[發明專利]一種輥道窯工藝參數的分析與優化方法

有效

• 申請號: 202010705040.1
• 申請日: 2020-07-21
• 公開（公告）號: CN111931417B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 楊海東;朱成就;徐康康;印四華;田力;胡羅克
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06N3/12;G06F111/08;G06F113/08;G06F119/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.一種輥道窯工藝參數的分析與優化方法，其特征在于，包括以下步驟：

S1：對陶瓷輥道窯進行數值模擬；

S2：根據數值模擬結果，分析輥道窯結構參數對溫度均勻性的影響；

S3：采用正交試驗分析輥道窯工藝參數對溫度均勻性的影響；

S4：建立BP神經網絡并分析工藝參數與溫度均勻性的關系；

S5：根據BP神經網絡確定優化問題；

S6：采用Pareto遺傳算法求解優化問題，從而對工藝參數進行多目標優化，得到優化后的工藝參數；

在步驟S2中，分析輥道窯的平頂與拱頂結構、四對燒嘴與六對燒嘴結構對溫度均勻性的影響，且采用變異系數來評價溫度均勻性；

即溫度均勻性為：

其中，t為變異系數，即溫度均勻性系數；t_ij為第i組工況窯內第j個點的溫度值，為第i組工況窯爐的平均溫度；

利用四對燒嘴拱頂的輥道窯并建立四因素五水平的正交表試驗得到助燃空氣溫度、天然氣質量流量、助燃空氣質量流量和煙氣質量流量對溫度均勻性的影響；

在步驟S4中，具體包括以下步驟：

S4.1：初始化BP神經網絡，設置BP神經網絡的輸入層、隱含層、輸出層和權值的參數；

S4.2：選擇BP神經網絡的訓練模式，根據正交試驗得到的數據建立輸入矩陣并作為BP神經網絡的輸入向量，設置BP神經網絡的輸出向量為溫度場均勻性與平均溫度；

S4.3：開始BP神經網絡的訓練，對每個輸入向量進行計算，得到網絡輸出和誤差；

S4.4：判斷誤差是否收斂；

若收斂，則執行步驟S4.6；

若不收斂，則執行步驟S4.5；

S4.5：進行反向傳播過程計算，計算每層的各個單元的局部梯度，對權值進行修正并返回執行步驟S4.3；

S4.6：完成訓練學習過程，得到合適的BP神經網絡，并利用該BP神經網絡分析工藝參數與溫度均勻性的關系；

在步驟S5中，以溫度均勻性系數與燃燒過程中的能耗為優化目標，確定優化問題為：

Find(M_Nh天然氣，M_Nh助燃風，t_zk)

Minimize：l(M_Nh天然氣，M_Nh助燃風，t_zk)

Maxmize：η(M_Nh天然氣，M_Nh助燃風，t_zk)

l(M_Nh天然氣，M_Nh助燃風，t_zk)＝net(M_Nh天然氣，M_Nh助燃風，t_zk)

Rang:2.4131kg/h≤M_Nh天然氣≤5.1712kg/h

26.4479kg/h≤M_Nh助燃風≤56.6741kg/h

340K≤t_zk≤540K

1422K≤t_cd

其中，M_Nh天然氣為天然氣的質量流量；M_Nh助燃風為助燃風的質量流量；t_zk為助燃風的溫度；t_cd為溫度場平均溫度；net代表神經網絡，η代表熱效率，l代表溫度均勻性變異系數。

2.根據權利要求1所述的一種輥道窯工藝參數的分析與優化方法，其特征在于，在步驟S1中，對陶瓷輥道窯進行數值模擬包括：

S1.1：建立輥道窯三維模型；

S1.2：建立數值物理模型；

S1.3：根據實際設定邊界條件。

3.根據權利要求2所述的一種輥道窯工藝參數的分析與優化方法，其特征在于，建立輥道窯三維模型包括以下步驟：

S1.1.1：選取寬體輥道窯作為研究對象；

S1.1.2：根據寬體輥道窯的實際結構參數，選取寬體輥道窯的一節燒成帶，將燒嘴結構簡化為圓柱體結構，以設定的物理邊界條件代替寬體輥道窯的物理結構，建立寬體輥道窯的簡化三維模型；

S1.1.3：根據寬體輥道窯的實際外形和結構將寬體輥道窯的簡化三維模型網格化。