高炉渣机械离心粒化自适应控制系统及方法与流程

本公开属于高炉渣机械离心粒化技术领域，尤其涉及一种高炉渣机械离心粒化自适应控制系统及方法。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

炼铁过程中，烧结的铁矿石会产生大量的高炉渣副产品，根据研究，每产生一吨的生铁约产生0.3～0.4吨的高炉渣，其温度大约在1500℃，具有产量大，热量高的特点。同时，高炉渣的主要成分为sio2，cao，mgo，al2o3，是水泥制作的原材料。

发明人发现，1)传统的高炉渣处理工艺是用水淬法进行处理，在液态熔渣和铁水分离后，使用大量的自来水对高炉渣进行水冲处理，此工艺不仅浪费了大量的水资源，也造成了高炉渣中的热量资源造成了大量的流失，同时产生了大量so2，h2s污染性气体，给环境治理带来了很大的影响；

2)液态熔渣和铁水分离后，通过离心装置，液态熔渣在离心粒化的作用下形成颗粒，颗粒尺寸大小，很大程度上影响对热量的回收，热量回收的效率和高炉渣颗粒直径有直接的联系，颗粒直径越小，其热回收效率越高，但粒径过小，容易拉扯成丝而形成渣棉，不利于后续回收；为了提高处理效率，同时保证一定的热回收效率，需要将粒化后的颗粒直径控制2mm以下。粒径大小主要和液态熔渣的流量，温度以及粒化盘转速相关，对颗粒直径的实时检测与反馈是控制粒化直径的关键因素。

3)传统的粒径检测方法主要有筛分法，沉降法，显微镜法和电感应法，都有各自的适应领域，但在高炉渣机械离心粒化领域中对高炉渣的粒化颗粒直径进行实时监测方面并不能满足要求。

技术实现要素：

为了解决上述问题，本公开的第一个方面提供一种高炉渣机械离心粒化自适应控制系统，其在液态熔渣机械离心粒化过程中能够对颗粒进行取样，并保证取样的颗粒不堆积，为图像采集提供图像样品，实时地采集图像数据并测试颗粒直径，再将测量的参数反馈到下位机中，以对相关的参数调节，对粒径进行实时地监测与控制。

为了实现上述目的，本公开采用如下技术方案：

一种高炉渣机械离心粒化自适应控制系统，包括：

取渣机构，其包括取渣盘，所述取渣盘一端固定在转轴上，所述取渣盘与驱动机构相连，驱动机构与下位机相连，取渣盘在驱动机构的带动下绕转轴旋转，另一端伸入粒化仓取样得到高炉渣颗粒，取样后旋转至限位开关位置处；所述限位开关与下位机相连，所述下位机用于接收限位开关传送来的信号，进而控制取渣机构停止旋转且图像采集装置采集取渣盘上的高炉渣颗粒图像；

所述图像采集装置与工控机相连，所述工控机用于接收高炉渣颗粒图像，处理后得到颗粒直径并传送至下位机，所述下位机用于利用模糊神经网络pid算法调节液态熔渣粒化装置的流量或转速，以达到自适应控制颗粒直径的目的。

进一步地，所述取渣盘包括第一连杆，所述第一连杆的一端设置有转轴孔，转轴穿过转轴孔，所述第一栏杆连接有面板，所述面板是由直线边和弧形边构成的弧形面板，在所述面板上沿弧形边设置有弧形挡板。

上述方案的优点在于，利用弧形挡板能够挡住在面板上形成的高炉渣颗粒，而且高炉渣颗粒经面板分散后，能够防止高炉渣颗粒堆积，进而为准确地获取高炉渣颗粒直径奠定了基础。

进一步地，所述取渣机构还包括第二连杆，所述第二连杆的一端固定在转轴上，第二连杆设置在第一栏杆的上端；所述第二连杆还固定连接有线型挡板；当取渣盘旋转至线型挡板处，所述线型挡板的两端与弧形挡板匹配接触形成凹槽。

上述方案的优点在于，利用线型挡板的两端与弧形挡板匹配接触形成凹槽，能够防止在取渣盘旋转的过程中，高炉渣颗粒脱离面板，保证了高炉渣颗粒取样的数量。

进一步地，所述线型挡板上还设置有通风孔。

上述方案的优点在于，这样能够在取渣盘取样的过程中，能够保持适合的温度，可以加快液态熔渣在粒化过程中迅速变成颗粒，以保证试验的正常进行。

进一步地，所述面板下部设置有冷却装置。

上述方案的优点在于，由于粒化仓中的温度极高，高炉渣颗粒在粒化过程中，颗粒不能迅速冷却可能会粘结在集渣板上，为了避免这种可能性，面板下部设置有冷却装置，可以加快液态熔渣在粒化过程中迅速变成颗粒。

进一步地，所述驱动机构为驱动电机。

需要说明的是，驱动机构也可采用其他驱动结构来实现，比如旋转液压缸机构。

进一步地，所述图像采集装置包括灯源和相机，所述灯源用于为拍摄环境提供灯光，所述相机为用拍摄高炉渣颗粒图像。

进一步地，所述液态熔渣粒化装置，包括：

粒化器，所述粒化器用于将液态熔渣离心粒化；所述粒化器的输入端与保温中间包输出端相连，所述保温中间包用于为液态熔渣提供恒温环境，所述保温中间包内设置有塞棒，所述塞棒用于控制液态熔渣流量。

进一步地，所述粒化器与粒化器电机，所述粒化器电机与下位机相连，所述粒化器电机用于为离心粒化提供动力。

本公开的第二个方面提供一种高炉渣机械离心粒化自适应控制系统的控制方法。

一种高炉渣机械离心粒化自适应控制系统的控制方法，该方法下位机内完成，包括：

控制驱动机构带动取渣盘下绕转轴旋转，取渣盘伸入粒化仓取样得到高炉渣颗粒，取样后旋转至限位开关位置处；

接收限位开关传送来的信号，进而控制取渣机构停止旋转且图像采集装置采集取渣盘上的高炉渣颗粒图像传送至工控机得到颗粒直径；

利用模糊神经网络pid算法调节粒化器的流量或转速，以达到自适应控制颗粒直径的目的。

本公开的有益效果是：

(1)本公开的取渣机构，包括取渣盘，取渣盘一端固定在转轴上，所述取渣盘与驱动机构相连，驱动机构与下位机相连，取渣盘在驱动机构的带动下绕转轴旋转，另一端伸入粒化仓取样得到高炉渣颗，该取渣机构能够有效地对飞行的高炉渣颗粒进行实时收集；

(2)本公开的取渣机构在驱动机构的带动下绕转轴旋转，这样能够改善收集渣粒过程会出现渣粒堆积的情形，对相互粘结的颗粒有一定的自动分离效果；

(3)本公开的取渣机构的面板下部设置有冷却装置，这样保证了渣粒收集过程中颗粒不粘结；

(4)本公开的取渣机构旋转至指定位置后，限位开关传送信号至下位机，下位机控制取渣机构停止旋转且图像采集装置采集取渣盘上的高炉渣颗粒图像，利用限位开关保证了旋转位置准确度，最终能够获得准确清晰地高炉渣颗粒图像，提高了分析处理得到的高炉渣颗粒直径的精度；

(5)本公开的高炉渣机械离心粒化自适应控制系统无需人为干涉，可以持续自动运行，减少了人为编制；

(6)本公开实现了系统的自适应控制调节，根据所测量的系统参数，对相关的特征参数进行调节，以达到“控粒径，抑渣棉”的试验效果。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开实施例的一种高炉渣机械离心粒化自适应控制系统结构示意图。

图2是本公开实施例的取渣机构旋转至粒化仓时的状态图。

图3是本公开实施例的取渣机构旋转至接近开关位置处时的状态图。

图4是本公开实施例的建立的模糊神经网络pid控制原理图。

图5是本公开实施例的建立的模糊神经网络pid控制结构图。

其中，1.粒化仓，2.高炉渣颗粒，3.保温中间包，4.塞棒，5.液态熔渣，6.相机，7.灯源，8.工控机，9.下位机，10.粒化器，11.粒化器电机，12.取渣机构，13.取渣电机，14.限位开关，15.控制柜，12-1.转轴孔，12-2.第一连杆，12-3.面板，12-4.弧形挡板，12-5.第二连杆，12-6.线型挡板，12-7.通风孔，12-8.冷却装置。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。

本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。

如图1所示，本实施例的高炉渣机械离心粒化自适应控制系统，包括：

取渣机构12，其包括取渣盘，所述取渣盘一端固定在转轴上，所述取渣盘与驱动机构相连，驱动机构与下位机9相连，取渣盘在驱动机构的带动下绕转轴旋转，另一端伸入粒化仓1取样得到高炉渣颗粒，取样后旋转至限位开关位置处；所述限位开关14与下位机9相连，所述下位机9用于接收限位开关传送来的信号，进而控制取渣机构12停止旋转且图像采集装置采集取渣盘上的高炉渣颗粒图像；

所述图像采集装置与工控机8相连，所述工控机8用于接收高炉渣颗粒图像，处理后得到颗粒直径并传送至下位机9，所述下位机9用于利用模糊神经网络pid算法调节液态熔渣粒化装置的流量或转速，以达到自适应控制颗粒直径的目的。

离散pid调节公式为：

kp,ki,kd分别为三个调节系数，由测量的颗粒直径，计算当前迭代次数下的颗粒直径误差e(k)，带入上述公式中，以调节相应转速或流量，以达到自适应控制颗粒直径的目的。

同时，kp,ki,kd三个系统参数也需要随着系统变化而调节，以保证系统调节速率和准确率。

具体地，利用模糊神经网络pid算法调节液态熔渣粒化装置的流量或转速的过程如下：

建立的模糊神经网络pid控制原理图如图4所示，控制结构图如图5所示。

第一层为输入层，将计算的粒径与标准值比较，计算e(k)与δe(k)，即当前的粒径误差和误差变化值，将e(k)和δe(k)作为模糊神经网络的输入。

其中，δe(k)＝e(k)-e(k-1)。

第二层为隶属函数模糊层，将第一层的输入进行模糊化处理，输出对应模糊层的隶属度，隶属度函数选择高斯函数。

第三层为模糊推理层，由建立的模糊表，得到模糊输出量。每个节点对应一条模糊规则，计算每条规则的适应度。

第四层为归一化计算层，将第三层计算的适应度实现归一化计算，计算公式如下所示：

式中，si为第i个节点对应的归一化计算值，pj为上一层节点对应的适应度值pj经过激活函数g(net(x))激活后的数值，即pj＝g(net(pj))。m为上一层所有节点数量。

第五层为输出层，用于解模糊的清晰化计算，计算公式如下：

建立的神经网络中，需要对第五层的权系数wij进行迭代修正，修正算法采用bp神经算法进行迭代。其算法如下所示：

bp神经网络的目标函数为：

式中的ti和yi分别表示实际测量值和理论值，r表示测量次数。

bp神经网络采用梯度下降法进行训练，学习算法为：

δwli(k)＝ηδloi(k)+αδwli(k-1)

式中的g'(net(k))为神经网络激活函数g(net(x))的导函数，η和α分别表示学习系数和惯性系数；l表示输出层输出的数量，l＝1，2，3；δwli(k)表示输出层的第l个输出的第i列的权系数变化量；oi(k)表示节点输出；error(k)表示第k次实际测量值和理论值之间的差值。

使用上述算法对pid三个系数进行实时调节，以保证系统输出的稳定性和准确性。

在具体实施中，所述图像采集装置包括灯源7和相机6，所述灯源7用于为拍摄环境提供灯光，所述相机6为用拍摄高炉渣颗粒图像。

具体地，所述液态熔渣粒化装置，包括：

粒化器10，所述粒化器10用于将液态熔渣离心粒化；所述粒化器10的输入端与保温中间包3输出端相连，所述保温中间包3用于为液态熔渣提供恒温环境，所述保温中间包3内设置有塞棒4，所述塞棒4用于控制液态熔渣流量。

所述粒化器10与粒化器电机11，所述粒化器电机11与下位机9相连，所述粒化器电机用于为离心粒化提供动力。

其中，灯源7、相机6、下位机9和工控机8均与控制柜15相连，所述控制柜15用于为与其连接的设备提供电源。

在具体实施中，所述取渣盘包括第一连杆12-2，所述第一连杆12-2的一端设置有转轴孔，转轴12-1穿过转轴孔，所述第一栏杆12-2连接有面板12-3，所述面板12-3是由直线边和弧形边构成的弧形面板，在所述面板上沿弧形边设置有弧形挡板12-4。

上述方案的优点在于，利用弧形挡板能够挡住在面板上形成的高炉渣颗粒，而且高炉渣颗粒经面板分散后，能够防止高炉渣颗粒堆积，进而为准确地获取高炉渣颗粒直径奠定了基础。

所述取渣机构还包括第二连杆12-5，所述第二连杆12-5的一端固定在转轴12-1上，第二连杆12-5设置在第一栏杆12-2的上端；所述第二连杆12-5还固定连接有线型挡板12-6；当取渣盘旋转至线型挡板处，所述线型挡板的两端与弧形挡板匹配接触形成凹槽，如图2所示。

图3为取渣机构旋转至接近开关位置处时的状态图，此时限位开关向下位机传送信号，下位机控制取渣机构停止旋转且图像采集装置采集取渣盘上的高炉渣颗粒图像传送至工控机得到颗粒直径。

取渣装置旋转至该位置后，限位开关触发，并进行拍摄。拍摄完成后，取渣装置继续旋转，直至初始位置，其中的渣粒在旋转过程中，渣粒被刮落至粒化仓中，直至旋转至初始位置以进行下一次的渣粒收集。

上述方案的优点在于，利用线型挡板的两端与弧形挡板匹配接触形成凹槽，能够防止在取渣盘旋转的过程中，高炉渣颗粒脱离面板，保证了高炉渣颗粒取样的数量。

具体地，所述线型挡板上还设置有通风孔12-7。

上述方案的优点在于，这样能够在取渣盘取样的过程中，能够保持适合的温度，可以加快液态熔渣在粒化过程中迅速变成颗粒，以保证试验的正常进行。

在另一实施例中，由于粒化仓中的温度极高，高炉渣颗粒在粒化过程中，颗粒不能迅速冷却可能会粘结在集渣板上，为了避免这种可能性，面板下部设置有冷却装置12-8。

其中，冷却装置的冷却方式可为冷却风的方式，在面板下开设有空腔结构，在空腔的一端通入冷却风，加快液态熔渣在粒化过程中迅速变成颗粒。

具体地，所述驱动机构为取渣机构电机13。

需要说明的是，驱动机构也可采用其他驱动结构来实现，比如旋转液压缸机构。

本实施例的高炉渣机械离心粒化自适应控制系统的控制方法，该方法下位机内完成，包括：

控制驱动机构带动取渣盘下绕转轴旋转，取渣盘伸入粒化仓取样得到高炉渣颗粒，取样后旋转至限位开关位置处；

接收限位开关传送来的信号，进而控制取渣机构停止旋转且图像采集装置采集取渣盘上的高炉渣颗粒图像传送至工控机得到颗粒直径；

利用模糊神经网络pid算法调节粒化器的流量或转速，以达到自适应控制颗粒直径的目的。

具体地，系统运行时，熔融状态的炉渣从保温中间包3中流出，高温状态下其粘度变化值很小，对粒化效果影响小。在从中间包流出后，经由粒化器，在离心力的作用下，变成了高炉渣颗粒2，通过设计的取渣机构12进行取样，取样后，在取渣装置电机13控制下，旋转至限位开关14，将信号发送至下位机9，下位机触发相机6进行拍摄，并将拍摄的图像信号传输到工控机8，由图像识别系统对颗粒图像进行处理并提取其中的特征参数，工控机进行数据分析后，根据下位机9对系统的转速，流量等参数进行模糊神经网络pid自适应控制调节，对液态熔渣继续进行机械离心粒化处理，对粒化后的颗粒再进行取样收集，并拍摄图像进行数据提取，循环往复，系统持续进行，对液态熔渣进行离心粒化处理，并保证粒化后的颗粒直径在符合要求的范围之内。

本实施例的高炉渣机械离心粒化自适应控制系统的具体控制过程为：

1.在系统启动后，液态熔渣从保温中间包中流出，并由塞棒对流量进行控制；

2.中间包需要保持恒定的温度，以对液态熔渣进行保温，防止其粘度变化；

3.液态熔渣流出后，经由旋转的粒化装置进行粒化，在离心力的作用下，变成了颗粒物；

4.取渣机构对飞行过程中的颗粒进行采样收集，持续一段时间；

5.收集完成后，取渣机构旋转，旋转至与限位开关接触；

6.限位开关触发后，发送信号到下位机；

7.下位机接收到信号后，发出信号给相机，控制相机拍摄；

8.相机触发信号进行拍摄，并将拍摄的信号上传到工控机；

9.工控机对相机拍摄的图像信号进行处理，提出其中的特征参数(比如：颗粒直径)；

10.提取到图像中的特征参数后，进行数据分析，计算误差；

11.根据测量误差，进行模糊神经网络pid自适应控制分析；

12.分析完成后，发送信号给下位机，由下位机再发送控制信号给执行机构；

13.执行机构接受到下位机信号后，进行相应参数调节；

14.执行机构调节后，对粒化效果进行检验；

15.再由取渣机构对粒化颗粒进行采样，重复4-14的过程；

在取渣过程中，取渣机构的冷却防护措施也要正常进行，在取渣机构旋转到指定位置时，对取渣机构的温度进行检验，若温度较高，加强冷却措施(比如：加大冷却风的流量，)，以保证取渣机构在运行过程中能够保持适合的温度，以保证试验的正常进行。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。