摘要
水泥烧成系统是水泥生产的核心设备之一，生料在回转窑中经过煅烧理化反应生成水泥熟料，这个过程消耗了大量的能源。对水泥烧成系统相关变量进行优化有助于水泥生产过程中节能降耗。目前我国水泥制造业仍面临能耗较高、产品质量较差等问题。主要难点有水泥烧成系统设备和参数众多、生产机理复杂，难以准确的建立水泥烧成系统的机理模型，而且由于工况及工艺参数的动态变化，使优化结果难以保证长时间内有效。本文旨在通过数据驱动的方式，建立水泥烧成系统煤耗和质量模型。并且以模型为基础搭建目标函数，结合水泥烧成过程设备约束、指标约束构建水泥烧成系统的优化模型。利用鲁棒多目标优化算法求出有效的优化解，保证水泥熟料的质量稳定，降低生产煤耗。具体研究内容如下： (1)针对水泥烧成系统煤耗、生产指标的优化问题，以降低煤耗、保证质量作为优化目标，以关键变量作为决策变量，综合考虑生产指标、设备能力、变量约束等因素，建立水泥烧成系统多目标优化模型。同时针对熟料生产过程中数据存在的时变时延、非线性和决策变量与生产指标之间存在较大的时间尺度差异等问题，分别使用一种基于时间序列的卷积神经网络和卷积-循环高速网络预测煤耗、质量，解决了难以建立水泥烧成系统模型的问题。 (2)针对决策变量波动导致优化性能恶化的问题，提出一种水泥烧成系统鲁棒多目标差分进化算法。在算法迭代过程中计算个体的鲁棒性，并设计了一种鲁棒的进化策略，种群在迭代过程中筛选合适的候选解，保证推动搜索到鲁棒最优解。该算法解决了如何保证优化结果有效的问题，从而达到降低能源消耗、保证熟料质量的目标。 (3)以某水泥企业的熟料生产数据进行实验，对提出的模型和算法进行验证。分析了基于时间序列的卷积神经网络和卷积-循环高速网络的模型精确度；通过优化实验结果与历史数据进行对比，证明了所提出优化方法的性能；通过与传统多目标优化算法的实验对比，证明了在决策变量波动的情况下所提出的优化算法在降低煤耗方面的优势。
NETL