[發明專利]基于粉磨機理和神經網絡的混合軟測量方法

有效

• 申請號: 201811177564.7
• 申請日: 2018-10-10
• 公開（公告）號: CN109342279B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 錢鋒;鐘偉民;朱遠明;杜文莉
• 申請（專利權）人: 華東理工大學
• 主分類號: G01N15/02
• 分類號: G01N15/02
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 張睿

1.一種用于立磨機出口生料粉末細度軟測量的建模方法，其特征在于，所述方法包括：通過自組織映射神經網絡對立磨機粉磨過程數據進行聚類，辨識每一聚類中的粉磨機理模型參數，從而建立粉磨機理模型；所述粉磨機理模型包括物料破碎模型、磨盤物料守恒模型、磨腔物料輸送模型和選粉機模型；

所述物料破碎模型如式(1)、(2)、(3)所示，模型將物料按顆粒大小劃分成N個不同的區間，模型用于描述不同粒徑等級之間的物料在粉磨過程中的轉換關系；

所述磨盤物料守恒模型如式(4)所示；

所述磨腔內物料輸送過程模型如式(5)所示，所述選粉機模型如式(6)所示：

其中：

Hm_i(t) t時刻，磨盤上第i級物料的存料量

Tm_i(t) t時刻，磨腔內第i級物料的存料量

s_i 第i級組分的破碎速率

z_i 第i級組分粒徑下界

B_i,j 從第j級破碎成i級以下的累積分布

b_i,j 從第j級破碎成為第i級的轉換率

a 破碎模型參數

P 磨機研磨壓力

ΔP 磨機差壓

L 料層厚度

α 粒徑下界參數α

β 研磨工況參數β

γ 累積分布參數γ

τ₀ 外循環時間

λ 磨盤物料脫落比

Feed_i 第i級物料的喂料量

Speed 選粉機轉速

Q_air 磨機總通風量

D_i 第i級物料磨盤掉落系數

S_i 第i級物料磨腔返料系數

P_i 第i級物料磨腔出料系數

模型估計80μm估計篩余量

模型估計200μm估計篩余量。

2.如權利要求1所述的建模方法，其特征在于，所述數據包括下述輔助變量：磨機料層厚度、循環風機轉速、磨機喂料量、磨輥壓力、選粉機轉速、磨機入口風溫和磨機差壓。

3.如權利要求1所述的建模方法，其特征在于，辨識的參數包括與立磨機的工藝狀況相關的物料破碎模型中的參數a、α、γ，磨盤物料守恒模型中的參數S_i、λ、D_i以及磨腔物料輸送模型和選粉機模型中的參數P_i。

4.如權利要求1-3任一項所述的建模方法，其特征在于，所述方法還包括：對模型進行離線驗證和在線修正。

5.如權利要求4所述的建模方法，其特征在于，模型中參數離線驗證和在線修正的準則為最小化式(7)所示：

y_80μm 實際80μm篩余量

模型估計80μm估計篩余量

y_200μm 實際200μm篩余量

模型估計200μm估計篩余量。

6.一種使用如權利要求1-5任一項所述的方法獲得的粉磨機理模型進行立磨機出口生料粉末細度軟測量的方法。