基于中子活化分析儀的水泥燒成系統游離氧化鈣卡邊控制方法研究

關長亮

1 前言

水泥工業的智能化轉型對于產業升級、更好地服務于社會經濟建設至關重要[1]。智能化水泥工廠可大幅改善勞動條件，減少人工干預，提高水泥生產的過程可控性。借助于智能化技術，可在原有基礎上實現水泥生產資源的優化利用，提高生產效率，從而進一步提高水泥企業的產品質量和競爭優勢。雖然近年來DCS控制系統廣泛應用，提升了國內水泥工業的自動化程度，但離建成真正意義上的智能化水泥工廠仍有較大差距。建立智能化水泥工廠的關鍵是實現水泥燒成系統的智能控制，然而水泥熟料中的游離氧化鈣無法實現在線實時監測，導致水泥燒成系統難以建立有效的智能控制手段，卡邊控制（操作控制變量，保證產品質量剛好合格的控制方法）更是無從說起。

目前，多數水泥廠均是通過軟測量（測量易獲取的變量來推斷或估計難以測量的重要變量）方式實現游離氧化鈣含量的測量。武偉寧等[2]提出了一種時序分析方法，以提高熟料中游離氧化鈣含量的軟測量準確度；趙朋程等[3]提出了一種局部區域可調的改進量子粒子群優化（IQPSO）算法，建立了基于IQPSO 算法優化ELM 的水泥熟料游離氧化鈣軟測量模型；Jiang Y Y 等[4]提出了一種改進的粒子群算法，對LSSVM 模型的兩個重要參數進行迭代優化，克服了傳統交叉驗證法和網格搜索法等參數選擇方法的盲目性，并利用PSO-LSSVM 軟測量模型對熟料游離氧化鈣含量進行了模擬。

2 卡邊控制方法提出

智能化水泥工廠不僅僅需引入智能化生產設備、智能化檢測設備、智能控制算法，更重要的是要實現對水泥生產過程的精細化控制，同時，根據水泥生產工藝流程特點（圖1），制定一套行之有效的精細化控制方案，解決水泥生產過程中的難題，包括但不局限于以下問題：

圖1 水泥工藝流程圖

（1）水泥生料磨前的生料質量檢測系統的檢測精度和波動情況，是否會影響水泥生料的自動配料。

（2）水泥窯尾收塵入生料均化庫，是否會影響生料均化效果。

（3）若無法對熟料游離氧化鈣進行在線實時檢測，是否會影響整個燒成系統的風、煤、料控制。

針對上述問題，本文提出了一種基于中子活化分析儀的水泥燒成系統游離氧化鈣的卡邊控制方法。該方法的核心是在目前常規控制方案的基礎上，在生料均化庫下方增加一臺中子活化分析儀，實現入窯生料質量的實時在線監測。

（1）根據工藝特點，均化后的物料檢測精度和穩定性，均高于前端生料配料處的物料檢測。

（2）實時校正前端生料配料的中子活化分析儀，提高配料精度；屏蔽窯尾收塵對生料均化的影響，尤其是前端生料磨停機、后端工藝生產仍正常進行時的影響。

（3）目前，通過燒成帶溫度、分解爐溫度等信息建立的熟料游離氧化鈣軟測量模型精度較差，結合入窯生料質量建立的熟料游離氧化鈣軟測量模型的可信度更大，基于該模型，可實現風、煤、料的卡邊控制，在保證熟料質量的情況下，提產、節能、降耗。

3 卡邊控制方法核心技術

熟料游離氧化鈣卡邊控制方法是基于在水泥生料入窯前，增加生料質量檢測，并依據檢測結果對前端生料配料進行校正，對后端熟料游離氧化鈣含量進行預測，最終實現水泥燒成系統的精細化控制。其核心技術主要包括：生料入窯質量實時檢測、基于生料質量數據的軟測量模型建立、基于游離氧化鈣的卡邊控制等三個部分。

3.1 生料入窯質量實時檢測

在生料均化庫下方增加生料質量檢測裝置中子活化分析儀，該分析儀將結果反饋至生料自動配料系統，生料自動配料系統根據入庫生料檢測值，實時校正自動配料系統配料值。自動配料系統通過OPC 協議通訊方式，與現場DCS 系統進行連接，最終將優化配料指令下達至DCS系統，實時在線自動優化配料，如圖2所示。

圖2 生料入窯檢測示意

熟料游離氧化鈣卡邊控制方法實時檢測控制周期主要取決于中子活化分析儀與原料秤的距離及原料秤的響應時間，也與原材料的成分波動有關，現場調試人員需根據具體情況具體確定，通常1～3min檢測一次。

3.1.1 實現原料斷料堵料時的自動補償

原料堵料斷料是配料系統常見的問題，不僅會造成磨機產量下降，而且原料不能按預期比例進入磨機混合，出磨生料成分波動非常大。智能配料系統可以對此現象作智能判斷并進行以下應急處理。

（1）當某種原料斷料或堵料時，中子活化分析儀自動配料程序將發出圖像及聲音警告信息，提醒工作人員盡快處理，降低斷料或堵料的影響。

（2）配料系統具有斷料補償功能，對短時間發生的斷料情況，系統可對斷料原料配比進行調整補償，特殊情況下，操作員可終止斷料補償，按正常配比配料；補償過程中只對斷料原料配比進行補償，生料磨總產量保持不變，不會造成皮帶壓停。

3.1.2 實現生料入庫反饋優化控制

（1）在滿足生產質量的前提下，為降低生產成本，在有多種原料可供選擇，且滿足三率值配料要求的情況下，中子活化分析儀自動配料系統可依據物料的成本數據，實現最低成本物料優選控制，并對生料成本進行實時統計。

（2）根據生料入窯前的質量監測數據，優化配料三率值，可設定優先級，并按照設定的優先級控制配料。在四組分及以上原料參與配料，且滿足三率值配料時，三率值整體合格率很高。在原材料不滿足三率值配料要求的情況下，可對三率值控制指標進行優先級設置，使主要指標達到質量要求。當三率值不合格時，程序將自動計算其與目標要求的偏差并累計，在后續的配料過程中，對偏差進行補償，直到累計偏差為零，以保證混合生料的率值合格。若三率值持續不可配，將影響其合格率。

3.2 基于生料質量數據的軟測量模型建立

對熟料中游離氧化鈣的常規控制主要依托于現場每小時熟料質量的采樣分析，存在一定的滯后情況。本文依據中子活化分析儀入窯生料實時檢測數據，選取部分操縱變量（喂料量、頭煤量、喂煤量）及可測量變量（回轉窯溫度）作為輔助變量，建立了熟料游離氧化鈣軟測量模型。該模型可根據工況實時計算當前產品的質量（包括游離氧化鈣含量），并利用實驗室的分析值校正模型計算值，實現對產品質量的閉環控制，減少產品的不合格率，如圖3所示。

圖3 基于生料質量數據的軟測量示意

軟測量的方法有很多，如，BP 神經網路、RBF神經網絡、偏最小二乘法、多元線性回歸、徑向基網絡等，本文將以BP 神經網絡為例介紹模型預測控制算法。BP[5-6]神經網絡的輸入模式為x=(x1,x2,...xn)T，隱含層有h個單元，隱含層的輸出為y=(y1,y2,...yh)T，輸出層有m個單元，輸出可表示為z=(z1,z2,...zm)T，目 標 輸 出t可 表 示 為t=(t1,t2,...,tm)T。設隱含層到輸出層的傳遞函數為f，則隱含層第j個神經元的輸出；其中w0j=-θ,x0=1。

設輸出層的傳遞函數為g，則輸出層第k個神經元的輸出：。

此時,網絡輸出與目標輸出的誤差為ε=。

利用負梯度方向是函數值減小最快的方向，通過減小ε調整權值[7]。

因此，可以設定一個步長η，每次沿負梯度方向調整η個單位，η在神經網絡中稱為學習速率，即每次權值的調整為：

3.3 基于游離氧化鈣的卡邊控制

游離氧化鈣軟測量模型建立后，利用TaiJi-MPC[8-9]平臺，通過MPC模型預測控制算法，實現基于熟料游離氧化鈣軟測量的風、煤、料的卡邊控制。在每個控制周期內，MPC 控制算法包含預測、穩態優化、動態控制三個步驟。具體過程如下：

預測步驟是使用辨識得到的模型和相關MV、DV和CV的當前測量值，對CV的未來值進行預測，預測值會在穩態優化和動態控制中使用。

假設穩態優化中的全部參數已在MPC控制算法設計中確定，則穩態優化的結果是MV和CV的穩態值，分別記為向量y*和向量u*。

MPC控制算法的動態控制步驟是根據CV的預測值和辨識得到的模型計算MV控制動作，使生產過程到達穩態優化中的穩態值。動態控制的計算也是一個二次規劃[10-11]：

式中：

yref（t）——CV閉環響應的理想軌跡

y*、u*、y*、u*——穩定優化中確定的MV和CV的穩態值

P——預測步長

M——控制步長

Q——CV的權重對角矩陣

R——MV的權重對角矩陣

S——MV的增量權重對角矩陣

動態控制的參數包含P、M，每個CV的閉環穩態時間Tresp（i），權重矩陣Q、R和S，均可自動選擇。

為實現MPC 控制，MPC 控制模塊需自動選擇辨識得到的模型并在控制中使用模型，自動整定MPC 的控制參數。MPC 預測控制過程框圖如圖4所示。

圖4 MPC預測控制過程框圖

4 技術應用

針對熟料中的游離氧化鈣難以建立精確的數學模型、難以實時在線測量的問題，首先采用聚類分析、主元分析、線性規劃、神經網絡等方法，建立基于中子活化分析儀的水泥熟料游離氧化鈣軟測量模型；依據入窯生料質量實時監測數據建立的軟測量模型，檢測精度高、泛化能力強。其次，利用軟件編程方法，設計水泥熟料質量指標軟測量儀表。最后，將軟測量儀表的預測值作為前饋值傳到優化控制器中，實現熟料中游離氧化鈣含量的在線實時反饋，并結合預測控制技術動態校正控制參數，實現風、煤、料的精準卡邊控制，具體過程如圖5所示。

圖5 水泥燒成系統游離氧化鈣卡邊控制框圖

5 結語

本文提出了一種基于中子活化分析儀的水泥燒成系統游離氧化鈣的卡邊控制方法，通過在生料均化庫后加裝生料入窯質量實時檢測系統，不僅可以對前端生料配料進行反饋校正，還可以建立實時游離氧化鈣軟測量模型，與模型預測控制算法協同，實現基于游離氧化鈣軟測量的風、煤、料卡邊控制。根據現場指標分析，該方法可以降低游離氧化鈣的標準差波動約10%，游離氧化鈣指標含量提高0.3%以上，社會效益和經濟效益顯著。