论文部分内容阅读
水泥预分解窑生产工艺,代表了现今先进的水泥生产工艺。我国作为水泥生产大国,水泥预分解窑产量已占全国总水泥产量的60%以上,然而由于水泥预分解窑参数众多、大惯性、大滞后、非线性等特点,目前国内大多数厂家的生产参数均是以人工调节为主,对于人工经验的依赖性非常大,生产不稳定因素较多,能耗高,难以实现水泥预分解窑生产工艺的最大产能。
为进一步提高预分解窑的水泥产量,降低水泥预分解窑生产的能耗,本文首先针对水泥预分解窑难以建立精确有效的数学模型的特点,采用具有自学习和自适应能力的人工神经网络对其进行建模:分别采用了BP前馈神经网络与Elman反馈神经网络两种方法对预分解窑系统进行建模,两种模型均显示了良好的拟合与泛化能力;其次,介绍了先进的自适应动态规划算法,并针对执行依赖启发式动态规划(ADHDP)无模型网络的特点,分别介绍了ADHDP基于BP网络与动量BP网络的两种实现形式。论文将执行依赖启发式动态规方法(ADHDP)与启发式动态规划(HDP),应用于水泥预分解窑系统,实现了对于预分解窑的仿真控制;仿真结果表明,两种自适应动态规划方法能够将水泥预分解窑模型的各个参数控制在一个合理的范围内。