0078] 4为台车；
[0079] 5为混合料。
【具体实施方式】
[0080] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术 人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术 人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明 的保护范围。
[0081] 本发明公开了一种使用智能控制原理，实现烧结主抽风机实时动态变频控制，降 低烧结风机电力消耗的方法和系统。本发明在烧结终点位置与设定位置发生偏差的时候， 利用智能控制算法计算相应的主抽风机频率的调整量，以控制主抽风机的输出风量始终与 烧结过程所需要的风量保持匹配，令主抽风机在保证烧结过程稳定的同时工作在最低电耗 状态下，实现节能控制。
[0082] 具体地，所述烧结主抽风机智能节电的方法及系统，利用主抽风机输出风量与烧 结终点之间的相关性，通过观察当前烧结终点的位置来对主抽风机的频率进行控制，达到 降低烧结主抽风机电耗的目的。
[0083] (1)当烧结终点位置提前时，说明目前主抽风机输出的风量超出了烧结过程所需 要的风量，可适当降低主抽风机转速。根据终点提前量可计算出应减少的风量值及对应的 风机频率；
[0084] (2)当烧结终点位置落后时，说明目前主抽风机输出的风量不能满足烧结过程所 需的风量，应当适当提高主抽风机转速。根据终点落后量可计算出应增加的风量值及对应 的风机频率；
[0085] (3)通过不断跟踪烧结过程终点位置的变化情况，通过智能算法实时调整烧结主 抽风机的工作频率，使得主抽风机输出的风量始终与烧结过程所需的风量相匹配,使风机 始终工作在最高能效区间。
[0086] 更为具体地，所述烧结主抽风机智能节电的方法，包括如下步骤：
[0087] (1)在生产过程中采集烧结机的产量、风量数据并存入数据库；
[0088] (2)从数据库中读取前30天的产量、风量数据；
[0089] (3)对步骤（2)读取的数据进行编码，组成神经网络模型的训练样本；
[0090](4)使用步骤⑶生成的训练样本对神经网络模型进行训练；
[0091] (5)检测烧结机当前的机速、层厚信号，计算烧结机的装料量，并计算预期烧结矿 产量；
[0092] (6)将步骤（5)计算出的预期烧结矿产量输入步骤（4)所训练的神经网络模型，得 到预期风量值；
[0093] (7)检测烧结机各风箱的温度信号，对风箱温度序列进行拟合，生成平滑的温度曲 线.
[0094] (8)扫描步骤（7)生成的温度曲线，取出温度最高点所处位置，计算烧结终点位；
[0095] (9)利用终点位置偏差量及需要增减风量值的经验数据构造模糊关系矩阵，并用 此矩阵建立模糊控制器；
[0096] (10)从步骤⑶得出的烧结终点位置计算与设定终点位置的偏差量；
[0097] (11)将步骤（10)得出的终点位置偏差量输入步骤（9)建立的模糊控制器，计算出 风量调整量；
[0098] (12)叠加步骤（6)得出的预期风量及步骤（11)得出的风量调整量，得出新的风量 设定值；
[0099] (13)使用步骤（12)生成的风量设定值扫描主抽风机特性曲线，得到相应的风机 转速设定值；
[0100] (14)将步骤（13)得到的风机转速设定值转换为风机频率设定值；
[0101] (15)向风机变频系统下发步骤（14)得到的风机频率设定值；
[0102] (16)定周期重复步骤（1)_(15)，实时调整风机工作频率。
[0103] 以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述 特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影 响本发明的实质内容。
【主权项】
1. 一种烧结主抽风机智能节电的方法，其特征在于，包括如下步骤： 步骤1:在生产过程中采集烧结机的产量、风量数据并存入数据库； 步骤2 :从数据库中读取前30天的产量、风量数据； 步骤3 :对步骤2读取的前30天的产量、风量数据进行编码，组成神经网络模型的训练 样本； 步骤4 :使用步骤3生成的训练样本对神经网络模型进行训练； 步骤5 :检测烧结机当前的机速、层厚信号，获取烧结机的装料量，并获取预期烧结矿 产量； 步骤6 :将步骤5获得的预期烧结矿产量输入步骤4所训练的神经网络模型，得到预期 风量值； 步骤7 :检测烧结机各风箱的温度信号，对风箱温度序列进行拟合，生成平滑的温度曲 线. 步骤8 :扫描步骤7生成的温度曲线，取出温度最高点所处位置，计算烧结终点位置； 步骤9 :利用终点位置偏差量及需要增减风量值的经验数据构造模糊关系矩阵，并用 此矩阵建立模糊控制器； 步骤10 :计算从步骤8得出的烧结终点位置与设定终点位置的偏差量； 步骤11 :将步骤10得出的烧结终点位置偏差量输入步骤9建立的模糊控制器，计算出 风量调整量； 步骤12 :叠加步骤6得出的预期风量值及步骤11得出的风量调整量，得出新的风量设 定值； 步骤13 :使用步骤12生成的风量设定值扫描主抽风机特性曲线，得到相应的风机转速 设定值； 步骤14 :将步骤13得到的风机转速设定值转换为风机频率设定值； 步骤15 :向风机变频系统下发步骤14得到的风机频率设定值； 步骤16 :定周期重复步1至步骤15,实时调整风机工作频率。2. 根据权利要求1所述的烧结主抽风机智能节电的方法，其特征在于，在步骤8中，所 述计算烧结终点位置，具体的计算过程为： (1) 烧结终点温度 Tbtp =max(f(x)) 其中：Tbtp--烧结终点温度f(x)--风箱温度拟合曲线函数 (2) 烧结终点位置 Btp=f1 (Tbtp) 其中：Btp--烧结终点位置Tbtp 烧结终点温度 f(x)--风箱温度拟合曲线函数。3. 根据权利要求1所述的烧结主抽风机智能节电的方法，其特征在于，在步骤11中，所 述计算出风量调整量，具体的计算过程为： (1)计算终点位置偏差量e e=BTPd-BTPs 其中：BTPd--终点测量值 BTPs--终点设定值 (2) 计算终点位置偏差变化率ec其中：Ae-终点偏差变化量At--终点偏差变化所用时间 (3) 计算e、ec属于每个模糊子集的程度 ue； =Ai(e)(i= 1, 2, 3--〇 ueCi=B"ec)(i= 1，2, 3...) 其中：4( ?)--e的输入隶属度函数Bx( ?)--ec的输入隶属度函数 uex--e对应模糊子集Ai的模糊程度 ueCl--ec对应模糊子集&的模糊程度 (4) 定义如下模糊规则库以判断模糊输出uZl所属的输出模糊子集： 如果ue;属于A;且iieq属于则Liz;属于C;; (5) 将Uei、UeCl应用到模糊规则前项，得到表示前项推理结果的数值UZl及所属的模糊 子集Q uz; =min(ue^uec;) (6) 将uZl应用到Q对应的输出隶属度函数中，得到模糊输出的聚合其中：Z--模糊输出的聚合 Zi-模糊推理结果uZi对于输出模糊子集Ci的切割 n--输出模糊子集的数量 (7) 使用重力质心（COG)算法对Z进行逆模糊运算，得到风量调整量COG其中：C(x)--经过输出切割后的隶属度函数a--函数所围面积区间的x下限 b--函数所围面积区间的x上限 x-函数自变量。4. 一种烧结主抽风机智能节电的系统，其特征在于，用于执行权利要求1所述的烧结 主抽风机智能节电的方法。
【专利摘要】本发明提供了一种烧结主抽风机智能节电的方法及系统，其在烧结终点位置与设定位置发生偏差的时候，利用智能控制算法计算相应的主抽风机频率的调整量，以控制主抽风机的输出风量始终与烧结过程所需要的风量保持匹配，令主抽风机在保证烧结过程稳定的同时工作在最低电耗状态下，实现节能控制。
【IPC分类】F27B21/14
【公开号】CN105091590
【申请号】CN201410186671
【发明人】左叶锋, 吴毅平
【申请人】上海宝信软件股份有限公司
【公开日】2015年11月25日
【申请日】2014年5月5日