一、水泥回转窑分解炉温度的模糊控制（论文文献综述）
赵佩睿[1]（2020）在《新型干法水泥熟料烧成过程协调控制研究》文中研究指明水泥生产是一个大滞后、非线性、强耦合的复杂过程,而烧成过程又是其消耗资源最多,物理化学反应最复杂的过程。近年来,专家学者对水泥烧成过程的研究从未停止,从工况划分到温度控制都是研究的热点,也取得了巨大的成果。但是水泥烧成过程仍然停留在单环节的研究上,对烧成过程的协调控制研究较少。目前,水泥烧成过程协调控制方面的研究还存在以下问题:一,烧成过程工况复杂多变,且不同的参数对烧成过程的影响大小也不尽相同,针对整个烧成过程协调控制的工况总结较少,如何总结出协调关系下的烧成工况并实现在线识别,是研究水泥烧成过程的重要前提;二,针对水泥烧成过程协调控制研究的关注点集中在控制上,而温度设定值却一直是操作人员手动给定。由于操作员的操作经验不同,因此温度设定值无法保证是当前工况下的最优设定值,从而可能导致熟料质量合格率低或者能耗高。因此本文的水泥烧成过程协调控制研究具有重要意义。针对以上问题,本文通过分析大量现场数据并结合操作员的优秀操作经验,划分了烧成过程的典型工况并进行在线识别,最后利用案例推理算法建立温度设定模型,给出分解炉温度设定值和窑头罩温度设定值。主要研究工作如下:（1）讨论了水泥发展概况,并分析了水泥烧成过程中分解炉和回转窑之间存在的协调关系。由于分解炉喷煤（窑尾）和回转窑喷煤（窑头）存在着一定的比例关系,同时又对应着一定的温度设定值,因此得出协调给出当前工况下最优温度设定值即可实现烧成过程协调控制的结论。（2）针对水泥烧成过程协调控制的工况进行总结,不仅仅考虑烧成过程的关键参数,同时将生料率值、煤粉水分等化验室离线数据也考虑其中,通过分析大量现场数据并结合操作员优秀操作经验,总结出了整个烧成过程中与温度有关的典型工况,并总结出当前工况下操作员给出的分解炉温度设定值和窑头罩温度设定值。（3）针对水泥烧成过程工况在线识别困难的问题,在之前总结出典型工况的基础上,以专家规则结合斯皮尔曼相关系数的方法进行工况识别,并给出当前工况下的调整策略。（4）针对烧成过程温度设定值手动给出的问题,利用案例推理的算法,首先建立初始案例库,将不同工况下的案例以f-CaO和煤耗作为筛选标准,质量合格且煤耗低的案例选取为优秀案例。然后通过案例筛选、案例重用等步骤协调给出当前工况下的最优烧成过程温度设定值。最后设计了底层控制器。（5）烧成过程协调控制软件研发。本软件采用C#编写,主要功能有用户管理、数据采集、烧成过程关键参数监测、烧成过程温度设定等功能组成。最后,烧成过程协调控制软件在山东某2000t/d水泥生产线现场应用,可以实现生产过程参数实时监控,现场工况准确划分与识别,并给出分解炉温度设定值和窑头罩温度设定值。经现场验证,水泥烧成过程协调控制软件对实现水泥生产高质、低耗具有一定作用。
李庆峰[2]（2020）在《新型干法水泥回转窑烧成带温度建模与控制研究》文中认为水泥回转窑是新型干法水泥生产过程中原料煅烧环节的核心设备,回转窑烧成带温度直接决定了水泥熟料的产质量、能耗和企业成本。研究水泥回转窑烧成带温度控制方法,使得操作人员在提前得到预测结果的基础上,对回转窑生产热工参数进行调整与控制,这对于提高水泥的生产质量和节能降耗十分必要。首先,本文介绍了新型干法水泥回转窑温度研究现状,总结了国内外学者在温度预测和控制方面取得的研究成果。通过分析水泥回转窑煅烧系统的工艺和影响烧成带温度的主要工艺参数,建立了回转窑机理模型,由于机理模型是建立在一定假设基础上的,模型里有些参数随着温度、压力变化而变化的,为建立合适的机理模型而把这些变化的参数假设成常量的话,对于现实的指导意义较小。其次,一方面针对静态软测量建模方法难以反映水泥回转窑烧成带温度检测过程的动态信息。选择最小二乘支持向量机算法（LSSVM）和自回归滑动平均算法（ARMA）建立烧成带温度模型。首先采用PCA对辅助变量进行降维,并用网格搜索与交叉验证算法对LSSVM进行参数优化,通过实验仿真验证了该建模方法的有效性。另一方面针对于实际水泥回转窑煅烧系统是非线性的复杂工业系统,窑况又是复杂多变的,使用单一非线性模型预测烧成带温度影响预测精度。因此采用基于最小二乘支持向量机的Hammerstein-Wiener模型,并对回转窑烧成带温度进行仿真验证,预测效果比第三章的好。再次,从实际水泥回转窑煅烧过程易于实现的角度出发,提出建立单输入单输出的ARMAX的烧成带温度的估计模型。考虑实际窑系统控制过程中可以仅把窑头喂煤量作为控制输入变量。并采用广义预测控制方法对窑头喂煤量进行调节,从而达到控制烧成带温度的目的。最后,为了实现全场信息化操作,使用监控软件Win CC＿OA编写回转窑监控界面,同时实现监控软件与MATLAB之间的通讯,在监控软件上实现建模与控制的功能。
武伟宁[3]（2020）在《水泥熟料烧结过程软测量方法研究》文中研究说明水泥工业是国民经济的基石产业,提高水泥熟料烧结过程的信息化和自动化水平是提高产品质量、降低能源消耗的重要途径。但是,熟料烧结过程属于典型的非线性动态过程,具有大时滞、强耦合等特点,且处于高温、多粉尘的封闭回转窑内。在这样复杂恶劣的环境下,难以用传感器直接测量熟料烧结过程信息,成为水泥生产自动控制理论与技术面临的瓶颈问题。针对以上问题,本文依托国家自然科学基金项目,综合运用水泥熟料烧结过程的机理知识及数据,深入研究熟料质量（游离氧化钙含量）、窑体热损失、窑内物料料层高度等重要过程信息的软测量方法,为烧结过程的高性能运行和节能控制提供新的量化过程信息。本文主要的研究工作及取得的成果如下:（1）游离氧化钙（f-CaO）含量是水泥熟料的质量指标,也是评判水泥能耗成本的经济指标之一。针对现有f-CaO含量软测量模型未充分考虑输入输出变量的时序信息而导致测量精度不高的问题,本文根据水泥熟料烧结工艺过程的大时滞、强惯性特征,提出一种对输入输出变量进行时序分析的新方法。首先利用物料的传输机理对模型的输入-输出变量进行时序匹配,之后利用类高斯函数对模型的输入变量进行时序加权,最终获得具有时序信息的输入-输出样本对,为提高f-CaO含量软测量模型的精度奠定良好基础。（2）针对现有的f-CaO含量测量单模型泛化能力差的问题,本文提出了一种基于时序分析与集成学习的f-CaO含量软测量模型。首先,选取了六种性质不同的学习算法构建f-CaO含量个体学习器,并采用时序信息的输入-输出数据对其进行训练;然后,采用互信息方法对个体学习器进行剪枝和集成,从而实现f-CaO含量的软测量。利用某水泥厂连续50小时的实际生产数据对本文所提出的f-CaO含量软测量模型进行实验验证,结果表明,模型的预测值与实际测量值吻合良好,能正确反映f-CaO含量随时间的变化趋势。与现有的单模型、全集成模型进行实验对比表明,本文所提出的f-CaO含量软测量模型在测量精度方面具有优势,且能满足在线测量速度要求,对于提高熟料烧结过程自动化水平具有理论与应用价值。（3）由于熟料烧结过程的高温特点,窑体热损失不可避免,并且随着操作参数的变化而产生波动。因此,对窑体热损失进行测量及影响因素分析是实现熟料烧结过程节能控制与决策的前提和重要依据。针对现有窑体热损失计算模型由于忽略窑体温度信息在时间和空间上的非均质性而导致测量结果不精准的问题,本文提出了一种基于红外热图的窑体热损失软测量方法。通过分析窑体的对流与辐射传热机理,建立了热损失软测量模型,然后根据窑体实时红外热图获取温度场数据,实现了热损失的测量。采用该方法对某水泥回转窑的窑体热损失量进行了测量,结果发现,窑体煅烧区的热损失约80.68kw/m,辐射和对流产生的热损失量基本相当。窑体总热损失低于回转窑总热量输入的12%。为了研究窑体热损失与熟料烧结过程操作变量的相关性,本文采用随机森林和皮尔逊相关系数相结合的分析方法,结果表明,篦冷机2#风机开度、喂料量和分解炉喂煤量等五个操作变量对窑体热损失量的影响最大。本文提出的窑体热损失软测量方法及研究成果为熟料烧结过程的节能控制与决策提供了量化依据。（4）回转窑内物料的料层高度是影响窑内热、流、反应进程的关键因素,也是熟料烧结过程高性能运行控制的决定因素之一。但是,由于回转窑的高温、密闭及旋转运行环境,料层高度的测量问题一直是个难点。针对以上问题,本文以准工业热态实验回转窑为实验对象,提出了一种基于窑内温度信息的料层高度软测量方法。首先,通过分析窑内物料的运动特征与窑内圆周方向温度曲线的周期性特征,定性地判断出物料区和高温气体区;然后,采用统计分析方法估算出活动层物料的平均温度,以此温度来确定该径向位置物料所覆盖的中心角,进而计算出料层高度。利用实验窑14个不同位置的温度信息对本文的物料高度软测量方法进行测试,并与人工测量结果进行对比验证。实验结果表明,本方法测量误差小于7%,且测量结果稳定,为工业水泥回转窑物料高度的测量提供了一种新思路。
王述[4]（2019）在《考虑质量与能耗的水泥熟料生产过程控制及优化》文中提出水泥工业是国民经济建设的重要产业,水泥熟料烧成是水泥生产过程的重要环节,具有大惯性、非线性、大滞后、强耦合等特点,是水泥生产过程控制的重点和难点。目前,很多水泥企业的自动化整体水平还不高,对质量和能耗的控制仍然需要依靠操作人员结合DCS的监控和自身经验进行调控。本文研究考虑质量与能耗的水泥熟料生产过程优化模型,设计分解炉环节和回转窑环节的模型预测控制器,以实现分解炉炉温和回转窑窑尾温度的自动控制和生产优化。本文首先介绍了新型干法水泥生产工艺流程及其主要生产环节,并阐述了本课题的选题背景及意义,同时综述了课题的国内外研究现状。第二章分析了水泥熟料生产过程的操作变量和受控变量及其相互关联,研究了熟料的质量目标和能耗目标的控制和优化方法,并选定熟料质量指标（游离氧化钙含量）软测量模型的输入变量,确定以能耗最小化为目标、质量指标为约束的优化模型,最后介绍了考虑质量与能耗的控制与优化系统整体设计方案。第三章建立了考虑质量与能耗的水泥生产过程控制与优化模型。首先介绍了建模所用数据的采集方法,进行数据预处理,基于拟合误差最小的原则得到软测量模型输入量和输出量的最佳时间匹配。然后分别用最小二乘支持向量机和BP神经网络建立了熟料质量指标（游离氧化钙含量）的软测量模型。经过性能对比分析,最终选定最小二乘支持向量机的软测量模型。结合能耗最小化目标,最终得到了考虑质量与能耗的生产过程控制优化模型。第四章基于考虑质量与能耗的水泥熟料生产过程优化模型,应用模型预测控制算法,实现了分解炉生产过程的控制和优化。首先利用最小二乘法对分解炉过程进行了系统辨识,然后设计炉温的模型预测控制器实现了滚动优化和闭环控制,并进行炉温与分解炉喂煤量施加扰动情况下的控制过程仿真。最后结合第三章中建立的水泥生产过程控制优化模型,修正了模型预测控制算法,并通过调整能耗权重进行预测控制过程的仿真,以实现对能耗的优化。第五章设计了考虑质量与能耗的回转窑窑尾温度的模型预测控制器,实现了窑尾温度的自动控制与窑头喂煤量的优化。通过最小二乘法进行模型预测,然后对窑尾温度进行模型预测控制,仿真结果表明控制效果良好。在仿真过程中分别针对动态过程和稳态过程施加干扰信号,结果表明控制系统具有较强的抗干扰能力。进一步地,滚动优化过程中考虑质量与能耗目标,降低了窑头喂煤量。本文研究了考虑质量与能耗的水泥生产过程控制与优化方法,对分解炉炉温和回转窑窑尾温度的控制效果良好,改善了生产能耗,对水泥企业提高生产过程的控制与优化水平具有一定的参考价值。
贾利颖[5]（2019）在《基于时序DBN-ARX的水泥分解炉温度预测控制及参数优化》文中指出水泥分解炉温度是影响水泥质量的重要因素,确保水泥分解炉温度恰当、稳定是保证水泥预分解系统良好运行的关键。本文提出基于时序深度信念网络与具有外部输入的自回归模型相结合（DBN-ARX）的组合模型的广义预测控制方法及其参数优化算法,具体研究内容如下:首先,基于新型干法水泥预分解工艺,研究分解炉温控系统的非线性、耦合性、大惯性、干扰和时滞不确定等主要特性,分析温度控制过程中的存在的不足。探讨影响生料分解率及分解炉温控系统稳定运行的主要因素,得到影响分解炉温度的主要特征变量,重点分析各特征变量与分解炉温度间的时滞关系,为水泥分解炉温度控制模型的提出奠定理论基础。然后,依据分解炉温度控制系统特性,采用互相关函数分析理论确定变量的相关时序信息,同时重构深度信念网络输入层结构,建立以多个相关变量的时序特征为输入的时序DBN分解炉稳态模型。进而通过动态增益将时序DBN稳态模型与ARX动态模型结合,构建水泥分解炉温度控制系统的时序DBN-ARX组合模型,为水泥分解炉温度控制方法的提出奠定模型基础。其次,以时序DBN-ARX组合模型为基础,推算分解炉温控系统的广义预测控制模型输出公式,进而通过误差反馈校正环节和在线滚动优化环节的搭建,得到基于时序DBN-ARX组合模型的分解炉温度预测控制算法。同时针对分解炉温度预测控制过程中参数难以整定的问题,提出了基于高斯遗传算法（GGA）的控制参数优化方法,构建了具有外部参数优化结构的分解炉温度预测控制系统。最后,基于本文提出的分解炉温度预测控制算法,采用现场数据进行仿真实验。对比不同模型、优化方法及控制方法,并从系统稳定性及鲁棒性角度进行仿真,验证本文方法的有效性和可行性。实验结果表明,本文提出的水泥分解炉温度控制算法鲁棒性更强,稳定性更高,可实现分解炉温度的稳定控制。
余林威[6]（2019）在《水泥分解炉出口温度的自适应多维泰勒网控制研究》文中研究表明水泥广泛应用于各类建筑设施的改造或者新建,就普遍性和适用性来说,其作用无法替代。水泥分解炉是新型干法水泥生产线中承担生料分解任务的关键高温热工设备,结构机理及物理化学反应复杂,具有多变量、纯滞后、强耦合、不确定性及非线性等特征。传统的人工操作控制或PID控制,难以实现水泥分解炉出口温度的严格控制,因此,为提高水泥质量、节能提产、减少环境污染,实现绿色转型,推动水泥行业生态文明与工业文明相和谐,需要对出口温度控制策略进行深入研究和革新尝试。本文以水泥分解炉为研究对象,提出了基于自适应多维泰勒网控制的出口温度控制方法,并与PID优化控制和自适应BP神经网络PID控制相比较,对仿真结果进行全面分析,总结出三者控制性能的差异。主要工作罗列如下:1.阐述中国近年水泥产量的变化趋势,接着详细介绍了新型干法水泥生产及分解炉的发展和工艺流程等,突出课题研究的重要性。2.水泥分解炉出口温度数学模型建立。结合实际课题条件展开建模分析,确定分解炉温度主要影响因素,设计数学模型结构为多输入单输出含时滞的数据驱动形式。采用互相关法辨识模型时滞参数,然后基于递归最小二乘法辨识剩余模型参数,并验证了该辨识组合策略的预测精度。3.控制器设计。本文控制方法采用基于改进单纯形法的PID优化控制、自适应BP神经网络PID控制及自适应多维泰勒网控制。为提高PID参数的实时性,与BP神经网络算法相结合。重点推导和论述自适应多维泰勒网控制的算法原理及结构形式,设计的控制器可在线更新网络权值系数,优化了控制性能。4.仿真系统设计。建立水泥分解炉出口温度控制的仿真系统,进行给定温度值仿真实验、干扰条件下仿真实验和模型参数改变仿真实验。基于MATLAB GUI设计分解炉出口温度控制系统仿真平台图形用户界面,实现各仿真对比实验的集成和用户友好交互。比较分析各控制器性能,仿真结果表明大部分情况下自适应多维泰勒网控制适应能力最好,抗干扰能力最强,鲁棒性最突出,自适应BP神经网络PID控制次之,PID优化控制相较而言最差。
朱丹花[7]（2019）在《基于数据的分解炉及回转窑子系统建模》文中研究说明新型干法水泥生产主要包括生料制备、熟料烧制和水泥粉磨这几个过程,其中熟料烧制是新型干法水泥生产的核心环节。该环节包括预热器、分解炉、回转窑和篦冷机四大子系统。分解炉作为预分解窑的核心设备,其主要任务是完成碳酸盐的分解。分解炉温度的高低对碳酸盐的分解率以及最终水泥熟料的质量有着至关重要的影响。而回转窑是完成熟料烧成工艺的设备,其中窑电流的变化能够反应回转窑的工作状态。因此本文把分解炉和回转窑作为研究对象,基于分解炉和回转窑的实际生产数据进行建模。本文依托东南大学和南京凯盛国际工程有限公司的“水泥生产系统辨识与建模算法研究”项目,做了以下几方面的工作:（1）分析分解炉和回转窑系统的关键数据。与分解炉和回转窑系统相关的变量非常多,建模的时候,如果把所有变量都考虑进去,那么建立的模型必将十分复杂,且不一定准确。因此,建立模型之前需要分析两个系统的关键变量,确定输入输出参数,为后文的建模奠定基础。本文经过分析,确定分解炉系统的输出变量为分解炉出口温度,输入变量为分解炉喂煤量、三次风温度和生料喂料量;回转窑系统的输出变量为回转窑电流,输入变量为窑头喂煤量、窑转速和入窑喂料量。（2）建立分解炉系统模型。分别采用普通最小二乘和递推最小二乘算法建立了分解炉单输入单输出模型和多输入单输出模型,实验结果表明,采用普通最小二乘算法辨识得到的模型预测误差在-2?C101.5?C之间,但是具有一定的滞后性,而递推最小二乘算法建立的模型预测误差在-1?C101?C之间,而且预测滞后的现象得到了明显的改善。在数据分析过程中,发现有一些数据具有很强的相关性。所以,应对相关性强的数据进行主成分分析,得到主元数据,从而建立主元模型。经过实验发现,一个模型的适用时长不是无限的,经过一段时间后,模型的预测偏差往往会越来越大。为解决这一问题,可采用滚动训练的方式建模,定时更新模型,以确保模型预测的准确度。（3）建立回转窑系统模型。根据数据判断出回转窑的工况,对不同工况分别建立反向传播神经网络模型、一阶输入输出模型和高阶输入输出模型,并且比较不同工况下模型的优劣。对于有强相关性的数据,采用主成分分析的方法,建立主元数据模型,仿真实验表明,主元数据模型在预测稳定性和准确性方面都能取得较好的效果。针对模型不能一直适用问题,采用滚动训练的方式建模,能把误差控制在一定范围内。对于回转窑系统,除了上述模型,另外还建立了增量模型,实验证明,增量模型也能取得良好的预测效果。（4）在线辨识的仿真及系统辨识软件的开发。为了方便后续的现场调试,本文在MATLAB环境下,结合OPC仿真服务器,对回转窑系统进行了在线辨识过程的仿真以及系统辨识软件的开发。
艾红,邵婷婷[8]（2019）在《回转窑模型与智能控制研究》文中提出针对水泥生产工艺,从某大型水泥厂实际生产过程中获得的整点数据中选取合适参数,建立了回转窑模型参数辨识进行数学模型。给出了新型干法水泥回转窑系统工艺流程,说明了回转窑主要参数的含义。以生料量和分解炉温度之间通过数据辨识出的模型为例,得到辨识模型拟合曲线,实现回转窑窑尾温度的模糊控制及模糊PID控制。建立模糊推理系统,得到模糊PID和模糊控制的仿真结果图。研究加入干扰信号后窑尾温度模糊控制器的控制效果。阐述了用M文件编写模糊PID控制程序的主要思想,给出了模糊PID控制及PID控制结果对比图。通过对比可以看出,模糊PID控制能快速克服扰动且超调量小,动态性能较好。
申帅[9]（2018）在《水泥煅烧系统先进控制技术的应用研究》文中研究说明预分解炉和回转窑是新型干法水泥煅烧系统中的重要设备,水泥生料在分解炉预分解后,由窑尾进入回转窑煅烧。其中,窑尾生料分解率和熟料中游离氧化钙（f-CaO）含量是衡量水泥煅烧系统的重要质量指标,主要由分解炉温度和回转窑烧成带温度决定,将这两个指标控制在工艺要求范围内,对水泥优质高效生产十分重要。但是,分解炉和回转窑前后关联,设备耦合性严重,喷煤量、喂料量等与窑炉煅烧温度存在非线性,关键变量难以直接测量,导致常规控制策略难以满足现场控制要求,先进控制技术往往能有效解决这类复杂控制问题。本文结合某水泥5000t/d生产线研究了先进控制技术在水泥煅烧工段上的应用。在分解炉生产中,生料分解率是被控目标,通常以控制分解炉温度来满足生料分解率工艺要求。因此,本文根据生料分解率通过模糊控制技术给出分解炉温度设定值调整量,保证生料分解所需的温度。但是,生料分解率在现场不能直接测量,无法实时调整分解炉温度设定值。本文通过建立基于减法聚类和FCM的T-S模糊神经软测量模型,实现了对生料分解率预测。确定分解炉温度给定值后,采用基于RBF神经网络的监督控制器来调节窑尾喂煤量,实现对分解炉温度控制。MATLAB仿真结果表明基于RBF神经网络的监督控制器能较好把分解炉温度控制在设定值附近,超调小、响应速度较快。在回转窑生产过程中,烧成带温度不仅决定熟料中f-CaO含量,它的变化情况还能反映回转窑生产工况。针对烧成带温度不能直接测量问题,本文先建立基于改进粒子群算法（IPSO）优化的支持向量回归软测量模型来预测熟料f-CaO含量,再由熟料f-CaO含量与烧成带温度经验关系式实现对烧成带温度预测。在烧成带温度控制系统中,采用模型预测控制器（DMC）来调节窑头喷煤量,使回转窑烧成带温度稳定在工艺要求范围内。当出现异常工况时,结合专家经验来调节喂煤量和窑转速,及时抑制生产中出现的强烈干扰。最后,本文在中控ECS-100集控系统和APC-Suite先进控制软件上设计了回转窑煅烧计算机控制系统,实现对水泥熟料烧成过程主要生产参数的实时监控。
陈宇[10]（2018）在《基于规则提取的水泥分解炉温度模糊控制研究》文中研究表明新型干法水泥工艺是当前水泥行业的发展方向和必然趋势,预分解技术是其采用的核心技术之一,分解炉是实现预分解技术的核心设备,其稳定良好的运行工况是保证生料中碳酸盐分解率达标的前提。而分解炉出口温度是表征分解炉稳定运行的主要参考指标,其温度的有效控制有利于实现整个预分解系统的热力分布和热工制度稳定,对减小回转窑的煅烧压力,保证水泥质量和降低能源消耗等都具有重要的意义。本文具体研究内容如下:首先,本文对带窑外预分解的水泥生产工艺进行研究,重点分析预分解系统中的分解炉工艺,在分析水泥分解炉结构特点和燃烧机理的基础上,得出影响分解炉温度变化的主要因素,为温度的有效控制奠定基础。其次,针对分解炉工况变化复杂,精确数学模型难以建立的问题,将模糊控制用于分解炉温度的控制,提出温度的模糊控制策略。并对组成控制器的模糊化、去模糊化、模糊推理和控制规则库进行分析研究。在此基础上,设计分解炉温度模糊控制实施方案。然后,采用数据驱动的方法从分解炉实际运行数据中提取控制规则,提出基于BFCM-iWM的模糊规则自提取方法,利用BFCM计算出样本信任度,采用加入信任度的iWM方法提取规则。利用函数数据进行规则提取的实验研究,验证方法的有效性。根据控制现场数据特点和要求,利用C#编程语言和SQL Server数据库,设计并实现模糊规则自提取软件。最后,利用水泥分解炉运行的实际数据进行规则提取实验,并与不同的规则提取方法进行分析比较。并在此基础上,基于本文方法提取的温度控制规则进行分解炉温度控制的仿真实验,并与传统PID方法进行对比分析,验证本文方法的有效性和可行性。
二、水泥回转窑分解炉温度的模糊控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、水泥回转窑分解炉温度的模糊控制（论文提纲范文）
（1）新型干法水泥熟料烧成过程协调控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 本章小结 |
| 第二章 水泥烧成过程工艺及协调控制方案设计 |
| 2.1 水泥烧成过程工艺介绍 |
| 2.1.1 预热分解过程 |
| 2.1.2 熟料煅烧过程 |
| 2.2 水泥烧成过程的操作原则 |
| 2.3 水泥烧成过程协调关系研究 |
| 2.3.1 从烧成过程产量的角度分析协调关系 |
| 2.3.2 从窑的热工制度角度分析协调关系 |
| 2.3.3 从水泥工艺角度分析协调关系 |
| 2.4 协调控制方案设计 |
| 2.5 本章小结 |
| 第三章 烧成过程协调控制的典型工况总结 |
| 3.1 烧成过程关键参数选取 |
| 3.2 烧成过程协调控制典型工况总结 |
| 3.3 本章小结 |
| 第四章 水泥烧成过程协调控制工况识别 |
| 4.1 数据预处理 |
| 4.1.1 滚动时间窗 |
| 4.1.2 拉伊达滤波 |
| 4.1.3 均值滤波 |
| 4.2 典型工况识别 |
| 4.2.1 基于规则的典型工况识别 |
| 4.2.2 基于斯皮尔曼相关系数的工况识别 |
| 4.3 本章小结 |
| 第五章 基于案例推理的烧成过程协调控制研究 |
| 5.1 烧成过程协调控制方案 |
| 5.1.1 案例推理技术概述 |
| 5.1.2 建立初始案例库 |
| 5.1.3 案例检索 |
| 5.1.4 案例重用 |
| 5.1.5 案例存储 |
| 5.1.6 方法验证 |
| 5.2 底层控制器设计 |
| 5.2.1 烧成过程温度控制方案 |
| 5.2.2 仿人智能控制规则设计 |
| 5.2.3 积分分离PID控制器设计 |
| 5.2.4 模糊控制器设计 |
| 5.3 本章小结 |
| 第六章 烧成过程协调控制软件开发 |
| 6.1 软件框架设计 |
| 6.2 软件模块设计 |
| 6.2.1 用户管理模块 |
| 6.2.2 数据采集模块 |
| 6.2.3 工况识别模块 |
| 6.2.4 烧成过程温度设定模块 |
| 6.3 工业应用 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（2）新型干法水泥回转窑烧成带温度建模与控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 水泥回转窑温度研究现状 |
| 1.2.1 硬件检测方法研究现状 |
| 1.2.2 软测量方法研究现状 |
| 1.2.3 控制系统研究现状 |
| 1.3 本课题的研究难点 |
| 1.4 本文主要研究内容 |
| 第二章 新型干法水泥回转窑工艺介绍及机理模型研究 |
| 2.1 引言 |
| 2.2 新型干法水泥回转窑结构及功能 |
| 2.2.1 水泥回转窑结构 |
| 2.2.2 水泥回转窑功能 |
| 2.3 新型干法水泥回转窑煅烧工艺 |
| 2.3.1 水泥烧成系统工艺流程 |
| 2.3.2 水泥回转窑化学反应特性 |
| 2.3.3 回转窑主要工艺参数 |
| 2.4 水泥回转窑系统机理建模研究 |
| 2.4.1 回转窑系统机理建模 |
| 2.4.2 机理模型合理性分析 |
| 2.5 本章小结 |
| 第三章 基于LSSVM_ARMA回转窑烧成带温度软测量建模 |
| 3.1 引言 |
| 3.2 基于PCA烧成带温度模型输入变量选取 |
| 3.3 基于LSSVM_ARMA回转窑烧成带温度软测量建模 |
| 3.3.1 最小二乘支持向量机回归模型 |
| 3.3.2 基于网格搜索与交叉验证的LSSVM参数优化 |
| 3.3.3 ARMA时间序列预测模型 |
| 3.3.4 基于LSSVM和 ARMA的烧成带温度软测量模型 |
| 3.4 数据采集及预处理 |
| 3.4.1 数据采集 |
| 3.4.2 数据预处理 |
| 3.5 回转窑烧成带温度建模的仿真与验证 |
| 3.6 本章小结 |
| 第四章 基于Hammerstein-Wiener模型的烧成带温度预测 |
| 4.1 引言 |
| 4.2 MISO型 Hammerstein-Wiener模型 |
| 4.2.1 Hammerstein-Wiener模型 |
| 4.2.2 LSSVM回归模型 |
| 4.2.3 MISO型 Hammerstein-Wiener模型的最小二乘支持向量机辨识 |
| 4.3 基于MISO型 Hammerstein-Wiener模型烧成带温度建模与仿真验证 |
| 4.4 本章小结 |
| 第五章 基于ARMAX模型回转窑烧成带温度广义预测控制 |
| 5.1 基于ARMAX模型的回转窑烧成带温度建模 |
| 5.1.1 ARMAX模型 |
| 5.1.2 ARMAX模型定阶与参数估计 |
| 5.1.3 基于ARMAX模型的回转窑烧成带温度建模仿真 |
| 5.2 广义预测控制 |
| 5.2.1 GPC算法原理 |
| 5.2.2 Diophantine方程递推算法 |
| 5.2.3 优化策略 |
| 5.3 仿真结果及分析 |
| 5.4 本章小结 |
| 第六章 回转窑系统监控界面设计 |
| 6.1 WinCC OA监控软件系统 |
| 6.1.1 WinCC OA简介 |
| 6.1.2 WinCC OA的性能特点 |
| 6.2 监控界面的设计 |
| 6.2.1 回转窑监控主界面设计 |
| 6.2.2 回转窑烧成带温度趋势界面设计 |
| 6.2.3 回转窑烧成带温度控制界面设计 |
| 6.3 WinCC OA与 Matlab的通讯实现 |
| 6.3.1 OPC通讯技术 |
| 6.3.2 WinCC OA与 Matlab数字通讯的实现 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间的学术活动及成果情况 |
（3）水泥熟料烧结过程软测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.1.1 f-CaO含量测量的意义 |
| 1.1.2 窑体热损失测量的意义 |
| 1.1.3 料层高度测量的意义 |
| 1.2 研究现状 |
| 1.2.1 f-CaO含量测量方法的研究现状及存在的问题 |
| 1.2.2 窑体热损失测量方法的研究现状及存在的问题 |
| 1.2.3 料层高度测量方法的研究现状及存在的问题 |
| 1.3 本文研究目标及研究内容 |
| 第2章 水泥回转窑熟料烧结过程机理及数据获取 |
| 2.1 熟料烧结过程机理分析 |
| 2.1.1 物料的预热及分解 |
| 2.1.2 物料的烧结 |
| 2.1.3 物料的冷却 |
| 2.1.4 熟料烧结过程的特点 |
| 2.2 熟料烧结过程数据的获取 |
| 2.2.1 主要过程变量及数据的获取 |
| 2.2.2 窑体红外热图的获取 |
| 2.3 本章小结 |
| 第3章 f-CaO影响参数分析及过程变量时序分析方法 |
| 3.1 f-CaO影响参数的确定 |
| 3.2 过程变量的时序分析方法 |
| 3.2.1 变量间的时序匹配方法 |
| 3.2.2 过程变量的时序加权方法 |
| 3.3 本章小结 |
| 第4章 基于时序分析与集成学习的f-CaO含量软测量方法 |
| 4.1 集成学习简介 |
| 4.2 基于时序分析与集成学习的f-CaO含量软测量建模 |
| 4.2.1 数据预处理 |
| 4.2.2 过程变量间的时序关系 |
| 4.2.3 个体学习器的生成 |
| 4.2.4 选择性集成策略制定 |
| 4.3 f-CaO含量软测量模型的实验验证 |
| 4.4 f-CaO含量软测量模型性能分析 |
| 4.4.1 时序信息及时序加权参数对模型性能的影响 |
| 4.4.2 与单模型的预测性能对比 |
| 4.4.3 与全集成模型预测性能对比分析 |
| 4.5 本章小结 |
| 第5章 基于红外热图的窑体热损失软测量方法 |
| 5.1 窑体表面温度场特征 |
| 5.2 窑体热损失软测量模型的建立 |
| 5.2.1 窑体辐射换热 |
| 5.2.2 窑体对流换热 |
| 5.2.3 窑体热损失测量流程 |
| 5.3 窑体热损失软测量结果与分析 |
| 5.3.1 熟料生产的单位热能消耗 |
| 5.3.2 单位时间内窑体热量损失测量结果 |
| 5.3.3 窑体热损失软测量结果 |
| 5.3.4 经济性分析 |
| 5.4 操作变量与窑体热损失的相关性分析 |
| 5.4.1 随机森林与皮尔逊相关系数 |
| 5.4.2 基于随机森林的操作变量与热损失相关性分析 |
| 5.4.3 结果与讨论 |
| 5.5 本章小结 |
| 第6章 基于窑内温度场的物料料层高度软测量方法 |
| 6.1 准工业热态回转窑实验平台 |
| 6.2 窑内温度场特征及其机理分析 |
| 6.2.1 回转窑内圆周方向温度场特征 |
| 6.2.2 窑内温度场特征机理分析 |
| 6.3 物料料层高度软测量模型的建立 |
| 6.3.1 静态层物料温度的估计 |
| 6.3.2 活动层物料温度及料层高度的确定 |
| 6.4 料层高度软测量方法的实验验证与结果分析 |
| 6.5 本章小结 |
| 总结与展望 |
| 总结 |
| 工作展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读博士学位期间发表论文和参与项目 |
（4）考虑质量与能耗的水泥熟料生产过程控制及优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 新型干法水泥生产过程简介 |
| 1.2.1 新型干法水泥生产工艺流程 |
| 1.2.2 新型干法水泥生产主要设备 |
| 1.3 论文选题背景和意义 |
| 1.3.1 选题背景 |
| 1.3.2 研究意义 |
| 1.4 国内外研究现状 |
| 1.4.1 水泥质量及能耗优化控制的研究现状 |
| 1.4.2 生产过程先进控制算法研究现状 |
| 1.5 论文主要内容及章节安排 |
| 第二章 水泥生产过程控制与优化分析及总体方案设计 |
| 2.1 生产过程主要操作变量和被控变量 |
| 2.1.1 主要的操作变量 |
| 2.1.2 主要的被控变量 |
| 2.2 水泥熟料质量能耗的控制与优化分析 |
| 2.2.1 质量 |
| 2.2.2 能耗 |
| 2.3 水泥熟料生产过程控制与优化问题整体解决方案设计 |
| 2.3.1 水泥熟料生产过程控制与优化目标分析 |
| 2.3.2 水泥熟料生产过程控制与优化问题整体解决方案 |
| 2.4 本章小结 |
| 第三章 水泥熟料生产过程优化模型建立 |
| 3.1 数据采集与数据预处理 |
| 3.1.1 数据采集 |
| 3.1.2 数据预处理 |
| 3.1.3 输入量输出量时间匹配分析 |
| 3.2 熟料质量指标软测量建模 |
| 3.2.1 软测量建模方法选择 |
| 3.2.2 支持向量机软测量建模 |
| 3.2.3 神经网络软测量建模 |
| 3.2.4 两种软测量方法的对比 |
| 3.3 熟料能耗模型 |
| 3.3.1 通过状态量评估能耗 |
| 3.3.2 熟料能耗的衡量标准 |
| 3.4 考虑质量与能耗的生产过程优化模型 |
| 3.5 本章小结 |
| 第四章 考虑质量与能耗的分解炉生产过程控制与优化 |
| 4.1 控制算法选定 |
| 4.1.1 分解炉温度模型 |
| 4.1.2 分解炉生产过程模型预测控制系统 |
| 4.2 模型预测控制器设计与仿真 |
| 4.2.1 模型预测控制优化过程 |
| 4.2.2 模型预测控制仿真结果分析 |
| 4.3 考虑质量与能耗的模型预测控制 |
| 4.3.1 考虑质量与能耗的预测控制优化函数 |
| 4.3.2 考虑质量与能耗的模型预测控制 |
| 4.4 本章小结 |
| 第五章 考虑质量与能耗的回转窑生产过程控制与优化 |
| 5.1 回转窑模型与预测控制优化目标函数确定 |
| 5.1.1 回转窑窑尾温度模型 |
| 5.1.2 回转窑环节预测控制优化性能指标 |
| 5.2 回转窑生产过程控制仿真 |
| 5.2.1 窑尾温度模型预测控制 |
| 5.2.2 对输入量输出量施加干扰的预测控制仿真 |
| 5.3 考虑质量和能耗的模型预测控制 |
| 5.3.1 预测控制优化性能指标函数修正 |
| 5.3.2 考虑质量和能耗指标的预测控制仿真 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在读期间的研究成果 |
（5）基于时序DBN-ARX的水泥分解炉温度预测控制及参数优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 分解炉温度控制研究现状 |
| 1.2.2 预测控制研究概况 |
| 1.3 当前研究成果存在的不足 |
| 1.4 论文主要研究内容 |
| 第2章 新型干法水泥预分解工艺及控制机理分析 |
| 2.1 新型干法水泥生产工艺 |
| 2.2 水泥预分解工艺流程及机理研究 |
| 2.2.1 水泥预分解工艺流程 |
| 2.2.2 水泥分解炉内部工艺结构及热工分析 |
| 2.3 水泥分解炉温度控制难点分析 |
| 2.3.1 影响分解炉温度变化的主要因素 |
| 2.3.2 分解炉温度控制中的滞后问题 |
| 2.4 本章小结 |
| 第3章 水泥分解炉时序DBN-ARX模型辨识方法研究 |
| 3.1 基于互相关的分解炉时延特征选择 |
| 3.2 分解炉时序DBN模型辨识方法研究 |
| 3.2.1 受限玻尔兹曼机 |
| 3.2.2 深度信念网络结构 |
| 3.2.3 基于时序DBN的分解炉温控模型辨识 |
| 3.3 分解炉时序DBN-ARX组合模型研究 |
| 3.3.1 时序深度信念网络稳态模型 |
| 3.3.2 ARX动态模型及辨识 |
| 3.3.3 时序DBN-ARX组合模型及其构建方法 |
| 3.4 本章小结 |
| 第4章 分解炉温度预测控制及参数优化 |
| 4.1 分解炉温度预测控制算法 |
| 4.1.1 分解炉温控广义预测模型 |
| 4.1.2 分解炉温度误差反馈校正 |
| 4.1.3 喂煤量在线滚动优化 |
| 4.2 分解炉温度预测控制参数优化研究 |
| 4.2.1 分解炉温度预测控制参数分析 |
| 4.2.2 分解炉温度预测控制参数优化问题分析 |
| 4.2.3 基于GGA的分解炉温度预测控制参数优化 |
| 4.3 本章小结 |
| 第5章 水泥分解炉温度预测控制及参数优化实验 |
| 5.1 水泥分解炉温控模型辨识 |
| 5.1.1 互相关时延特征提取 |
| 5.1.2 时序DBN模型辨识 |
| 5.1.3 时序DBN稳态模型辨识 |
| 5.1.4 时序DBN-ARX组合模型辨识 |
| 5.2 基于GGA的分解炉温度预测控制参数优化 |
| 5.3 基于时序DBN-ARX和 GGA优化的分解炉温度预测控制 |
| 5.3.1 鲁棒性分析 |
| 5.3.2 时域特性分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（6）水泥分解炉出口温度的自适应多维泰勒网控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水泥分解炉生产工艺及设备 |
| 1.2.2 水泥分解炉出口温度控制国内外研究现状 |
| 1.2.3 多维泰勒网优化算法研究现状 |
| 1.3 课题研究内容及章节安排 |
| 第二章 水泥分解炉出口温度数学模型建立 |
| 2.1 数学建模分析 |
| 2.1.1 分解炉出口温度影响因素分析 |
| 2.1.2 数据驱动建模及方案设计 |
| 2.2 基于互相关的时滞参数估计法 |
| 2.2.1 快速傅里叶变换及逆变换 |
| 2.2.2 互相关原理 |
| 2.3 递归最小二乘法 |
| 2.4 模型参数辨识及验证比较 |
| 2.5 本章小结 |
| 第三章 分解炉出口温度控制器设计 |
| 3.1 基于改进单纯形法的PID优化控制器 |
| 3.1.1 单纯形法原理 |
| 3.1.2 改进单纯形法 |
| 3.1.3 基于改进单纯形法的PID优化控制器设计 |
| 3.2 自适应BP神经网络PID控制器 |
| 3.2.1 神经网络概述 |
| 3.2.2 自适应BP神经网络PID控制原理 |
| 3.2.3 自适应BP神经网络PID控制器设计 |
| 3.3 自适应多维泰勒网控制器 |
| 3.3.1 多维泰勒网算法介绍 |
| 3.3.2 自适应多维泰勒网控制原理 |
| 3.3.3 自适应多维泰勒网控制器设计 |
| 3.4 本章小结 |
| 第四章 水泥分解炉仿真系统设计 |
| 4.1 分解炉仿真系统 |
| 4.1.1 系统仿真设计流程图 |
| 4.1.2 系统仿真模型 |
| 4.2 分解炉出口温度控制仿真实验 |
| 4.3 干扰条件下仿真实验 |
| 4.4 模型参数改变仿真实验 |
| 4.4.1 模型系数变化 |
| 4.4.2 时滞参数t变化 |
| 4.4.3 各参数均发生变化 |
| 4.5 分解炉出口温度控制系统仿真平台设计 |
| 4.5.1 仿真平台界面设计 |
| 4.5.2 不同控制器仿真界面设计 |
| 4.5.3 干扰仿真的设计 |
| 4.5.4 参数变化仿真的设计 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要工作与结果总结 |
| 5.1.1 主要工作 |
| 5.1.2 结果总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 发表论文列表 |
（7）基于数据的分解炉及回转窑子系统建模（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水泥分解炉生产过程的研究现状 |
| 1.2.2 水泥回转窑生产过程的研究现状 |
| 1.3 本课题的研究难点 |
| 1.4 章节安排 |
| 1.5 本章小结 |
| 第二章 分解炉和回转窑系统生产流程及工艺参数分析 |
| 2.1 新型干法水泥生产工艺流程 |
| 2.2 水泥生产过程关键数据分析 |
| 2.2.1 分解炉系统关键数据分析 |
| 2.2.2 回转窑系统关键参数分析 |
| 2.3 建模难点分析 |
| 2.3.1 分解炉系统建模难点分析 |
| 2.3.2 回转窑系统建模难点分析 |
| 2.4 本章小结 |
| 第三章 分解炉系统模型辨识 |
| 3.1 数据采集和预处理 |
| 3.1.1 数据采集 |
| 3.1.2 数据预处理 |
| 3.2 建模方法选择 |
| 3.2.1 分解炉MISO数学模型 |
| 3.2.2 分解炉SISO数学模型 |
| 3.3 仿真实验与结果分析 |
| 3.3.1 最小二乘算法辨识 |
| 3.3.2 递推最小二乘算法辨识 |
| 3.4 主元数据建模 |
| 3.5 滚动训练建模 |
| 3.6 本章小结 |
| 第四章 回转窑系统模型辨识 |
| 4.1 数据预处理 |
| 4.1.1 数据采集 |
| 4.1.2 数据预处理 |
| 4.2 建模方法选择 |
| 4.2.1 神经网络模型 |
| 4.2.2 一阶惯性模型 |
| 4.2.3 高阶模型 |
| 4.3 针对不同工况的建模 |
| 4.3.1 平稳工况建模 |
| 4.3.2 不平稳工况建模 |
| 4.3.3 回转窑启动状态建模 |
| 4.3.4 阶跃跳变状态建模 |
| 4.4 主元数据建模 |
| 4.5 滚动训练建模 |
| 4.6 增量模型 |
| 4.6.1 多输入单输出增量模型辨识 |
| 4.6.2 多个单输入单输出增量模型辨识 |
| 4.7 本章小结 |
| 第五章 水泥生产过程系统辨识方法的应用研究及软件开发 |
| 5.1 水泥生产过程系统辨识方法的应用研究 |
| 5.1.1 OPC简介 |
| 5.1.2 MATLAB通过opctoolbox与 OPC仿真服务器传输数据 |
| 5.1.3 基于OPC的系统辨识 |
| 5.2 分解炉和回转窑系统辨识软件开发 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 发表论文列表 |
（8）回转窑模型与智能控制研究（论文提纲范文）
| 0 引言 |
| 1 水泥生产工艺与回转窑 |
| 2 回转窑选取的主要参数 |
| (1) 分解炉温度。 |
| (2) 窑尾温度。 |
| (3) 窑头喷煤反馈 (即喂煤量) 。 |
| (4) 生料量。 |
| (5) 窑主电机电流。 |
| (6) 回转窑转速。 |
| 3 模型参数辨识 |
| 4 模糊控制及模糊PID控制 |
| 4.1 窑尾温度模糊控制器设计 |
| 4.2 建立模糊推理系统 |
| 4.3 模糊控制仿真研究 |
| 4.4 加干扰信号后的控制方案仿真结果 |
| 5 模糊PID控制用M文件编写 |
| 6 结束语 |
（9）水泥煅烧系统先进控制技术的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 先进控制技术概述 |
| 1.2.1 智能控制策略概述 |
| 1.2.2 软测量技术描述 |
| 1.3 国内外研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 水泥煅烧过程及产品质量控制分析 |
| 2.1 新型干法水泥生产工艺过程 |
| 2.2 水泥煅烧质量指标分析 |
| 2.3 水泥熟料质量控制分析 |
| 2.3.1 分解炉生产工艺控制分析 |
| 2.3.2 回转窑生产工艺控制分析 |
| 2.4 本章小结 |
| 第三章 窑尾生料分解率控制策略研究 |
| 3.1 窑尾生料分解率控制要求 |
| 3.2 窑尾生料分解率软测量模型建立 |
| 3.2.1 窑尾分解率软测量辅助变量选取 |
| 3.2.2 数据预处理 |
| 3.2.3 T-S模糊神经网络建模方法 |
| 3.2.4 基于减法聚类和FCM的T-S模型前件结构辨识 |
| 3.2.5 实验及结果分析 |
| 3.3 窑尾生料分解率控制方法实现 |
| 3.3.1 生料分解率工艺操作实现 |
| 3.3.2 分解炉温度控制方法 |
| 3.3.3 实验仿真与结果分析 |
| 3.4 本章小结 |
| 第四章 回转窑烧成带温度控制策略研究 |
| 4.1 水泥熟料生产工况和控制要求分析 |
| 4.2 基于改进粒子群优化 SVR 的熟料 f-CaO 含量建模 |
| 4.2.1 熟料f-CaO含量软测量辅助变量选取 |
| 4.2.2 支持向量回归(SVR) |
| 4.2.3 改进粒子群优化算法设计 |
| 4.2.4 实验及结果分析 |
| 4.3 熟料f-CaO含量与烧成带温度关系 |
| 4.4 回转窑烧成带温度控制 |
| 4.4.1 模型预测控制(DMC)原理 |
| 4.4.2 DMC与专家控制的组合控制策略 |
| 4.5 本章小结 |
| 第五章 水泥煅烧控制系统集成设计 |
| 5.1 计算机控制系统结构设计 |
| 5.2 DCS系统硬件结构 |
| 5.3 水泥煅烧控制策略组态 |
| 5.3.1 I/O点组态 |
| 5.3.2 水泥煅烧过程的常规控制组态 |
| 5.3.3 联锁控制组态 |
| 5.4 水泥煅烧系统监控与调试 |
| 5.4.1 实时监控操作 |
| 5.4.2 系统调试及维护 |
| 5.5 回转窑烧成带温度先进控制技术应用 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
（10）基于规则提取的水泥分解炉温度模糊控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 分解炉技术发展现状 |
| 1.3 课题研究现状分析 |
| 1.4 本文章节安排 |
| 第2章 水泥分解炉原理及工艺分析 |
| 2.1 引言 |
| 2.2 带窑外分解炉的水泥回转窑工艺流程 |
| 2.2.1 水泥制造工艺流程 |
| 2.2.2 预分解系统工艺流程 |
| 2.3 水泥分解炉工作原理 |
| 2.3.1 分解炉的结构和燃烧机理 |
| 2.3.2 分解炉内碳酸盐分解动力学模型 |
| 2.3.3 分解炉热工特征 |
| 2.4 分解炉温度影响因素分析 |
| 2.5 本章小结 |
| 第3章 水泥分解炉温度模糊控制设计 |
| 3.1 引言 |
| 3.2 分解炉温度控制策略 |
| 3.3 分解炉温度模糊控制器设计 |
| 3.3.1 模糊化 |
| 3.3.2 模糊控制规则库的建立 |
| 3.3.3 模糊推理 |
| 3.3.4 去模糊化 |
| 3.4 分解炉温度模糊控制实现方案 |
| 3.5 本章小结 |
| 第4章 基于BFCM-iWM的模糊规则提取及软件设计 |
| 4.1 引言 |
| 4.2 基于BFCM-iWM的模糊规则提取方法研究 |
| 4.2.1 基于BFCM的信任度计算 |
| 4.2.2 模糊规则提取 |
| 4.3 基于BFCM-iWM的模糊规则提取实验 |
| 4.4 基于BFCM-iWM模糊规则提取的软件设计 |
| 4.4.1 软件总体设计 |
| 4.4.2 软件模块设计 |
| 4.4.3 软件实现 |
| 4.5 本章小结 |
| 第5章 基于规则提取的水泥分解炉温度控制实验与分析 |
| 5.1 引言 |
| 5.2 分解炉数据预处理 |
| 5.3 分解炉温度模糊控制规则提取 |
| 5.4 水泥分解炉温度控制仿真实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
四、水泥回转窑分解炉温度的模糊控制（论文参考文献）
- [1]新型干法水泥熟料烧成过程协调控制研究[D]. 赵佩睿. 济南大学, 2020(01)
- [2]新型干法水泥回转窑烧成带温度建模与控制研究[D]. 李庆峰. 合肥工业大学, 2020(02)
- [3]水泥熟料烧结过程软测量方法研究[D]. 武伟宁. 湖南大学, 2020(08)
- [4]考虑质量与能耗的水泥熟料生产过程控制及优化[D]. 王述. 东南大学, 2019(05)
- [5]基于时序DBN-ARX的水泥分解炉温度预测控制及参数优化[D]. 贾利颖. 燕山大学, 2019(03)
- [6]水泥分解炉出口温度的自适应多维泰勒网控制研究[D]. 余林威. 东南大学, 2019(06)
- [7]基于数据的分解炉及回转窑子系统建模[D]. 朱丹花. 东南大学, 2019(05)
- [8]回转窑模型与智能控制研究[J]. 艾红,邵婷婷. 自动化仪表, 2019(01)
- [9]水泥煅烧系统先进控制技术的应用研究[D]. 申帅. 浙江工业大学, 2018(07)
- [10]基于规则提取的水泥分解炉温度模糊控制研究[D]. 陈宇. 燕山大学, 2018(05)