物料输送量软测量模型的建立与实践*

胡建刚 张书法 壮炳良 欧丹林

浙江邦业科技有限公司，浙江 杭州 310052

物料输送量软测量模型的建立与实践*

胡建刚 张书法 壮炳良 欧丹林

浙江邦业科技有限公司，浙江 杭州 310052

以冲板式流量计为代表的传统计量仪表的测量精度和准确度都比较差，入窑生料喂料量波动大，造成了回转窑热工制度的不稳定，同时也不利于全厂物料平衡计算和精细化管理。根据平稳可靠的物料输送设备斗式提升机的功率或电流信号，采用神经网络建模，可建立软测量仪表来实时预测生料喂料量。经现场长期使用表明，软测量仪表测量准确、鲁棒性好，便于实施。

斗式提升机 神经网络 物料输送量 软测量仪表

0 引言

物料计量[1]与定量给料[2]是水泥行业的一项重要的技术与装备。物料计量和定量给料对稳定水泥工业日常生产、提高产品产量与质量、节约能耗、降低成本等起着至关重要的作用，是每个水泥企业关心的问题。同时，也对节能减排、资源综合利用等方面有重要作用[3]。

然而，水泥行业的物料都是以固体为主，对其准确计量是非常困难的。以冲板式流量计为代表的各类传统计量仪表，其测量精度和准确度均存在很大问题。各种异常工况，如设备磨损、接触打滑、物料粘结和仓重变化等，都会使流量计产生较大的测量误差，测量噪音过大、测量值偏实、测量值偏虚等异常情况常常发生。这一方面会对装置生产造成很大的波动，另一方面，也不利于全厂物料平衡计算和精细化管理[4]。

斗式提升机是水泥行业中应用广泛的一种物料连续输送机械，具有输送量大、提升高度高、运行平稳可靠、寿命长等显著优点[5]。因此，本文利用斗式提升机功率这一稳定设备的稳定信号，结合神经网络技术，建立了物料输送量软测量仪表(简称软仪表)。经过在现场的长期运行证明，与原有测量仪表相比，该软仪表受异常工况的干扰小，计算精度较高，对实现装置的稳定操作和物料平衡计算有着重要的意义。

1 原理与方法

1.1 软测量技术

软测量技术，作为间接测量的一个发展方向，自20世纪80年代中后期作为一个概括性的科学术语被提出以来，研究异常活跃，发展十分迅速，应用日益广泛，几乎渗透到工业领域的各个方面，已成为检测技术的主要研究方向之一[6]。软测量的基本思想是把自动控制理论与生产过程知识有机结合起来，应用计算机技术，针对难于测量或者暂时不能测量的重要变量，选择另一些容易测量的变量，通过构成某种数学关系来推断和估计，以软件来代替硬件功能。软测量建模的方法多种多样，本文采用了神经网络这种通用的非线性处理方法[7],[8]。

1.2 神经元网络建模

神经网络（Neural Networks,NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统[9]。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。由于神经元网络模型的高适应性、强鲁棒性等，使之被广泛使用。

神经网络是一种运算模型（见图1），由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则因网络的连接方式、权重值和激励函数的不同而不同。一个典型的神经元网络结构如图1所示，它包含输入层、隐含层和输出层，其中隐含层可以是多层的结构。

图1 神经元网络结构

2 实施过程

2.1 输入变量的选择

经过长期的数据分析，我们发现斗式提升机功率和提升机物料输送量的相关性非常好[10]。图2为某水泥厂入窑斗式提升机功率和生料喂料量的散布图。从图2可以看出，所有散点均集中在对角线左右，这说明两者呈现强烈的正相关性，也表现出了一定程度上的非线性。由此我们可以利用斗式提升机功率P与物料输送量C之间的相关性，建立软测量模型，将该软测量模型置入实时计算的系统中实施，构成软仪表。

图2 斗式提升机功率和提升机物料输送量的散布图

经过对数据分析和对设备的了解，我们选择的输入变量如下：

C —斗式提升机单位时间内所输送的物料量, t/h；

P —斗式提升机功率，是仪表测量值，可以由智能电表等测量仪表在线测量而得, kW；

H —斗式提升机所提升物料的高度，为设备参数，m；

K —物料颗粒间的摩擦系数，与输送物料的物料类型、粒径等有关，但与设备本身无关；对于特定工厂的特定装置而言，此参数近似为常数；

A —校正系数，用于修正软测量模型的预测误差。

2.2 数据采集与处理

建立精确的软测量模型，需要采集一段时间的数据，用于回归模型参数，验证软仪表的实施效果。为保证软仪表有较宽的适用范围，数据的覆盖面必须较宽。为保证模型的精度，其数据范围应不少于物料输送量量程范围的50%。一般情况下设备启停时，所包含的数据最为丰富。由于斗式提升机设备自身的原因，其功率或者电流的测量信号一般噪音很大，需要进行降噪处理。一阶滤波是可适用的最简单的一种降噪处理方法。

2.3 软测量模型的建立

软测量仪表的核心是软测量模型，也即待估计变量（物料输送量）与其它直接测量变量（斗式提升机功率或电流）间的关联模型。本文采用神经网络建模，其模型结构如图3所示。

图3 神经网络建模示意图

3 软仪表在线运行效果

图4为在国内某厂实施的软仪表效果图。图4中细线为称量秤实测的物料输送量，粗线为软仪表在线预测的物料输送量。图4中显示，在从200～400 t/h之间的宽量程范围内，软仪表的在线预测结果与实测结果基本一致，而且比实测信号的噪音更小，显示其精度更高。该软仪表在国内某厂已经运行两年以上，仅在线校正过一次，这表明其运行稳定性高。

图4 软仪表实施效果图

4 结束语

本文根据平稳可靠的物料输送设备斗式提升机的功率信号，采用神经网络建模，建立软仪表来实时预测生料喂料量。与原有测量仪表相比，受异常工况的干扰小，计算精度较高，可实现装置的稳定操作，也方便物料的平衡计算。

该软仪表可以应用于水泥工业中磨机、窑等多个生产流程物料量的在线测量。典型的应用包括窑喂料量、磨机出口入库量的测量，也可以应用于部分类型磨机的循环量、粗粉返回量等磨机内部参数的测量，便于计算和监控磨机和选粉机运行状态，有利于窑和磨机的稳定操作。

[1] 王建民. 我国水泥工业物料计量技术, 装备现状及展望[J].中国计量, 2011 (2): 84-87.

[2] 夏如铁, 雷仕庆, 胡云燕. 定量给料机在粉体物料计量中的应用[J]. 水泥, 2010 (10): 63-65.

[3] 于永康. 水泥生产计量与定量给料的关键技术与应用[J].科技研究, 2014 (12).

[4] 徐刚. 一种新型散状固体物料动态计量装置的研究与设计[D]. 太原理工大学, 2009.

[5] 卢景德. 斗式提升机在我国水泥工业中的发展与应用[J].水泥技术, 2008 (5): 30-31.

[6] 俞金寿. 软测量技术及其应用[J]. 自动化仪表, 2008, 29(1): 1-7.

[7] 王旭东, 邵惠鹤. 神经元网络建模与软测量技术[J]. 化工自动化及仪表, 1996, 23(2): 28-31.

[8] 贺毅, 赵望达, 刘勇求. 软测量技术及其人工神经元网络建模方法探讨[J]. 自动化博览, 2005, 2.

[9] 王宁会, 刘敏. 神经元网络软测量技术的进展[J]. 自动化与仪表, 2003, 18(1): 6-9.

[10] 王东伟, 梁玮. 提高斗式提升机输送量的探讨[J]. 粮食与饲料工业, 2001, 5: 10-11.

2015-05-20）

TQ172.687

B

1008-0473(2015)05-0031-03

10.16008/j.cnki.1008-0473.2015.05.009

*国家科技支撑计划项目: 高强低钙硅酸盐水泥及生产控制关键技术的研究与示范,项目编号:2013BAE09B00