论文部分内容阅读
水泥熟料的煅烧是水泥生产过程中一个重要的过程,该过程的运行情况会直接影响水泥的最终质量,而直接反应水泥安定性和水泥生产能耗的熟料游离氧化钙(free lime in cement clinker,fCaO)主要就产生于这个过程中。传统水泥熟料fCaO含量检测实时性差,难以实时指导生产,因此深入研究水泥回转窑烧成过程内部的传热机理、群智能算法和机器学习算法,建立水泥熟料fCaO含量预测模型对提高水泥熟料质量、促进水泥行业的节能减排以及提高水泥生产效率有重要作用。本文的具体研究工作如下:首先,针对目前的多相流模型难以追踪煤粉颗粒、无法准确模拟煤粉燃烧反应以及计算难以收敛等问题,提出一种将回转窑内的物料流域和高温烟气流域分开建模的方法,利用两流域之间的交界面进行换热计算,简化回转窑内的传热过程;为了使简化后模型的传热过程不会受简化的影响,本文根据传热学原理在交界面处建立换热补偿模型,同时根据回转窑内部烧成环境,建立水泥回转窑内的煤粉燃烧、辐射和湍流等模型来模拟回转窑内部的流体环境;利用主流计算流体力学(Computational Fluid Dynamics,CFD)仿真软件Fluent对所建立的水泥回转窑物料烧成系统进行仿真实验,并分析不同回转窑工况对物料温度的影响。然后,针对差分进化(Differential Evolution,DE)算法存在的问题,本文提出一种可以根据优化问题自动选择实验向量生成策略的自适应复合差分进化算法(Selfadaptive composite DE,SCDE);针对单一算法适应性差等问题,本文提出一种基于动态跟随策略的算法整合方法,并基于该策略整合SCDE算法和粒子群优化(Particle Swarm Optimizer,PSO)算法,提出一种新型高效的基于动态跟随策略的集成优化算法((Self adaptive composite DE-Dynamically following PSO,SCDE-DFPSO),利用测试函数集CEC2013对所提出的算法进行性能测试,并与对比算法进行对比。结果表明,所提出的算法在CEC2013的28个测试函数的整体表现中,无论是收敛速度还是收敛精度均优于对比算法。最后,利用水泥回转窑物料烧成仿真实验数据结果,建立回转窑烧成带温度预测模型,根据回转窑实际生产情况和烧成带温度预测结果建立基于多核最小二乘支持向量机(Multiple kernel least squares support vector machine,MKLSSVM)的水泥熟料fCaO含量预测模型,并利用所提出的SCDE-DFPSO算法对预测模型进行参数优化,利用实际生产数据对所建立的熟料fCaO含量预测模型进行仿真研究,验证所建预测模型的有效性和鲁棒性。