摘要: 生料制备作为水泥生产的首要环节，其产品质量的好坏对后续熟料烧成有着重要影响。生料成分作为评价生料质量的主要指标，其快速准确的检测是实现其质量实时控制的前提。目前国内大多数水泥企业生料质量检测仍采用XRF荧光分析仪离线进行，在原材料成分... 展开 生料制备作为水泥生产的首要环节，其产品质量的好坏对后续熟料烧成有着重要影响。生料成分作为评价生料质量的主要指标，其快速准确的检测是实现其质量实时控制的前提。目前国内大多数水泥企业生料质量检测仍采用XRF荧光分析仪离线进行，在原材料成分变化频繁的情况下不能及时有效地指导生产。少数企业引进了元素在线分析仪进行实时在线检测，并进行实时质量控制，但此种检测方式使用了具有放射性的中子源，不仅存在安全隐患，而且维护成本较高。为此引入近红外光谱检测技术对水泥生料成分进行在线检测，进而实现水泥生料质量实时控制。该检测技术作为一种快速、安全无污染的检测方式，在定量检测中得到了广泛的应用。但近红外光谱检测技术在水泥生料成分检测当中存在以下问题：水泥生料成分含量大多为金属氧化物，其近红外光谱吸收峰较小，不易进行定量检测；水泥生料粉堆密度变化影响漫反射光的强度，从而降低近红外光谱检测的精度；原材料种类或产地变化使检测模型的适配度变差；生产过程中存在原材料成分变化，近红外光谱磨后检测存在一定滞后时间。 针对以上问题，本文基于近红外光谱检测技术，研究水泥生料成分检测和质量控制，主要内容与结果如下： （1）在水泥生料SiO2、Al2O3、Fe2O3和CaO四种成分的定量检测中，由于各成分吸收峰小且分布范围较宽，同一成分的吸收峰位置并不唯一，采用反向区间偏最小二乘法（BiPLS）和协同偏最小二乘法（SiPLS）对原始光谱和预处理光谱进行波段挑选，通过对比主成分回归分析（PCR）、偏最小二乘（PLS）、支持向量机（SVM）、多元线性回归（MLR）、最小二乘（CLS）、神经网络（ANN）等算法的建模效果，确定了水泥生料不同成分的最优检测模型：SiO2成分采用原始光谱进行BiPLS波段挑选，确定PLS检测模型最优，预测均方根误差为0.136；Al2O3成分采用Savitzky-Golay预处理光谱，经BiPLS-SiPLS波段挑选，确定PLS检测模型最优，预测均方根误差为0.068；Fe2O3成分采用Savitzky-Golay预处理光谱，经BiPLS-SiPLS波段挑选，确定PLS检测模型最优，预测均方根误差为0.031；CaO成分采用Savitzky-Golay预处理光谱，经BiPLS波段挑选，确定PCR检测模型最优，预测均方根误差为0.113。 (2)针对堆密度对水泥生料近红外光谱检测的影响，以混合样本校正的方式对堆密度进行补偿，以提高模型的检测精度。采用该方式对SiO2、Al2O3、Fe2O3和CaO成分含量检测模型进行校正，与无堆密度信息的样本建立的检测模型对比，其相关系数R2分别提高了19.10%、17.65%、20.37%、27.40%，预测均方根误差分别减小了7.36%，4.14%，12.90%，20.67%。通过不同水泥企业的对比，研究表明，当水泥生料的原材料发生变化或者产地不同时，不能仅靠修正模型对水泥生料进行检测，需要重新建立近红外光谱模型，并且光谱波段选择必须改变。 （3）针对水泥生料质量控制中的滞后和非线性问题，基于水泥生料配料工艺过程的机理与特性，结合近红外光谱检测结果，对水泥生料生产过程进行工况划分并建立工况模板；设计了以典型工况为核心的集趋势控制、前馈控制和预测控制于一体的水泥生料质量多模态控制器：针对质量控制指标设定值变化情况，采用前馈控制；针对水泥生料质量暂时合格，但其变化趋势趋向恶劣的情况，采用趋势控制；针对水泥生料质量不合格的情况，采用预测控制；采用数据驱动的水泥生料原材料成分预估方法对水泥生料原材料成分含量进行估算。 （4）基于以上研究内容开发了水泥生料质量控制软件，并应用于现场实际生产，现场应用结果表明：近红外光谱检测技术对水泥生料SiO2、Al2O3、Fe2O3和CaO成分含量的检测值和XRF荧光检测值的平均绝对偏差值分别为0.11、0.033、0.045、0.157；基于近红外光谱检测数据和现场数据，采用水泥生料质量控制软件进行控制，使得水泥生料KH合格率提高17.25%。 收起