在整个陶瓷烧制生产过程中陶瓷辊道窑是最重要的热工设备,陶瓷坯体经过辊道窑烧制以后出窑,其质量取决于辊道窑工艺参数对内部温度的调节,工艺参数设置不当容易造成陶瓷制品的损坏。同时陶瓷辊道窑也是高能耗的设备,烧制阶段的能耗占据整个生产过程能耗50%左右。经过企业调研大部分公司主要还是优先保证质量,对于能耗的降低只能忍痛割爱,导致能耗过大。企业迫切的需要平衡产品质量以及能耗的关系,落实节能减排的措施。本文以考虑陶瓷质量的辊道窑节能降耗作为研究目标,基于热力学第二定律?分析法建立烧制过程?平衡模型,找到辊道窑烧制过程中?损失的环节;建立工艺参数与烧制过程中陶瓷质量的机理模型。为降低窑炉中?损失最大的环节需要在保证产品质量的前提下对窑炉进行优化。因此本文做出了如下的研究工作:(1)针对传统热力学第一定律不能研究系统的内部损失关系仅研究系统外部能量在数量上的大小,故采用热力学第二定律?分析法。首先从陶瓷辊道窑的结构以及工艺特性入手,确定辊道窑外部的输入、输出以及内部转换。然后利用?平衡分析法建立辊道窑的输入、输出?,有效?以及各个部分的?损失模型。最后找到窑炉烧制过程中?损失最大的部分—燃烧?损失,确定了优化目标。(2)针对窑炉内部陶瓷坯体温度无法测量,不能对其质量进行评判的问题,建立工艺参数与陶瓷坯体温度之间的一维非稳态模型。首先考虑到优化目标是窑炉运行过程中的天然气燃烧?损失,因此将优化的物理过程定位到预热段与燃烧段。然后建立烧制过程陶瓷的温度机理模型。最后针对微分方程的机理模型的求解问题,对比4种不同方法,确定使用紧致差分将其离散,利用高斯赛德尔迭代求解。(3)针对陶瓷质量约束下的天然气燃烧?损失模型的参数优化问题。首先针对差分方程求解慢,无法直接利用优化算法进行求解,利用神经网络进行拟合得到陶瓷的质量模型即出窑温差以及表面温度。然后考虑到传统粒子群算法求解时容易陷入局部最优,且需要进行参数调节。采用无参数粒子群算法,同时引入一般化反向学习进行改进,得到一般化反向无参数粒子群算法,并验证了算法的有效性。最后利用改进的算法进行工艺参数优化。(4)为了将方法用于实际生产过程,利用Python仿真平台建立“陶瓷辊道窑仿真优化系统”。为企业操作人员在实际陶瓷生产中的工艺参数优化提供评估支撑。