基于中子活化分析仪的水泥烧成系统游离氧化钙卡边控制方法研究

关长亮

1 前言

水泥工业的智能化转型对于产业升级、更好地服务于社会经济建设至关重要[1]。智能化水泥工厂可大幅改善劳动条件，减少人工干预，提高水泥生产的过程可控性。借助于智能化技术，可在原有基础上实现水泥生产资源的优化利用，提高生产效率，从而进一步提高水泥企业的产品质量和竞争优势。虽然近年来DCS控制系统广泛应用，提升了国内水泥工业的自动化程度，但离建成真正意义上的智能化水泥工厂仍有较大差距。建立智能化水泥工厂的关键是实现水泥烧成系统的智能控制，然而水泥熟料中的游离氧化钙无法实现在线实时监测，导致水泥烧成系统难以建立有效的智能控制手段，卡边控制（操作控制变量，保证产品质量刚好合格的控制方法）更是无从说起。

目前，多数水泥厂均是通过软测量（测量易获取的变量来推断或估计难以测量的重要变量）方式实现游离氧化钙含量的测量。武伟宁等[2]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；赵朋程等[3]提出了一种局部区域可调的改进量子粒子群优化（IQPSO）算法，建立了基于IQPSO 算法优化ELM 的水泥熟料游离氧化钙软测量模型；Jiang Y Y 等[4]提出了一种改进的粒子群算法，对LSSVM 模型的两个重要参数进行迭代优化，克服了传统交叉验证法和网格搜索法等参数选择方法的盲目性，并利用PSO-LSSVM 软测量模型对熟料游离氧化钙含量进行了模拟。

2 卡边控制方法提出

智能化水泥工厂不仅仅需引入智能化生产设备、智能化检测设备、智能控制算法，更重要的是要实现对水泥生产过程的精细化控制，同时，根据水泥生产工艺流程特点（图1），制定一套行之有效的精细化控制方案，解决水泥生产过程中的难题，包括但不局限于以下问题：

图1 水泥工艺流程图

（1）水泥生料磨前的生料质量检测系统的检测精度和波动情况，是否会影响水泥生料的自动配料。

（2）水泥窑尾收尘入生料均化库，是否会影响生料均化效果。

（3）若无法对熟料游离氧化钙进行在线实时检测，是否会影响整个烧成系统的风、煤、料控制。

针对上述问题，本文提出了一种基于中子活化分析仪的水泥烧成系统游离氧化钙的卡边控制方法。该方法的核心是在目前常规控制方案的基础上，在生料均化库下方增加一台中子活化分析仪，实现入窑生料质量的实时在线监测。

（1）根据工艺特点，均化后的物料检测精度和稳定性，均高于前端生料配料处的物料检测。

（2）实时校正前端生料配料的中子活化分析仪，提高配料精度；屏蔽窑尾收尘对生料均化的影响，尤其是前端生料磨停机、后端工艺生产仍正常进行时的影响。

（3）目前，通过烧成带温度、分解炉温度等信息建立的熟料游离氧化钙软测量模型精度较差，结合入窑生料质量建立的熟料游离氧化钙软测量模型的可信度更大，基于该模型，可实现风、煤、料的卡边控制，在保证熟料质量的情况下，提产、节能、降耗。

3 卡边控制方法核心技术

熟料游离氧化钙卡边控制方法是基于在水泥生料入窑前，增加生料质量检测，并依据检测结果对前端生料配料进行校正，对后端熟料游离氧化钙含量进行预测，最终实现水泥烧成系统的精细化控制。其核心技术主要包括：生料入窑质量实时检测、基于生料质量数据的软测量模型建立、基于游离氧化钙的卡边控制等三个部分。

3.1 生料入窑质量实时检测

在生料均化库下方增加生料质量检测装置中子活化分析仪，该分析仪将结果反馈至生料自动配料系统，生料自动配料系统根据入库生料检测值，实时校正自动配料系统配料值。自动配料系统通过OPC 协议通讯方式，与现场DCS 系统进行连接，最终将优化配料指令下达至DCS系统，实时在线自动优化配料，如图2所示。

图2 生料入窑检测示意

熟料游离氧化钙卡边控制方法实时检测控制周期主要取决于中子活化分析仪与原料秤的距离及原料秤的响应时间，也与原材料的成分波动有关，现场调试人员需根据具体情况具体确定，通常1～3min检测一次。

3.1.1 实现原料断料堵料时的自动补偿

原料堵料断料是配料系统常见的问题，不仅会造成磨机产量下降，而且原料不能按预期比例进入磨机混合，出磨生料成分波动非常大。智能配料系统可以对此现象作智能判断并进行以下应急处理。

（1）当某种原料断料或堵料时，中子活化分析仪自动配料程序将发出图像及声音警告信息，提醒工作人员尽快处理，降低断料或堵料的影响。

（2）配料系统具有断料补偿功能，对短时间发生的断料情况，系统可对断料原料配比进行调整补偿，特殊情况下，操作员可终止断料补偿，按正常配比配料；补偿过程中只对断料原料配比进行补偿，生料磨总产量保持不变，不会造成皮带压停。

3.1.2 实现生料入库反馈优化控制

（1）在满足生产质量的前提下，为降低生产成本，在有多种原料可供选择，且满足三率值配料要求的情况下，中子活化分析仪自动配料系统可依据物料的成本数据，实现最低成本物料优选控制，并对生料成本进行实时统计。

（2）根据生料入窑前的质量监测数据，优化配料三率值，可设定优先级，并按照设定的优先级控制配料。在四组分及以上原料参与配料，且满足三率值配料时，三率值整体合格率很高。在原材料不满足三率值配料要求的情况下，可对三率值控制指标进行优先级设置，使主要指标达到质量要求。当三率值不合格时，程序将自动计算其与目标要求的偏差并累计，在后续的配料过程中，对偏差进行补偿，直到累计偏差为零，以保证混合生料的率值合格。若三率值持续不可配，将影响其合格率。

3.2 基于生料质量数据的软测量模型建立

对熟料中游离氧化钙的常规控制主要依托于现场每小时熟料质量的采样分析，存在一定的滞后情况。本文依据中子活化分析仪入窑生料实时检测数据，选取部分操纵变量（喂料量、头煤量、喂煤量）及可测量变量（回转窑温度）作为辅助变量，建立了熟料游离氧化钙软测量模型。该模型可根据工况实时计算当前产品的质量（包括游离氧化钙含量），并利用实验室的分析值校正模型计算值，实现对产品质量的闭环控制，减少产品的不合格率，如图3所示。

图3 基于生料质量数据的软测量示意

软测量的方法有很多，如，BP 神经网路、RBF神经网络、偏最小二乘法、多元线性回归、径向基网络等，本文将以BP 神经网络为例介绍模型预测控制算法。BP[5-6]神经网络的输入模式为x=(x1,x2,...xn)T，隐含层有h个单元，隐含层的输出为y=(y1,y2,...yh)T，输出层有m个单元，输出可表示为z=(z1,z2,...zm)T，目 标 输 出t可 表 示 为t=(t1,t2,...,tm)T。设隐含层到输出层的传递函数为f，则隐含层第j个神经元的输出；其中w0j=-θ,x0=1。

设输出层的传递函数为g，则输出层第k个神经元的输出：。

此时,网络输出与目标输出的误差为ε=。

利用负梯度方向是函数值减小最快的方向，通过减小ε调整权值[7]。

因此，可以设定一个步长η，每次沿负梯度方向调整η个单位，η在神经网络中称为学习速率，即每次权值的调整为：

3.3 基于游离氧化钙的卡边控制

游离氧化钙软测量模型建立后，利用TaiJi-MPC[8-9]平台，通过MPC模型预测控制算法，实现基于熟料游离氧化钙软测量的风、煤、料的卡边控制。在每个控制周期内，MPC 控制算法包含预测、稳态优化、动态控制三个步骤。具体过程如下：

预测步骤是使用辨识得到的模型和相关MV、DV和CV的当前测量值，对CV的未来值进行预测，预测值会在稳态优化和动态控制中使用。

假设稳态优化中的全部参数已在MPC控制算法设计中确定，则稳态优化的结果是MV和CV的稳态值，分别记为向量y*和向量u*。

MPC控制算法的动态控制步骤是根据CV的预测值和辨识得到的模型计算MV控制动作，使生产过程到达稳态优化中的稳态值。动态控制的计算也是一个二次规划[10-11]：

式中：

yref（t）——CV闭环响应的理想轨迹

y*、u*、y*、u*——稳定优化中确定的MV和CV的稳态值

P——预测步长

M——控制步长

Q——CV的权重对角矩阵

R——MV的权重对角矩阵

S——MV的增量权重对角矩阵

动态控制的参数包含P、M，每个CV的闭环稳态时间Tresp（i），权重矩阵Q、R和S，均可自动选择。

为实现MPC 控制，MPC 控制模块需自动选择辨识得到的模型并在控制中使用模型，自动整定MPC 的控制参数。MPC 预测控制过程框图如图4所示。

图4 MPC预测控制过程框图

4 技术应用

针对熟料中的游离氧化钙难以建立精确的数学模型、难以实时在线测量的问题，首先采用聚类分析、主元分析、线性规划、神经网络等方法，建立基于中子活化分析仪的水泥熟料游离氧化钙软测量模型；依据入窑生料质量实时监测数据建立的软测量模型，检测精度高、泛化能力强。其次，利用软件编程方法，设计水泥熟料质量指标软测量仪表。最后，将软测量仪表的预测值作为前馈值传到优化控制器中，实现熟料中游离氧化钙含量的在线实时反馈，并结合预测控制技术动态校正控制参数，实现风、煤、料的精准卡边控制，具体过程如图5所示。

图5 水泥烧成系统游离氧化钙卡边控制框图

5 结语

本文提出了一种基于中子活化分析仪的水泥烧成系统游离氧化钙的卡边控制方法，通过在生料均化库后加装生料入窑质量实时检测系统，不仅可以对前端生料配料进行反馈校正，还可以建立实时游离氧化钙软测量模型，与模型预测控制算法协同，实现基于游离氧化钙软测量的风、煤、料卡边控制。根据现场指标分析，该方法可以降低游离氧化钙的标准差波动约10%，游离氧化钙指标含量提高0.3%以上，社会效益和经济效益显著。