[发明专利]基于模糊神经网络的分解炉优化燃烧控制系统

说明书

本发明涉及数据挖掘、模糊神经网络、机器学习等领域，特别涉及基于模糊神经网络的分解炉优化燃烧控制系统。包括分解炉，以及通过检测仪表获得的五个变量数据：包括分解炉，以及通过检测仪表获得的五个变量数据：窑头喂煤量、高温风机转速、三次风压强、分解炉温度、氧气含量，本发明具有以下优点，1.模糊神经网络算法具有自动控制功能，不依赖系统模型；2.生产过程不再依赖专家的生产经验；3.降低煤的损耗与空气污染。

技术领域

本发明涉及数据挖掘、模糊神经网络、机器学习等领域，特别涉及基 于模糊神经网络的分解炉优化燃烧控制系统。

背景技术

我国水泥总产量居世界第一位，但水泥行业也是全国能源消耗大户， 其能源消耗总量约占全国总能源消耗的5％，颗粒排放物约占工业排放总量的 30％。所以，如何利用自动化技术实现水泥行业节能降耗成为当前水泥生产的研 究重点与热点。

本发明的目的在于降低降低分解炉燃烧过程中的能耗和提高熟料强 度以及减少环境污染，提出了一种基于模糊神经网络的分解炉优化燃烧控制系 统。通过分析分解炉气体温度的机理模型，设计了一个基于模糊神经网络分解炉 温度控制器，确定设计参数和训练样本。通过对学习的研究，对其进行实验仿真。 工业应用表明，在温度稳定和降低废气中氧气含量方面具有很好的效果，对企业 的节能和水泥质量起到很好的效果，为企业带来巨大的经济效益和环保意义。

生料经过原料配置、烘干等进入均化库，最后由气力提升泵喂入C1 旋风筒预热器。进入预热器以后，其生料气固两相热交换在悬浮状态下进行，生 料经过四级悬浮预热器加热升温，最后从出C4口进入到分解炉，在分解炉内迅 速吸收炉内燃料燃烧放出的热量，进一步进行碳酸盐的分解，使其入窑生料分解 率达到90％以上。

当其进入回转窑时，使其在窑内煅烧过程短、所需热量低，使得窑内 温度变化低，降低了回转窑长度，提高了设备寿命。最后由篦冷机进行熟料冷却。 新型的水泥分解炉生产技术大大提高了水泥产业的高效性、生产效率和环保性同 时减轻了回转窑的使用负荷。

发明内容

本发明的目的在于克服现有技术的不足，提供一种水泥分解炉燃烧优 化控制方法，从而有效地降低煤的消耗和CO的排放，以及使其温度稳定在其设 定值。

本发明通过以下技术方案实现，包括分解炉，以及通过检测仪表获得 的五个变量数据：包括分解炉，以及通过检测仪表获得的五个变量数据：窑头喂 煤量、高温风机转速、三次风压强、分解炉温度、氧气含量，控制方法如下：

步骤1数据采集，

取检测仪表获得的变量数据：分解炉温度与设定温度的差值、分解炉温度偏 差变化率；以及分解炉氧气O₂含量与设定含量的差值、分解炉氧气O₂含量偏差 变化率作为输入信号；

取检测仪表获得的变量数据：最佳空燃比(空气与燃料的最佳比值)作为输 出信号；

采集多组输入数据与输出数据，将采集数据的一部分输入信号及其对应的输 出信号作为训练样本，另一部分输入信号及其对应的输出信号作为测试样本；通 过训练数据建模，测试数据验证模型，实现最优的智能控制；

步骤2基于模糊神经网络的数据建模，

训练数据样本包括训练输入信号和训练输出信号，假设算法模型的初始参数 是随机设定的，输入训练输入信号，通过该模型得到的实际结果，与训练输出信 号进行比较，得出其误差值,通过算法,修改其权值，使训练输出信号与训练输出 信号的差值无限趋近于零，即停止训练，得到所需算法模型；

测试数据样本包括测试输入数据和测试输出数据，通过测试数据的输入，比 较实际结果与测试数据的输出，来验证通过模型得出的实际输出是否与测试输出 相等；相等则模型建立，不相等则返回训练数据重新建模；

步骤3实现分解炉的最优控制，