一种基于工况识别的烧结终点参数自整定专家控制方法

摘要

本发明提出了一种基于工况识别的烧结终点参数自整定专家控制方法，包括以下步骤：步骤1：数据采集和模糊化步骤：采集和计算混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量并进行模糊化处理；步骤2：模糊诊断步骤：根据模糊化的6个过程变量，基于诊断规则得到当前烧结运行状态处于何种工况；步骤3：在线控制步骤：根据模糊诊断步骤获得的工况，基于建立的专家规则，在线调整控制周期、控制步长和烧结机速度的上限值和下限值，实现烧结终点的自动控制。本发明能够有效地抑制由于工况不稳定导致的烧结过程不顺的现象，提高烧结矿的产量和质量。

权利要求

1.一种基于工况识别的烧结终点参数自整定专家控制方法，其特征在于，包括以下步骤：步骤1：数据采集和模糊化步骤：采集和计算混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～19#风箱温度平均值的变化率以及烧结废气温度上升点位置

6个过程变量并进行模糊化处理；

步骤2：模糊诊断步骤：根据模糊化的6个过程变量，基于诊断规则得到当前烧结运行状态处于何种工况；所述的工况为烧结终点、混合料仓料位及其变化率的工况；

步骤3：在线控制步骤：根据模糊诊断步骤获得的工况，基于建立的专家规则，在线调整控制周期、控制步长和烧结机速度的上限值和下限值，实现烧结终点的自动控制；

步骤1中，6个过程变量的模糊化过程为：模糊化采用的量化因子均为1，隶属度函数均采用三角-半梯形函数，最大隶属度为1，6个过程变量选取的论域如下：混合料仓料位＝{65，70，73，78，81}；

混合料仓料位变化率＝{-1，-0.5，0，0.5，1}；

烧结终点位置的偏差＝{-0.9，-0.3，0，0.3，0.9}；

烧结终点温度＝{350，440，500}；

17#～19#风箱温度平均值的变化率＝{-10，-5，0，5，10}；

烧结废弃温度上升点＝{20，18，17，16，15}；

6个过程变量的模糊语言变量如下：

混合料仓料位＝{负大，负小，零，正小，正大}；

混合料仓料位变化率＝{负大，负小，零，正小，正大}；

烧结终点位置的偏差＝{负大，负小，零，正小，正大}；

烧结终点温度＝{负，零，正}；

17#～19#风箱温度平均值的变化率＝{负大，负小，零，正小，正大}；

烧结废弃温度上升点＝{负大，负小，零，正小，正大}；

经模糊化后，6个过程变量变为28个模糊语言变量和对应的隶属度值；

步骤2中，包括模糊推理步骤和解模糊步骤；

模糊推理步骤：设28个模糊语言变量的隶属度向量为μ，根据长期的数据和专家经验建立15种综合工况和28个模糊语言变量之间的因果关系集为R，模糊推理就是建立15种烧结工况的隶属度向量F、μ和R的模糊关系，即F＝μoR，采用主因素决定型的模糊算子进行模糊运算；

所述的15种综合工况为：烧结终点的工况：大提前、小提前、正常、小滞后和大滞后；混合料仓料位的工况：过高、高、适中、低和过低；混合料仓料位变化率的工况：正大、正小、适中、负小和负大；

解模糊步骤：通过隶属度最大的原则进行解模糊，得到当前烧结运行状态的典型工况。

2.根据权利要求1所述的基于工况识别的烧结终点参数自整定专家控制方法，其特征在于，步骤3中，专家规则采用了基于规则的表达形式，专家规则表由多条经验规则组成，采用的形式为：IF条件1AND条件2AND条件3THEN结论，每条规则的输入条件由上述三类典型工况即烧结终点、混合料仓料位及其变化率的工况的与关系构成，结论是选择哪一套控制策略，总共建立125条规则，8套控制策略，在线调整各控制参数，控制策略具体描述如下：控制策略1：最大限度减慢机速；控制周期＝1.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

控制策略2：中等限度减慢机速；控制周期＝5.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

控制策略3：最小限度减慢机速；控制周期＝10.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

控制策略4：保持当前速度；控制周期＝10.0min，控制步长＝0m/min，机速上限＝

3.28m/min，机速下限＝2.7m/min；

控制策略5：最小限度加快机速；控制周期＝1.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

控制策略6：中等限度加快机速；控制周期＝5.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

控制策略7：最大限度加快机速；控制周期＝10.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

控制策略8：维持正常速度；根据经验，将正常的理想烧结机速度IdealSv设为2.98m/min，控制周期＝1.0min，若当前机速大于IdealSv，控制步长＝-0.05m/min，机速上限＝

3.28m/min，机速下限＝2.98m/min；若当前机速小于IdealSv，则控制步长＝0.05m/min，机速上限＝2.98m/min，机速下限＝2.7m/min；若两者相等，则保持机速为2.98m/min；

专家控制规则表如下表所示：

表1专家规则表

表中的1～8分别对应控制策略1～控制策略8。

说明书

一种基于工况识别的烧结终点参数自整定专家控制方法

技术领域

[0001] 本发明技术属于烧结生产过程控制技术领域，特别是提供了一种基于工况识别的烧结终点(Burning Through Point，BTP)参数自整定专家控制方法。技术背景

[0002] 实现BTP的自动控制对于保证烧结生产过程的顺利进行，提高烧结矿的产量和质量有着极其重要的指导意义。目前的烧结BTP自动控制一般都是通过曲线拟合的方法，得到烧结废气温度上升点(Burn Rising Point，BRP)，来预测BTP的位置，继而调节烧结机速度，从而达到稳定BTP的目的。实际生产表明，由于BTP的控制存在很多的干扰因素，仅仅依据BRP来调节操作参数，稳定BTP是远远不够的，存在诸多不足：BTP温度低，那么烧结矿整体温度偏低，导致烧结矿强度不够；机速过快或过慢，将导致混合料仓料位过低或过高，不利于烧结过程的稳顺运行。因此，除了BRP的影响外，还必须充分考虑其他工况(混合料仓料位、风箱负压、料层厚度、配重)的影响，设计出基于多工况识别的BTP控制，提高烧结过程的抗干扰性。

发明内容

[0003] 为了有效提高烧结过程的抗干扰性，保证烧结过程的稳顺运行，本发明提出一种基于工况识别的烧结终点参数自整定专家控制方法。本发明通过工况识别，实时修改专家控制器的控制周期、控制步长等参数，并可以根据不同的配重，灵活处理烧结机速度的上下限，有效降低了操作工人的工作量，提高了整个烧结车间的工作效益。

[0004] 本发明的技术解决方案如下：

[0005] 一种基于工况识别的烧结终点参数自整定专家控制方法，包括以下步骤：

[0006] 步骤1：数据采集和模糊化步骤：采集和计算混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量并进行模糊化处理；

[0007] 步骤2：模糊诊断步骤：根据模糊化的6个过程变量，基于诊断规则得到当前烧结运行状态处于何种工况；所述的工况为烧结终点、混合料仓料位及其变化率的工况；

[0008] 步骤3：在线控制步骤：根据模糊诊断步骤获得的工况，基于建立的专家规则，在线调整控制周期、控制步长和烧结机速度的上限值和下限值，实现烧结终点的自动控制。

[0009] 所述的混合料仓为用于盛放烧结混合料的漏斗式容器，料位采用称重式的料位计测量，单位是吨，一般维持在60到80吨之间，料位的变化率是基于每5秒计算一次来确定。烧结终点位置为烧结矿达到最高温度对应的风箱位置，单位是个，一般维持在23号风箱，烧结终点位置的偏差为23号风箱与当前采样周期的烧结终点位置相减，每5秒计算一次；
烧结终点温度，单位是℃，一般维持在400到500℃之间；17#～19#风箱温度平均值，单位是℃，一般维持在150到170℃之间，17#～19#风箱温度平均值的变化率每5秒更新一次。
烧结废气温度上升点位置为烧结矿温度第一次跳变时对应的风箱位置，单位是个，一般维持在16到18号风箱之间，每分钟更新一次；

[0010] 步骤1中，6个过程变量的模糊化过程为：模糊化采用的量化因子均为1，隶属度函数均采用三角-半梯形函数，最大隶属度为1，6个过程变量选取的论域如下：

[0011] 混合料仓料位＝{65，70，73，78，81}；

[0012] 混合料仓料位变化率＝{-1，-0.5，0，0.5，1}；

[0013] 烧结终点位置的偏差＝{-0.9，-0.3，0，0.3，0.9}；

[0014] 烧结终点温度＝{350，440，500}；

[0015] 17#～19#风箱温度平均值的变化率＝{-10，-5，0，5，10}；

[0016] 烧结废弃温度上升点＝{20，18，17，16，15}；

[0017] 6个过程变量的模糊语言变量如下：

[0018] 混合料仓料位＝{负大，负小，零，正小，正大}；

[0019] 混合料仓料位变化率＝{负大，负小，零，正小，正大}；

[0020] 烧结终点位置的偏差＝{负大，负小，零，正小，正大}；

[0021] 烧结终点温度＝{负，零，正}；

[0022] 17#～19#风箱温度平均值的变化率＝{负大，负小，零，正小，正大}；

[0023] 烧结废弃温度上升点＝{负大，负小，零，正小，正大}；

[0024] 经模糊化后，6个过程变量变为28个模糊语言变量和对应的隶属度值；

[0025] 步骤2中，包括模糊推理步骤和解模糊步骤；

[0026] 模糊推理步骤：设28个模糊语言变量的隶属度向量为μ，根据长期的数据和专家经验建立15种综合工况和28个模糊语言变量之间的因果关系集为R，模糊推理就是建立15种烧结工况的隶属度向量F、μ和R的模糊关系，即F＝μoR，采用主因素决定型的模糊算子进行模糊运算；

[0027] 所述的15种综合工况为：烧结终点的工况：大提前、小提前、正常、小滞后和大滞后；混合料仓料位的工况：过高、高、适中、低和过低；混合料仓料位变化率的工况：正大、正小、适中、负小和负大；

[0028] 解模糊步骤：通过隶属度最大的原则进行解模糊，得到当前烧结运行状态的典型工况。

[0029] 步骤3中，专家规则采用了基于规则的表达形式，专家规则表由多条经验规则组成，采用的形式为：IF条件1AND条件2AND条件3THEN结论，每条规则的输入条件由上述三类典型工况即烧结终点、混合料仓料位及其变化率的工况的与关系构成，结论是选择哪一套控制策略，总共建立125条规则，8套控制策略，在线调整各控制参数，控制策略具体描述如下：

[0030] 控制策略1：最大限度减慢机速；控制周期＝1.0min，控制步长(即烧结机机速增量)＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0031] 控制策略2：中等限度减慢机速；控制周期＝5.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0032] 控制策略3：最小限度减慢机速；控制周期＝10.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0033] 控制策略4：保持当前速度；控制周期＝10.0min，控制步长＝0m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0034] 控制策略5：最小限度加快机速；控制周期＝1.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0035] 控制策略6：中等限度加快机速；控制周期＝5.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0036] 控制策略7：最大限度加快机速；控制周期＝10.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0037] 控制策略8：维持正常速度；根据经验，将正常的理想烧结机速度IdealSv设为2.98m/min，控制周期＝1.0min，若当前机速大于IdealSv，控制步长＝-0.05m/min，机速上限＝3.28m/min，机速下限＝2.98m/min；若当前机速小于IdealSv，则控制步长＝0.05m/min，机速上限＝2.98m/min，机速下限＝2.7m/min；若两者相等，则保持机速为2.98m/min；

[0038] 专家控制规则表如下表所示：

[0039] 表1专家规则表

[0040]

[0041]

[0042] 表中的1～8分别对应控制策略1～控制策略8。

[0043] 本发明的技术构思：

[0044] 步骤1：工况的知识表示：实时采集混合料仓料位、烧结终点位置、烧结终点温度、17#～19#风箱温度等6个过程变量的检测值，然后，计算17#～19#风箱温度平均值，通过设定的烧结终点位置(23号风箱)和当前时刻的烧结终点位置相减，得到烧结终点位置的偏差；并分别将当前时刻和前一时刻的混合料仓料位和17#～19#风箱温度平均值相减，得到二者的变化率。将混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～
19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量作为模糊诊断的
6个事实；

[0045] 步骤2：工况的模糊诊断：根据操作经验和现场的数据分析，选取影响烧结终点最大的六个因素，混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～19#风箱温度平均值的变化率以及烧结废气温度上升点作为模糊诊断的输入，经诊断后，得到的输出是烧结终点、混合料仓料位及其变化率三者的工况，将模糊诊断的过程描述如下：

[0046] (1)模糊诊断预处理：将6个事实进行模糊化处理，模糊化的隶属度函数均采用三角-半梯形函数，经模糊化后的每个变量都变为模糊语言和对应的隶属度值，6个变量总共对应28个模糊语言，将这些模糊语言称为事实项，即得到28个事实项和对应的隶属度值；

[0047] (2)模糊推理：设28个事实项的隶属度向量为μ，根据长期的数据和专家经验建立15种典型工况和各事实项之间的因果关系R，模糊推理就是建立15种典型工况的隶属度向量F、μ和R的模糊关系，即F＝μoR，采用主因素决定型的模糊算子进行模糊运算；

[0048] (3)模糊诊断结论：通过隶属度最大的原则进行解模糊，得到烧结过程的典型工况，将烧结终点的工况描述为大提前、小提前、正常、小滞后和大滞后；混合料仓料位的工况可以分为过高、高、适中、低和过低；混合料仓料位变化率的工况则可分为正大、正小、适中、负小、负大；

[0049] 步骤3：专家控制：根据模糊诊断得到的烧结工况，包括烧结终点的工况、混合料仓料位的工况以及混合料仓料位变化率的工况，通过三者的合理组合，定出对应的专家规则和控制策略，形成专家规则库，专家控制具体分两步进行：

[0050] (1)参数自整定：对模糊诊断得到的烧结终点、混合料仓料位及其变化率三者的工况进行组合，依据125条专家规则，从8套控制策略中选择其一，在线修改控制周期，烧结机速度的增量(步长)和上下限；

[0051] (2)机速自调整：将整定完后的参数送给烧结机机速自调整模块，根据烧结机当前的机速，结合控制步长和周期，在线调整烧结机机速，实现变周期变步长的烧结终点自动控制。

[0052] 有益效果：

[0053] 本专利首先对混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量进行数据采集、计算，并进行模糊化处理；然后经过模糊诊断，将当前烧结运行状态分为不同的工况；
进而根据这些工况建立专家规则，在线调整烧结机的控制周期、控制步长和烧结机速度的上、下限；最后，根据烧结机当前的机速，结合控制步长和周期，实时调整烧结机机速，控制烧结终点位置。本发明在应用中使得烧结终点基本稳定在22.5-23.5之间，烧结矿返矿量降低了1.5％，利用系数提高了3.8％，同时转鼓指数提高了4.1％，筛分指数降低了4.1％。
由此可见，本发明提出的控制算法实现了烧结过程的优化控制，能够有效地抑制由于工况不稳定导致的烧结过程不顺的现象，稳定了烧结终点，显著降低了返矿率，减少了焦粉的比例，提高烧结矿的产量和质量。

附图说明

[0054] 图1本发明基于工况识别的烧结终点专家控制结构图；

[0055] 图2本发明烧结终点典型工况与事实的对应关系列表；

[0056] 图3本发明三角-梯形隶属度函数曲线；

[0057] 图4手动控制运行效果曲线；

[0058] 图5自动控制运行结果曲线。【图4和图5中的横坐标表示样本序号，由于采样间隔为5秒，则横坐标为0对应时间为0秒，横坐标为4000时，对应时间为20000秒】具体实施方式

[0059] 以下将结合图和具体实施过程对本发明做进一步详细说明。

[0060] 实施例1：

[0061] 基于工况识别的烧结终点专家控制框图如图1所示，由工况识别、专家控制器和参数自整定模块组成。经过识别的各种工况通过经验组合得到的专家规则不仅用于调整控制参数，还指导专家控制器的输出。

[0062] 首先是典型状况的知识表示，通过实时采集混合料仓料位、烧结终点位置、烧结终点温度、17#～19#风箱温度等6个过程变量的检测值，然后，通过设定的烧结终点位置(23号风箱)和当前时刻的烧结终点位置相减，得到烧结终点位置的偏差；并分别将当前时刻和前一时刻的混合料仓料位和17#～19#风箱温度平均值相减，得到二者的变化率。将混合料仓料位及其变化率、烧结终点位置的偏差、烧结终点温度、17#～19#风箱温度平均值的变化率以及烧结废气温度上升点位置6个过程变量作为模糊诊断的6个事实，各种工况和事实之间的关系如图2所示。

[0063] 模糊诊断是BTP控制的主体部分，主要是对获取的知识进行识别归类，继而判断出当前的烧结典型状况，指导专家控制器的操作。模糊诊断主要包括模糊预处理、模糊推理和解模糊三个步骤。

[0064] 烧结过程中综合状况的信息一般以模糊命题的形式出现，如“BTP温度正小”、“混合料仓料位负大”、“BRP负小”等。用于描述综合状况的生产数据必须经过模糊化后才使用，模糊化所用的隶属度函数采取三角-半梯形函数。该模糊诊断各过程变量采用的隶属度函数曲线如图3所示，是三角函数和半梯形函数的组合，中间是三角形函数，如(3)所示，两边是半梯形函数，分别如式(4)和(5)所示。

[0065]

[0066]

[0067]

[0068] 其中，μ(x)表示x属于该模糊命题的隶属度，即模糊命题成立的确信度。

[0069] 在没有实现自动控制之前，由于烧结过程中出现的典型现象都是依赖于熟练的操作工人的经验判断的，在长期的烧结操作实践积累大量切合实际的烧结状况的知识，可以作为专家知识库的主要来源。除此之外，还要进行大量的数据分析，结合相应的烧结理论知识，得出烧结终点典型状况与反映典型状况的事实之间的对应关系如图2所示，烧结终点的典型工况15种，分别对应烧结过程的6个事实。

[0070] 一种典型状况可能对应多个事实，每种事实中又包含多个事实项，事实和典型状况之间必须建立合理的对应关系，这里采用一种模糊诊断的策略。将烧结过程的典型工况(AbnormalCondition，简称AC)及相关事实项(Fact，简称F)描述如下：

[0071] AC＝(AC1，AC2，L，ACn) (6)[0072]

[0073] fi＝(Ni，ωi) (8)[0074] 其中，式(6)表示15种典型工况，n＝15；式(7)表示每个典型工况ACi与对应的28个事实项的关系，m＝28。

[0075] 为了更形象描述典型工况和事实项之间的关系，引入式(8)，Ni表示第i个事实项的名称，ωi表示对应的权重。式(7)和式(8)合起来就可以表示出不同的典型工况对应的事实项序列。以“BTP大滞后”为例，该典型工况的事实项序列描述如下：

[0076] FBTP大滞后＝

[0077] {(BTP温度负，0.1)，(BRP负大，0.25)，(BRP负小，0.1)，(BTP位置变化率负大，0.1)，

[0078] (17#：19#平均温度变化率负大，0.3)，(17#：19#温度变化率负小，0.15)}[0079] ----------------------------------------------------------------(9)[0080] 其它典型工况的事实项序列对应的权重如表2和表3所示

[0081] 表2 BTP工况对应的事实项序列权重表

[0082]

[0083] 续表2

[0084]

[0085] 表中1、2、3、4、5分别表示大滞后、小滞后、正常、小提前、大提前，表中没有列出的其它事实项的权重全部为零。

[0086] 表3混合料仓料位及其变化率工况对应的事实项序列权重表

[0087]

[0088] 表中6～15分别表示混合料仓料位过低、低、适中、高、过高以及混合料仓料位变化率负大、负小、零、正大、正小，表中没有列出的其它事实项的权重全部为零。

[0089] 根据获取的经验知识，定出15种典型工况和28个事实项对应得权重矩阵，即两者的模糊关系 表示如下：

[0090]

[0091] 其中ωij(1＜i＜m，1＜j＜n)表示事实项i在典型工况j表现出来的重要程度，且 ωij可以为0，如式(9)中反映“BTP大滞后”的事实项只有6个存在权重，其余的22个全部为零。当ωij＝0时，表示该事实项在反映典型工况时不起作用。

[0092] 28个事实项在典型工况的知识获取中经模糊化后，可以得到如下的隶属度向量：

[0093]

[0094] 设15中典型工况的隶属度向量为：

[0095]

[0096] 模糊诊断的过程就是进行模糊关系的运算，如下所示：

[0097]

[0098] 其中符号∨表示取大，∧表示取小， 理解为典型工况发生的可能性，当然越大，发生的可能性越大。

[0099] 如 当 前 时 刻 的 BTP 位 置 的 变 化 率、BTP 温 度、17# ～ 19# 风 箱温 度 平 均 值 的 变 化 率、BRP、混 合 料 仓 料 位 及 其 变 化 率6个 事 实 分 别为 -0.2 个、400 ℃、7 ℃ /(5s)、17 号 风 箱、75t、0.6t/(5s)， 经 模 糊 化 后得 到 的 隶 属 度 向 量由
于每种工况对应的事实项序列的权重叠加起来为1，隶属度向量要经过归一化处理，得到依据式(13)的运算得到15中典型工况的隶属度向量
如工况BTP大滞后的隶属度是这样得到的：

[0100]

[0101] 采用隶属度最大的原则进行解模糊，通过比较各典型工况的隶属度，最大者即为当前典型工况。由于模糊诊断得到的是烧结过程的三个典型工况，分别是BTP工况、混合料仓料位及其变化率的工况，通过比较前5种典型工况的隶属度值，最大者为BTP当前工况；通过比较中间5种典型工况的隶属度值，最大者为混合料仓料位当前工况；通过比较后5种典型工况的隶属度值，最大者为混合料仓料位变化率当前工况。如前面提到的例子，依据隶属度向量，通过隶属度最大的原则进行解模糊，得到当前的烧结工况为BTP正常，混合料仓料位适中，混合料仓料位的变化率正小。

[0102] 得到BTP的工况后，再结合混合料仓料位及其变化率两者的工况进行经验组合，建立专家规则。专家规则采用了基于规则的表达形式，规则表由若干的经验规则组成，采用“IF条件1AND条件2AND条件3THEN结论”的形式，每条规则的输入条件由上述三类典型工况的与关系构成，结论是控制策略。总共建立125条规则，8套控制策略，在线调整各控制参数，指导专家控制器的执行，控制策略具体描述如下：

[0103] (1)最大限度减慢机速；控制周期＝1.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0104] (2)中等限度减慢机速；控制周期＝5.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0105] (3)最小限度减慢机速；控制周期＝10.0min，控制步长＝-0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0106] (4)保持当前速度；控制周期＝10.0min，控制步长＝0m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0107] (5)最小限度加快机速；控制周期＝1.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0108] (6)中等限度加快机速；控制周期＝5.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0109] (7)最大限度加快机速；控制周期＝10.0min，控制步长＝0.02m/min，机速上限＝3.28m/min，机速下限＝2.7m/min；

[0110] (8)维持正常速度；根据经验，将正常的理想烧结机速度(IdealSv)设为2.98m/min，控制周期＝1.0min，若当前机速大于IdealSv，控制步长＝-0.05m/min，机速上限＝3.28m/min，机速下限＝2.98m/min；；若当前机速小于IdealSv，则控制步长＝0.05m/min，机速上限＝2.98m/min，机速下限＝2.7m/min；若两者相等，则保持机速为2.98m/min。

[0111] 专家控制规则表如下表所示：

[0112] 表4专家规则表

[0113]

[0114]

[0115] 表中，(1)～(8)如控制策略所示。

[0116] 最后，将整定完后的参数送给烧结机机速自调整模块，由该模块完成机速的在线下发。为了防止由于烧结机机速剧烈突变造成的烧结过程不稳顺的现象，实时采集烧结机当前的机速，在该机速的基础上，依据整定完后的参数，进行合理的调节，实现变周期变步长的烧结终点自动控制。机速自调整方式具体如式(14)所示。

[0117]

[0118] 其中，SV表示下一控制周期机速下发值，PV表示当前控制周期机速检测值，CS表示控制步长，SVUpLimit表示机速上限，SVLowLimit表示机速下限。

[0119] 如前面提到的例子，得到各典型工况后，通过查表4，可以得到当前工况下采用控制策略(8)，并按照式(14)下发烧结机机速。

[0120] 由图4和图5得知，本发明使得烧结终点基本稳定在22.5-23.5之间，偏差控制在±0.5个风箱之内，波动率为13％，降低了12％。

[0121] 表5选用利用系数、转鼓指数和筛分指数这几个关键参数衡量本发明对烧结生产2
产量和质量的影响。其中利用系数是烧结机产量(t/h)与烧结机有效面积(m)的商；转鼓指数是衡量烧结矿强度的指标；筛分指数衡量烧结矿粒度分布的指标。烧结矿利用系数提高了3.8％，同时转鼓指数提高了4.1％，筛分指数降低了4.1％。

[0122] 表5控制效果统计分析

[0123]控制方式 利用系数(t/h·m2) 转鼓指数 筛分指数
手动控制 1.32 81.52 5.01
自动控制 1.37 84.9 4.80

[0124] 通过以上的数据图表分析，表明本发明取得了较好的工业应用效果，有效地的减少了手动控制烧结终点的波动，减小了操作工人的劳动强度，稳定了烧结终点，降低了返矿率，提高烧结矿的产量和质量。