2019年马会全年资料歡迎您的到來!

ppr管廠家批發

PPR管批發

PPR球閥批發

臨沂九牧塑膠制品有限公司 導航 ↑↓

行業新聞

當前位置: 2019年马会全年资料 > 新聞中心 > 行業新聞 >
  • 基于集成模型的集氣管壓力設定值穩态優化研究

  • 時間2013-11-07 16:35作者admin浏覽次數



摘要:某鋼鐵企業煉焦生産過程中集氣管壓力為人工經驗設定,難以根據不同工況進行實時調整,使得蝶閥容易工作在極值 範圍,無法達到期望生産目标,提出以降低焦爐能耗為優化目标,蝶閥開度範圍和集氣管壓力工藝設定值範圍為約束條件的穩 态優化思想。首先采用基于線性回歸與最近鄰聚類學習算法的RBF神經網絡方法建立焦爐集氣管壓力設定值動态模型,得到 集氣管壓力設定估值,然後以降低能耗為目标函數,蝶閥開度範圍和集氣管壓力工藝設定值範圍為約束條件,采用改進的粒子 群算法對目标函數尋優得到集氣管壓力的穩态優化設定值。實際應用結果表明,采用該方法獲得的優化結果滿足了企業的要 求,取得了較好的工業應用效果。

關鍵詞:集氣管壓力;線性回歸;RBF神經網絡;粒子群優化

1引 言

在煉焦生産過程中,焦爐集氣管用于彙集各炭化室 的荒煤氣,而焦爐集氣管壓力調節的目的是使炭化室保 持正常工作範圍,從而滿足煤在幹餾過程需要的工藝條 件。因此,保證焦炭質量與減少能耗的一個重要環節是 确定好較優的焦爐集氣管壓力設定值。一般焦爐集氣管 壓力的設定值是由工藝工程師根據焦爐煤氣量的大小以 及其他一些工藝因素人為給出,具有一定随機性和不準 确性。目前國内在焦爐集氣管壓力的研究主要集中在控 制效果方面,對于焦爐集氣管壓力的穩态優化方面研 究較少,然而穩态優化在影響工廠經濟效益方面也起着 決定性的作用。因此有必要對焦爐集氣管壓力設定值進 行穩态優化。

基于文獻[5-7 ]對于穩态優化研究的基礎上,結合焦 爐集氣管固有特性,本文提出一種基于集成模型的焦爐 集氣管壓力的穩态優化控制策略。工業應用效果證明了 該方法的有效性。

2機理分析及優化方案的提出

在集氣管收集荒煤氣的過程中,如果集氣管壓力值 設定過低,空氣容易從炭化室進人導緻焦炭燃燒,降低焦 炭質量;如果集氣管壓力值設定過高,焦爐容易出現跑 煙,既污染環境又耗費能源。因此,确定集氣管壓力值具 有重要意義。在焦爐集氣管的生産過程,影響焦爐集氣 管壓力的最優目标值的因素很多,如:焦爐煤氣産量、外 送壓力和蝶閥的穩态值範圍(使得集氣管壓力最終穩定 在設定值的蝶閥開度)等。

目前,某鋼鐵企業焦化廠有1#、2#和3# 3座焦爐,其 控制方式為:1#、2#和3#焦爐集氣管各一個蝶閥,通過控 制這3個蝶閥來調節集氣管壓力的穩定。集氣管壓力的 設定值是由工藝工程師根據生産要求給定,其設定值範 圍為[80,120]Pa。本文采用該鋼鐵企業焦爐集氣管壓 力的控制作為優化對象,由于集氣管壓力的設定值是由 工藝工程師給定,而且其值一旦固定,可能在連續的幾天 内都不會改變,當焦爐煤氣量産增大或外送壓力增大,焦 爐集氣管壓力将長期處于高壓,為使得集氣管壓力回至 過低的給定值,此時蝶閥開度将處于全開的位置,蝶閥的 可調節性過小,造成焦爐的不可控;同理,當焦爐荒煤氣 量減小或外送壓力變小,若集氣管壓力給定值維持不變 的話,此時蝶閥開度将長期處于過低的位置,即全關的開 度,當外界其他因素造成集氣管波動時,也将造成集氣管 壓力的不可控。圖1所示為2#集氣管壓力設定值固定情 況下集氣管壓力數據及其蝶閥開度的數據采樣圖。其中
2#壓力設定值由工藝工程師确定為100 Pa,通過當天的 曆史數據分析,由于焦爐煤氣産量相對以前的産量有所 降低,而該集氣管壓力的設定值并未校正,導緻集氣管壓 力偏低,而蝶閥開度一直處于較低位置(10% ~ 25% ), 蝶閥大多數時間處于不可調的位置。當外界其他因素造 成集氣管壓力繼續降低時,蝶閥的調節能力幾乎為0,造 成該集氣管壓力工況的異常。因此對焦爐集氣管壓力進 行穩态優化是改善集氣管壓力控制品質的必然手段。

——壓力 ——蝶閥開度
圖1 2#集氣管壓力實時運行曲線 Fig. 1 Operation curve of No. 2 gas collector pressure
通過分析焦爐煤氣集氣過程可知,焦爐集氣管壓力 設定值除了與焦爐煤氣産量和外送壓力具有一定的線性 關系,還具有一定的非線性關系,具有難以建立精确的數 學模型的特點。神經網絡可在有限的數據基礎上,實現 最佳逼近的複雜映射關系+w。通過對焦爐集氣管壓力 設定值的分析,本文選用線性回歸算法與神經網絡算法 建立集成模型,可更為準确地描述工業生産過程系統。 在優化方面,pso可以克服傳統優化方法容易陷人局部 極值的缺點,不像遺傳算法需要選擇、交叉、變異等進化 操作,易于實現’因此可以采用PS0進行優化。因 此,本文采用基于集成模型的PS0對集氣管壓力設定值 進行穩态優化。

3集氣管壓力設定集成模型

本文通過集成線性回歸和神經網絡算法,建立焦爐 集氣管壓力設定集成模型。

3.1線性回歸集氣管壓力設定模型

線性回歸模型是基于大量數據樣本的數學模型,因 此在建立線性回歸集氣管壓力設定值模型前,必須采集 大量的模型二次變量以及對應的焦爐集氣管壓力設定值 數據,整理成樣本。

線性回歸模型的輸出數據是焦爐集氣管壓力的設定 值,在線性回歸中選擇焦爐生産基本正常的數據作為樣 本。由于現場數據是通過Honeywell獲得,這種數據信号 帶有大量的噪聲,因此數字信号必須經過濾波後才可以 輸人至模型。基于焦爐集氣管壓力數據特點,本文采用 濾波式(1)進行濾波,其中^為采樣點數目。
 

123