1、立磨生料粉磨過程是新型干法水泥生產中非常重要的環(huán)節(jié),粉磨過程是否穩(wěn)定、生產指標是否滿足要求等因素直接影響著最后生料品質和后續(xù)的煅燒環(huán)節(jié)?，F階段,立磨生料粉磨過程還沒有較為精確的模型,并且生料細度等指標還無法進行在線檢測;與此同時,影響粉磨過程的關鍵變量需要操作人員進行人工設定,不能跟隨粉磨工況的變化進行實時調整,難以使工藝指標達到期望的目標值。因此,建立立磨生料粉磨過程的指標預測模型并且根據不斷變化的工況及時對影響粉磨過程的關鍵變量進行

2、優(yōu)化設定,對提高生料品質、保障設備穩(wěn)定運行以及降低電耗等方面具有重要的意義。
　　本文從建模和優(yōu)化設定兩個方面入手展開深入研究。首先,闡述了立磨生料粉磨過程建模及優(yōu)化的研究現狀,詳細介紹了案例推理技術和粒子群優(yōu)化算法的原理與應用。其次,在深入分析立磨生料粉磨過程具體工藝流程和參數要求范圍的基礎上,確定了建模和進行優(yōu)化設定的關鍵變量;詳細論述了加動量的小波神經網絡(WNN)的結構和學習算法,通過采用在水泥廠實地采集的數據,分別基于W

3、NN和BP網絡建立了立磨生料粉磨過程指標預測模型,并且對比了這兩種模型的性能。再次,本文基于案例推理技術,并結合粒子群優(yōu)化算法,提出了一種針對立磨生料粉磨過程關鍵變量的智能優(yōu)化設定策略,利用粒子群算法對原始案例數據進行優(yōu)化,建立典型案例庫,當新工況來臨時,利用加權的最近相鄰法對案例進行搜索,經過案例重用確定當前工況的設定值,并將設定值送入WNN預測模型中驗證是否使生產指標達到目標期望,根據期望值和預測值之間的差值利用專家規(guī)則對設定值進行

4、修正,得出當前工況的最優(yōu)設定值;最后,將智能設定方法和監(jiān)控軟件相結合,利用LabVIEW設計了優(yōu)化設定軟件,對人工設定進行指導。
　　通過實驗仿真,驗證了基于WNN的指標預測模型相比較BP神經網絡模型收斂速度更快、泛化精度更高;采用案例推理技術與粒子群優(yōu)化算法相結合的智能優(yōu)化設定方法,不僅優(yōu)化了案例數據,而且對于不斷變化的工況可以及時給出相應設定值,避免了設定值調節(jié)的滯后性和主觀性,對于立磨生料粉磨過程的操作及設定具有指導作用,在