劉沖 ，呂松彥 ，郝曉辰

在水泥生產(chǎn)中，熟料fCaO的含量是衡量水泥質(zhì)量的重要指標(biāo)，直接影響著水泥的安定性與熟料的強(qiáng)度。

目前，水泥熟料fCaO含量主要是通過在線監(jiān)測和離線化驗(yàn)兩種方式獲得。在線監(jiān)測儀成本較高，維護(hù)費(fèi)用較大，測量精度易受現(xiàn)場環(huán)境影響，因此，我國大部分水泥企業(yè)都是采取人工取樣化驗(yàn)的方式獲得fCaO含量。但人工取樣需每小時(shí)采樣一次，采樣周期較長，取樣后送入實(shí)驗(yàn)室化驗(yàn)所需時(shí)間也較長，化驗(yàn)結(jié)果對水泥生產(chǎn)的優(yōu)化控制存在滯后性。

水泥的煅燒過程復(fù)雜，影響熟料fCaO含量的變量較多，而且各變量與熟料fCaO含量之間存在非線性、時(shí)變時(shí)滯等現(xiàn)象，因此對熟料fCaO含量的預(yù)測需要考慮時(shí)變時(shí)延帶來的影響。

針對以上水泥熟料fCaO測量中存在的問題，本文將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到軟測量中，對fCaO進(jìn)行預(yù)測，該方法通過建立fCaO易測變量與主導(dǎo)變量之間的數(shù)學(xué)模型，消除非線性、時(shí)變時(shí)滯對預(yù)測精度的影響，實(shí)現(xiàn)fCaO的實(shí)時(shí)測量，為優(yōu)化控制水泥燒成系統(tǒng)以及保證水泥生產(chǎn)效率提供依據(jù)。

1 燒成工藝流程

水泥熟料燒成系統(tǒng)工藝流程如圖1所示。水泥熟料燒成系統(tǒng)主要包括生料預(yù)熱、熟料煅燒和熟料冷卻三個(gè)階段，各階段中間變量的參數(shù)變化均會對熟料fCaO含量產(chǎn)生重要影響。

水泥回轉(zhuǎn)窯窯內(nèi)主要進(jìn)行氣固熱交換，首先，生料均化庫中的生料在均化后進(jìn)入C1預(yù)熱筒，在重力作用下開始下降。同時(shí)，生料受高溫風(fēng)的影響處于懸浮狀態(tài)，增加了氣與料的接觸面積。生料可以充分與回轉(zhuǎn)窯和分解爐排出的高溫氣體進(jìn)行熱交換，生料中的碳酸鹽在預(yù)熱筒內(nèi)進(jìn)行預(yù)分解。隨后，生料進(jìn)入分解爐充分受熱分解后，分解率可達(dá)90%。生料在分解爐中預(yù)分解后由C5預(yù)熱筒進(jìn)入回轉(zhuǎn)窯，回轉(zhuǎn)窯勻速轉(zhuǎn)動，生料中的碳酸鹽進(jìn)一步分解并發(fā)生一系列物理化學(xué)反應(yīng)，生成水泥熟料。熟料經(jīng)篦冷機(jī)冷卻直至達(dá)到后續(xù)工藝過程所能承受的溫度后，完成采樣，測定水泥質(zhì)量。

2 軟測量變量的選取及模型建立

軟測量技術(shù)的本質(zhì)是在成熟的硬件傳感器的基礎(chǔ)上，以計(jì)算機(jī)技術(shù)為核心，通過對一些容易測量的變量構(gòu)成的某種數(shù)學(xué)關(guān)系，來推斷難以測量或者暫時(shí)不能測量的重要變量，以軟件測量替代硬件測量[1]。軟測量技術(shù)主要由選取模型相關(guān)變量、進(jìn)行數(shù)據(jù)采集與處理、建立軟測量模型等組成[2]。

圖1 水泥熟料燒成系統(tǒng)工藝流程

2.1 fCaO軟測量模型相關(guān)變量的選取

水泥燒成過程中會發(fā)生一系列復(fù)雜的物理化學(xué)反應(yīng)，這些反應(yīng)是影響水泥熟料fCaO含量的主要因素。

（1）水泥煅燒需要大量的熱來進(jìn)行物理化學(xué)反應(yīng)，回轉(zhuǎn)窯燒成帶的溫度對于水泥熟料的質(zhì)量有著很大的影響。

（2）預(yù)熱器溫度受分解爐出口溫度的影響，而分解爐喂煤量會直接影響分解爐的溫度。

（3）窯頭喂煤量與二次風(fēng)是影響回轉(zhuǎn)窯溫度的直接因素，同時(shí)物料會隨著窯的轉(zhuǎn)動緩慢移動至窯頭，回轉(zhuǎn)窯在轉(zhuǎn)動過程中需要窯電機(jī)提供動力。

（4）在水泥燒成過程中，高溫風(fēng)機(jī)會在燒成帶產(chǎn)生巨大的氣壓差，穩(wěn)定的氣壓差可以保證燃燒更穩(wěn)定充分。

（5）原料中不同礦物質(zhì)的差異會引起出磨生料率值發(fā)生較大變化，影響回轉(zhuǎn)窯的燒成過程。水泥熟料燒成過程中主要有硅率、鋁率和飽和比三個(gè)生料率值，這三個(gè)率值不僅決定了物料的易燒性，而且對水泥熟料fCaO的含量影響較大。

通過對水泥燒成過程進(jìn)行分析，最終決定了13個(gè)輸入變量：三率值HM、AM、SM，喂料量反饋，分解爐喂煤量，分解爐出口溫度，高溫風(fēng)機(jī)轉(zhuǎn)速反饋，窯頭煤反饋，二次風(fēng)溫反饋，EP風(fēng)機(jī)轉(zhuǎn)速反饋，窯電流平均值，窯頭負(fù)壓反饋，窯尾負(fù)壓。輸出變量為出窯熟料fCaO的含量。

2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的fCaO軟測量模型的建立

本文建立的基于卷積神經(jīng)網(wǎng)絡(luò)的fCaO軟測量模型如圖2所示。將從水泥燒成系統(tǒng)數(shù)據(jù)庫中選取的13個(gè)變量的數(shù)據(jù)作為軟測量模型的輸入數(shù)據(jù)，采用橫向卷積核對輸入層數(shù)據(jù)進(jìn)行卷積，降低原始數(shù)據(jù)噪聲，提取輸入層數(shù)據(jù)的特征；卷積后的數(shù)據(jù)經(jīng)過池化核為2×1的池化層，在保持?jǐn)?shù)據(jù)大部分特征的同時(shí)降低特征圖的維度；經(jīng)多次卷積池化后的數(shù)據(jù)經(jīng)加權(quán)求和后整合到全連接層的神經(jīng)元中，最后輸出fCaO的值。

3 fCaO軟測量模型的選擇與軟測量實(shí)施的流程

操作人員可以根據(jù)現(xiàn)場生產(chǎn)過程對工藝進(jìn)行分析，選取與fCaO含量相關(guān)性較大的變量，在軟件中進(jìn)行組態(tài)。操作人員可以用現(xiàn)場歷史數(shù)據(jù)進(jìn)行軟測量模型的訓(xùn)練和測試，選取效果較好的模型，再將模型用來對現(xiàn)場的實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)測，將預(yù)測值存到數(shù)據(jù)庫中，為后期的優(yōu)化控制提供依據(jù)。

3.1 軟測量模型的選擇

軟件運(yùn)行管理界面如圖3所示。操作人員可以通過圖3所示界面對模型的訓(xùn)練誤差進(jìn)行監(jiān)控，從而判斷軟測量模型的訓(xùn)練效果，選出效果較好的模型進(jìn)行測試，并對fCaO進(jìn)行實(shí)時(shí)預(yù)測。操作人員也可以對fCaO的實(shí)時(shí)預(yù)測值進(jìn)行監(jiān)控，通過該預(yù)測值對水泥熟料燒成系統(tǒng)運(yùn)行參數(shù)進(jìn)行調(diào)整，保證水泥熟料燒成系統(tǒng)平穩(wěn)運(yùn)行。

3.2 軟測量實(shí)施的流程

軟測量實(shí)施的流程如圖4所示。

圖2 fCaO軟測量模型結(jié)構(gòu)圖

圖3 軟件運(yùn)行管理界面

圖4 軟測量實(shí)施流程

（1）相關(guān)變量組態(tài)

操作人員在對現(xiàn)場生產(chǎn)流程進(jìn)行分析后，在軟件中對相關(guān)變量進(jìn)行組態(tài)，作為軟測量模型的輸入變量和輸出變量。

（2）數(shù)據(jù)樣本的保存

先選出一段時(shí)間的數(shù)據(jù)作為模型的訓(xùn)練和測試數(shù)據(jù)，根據(jù)每個(gè)變量的歷史數(shù)據(jù)對每個(gè)變量進(jìn)行最大值、最小值配置；同時(shí)分析每個(gè)變量對fCaO含量影響的時(shí)延以及樣本的時(shí)長并進(jìn)行配置；配置好參數(shù)后，進(jìn)行樣本數(shù)據(jù)的保存；保存樣本時(shí)，可根據(jù)設(shè)置的最大值、最小值進(jìn)行數(shù)據(jù)的歸一化處理。

（3）模型參數(shù)的配置

樣本保存完成后，需要對軟測量模型進(jìn)行參數(shù)配置，比如網(wǎng)絡(luò)層數(shù)、神經(jīng)元個(gè)數(shù)、全連接層神經(jīng)元個(gè)數(shù)、學(xué)習(xí)率和每層網(wǎng)絡(luò)的卷積核數(shù)目等。操作人員需對參數(shù)進(jìn)行多次調(diào)整，以找到效果較好的參數(shù)。

（4）模型效果的檢驗(yàn)與實(shí)時(shí)預(yù)測

配置好模型參數(shù)后，設(shè)置模型訓(xùn)練周期。操作人員可以在軟件中監(jiān)控模型訓(xùn)練誤差，也可以觀察fCaO預(yù)測值與實(shí)際值的對比曲線，根據(jù)曲線判斷現(xiàn)場窯況以及模型的準(zhǔn)確性。同時(shí)，操作人員可以在圖5界面中選擇模型進(jìn)行測試，判斷模型精度，選取測試效果較好的模型進(jìn)行實(shí)時(shí)預(yù)測。實(shí)時(shí)預(yù)測曲線見圖6。

4 應(yīng)用實(shí)例

將fCaO軟測量軟件應(yīng)用到重慶某水泥企業(yè)的水泥燒成系統(tǒng)中，訓(xùn)練數(shù)據(jù)選用燒成系統(tǒng)數(shù)據(jù)庫歷史數(shù)據(jù)，進(jìn)行多次參數(shù)調(diào)整后建立了一個(gè)較好的fCaO軟測量模型。圖7為利用建立的fCaO軟測量模型進(jìn)行預(yù)測后，存入數(shù)據(jù)庫的fCaO軟測量預(yù)測值與現(xiàn)場工作人員采樣化驗(yàn)測得的fCaO值的對比曲線。

由圖7可以看出，fCaO軟測量方法對熟料fCaO含量的預(yù)測具有較高的精度及較好的泛化能力。對每個(gè)樣本的預(yù)測誤差求和后，再進(jìn)行平均計(jì)算，得到總體誤差約為4.57%。

5 結(jié)語

圖5 軟測量模型測試曲線

圖6 實(shí)時(shí)預(yù)測曲線

圖7 化驗(yàn)數(shù)據(jù)與預(yù)測數(shù)據(jù)對比曲線

本文基于卷積神經(jīng)網(wǎng)絡(luò)建立了水泥燒成過程的熟料fCaO軟測量模型，并將軟測量模型用來預(yù)測實(shí)時(shí)的水泥熟料fCaO含量，總體預(yù)測誤差約為4.57%，可以彌補(bǔ)fCaO測量周期較長的不足，為水泥生產(chǎn)調(diào)度和生產(chǎn)優(yōu)化提供依據(jù)。