一种烧结混合料粒度实时优化控制方法及系统技术方案

本申请涉及冶金烧结领域，提供一种烧结混合料粒度实时优化控制方法及系统，通过获取目标混合料各粒径占比及实时样本数据，并将获取目标混合料各粒径占比及实时样本数据输入预先建立的ANN神经网络模型，生成制粒机转速或给水量的预测值，并计算预测值对应的均方误差，输出制粒机转速或给水量的目标值，根据制粒机转速或给水量的目标值，进行调节。本申请提供的烧结混合料粒度实时优化控制方法及系统，可根据实际生产需求的目标混合料各粒径占比，实现制粒机转速或给水量调节参数的获取，并通过调节制粒机转速或给水量，得到目标混合料各粒径占比，省时省力。省时省力。省时省力。

【技术实现步骤摘要】
一种烧结混合料粒度实时优化控制方法及系统


[0001]本申请涉及冶金烧结领域，尤其涉及一种烧结混合料粒度实时优化控制方法及系统。

技术介绍

[0002]烧结是钢铁工业的基础环节，为炼铁提供优质的原料。烧结工艺是将含铁原料经配料、混合、制粒后在烧结机上经抽风作用后高温(≤1400℃)焙烧，使物料发生一系列物理化学变化，破碎后生成具有一定强度的多孔块状的烧结成品矿的过程。其中混合料经制粒机后可形成具有一定颗粒及形状的非粉状物料，不但能保证其在烧结机上焙烧时，透气性好、节能，而且有利于提升烧结矿的产量与质量。
[0003]如图1所示为现有技术烧结过程中，从配料工序到制粒工序生产工艺设备连接关系图，其中混合仓01、高返仓02、返矿仓03、燃料仓04、溶剂仓05、混合机06和制粒机07依次连接，物料经过配料工序、强力混合工序、一次混合工序、制粒工序、梭式布料等，最后达到烧结混合料仓，其中混合机06和制粒机07均具有一定的混合与制粒作用，尤其制粒机07起重要作用。配料工序包括各类型物料矿仓，物料矿仓内加有混匀矿、燃料、石灰石、轻烧白云石、生石灰、冷返矿等，而给料设备采用圆盘给料机、配料皮带秤等，可以实现各类型物料的精确计量和控制。
[0004]在实际生产中，为了获得质量较好的烧结混合料粒径占比，以用于后续生产，需要对制粒机07的转速或给水量作出调整，从而达到获得合适混合料粒径比的目的，而由于制粒工序生产工艺设备数量较多，型号各有差异，且受生产环境的影响，在获取某一混合料粒径比时，需多次制粒机07的转速或给水量进行调整，费时费力。

技术实现思路

[0005]为了在获取某一目标混合料粒径比，通过快速调节制粒机的制粒参数，即可实现目的，本申请提供一种烧结混合料粒度实时优化控制方法及系统。
[0006]本申请第一方面提供一种烧结混合料粒度实时优化控制方法，包括：ANN神经网络模型，所述ANN神经网络模型通过以下方法得到：获取多组历史样本数据，所述历史样本数据包括：混合料各物料的配比、制粒机的制粒参数以及对应的混合料各粒径占比的历史值；对所述多组历史样本数据进行预处理，所述预处理步骤包括：平滑处理和归一化处理；将混合料各物料的配比历史值、制粒机的制粒调节参数历史值作为初步模型的输入，将混合料各粒径占比的历史值作为初步模型的输出，对初步模型进行训练；对训练后的模型进行检验，生成ANN神经网络模型，其中，还包括：
[0007]获取目标混合料各粒径占比及实时样本数据，所述实时样本数据包括：混合料各物料的配比及制粒机制粒参数。
[0008]将所述目标混合料各粒径占比和所述实时样本数据输入预先建立的ANN神经网络模型，生成制粒机转速或给水量的预测值。
[0009]计算所述预测值对应的均方误差，如果均方误差在预设区间内，则输出制粒机转速或给水量的目标值。
[0010]根据所述制粒机转速或给水量的目标值，将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内，得到实际混合料各粒径占比。
[0011]如果实际混合料各粒径占比等于目标混合料各粒径占比，则制粒机维持所述制粒机转速或给水量的目标值允差范围内继续生产，如果实际混合料各粒径占比不等于目标混合料各粒径占比，则需重新训练ANN神经网络模型。
[0012]可选的，在将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内的步骤中，所述实际给水量还可通过目标给水量的最大值模型得到，所述目标给水量的最大值模型为：
[0013][0014]w为进料量，M0为进料量的水分率，M为出筒目标混合料水分率，F
max
为目标给水量的最大值。
[0015]可选的，计算所述预测值对应的均方误差步骤中，采用均方误差模型，所述均方误差模型为：
[0016][0017]MSE为均方误差，Y
a
为目标输出，Y
o
为网络输出。
[0018]本申请第二方面提供一种烧结混合料粒度实时优化控制系统，包括：给水管、流量计、流量调节阀、皮带机、倾角调节机构、转速调节机构、电动机、变频器和粒度分析装置，在加物料的一侧所述给水管与流量计、流量调节阀、倾角调节机构、转速调节机构依次连接，所述皮带机与倾角调节机构连接，在加蒸汽侧，流量计、流量调节阀和倾角调节机构依次连接，所述倾角调节机构与转速调节机构连接，所述倾角调节机构与粒度分析装置连接，其中，还包括制粒机上位机，所述制粒机上位机内包括：获取模块、预测值生成模块、目标值生成模块和实际混合料各粒径占比获取模块，其中：
[0019]所述获取模块，用于获取目标混合料各粒径占比及实时样本数据，所述实时样本数据包括：混合料各物料的配比及制粒机制粒参数。
[0020]所述预测值生成模块，用于将所述目标混合料各粒径占比和所述实时样本数据输入预先建立的ANN神经网络模型，生成制粒机转速或给水量的预测值。
[0021]所述目标值生成模块，用于计算所述预测值对应的均方误差，如果均方误差在预设区间内，则输出制粒机转速或给水量的目标值。
[0022]所述实际混合料各粒径占比获取模块，用于根据所述制粒机转速或给水量的目标值，将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内，得到实际混合料各粒径占比。
[0023]所述检验模块，用于如果实际混合料各粒径占比等于目标混合料各粒径占比，则制粒机维持所述制粒机转速或给水量的目标值允差范围内继续生产，如果实际混合料各粒径占比不等于目标混合料各粒径占比，则需重新训练ANN神经网络模型。
[0024]可选的，在将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内的步骤中，所述实际给水量还可通过目标给水量的最大值模型得到，所述目标给水量的最大值模型为：
[0025][0026]w为进料量，M0为进料量的水分率，M为出筒目标混合料水分率，F
max
为目标给水量的最大值。
[0027]可选的，计算所述预测值对应的均方误差步骤中，采用均方误差模型，所述均方误差模型为：
[0028][0029]MSE为均方误差，Y
a
为目标输出，Y
o
为网络输出。
[0030]由以上技术方案可知，本申请提供一种烧结混合料粒度实时优化控制方法及系统，通过获取目标混合料各粒径占比及实时样本数据，将所述目标混合料各粒径占比和所述实时样本数据输入预先建立的ANN神经网络模型，生成制粒机转速或给水量的预测值，并计算所述预测值对应的均方误差，如果均方误差在预设区间内，则输出制粒机转速或给水量的目标值，根据所述制粒机转速或给水量的目标值，将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内，得到实际混合料各粒径占比，如果实际混合料各粒径占比等于目标混合料各粒径占比，则制粒机维持所述制粒机转速或给水量的目标值允差范围内继续生产，如果实际混合料各粒径占比不等于目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烧结混合料粒度实时优化控制方法，包括：ANN神经网络模型，所述ANN神经网络模型通过以下方法得到：获取多组历史样本数据，所述历史样本数据包括：混合料各物料的配比、制粒机的制粒参数以及对应的混合料各粒径占比的历史值；对所述多组历史样本数据进行预处理，所述预处理步骤包括：平滑处理和归一化处理；将混合料各物料的配比历史值、制粒机的制粒调节参数历史值作为初步模型的输入，将混合料各粒径占比的历史值作为初步模型的输出，对初步模型进行训练；对训练后的模型进行检验，生成ANN神经网络模型，其特征在于，还包括：获取目标混合料各粒径占比及实时样本数据，所述实时样本数据包括：混合料各物料的配比及制粒机制粒参数；将所述目标混合料各粒径占比和所述实时样本数据输入预先建立的ANN神经网络模型，生成制粒机转速或给水量的预测值；计算所述预测值对应的均方误差，如果均方误差在预设区间内，则输出制粒机转速或给水量的目标值；根据所述制粒机转速或给水量的目标值，将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内，得到实际混合料各粒径占比；如果实际混合料各粒径占比等于目标混合料各粒径占比，则制粒机维持所述制粒机转速或给水量的目标值允差范围内继续生产，如果实际混合料各粒径占比不等于目标混合料各粒径占比，则需重新训练ANN神经网络模型。2.根据权利要求1所述的一种烧结混合料粒度实时优化控制方法，其特征在于，在将制粒机的实际转速或给水量调节至所述制粒机转速或给水量的目标值允差范围内的步骤中，所述实际给水量还可通过目标给水量的最大值模型得到，所述目标给水量的最大值模型为：w为进料量，M0为进料量的水分率，M为出筒目标混合料水分率，F
max
为目标给水量的最大值。3.根据权利要求1所述的一种烧结混合料粒度实时优化控制方法，其特征在于，计算所述预测值对应的均方误差步骤中，采用均方误差模型，所述均方误差模型为：MSE为均方误差，Y
a
为目标输出，Y
o
为网络输出。4.一种烧结混合料粒度实时优化控制系统，包括：给水管(1)、流量计(2)、流量调节阀(3)、皮带机(4)、倾角调节机构(5)、转速调节机构(6)、电动机(61)、变...

【专利技术属性】
技术研发人员：邱立运，牛琦，
申请(专利权)人：中冶长天国际工程有限责任公司，
类型：发明
国别省市：