国家对水泥行业节能降耗和环保的要求越来越严格
很多国外水泥生产线把优化系统作为建厂的标配
优化控制系统应用
传统PID控制系统
模糊逻辑控制系统
专家控制系统
神经网络控系统
仿真控制
优化控制系统介绍
模糊控制
模糊控制基于模糊集理论，模拟人的近似推理和决策过程。自1974年Mamdani成功地将模糊控制技术应用于高炉和蒸汽机的控制以来获得了迅猛发展，它在工业生产，特别是在工业窑炉、石油化工等复杂工业生产中的应用成果显著。1978年，丹麦学者Larsen首次为一条湿法水泥回转窑设计的一套模糊控制器取得了成功，由此开辟了应用模糊控制实现水泥回转窑自动控制的新途径，而1981年Holmblad等人研制的湿法水泥回转窑模糊控制器，使窑的运转率达到80～85%，燃料消耗减少4～5%，产品质量也有明显提高。目前国际上不少仪表制造公司已把模糊控制技术应用在DCS系统中。1995年，Fisher Rosemount公司设计了可在PROVOX和RS3分布式过程控制系统上运行的智能模糊逻辑控制器。
专家控制
对于任何一个有效的工业控制系统的设计，都不能由控制理论单独解决，它都隐含着人的重要启发式逻辑推理。基于此，专家控制将专家系统技术和控制理论相结合，吸收了专家的经验知识，将专家对被控对象的真知灼见、控制技巧和直觉逻辑推理融入了控制策略中。在这方面，日本、美国和欧洲走在了世界的前列。从70年代开始，日本率先将专家系统技术应用于冶金工业生产过程。到80年代，日本钢管公司福山厂建立起了高炉控制专家系统，产生了巨大的经济和社会效益，引发了把人工智能技术应用于工业生产过程控制特别是冶金工业的热潮。在英国，linkman系统对水泥窑生产过程的控制和管理作用显着，既提高了经济效率，减少了环境污染，同时又实现商品化。可以说它是专家控制在工业上成功应用的典范。再如，美国的Foxboro公司在1987年时就已把PID专家自校正控制方法应用于分布式计算机控制系统中。
神经网络控制
神经网络试图模拟人的形象思维以及学习和获取知识的能力。它在工业生产过程控制领域中的应用，不像前两者那样发展迅猛，这主要是因为神经网络控制高度依赖于生产现场所提供的大量训练样本，而这些样本的有效性、可靠性直接影响到神经网络控制器的性能，而且训练算法的可实现性也是影响其实用化的重要因素。但尽管如此，神经网络控制在工业生产过程中的应用还是获得了巨大成功。美国NEURAL公司1991年开发成功的"智能电弧炉"（IAF）就是一种利用神经网络控制电炉的新方法，已取得美国的专利。IAF将传统控制方法与改善功率因素合并起来，使电能消耗减少8%，使电极消耗减少75%，而生产能力增加12%，到降低钢铁厂的生产成本。它只需10分钟的时间去学习电炉的运作情况，监视电炉，观察旧控制器的控制行动，并评价这些控制行动的效果。该系统具有自适应、自学习的功能，解决了长期困惑电炉控制系统的技术难题，在技术上取得重大突破。
APC优化控制系统
APC(Advanced Process Control)
PAVILION-ROCKWELL
平台软件：PAVILION8
商用的、通用的动态、非线性、多变量模型预测控制器（MPC）
已经在化工聚合物等方面有很多成功案例
APC优化控制原理-神经元网络
APC水泥优化系统应用
控制回路：APC优化共投入了5个输出控制回路
1.分解炉喂煤
2.窑头喂煤
3.高温风机风量调节
4.入窑喂料量的调节
5.窑转速的调节
受控变量包括
分解炉出口温度、预热器氧气含量、烧成带温度、窑NOx化物浓度、窑电流、窑喂料与窑电流比例、熟料游离钙
APC 功能设计
CVs:Stage 5 exit temperaturePre-calciner TemperatureTower exit O2Tower exit COStage 5 exit O2Stage 5 exit COKiln NOXKiln COKiln drive ampsFeed to Speed ratioStage 1 Exit TempKiln outlet PressureMVs:Kiln Feed RateKiln SpeedID FanKiln Fuel FeedPre-calciner Fuel FeedTAYNINH 项目工作计划
TAYNINH 项目工作内容
oOff Site
-Function Design Specification and review
-Create steady-state models
-Create dynamic models
-Use simulator to tune controller off-line
-Remote controller tuning and trouble shooting
-As-build documents
oOn Site
-Install on-line Pavilion8 Controller components and Data collection
-Kick-off / Plant test
-DCS Configuration
-Commission Controller
-Controller tuning on-line
-evaluate and results audit
模型建立过程
oComplete flexibility to develop offline and online datasets
oRealtime setpoint control and optimization
模型处理过程
RAE Overview
化验室非实时数据的处理VOA
What is a VOA or Soft Sensor® ?
A computer program that accurately predicts Lab analysis values as a function of the plant variables
原始采集数据处理
数据预处理
建立模型
模型分析
模型分析处理
Can remove outliers with Cut Box tool
evaluate First!
动态模型调整
DCS 组态及人机界面
系统投入运行结果
1.分解炉温度自动控制
手动
APC自动
STD减少
温度标准偏差
6.4
3
53.1%
2. 窑头喂煤自动化控制与喂料比的最大化
手动
APC自动
STD减少
游离钙标准偏差
0.65
0.076
88.3%
手动
APC自动
STD减少
烧成温度标准偏差
57.7
38.9
32.5%
3.窑尾高温风机(ID风机)的自动控制
控制器的控制策略控制预热器的氧含量尽量低并保证窑的CO控制在安全值之下，这样同时也减低了热耗，达到节能的效果。
4.窑转速的自动控制
当窑喂料达到自动控制控制后，我们同时也可以使窑转速做相应的自动控制，以使窑转速与窑喂料之比保持稳定。按照这种控制策略进行的窑转速和窑喂料控制曲线如下图
优化控制系统的现场实施
控制系统对仪表的要求
高温气体分析仪
比色高温计
游离钙测定（荧光分析仪）
特点与效益总结
1.实现了窑系统的全自动控制（配合篦冷机的18个PID控制回路）
2.稳定生产过程如分解炉温度、燃烧带温度
3.提高产品质量，降低游离氧化钙波动，提高其合格率
4.降低能耗
5.降低操作工劳动强度
6.提高设备运转率和寿命
防水之家是专注防水,泥水,防水材料,防水涂料的新闻资讯和防水,防水材料,防水涂料等各十大品牌的装修效果图和网上购物商城,敬请登陆防水之家：http://fangshui.jc68.com/
