlage und Heizungsanlage |
CN101957134A (zh) * | 2010-10-22 | 2011-01-26 | 山东新矿赵官能源有限责任公司 | 煤矸石烧结多孔砖隧道窑余热利用方法 |
CN106082971A (zh) * | 2016-07-29 | 2016-11-09 | 四川乔丰新材料科技有限公司 | 煤矸石页岩烧结砖生产系统 |
CN110906361A (zh) * | 2019-12-12 | 2020-03-24 | 广州珠江电力有限公司 | 一种基于低氮燃烧的优化燃烧控制方法及系统 |
CN111649582A (zh) * | 2020-06-07 | 2020-09-11 | 旭联创新科技(重庆)有限公司 | 一种隧道窑温度控制装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Parichatprecha et al. | Analysis of durability of high performance concrete using artificial neural networks | |
Akkurt et al. | The use of GA–ANNs in the modelling of compressive strength of cement mortar | |
CN115847596B (zh) | 一种石膏砌块的生产调试控制方法及系统 | |
Shah et al. | Machine Learning‐Based Modeling with Optimization Algorithm for Predicting Mechanical Properties of Sustainable Concrete | |
Shamsabadi et al. | Data-driven multicollinearity-aware multi-objective optimisation of green concrete mixes | |
Zhang et al. | Machine learning prediction models for compressive strength of calcined sludge-cement composites | |
CN100368334C (zh) | 以铁尾矿为原料生产烧结砖的方法 | |
Amin et al. | Prediction of sustainable concrete utilizing rice husk ash (RHA) as supplementary cementitious material (SCM): Optimization and hyper-tuning | |
Arsenović et al. | Mathematical approach to application of industrial wastes in clay brick production—Part II: Optimization | |
Elevado et al. | Artificial neural network (ANN) modelling of concrete mixed with waste ceramic tiles and fly ash | |
Zhang et al. | Predicting the slump of industrially produced concrete using machine learning: A multiclass classification approach | |
Sabat | Prediction of California bearing ratio of a stabilized expansive soil using artificial neural network and support vector machine | |
CN106777684B (zh) | 一种建立综合焦比预测模型和预测综合焦比的方法 | |
CN109190846A (zh) | 一种新型干法水泥窑炉煅烧过程多目标优化方法 | |
US20230104043A1 (en) | Cement kiln modeling for improved operation | |
CN111833970B (zh) | 一种水泥熟料质量表征参数预测模型构建方法及其应用 | |
CN112728942A (zh) | 墙材生产线中利用隧道窑烧制烧结砖的加工方法和装置 | |
CN112580895A (zh) | 基于bp神经网络的烧结砖质量预测方法及装置 | |
Zou et al. | Composition-strength relationship study of ultrahigh performance fiber reinforced concrete (UHPFRC) using an interpretable data-driven approach | |
Huang et al. | Machine learning approach for investigating compressive strength of self-compacting concrete containing supplementary cementitious materials and recycled aggregate | |
Alves et al. | Improving the sustainability of porcelain tile manufacture by flowsheet simulation | |
Khan et al. | Prediction of compressive strength of fly ash-based geopolymer concrete using supervised machine learning methods | |
Li et al. | Compressive strength prediction and optimization design of sustainable concrete based on squirrel search algorithm-extreme gradient boosting technique | |
Rinchon | Strength durability-based design mix of self-compacting concrete with cementitious blend using hybrid neural network-genetic algorithm | |
Varghese et al. | A Review: Taguchi experiment design for investigation of properties of concrete |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210430 |
|
WW01 | Invention patent application withdrawn after publication |