软件校准技术在智能电导仪设计中的应用

众所周知,电导测量在工业生产和科学实验中有着十分重要的意义。而测量电解质溶液电导的最常用的方法是将两个电极插入溶液中,通过测量两电极间的电阻,从而获得电导的数值。本文将介绍一种采用软件校准技术设计智能电导仪的方法。１测量原理使用电容充电电路如图１所示...     

基于LS-SVM的水泥熟料煅烧过程f-CaO软测量研究

针对水泥厂熟料质量指标f-CaO含量难以在线测量的问题,提出一种基于最小二乘支持向量机(LS-SVM)的软测量建模方法。仿真实验研究表明,最小二乘支持向量机建模具有良好的学习能力和泛化性能,且对数据样本的依赖程度低,是一种有效的软测量建模方法。给出的以DCS系统和SQL数据库为基础,通过Visual C 6.0编程的软测量实现方案,符合国内水泥厂实际情况,易于实现。建立的软测量模型和给出的软仪表实现方案对于保证水泥熟料质量和实现回转窑烧成系统的优化控制具有重要意义。     

水泥熟料质量软测量模型中的时序分析方法

针对常规水泥熟料质量软测量模型未充分考虑过程变量间时序信息的问题,本文根据水泥生产流程工艺的时滞性、连续性特点,提出了一种时序分析方法,以提高熟料中游离氧化钙含量的软测量准确度.首先根据物料的传输机理,估算出物料在各工艺设备中的停留时间,在此基础上将软测量模型的输入输出变量进行时序匹配,之后采用类高斯函数对各输入变量匹配时刻前后的时序数据进行加权,获得具有时序信息的输入–输出样本对,然后以支持向量机模型结构为例,对引入时序信息后的游离氧化钙含量软测量模型进行训练和测试,并讨论了时序参数对结果的影响.采用某水泥生产线的实际过程数据对本文模型与方法进行验证,结果表明,该模型预测值与实际的游离氧化钙含量吻合良好,能正确预测其变化趋势;将本文模型测量结果与未使用时序信息的常规支持向量机模型对比,结果表明,过程变量间的时序信息有助于提高水泥熟料质量软测量模型的精度.本文提出的时序分析方法为水泥生产等流程工业过程建立软测量模型提供了新思路.     

基于决策树的神经网络预测水泥熟料强度

测定水泥熟料强度的传统方法是实测水泥预制品在第3天与第28天的强度.为了简化并加快熟料强度的预测,设计了基于决策树的神经网络系统.该系统由两部分组成,先利用决策树确定水泥品种,再利用该种水泥样品的数据对神经网络进行训练.实验证明,经过训练的神经网络可以快速、准确地预测熟料的抗压、抗折强度.     

用于强酸酸度测定的离子交换膜电极的研制

在化工生产过程中,溶液强酸酸度的测定是经常遇到的。现行分析方法中,除容量法外,还有pH测量、电导法、电导—密度联合测定等。由于被测液组份复杂,致使上述方法应用于强酸酸度的在线分析均有一定局限性。近年来,随着离子电极机理的深入研究,由Eisenman等详细研究的离子交换理论为人们所广泛接受。清水博、小坂勇次郎论述了离子交换膜及其应用。Eriksson等制成了离子交换树脂膜电极用于高浓度酸度测定。     

基于局部PSO-LSSVM的水泥f-CaO测量方法研究

针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于局部pso-lssvm的软测量建模方法。在构建局部建模数据集时,同时考虑了数据样本之间的加权欧氏距离与向量的夹角,使得训练数据的选取更加具有实际意义。由于局部建模的时间开销较大,首先,采用加权k均值聚类算法对历史数据库进行聚类分析得到若干子样本集;其次,在与当前输入数据加权欧氏距离最小的子样本集中,建立基于pso-lssvm算法的局部软测量模型,计算得到当前游离氧化钙含量值;最后,应用实际数据进行训练和验证,结果表明,该方法较全局建模具有更好的泛化能力,能够满足水泥熟料游离氧化钙含量检测的实时性要求,对于实现水泥烧成系统的优化控制,提高能源利用率具有重要意义。     

双极性电压脉冲激励的智能电导率测量仪

基于双极性脉冲电压技术,设计了一种智能电导测量仪.该测量仪不仅能够削弱直流激励模式下介质的极化现象,而且避免了传统交流激励模式下所必须的放大、滤波和信号调理等复杂处理环节,简化了电路结构.此电导率测试结果表明,测量仪具有温度自动补偿、量程自动转换、测量精度高和检测速度快的特点,其测量相对误差小于5%.     

金属纯度智能检测装置的研究

对于金属元素来说,纯度的改变会影响金属特性。当对一些金属进行纯度检测或者判断它的杂质含量时,不准确的检测结果也会直接影响对这些金属的性能评价,因此研究了一种金属纯度智能检测装置。用电极电导法测量金属-有机溶剂二元溶液体系,在恒流的情况下测量不同金属在浸溶液状态下的电压情况,采用Visual Basic编程语言设计软件,通过串行通信方式对电压和实时温度数据进行采集,对比电压数据曲线从而判断金属的纯度。经过实验测试表明,根据电压曲线区分金属、分析金属纯度的方法是可行的,所提出的分辨金属及检测金属纯度的方法实现了金属纯度检测的智能化、可视化。     

基于四电极的液体阻抗谱测量系统

液体阻抗谱在科研和生产中有不可替代的应用,然而电导性液体在测量时产生的电极极化影响了这些液体低频阻抗谱的准确测量。设计了一套基于四电极测量原理的中低频液体阻抗测量系统,并采用四电极的测量探头用于液体阻抗谱的测量。系统主要由DSP、直接数字波形发生器、增益/相差测量模块等构成。系统经过校准、标定后,用于测量自制NaC l溶液阻抗谱。结果表明,电极极化得到显著降低,系统可用于电导性液体10 kHz以上阻抗谱的测量。     

一种微生物检测的生物电化学方法研究

本文对细菌的代谢过程和基质氧化还原机理进行分析研究中,将生物电池应用于色素还原试验法,通过对细菌中氧化还原作用而生成的电子数的计测,以实现对细菌数的测定.由此研制成一种能快速测定奶乳制品中细菌含量的电化学生物传感器,对牛奶中的杂菌进行了测量,实验结果表明,该生物传感器能有效的测定鲜奶中的微生物含量.与检测细菌的标准平板培育法比较:该方法具有操作简单、测量速度快的特点,对同一种试样的细菌含量的测定仅需要十分钟,而用标准平板培育法至少需要二十四个小时.同时还能对溶液中细菌的滋生情况进行适时的监测     

新型干法水泥生产控制系统中的参数优化

新型干法水泥回转窑生产技术正处于快速发展期,但是与之相配套的信息技术和控制技术却还有很多需要改进和优化的地方。本文介绍利用信息化技术对水泥熟料生产过程各种数据（DCS、生产、质量、设备、计量等）进行监控分析,在特定的生产线上运用数据挖掘技术实现的参数优化。     

基于二进小波变换的子线段匹配方法研究

提出了一种基于小波变换的子线段匹配方法.该方法利用样条二进小波变换系数在不同尺度下的模极大点能提供在不同尺度下信号急速变化点的位置信息的特点,以该位置点为子线段的端点,采用由粗到细的匹配策略匹配这些端点,根据顺序一致原则,快速匹配子线段两端点之间的点.这种方法较好的解决了匹配精度和匹配速度之间的平衡问题.采用该方法对篦冷机内水泥熟料高度进行测量,实验表明该方法能较精确的得出水泥熟料料层的分布状况.     

基于现场总线技术的DCS在水泥熟料生产线中的应用

根据万吨线水泥熟料生产的特殊工艺特点,认真分析其对控制系统的要求,在此基础之上,充分发挥了现场总线技术及DCS技术两者优势,以系统集成为手段,给出一套基于Profibus现场总线协议的水泥熟料的生产线的集散控制系统(DCS),实现了对水泥熟料生产的集中管理和分散控制.     

水泥熟料烧成系统建模方法研究进展

水泥熟料烧成系统模型对于理解水泥熟料煅烧过程、改进煅烧工艺、优化控制段烧状态、提高燃烧效率至关重要.然而,水泥熟料煅烧过程机理复杂,燃烧状态不稳定,存在建模难的问题.经过学者几十年的努力,已涌现出一大批优秀的研究成果,但仍存在一些不足和挑战.对此,针对水泥熟料烧成系统建模问题,综述国内外已有的建模方法和技术,分析各种方法的优势及存在的问题.最后,分析并指出水泥熟料烧成系统建模领域未来的研究方向和前景.     

粗糙集在熟料强度影响因素选取中的应用研究

指出目前水泥厂预测熟料强度的主观性,提出利用粗糙集中的可辩识矩阵对熟料强度影响因素进行计算,能够选取出对强度贡献较大的主要影响因素.在后续的研究中,根据本次选取的因素对熟料强度进行科学合理地预测,进而保障出厂水泥的质量.因此,该研究对熟料强度预测提供了理论支持.     

基于神经网络的回转窑建模及其优化控制设计

实现水泥回转窑温度稳定性控制,水泥回转窑熟料煅烧是一个涉及传质、传热和物理化学反应的复杂多变量、多扰动非线性过程。为了稳定回转窑烧成温度以提高孰料烧成质量,降低能耗,传统的控制方法,存在干扰大,稳定时间长等问题。在分析水泥回转窑工艺的基础上,采用Elman神经网络建立回转窑系统的模型,提出BP神经网络的PID控制方法,根据系统的运行状态,调节PID控制器的参数,以达到性能指标,设计了回转窑温度优化控制器,具有超调量小、动态性好、收敛速度快和控制精度高等优点。进行仿真的结果表明,回转窑烧成带温度逐渐趋于稳定,实现了对水泥回转窑的优化控制。     

水泥篦冷机出口熟料温度自适应辨识模型

为了优化控制系统,建立篦冷机温度熟料出口的识别模型,利用篦冷机内熟料换热机理,找出熟料冷却过程的关键影响因素;利用回声状态网络辨识篦冷机运行数据,基于递归最小二乘法推导网络的在线学习算法,实现权值自适应调整,从而建立了篦冷机出口熟料温度的自适应辨识模型.仿真实验可知,在系统发生变化时构建的模型能够自适应调整网络输出权值矩阵,使模型快速收敛.与其他离线方法相比,提出的熟料出口温度的自适应模型更加持久有效,可以作为辨识模型指导篦冷机的控制.     

A digital quality control system for an industrial dry process rotary cement kiln

A multivariate autoregressive moving average (ARMA) model for an industrial dry process rotary cement kiln is identified, from real process data, using the maximum likelihood method. The model obtained is then used in computing a controller for quality control of clinker production. It is shown that it is relevant to compute a minimum variance controller subject to restrictions both in the controller structure and the variances of the control signals. The resulting controller is finally implemented on the cement kiln process, together with a target adaptive controller for automatic adjustment of the clinker quality setpoint, in order to save energy.