氧化铝回转窑火焰图像处理与量化分析

在烧结法生产氧化铝过程中,为监控回转窑内部燃烧状况,提高熟料质量,采用了数字图像采集与图像处理的方法,并通过对燃烧火焰和烧成熟料图像的数据分析与平滑滤波,得到了火焰强度和熟料等级两个数字化特征值,为回转窑的操作优化和自动控制提供了可靠的依据,实现了增产降耗的目的。     

氧化铝回转窑火焰图像分割和特征提取技术

窑内参数难以准确在线检测是氧化铝回转窑自动控制的瓶颈之一;通过CCD工业摄像头采集窑内火焰图像,采用增强FCM算法对图像进行分割,针对不同情况采用有效的滤波方式,并实时准确提取了火焰温度、熟料温度、料高和黑靶子面积等多个参数,为回转窑自动控制奠定了基础。     

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。     

基于改进YOLOv5的煤矸识别研究

现有基于深度学习的煤矸识别方法应用于井下复杂环境中时易出现误检和漏检情况,且对小目标煤矸的识别精度低。针对该问题,提出一种改进YOLOv5模型,并基于该模型实现煤矸识别。对采集的煤与矸石数据进行数据增强,以丰富数据集,提高数据利用率;在空间金字塔池化（SPP）模块中引入空洞卷积和残差块,得到残差ASPP模块,可在不损失图像信息的前提下,增大卷积输出感受野,强化模型对深层特征的提取;采用AdaBelief优化算法代替YOLOv5原有的Adam优化算法,提高模型的收敛速度与识别精度。实验结果表明：AdaBelief优化算法和残差ASPP模块可有效提高YOLOv5模型的精确率、召回率和平均精度均值（mAP）;改进YOLOv5模型的mAP达到94.43%,比原始YOLOv5模型提高了2.27%,帧率降低了0.03帧/s,性能优于SSD,Faster R-CNN,YOLOv3,YOLOv4等主流目标检测模型;在极端黑暗的环境中,改进YOLOv5模型也能准确划定目标边界,识别效果优于其他改进YOLOv5模型。     

水泥回转窑的计算机控制

本文针对我国水泥回转窑的现状,提出了一套可行的模糊控制方案.文中给出了辨识水泥回转窑模糊模型以及量测数据模糊滤波的方法.经两个月的运行实践表明,该控制方案明显地提高了水泥熟料的产量与质量.     

煤/气混燃锅炉运行优化与智能算法预测模型

为提高煤/气混燃机组的锅炉效率,以某300 MW煤/气混燃锅炉为对象,对热量混燃比、分级配风、排烟温度、飞灰含碳量及锅炉效率进行了优化。基于优化试验数据,采用支持向量机(SVM)、反向传播(BP)神经网络及遗传算法优化BP(GABP)神经网络等算法,建立了锅炉效率智能算法预测模型。采用均方根误差和平均绝对百分比误差,分别评价了模型预测精度和预测值相对于试验值的平均偏离情况。试验与预测结果表明:随着高炉煤气热量混燃比的增加,锅炉效率由92.87%降到了90.82%,高炉煤气与焦炉煤气的最佳配比应小于1.3;锅炉效率随着分离燃尽风开度的增加而降低,最优开度为4层,均开至100%。通过对比3种预测模型的性能发现,遗传算法优化BP神经网络算法具有较强的逼近能力和泛化能力。该模型对锅炉效率的预测能力优于其他2种模型。     

80万t球团矿控制系统的设计与实现

介绍80万t球团链篦机-回转窑自动控制系统的设计与实现。设计采用工业以太网Quantum Ethernet I/O和现场总线Modbus相结合的先进技术,实现对生产工艺的自动化控制。     

水泥回转窑工作点的多变量系统辨识建模

研究水泥回转窑优化建模问题,水泥回转窑自动控制优化的实现,需要以准确的数学模型作为基础。由于水泥回转窑为高温热工设备,其系统是复杂的非线性系统,要求准确建模。为解决上述问题,提出采用时间序列模型,应用最小二乘的参数寻优方法进行系统辨识,得到某生产线工作点及其附近的线性化模型,用专家智能控制系统软件实现建模。实验结果可见,系统的实际输出与辨识所得模型的输出曲线归一化后拟合良好,表明所得模型在工作点附近可以准确地描述多变量系统,验证了所提时间序列模型辨识建模算法的有效性。     

基于神经网络的球磨机出力软测量模型研究

球磨机出力检测和控制是球磨机自动控制的重要内容,然而,目前在实际生产过程中,球磨机出力缺少有效可靠的检测手段,因此很难实现优化控制.结合基于神经网络的软测量和混沌信息处理技术两者的优点,建立球磨机出力软测量模型.该模型不仅能预估稳态下球磨机出力,且对动态过程中球磨机出力的在线估计也切实有效,从而为球磨机的出力监测、给煤...     

短停留时间下的神华上湾煤直接液化恒温阶段反应动力学研究

以中国神华煤制油化工有限公司上海研究院0.01 t/d神华煤直接液化工艺连续装置实验数据为基础,建立适合神华煤直接液化反应恒温阶段在短停留时间下的集总动力学模型,模型在保证液化反应升温阶段和恒温阶段是一个连续整体的前提下,使用BFGS变尺度法优化计算得到了恒温阶段模型参数。结果表明,液化反应在短停留时间时的恒温阶段动力学模型预测的组分收率的计算值与实验值平均相对偏差、平均绝对偏差分别为5.23%、0.90%,吻合良好,该模型可以较好地反映神华煤直接液化恒温阶段在短停留时间的反应过程。     

基于神经网络的水泥回转窑控制系统研究

水泥回转窑的工作过程是水泥生产中的核心部分,它的生产过程是一个具有大惯性,纯滞后,非线性和强耦合的过程,建立精确的复杂模型非常困难,针对水泥回转窑工作过程中起关键作用的物料温度、窑转矩、含量,用ART-2和BP两种神经网络进行数据融合、分类,得到能较准确反映现场的工况信息,达到对回转窑电机的控制。     

基于2D-OTSU图像边缘检测的回转窑工况识别方法

回转窑作为水泥窑炉煅烧过程的核心热工设备,其正常运转率与产品产量、质量及能耗紧密相关,由于回转窑内部核心反应区温度高且装置持续旋转,接触式温度传感器无法安装在窑内核心反应区域,而筒扫系统借助红外扫描装置能够实时监测回转窑筒体表面温度并间接反映窑内热工状况.签于此,提出一种新的基于筒扫图像2D-OTSU边缘检测的回转窑异常工况识别方法.该方法首先构建基于灰度梯度和局部灰度标准差信息的融合模型,并利用相对熵概念计算模型权重系数,进而通过1D-OTSU预搜索策略提升识别算法的效率;然后给出一种2D双阈值检测阈值分割策略,以保证边缘的连续性;最后采用工业现场实际的回转窑筒扫图像对所提方法与其他典型检测方法进行比较研究.对比实验结果表明,所提出方法的检测率和单位误报次数均优于其他算法并具备一定鲁棒性,能够有效检测回转窑内的异常工况,达到提高回转窑运转率的目的.     

贝叶斯分类算法应用于回转窑烧结温度预测模型

针对氧化铝回转窑烧结过程中存在的多变量、强耦合、非线性、环境恶劣、煤粉和料浆成分不稳定等因素造成的烧结带温度不稳定,熟料质量低等难题,提出一种基于朴素贝叶斯分类（NBC）算法的回转窑烧结温度预测模型。采用FastlCA算法,找到回转窑热工数据的独立成分,从而满足NBC的属性之间相互独立的条件,并通过AdaBoost算法对模型进行提升。实验结果表明,这种模型具有较好的控制效果。     

General solution to kiln support reactions and multi-objective fuzzy optimization of kiln axis alignment

Based on the analyses of the mechanical features of rotary kiln with multi-supports, a general mechanical model for indeterminate kiln with variable bending rigidities, arbitrary supports and complex loads is established. From this model, the equations of the rotational angle and the deformation are deduced, the general matrix and procedure are developed. The correlation between the roller forces and axis deflections of no. 2 rotary kiln is derived. To improve kiln performance by kiln axis alignment, taking roller forces equilibrium and relative axis deflection minimum as the optimization goal, considering the fuzzy constraints of axis alignment, the fuzzy optimization model of kiln axis alignment is set up. The optimization model is solved with the max–min approach. The results show that fuzzy optimization alignment of rotary kiln can make kiln axis as straight as possible and can distribute kiln loads equally.     

基于图像反馈的回转窑烧结温度智能预测控制

利用火焰图像作为回转窑烧结温度的反馈信号参与闭环预测控制,融合现场热工信号,设计了烧结温度的RBF网络预测模型,并利用遗传算法进行滚动优化,现场运行结果表明该方法可在正常工况下对烧结温度进行稳定控制.     

Abnormal condition detection in a cement rotary kiln with system identification methods

In this paper, we use system identification methods for abnormal condition detection in a cement rotary kiln. After selecting proper inputs and output, an input–output model is identified for the plant’s normal conditions. A novel approach is used in order to estimate the delays of the input channels of the kiln before identification part. This method eases the identification since with determining the input channels delays, the dimension of search space in the identification part reduces. Afterward, to identify the kiln’s model, Locally Linear Neuro-Fuzzy (LLNF) model is used. This model is trained by LOcally LInear MOdel Tree (LOLIMOT) algorithm which is an incremental tree-structure algorithm. Finally, with the model for normal condition of the kiln, the incident of abnormalities in output are detected based on the length of duration and magnitude of difference between the real output and model’s output. We distinguished three abnormal conditions in the kiln, two of which are known as common abnormal conditions and another one which was not characteristically known for cement experts either.     

锌钡白煅烧转窑自适应调节器

与其他转窑煅烧过程一样 ,锌钡白转窑煅烧产品的消色力性能指标目前无法在线检测 ,因此其产品质量控制难度很大。文献中提出“等质量等能量”的控制模型以实现对立德粉煅烧过程的控制。但是该模型的调节范围有限。本文针对该问题 ,提出自适应调节方法。该方法在”等质量等能量”控制器的前端增加一比例调节器 ,以及时适应工况和粉种的变化     

回转窑煅烧过程运用软测量的建模方法及应用

为了解决工业回转窑的生产过程中存在工艺复杂、建模困难和控制目标只能离线检测等控制难点的问题,在分析锌钡白回转窑煅烧过程运行机理和工艺流程的基础上,运用软测量的方法建立煅烧过程的控制模型。结合熟练工人的操作经验,采用模糊控制的方法对控制模型的PID参数进行自动整定,详细介绍了控制模型的建立过程和模糊参数自整定控制器的设计方法。现场运行取得了满意的效果。     

600t/d石灰回转窑煤粉收尘变频器干扰模拟信号问题的解决

文章以济南鲍德炉料公司600t／d活性石灰煤粉收尘变频器为例。讲述了变频器的干扰问题及解决办法。