礦渣粉磨生產(chǎn)工藝智能調(diào)控系統(tǒng)研究與應(yīng)用

李 客， 萬安平

(1.中信重工機(jī)械股份有限公司，洛陽 471039;2.礦山重型裝備國家重點(diǎn)實(shí)驗(yàn)室，洛陽 471039；3.浙江大學(xué)城市學(xué)院機(jī)電系，杭州 310015)

礦渣作為鐵礦石冶煉產(chǎn)生的副產(chǎn)品，產(chǎn)量大，在大規(guī)模干法粉磨設(shè)備——礦渣立磨成熟應(yīng)用前，一直作為工業(yè)廢料處理。礦渣中大量含有的硅和鈣是硅酸鹽水泥的重要成分。隨著國外技術(shù)的引進(jìn)和國內(nèi)技術(shù)的成熟，以立磨為核心的礦渣粉磨系統(tǒng)在國內(nèi)逐漸大規(guī)模應(yīng)用，把礦渣研磨后加入水泥，不僅變廢為寶，減少水泥熟料用量，還提升了水泥品質(zhì)，提高了水泥企業(yè)經(jīng)濟(jì)效益，在水泥產(chǎn)業(yè)飛速發(fā)展的時期，帶動了礦渣粉磨行業(yè)的快速發(fā)展[1-2]。但是礦渣粉磨系統(tǒng)工藝復(fù)雜，工作環(huán)境惡劣，長期高負(fù)荷運(yùn)行，同時立磨生料粉磨過程具有強(qiáng)耦合、非線性、大滯后等特點(diǎn)，且存在物理、化學(xué)變化[3-4]?，F(xiàn)階段，實(shí)際粉磨過程中變量的設(shè)定一般是操作人員憑經(jīng)驗(yàn)進(jìn)行調(diào)整，這樣會使整個粉磨過程變量設(shè)定帶有很強(qiáng)的主觀性與隨意性[5]。

國內(nèi)外學(xué)者對立磨生料粉磨過程的模型已進(jìn)行了較深入的研究。Cai等[6]對立磨系統(tǒng)利用最小二乘支持向量機(jī)的方法，建立料層厚度的軟測量模型，實(shí)現(xiàn)了料層厚度的間接測量，對立磨系統(tǒng)相關(guān)參數(shù)進(jìn)行調(diào)整；Lin等[7]利用小波神經(jīng)網(wǎng)建立了立磨粉磨模型，通過蟻群算法實(shí)現(xiàn)參數(shù)最優(yōu)設(shè)置；Umucu等[8]利用多層感知器神經(jīng)網(wǎng)和徑向基函數(shù)神經(jīng)網(wǎng)，建立了水泥粒度模型，獲得了較高的預(yù)測精度。王康等[9]利用數(shù)據(jù)驅(qū)動的思想，建立礦渣微粉生產(chǎn)過程的遞歸神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上，采用自適應(yīng)動態(tài)規(guī)劃，設(shè)計(jì)具有控制約束的跟蹤控制器，應(yīng)用到礦渣微粉生產(chǎn)過程中；林小峰等[10]采用小波神經(jīng)網(wǎng)絡(luò)建立立磨生料粉磨過程的生產(chǎn)指標(biāo)預(yù)測模型，之后將案例推理技術(shù)與粒子群優(yōu)化算法以及指標(biāo)預(yù)測模型相結(jié)合，實(shí)現(xiàn)了對粉磨過程中關(guān)鍵變量的優(yōu)化設(shè)定；胡月娥[11]、黃超[12]分析了礦渣微粉立磨料層厚度與主要影響參數(shù)之間的關(guān)系，提出基于預(yù)測函數(shù)控制算法的礦渣微粉立磨料層厚度控制策略，將優(yōu)化的控制算法嵌入現(xiàn)場集散控制系統(tǒng)中,進(jìn)行試驗(yàn)運(yùn)行。

上述研究的立磨粉磨過程的各種模型中，大多數(shù)研究人員只探究了立磨運(yùn)行過程中指標(biāo)之間單一化的相互關(guān)系。但是立磨是一個多變量相互耦合、非線性的系統(tǒng)，變量之間相互影響，難以建立生產(chǎn)過程的完整機(jī)理模型。隨著信息化和自動化技術(shù)的發(fā)展，特別是傳感器、數(shù)據(jù)采集裝置在復(fù)雜產(chǎn)品上的廣泛應(yīng)用，立磨設(shè)備的生命周期數(shù)據(jù)能被實(shí)時地記錄。其中運(yùn)行過程中的數(shù)據(jù)增長幅度最大，這些數(shù)據(jù)已經(jīng)在時間和空間上隱含了產(chǎn)品服役性能特點(diǎn)和演化特征[13-15]。

圖1 礦渣粉磨系統(tǒng)結(jié)構(gòu)Fig.1 Structure diagram of slag grinding system

現(xiàn)提出一種礦渣粉磨生產(chǎn)工藝閉環(huán)調(diào)控系統(tǒng)，在長期設(shè)備與工藝研究基礎(chǔ)上，借助物聯(lián)網(wǎng)技術(shù)采集大量數(shù)據(jù)，結(jié)合專家經(jīng)驗(yàn)并通過數(shù)據(jù)分析，實(shí)時監(jiān)控工況發(fā)展趨勢，研究礦渣粉磨生產(chǎn)工藝過程閉環(huán)調(diào)控方法；系統(tǒng)增加了前端礦渣水分在線檢測，增強(qiáng)系統(tǒng)提前反應(yīng)速度，在后端通過微粉粒度在線檢測，形成閉環(huán)控制；生產(chǎn)過程中替代人工精細(xì)調(diào)節(jié)工藝，自動糾正參數(shù)變化，并優(yōu)化參數(shù)匹配。

1 礦渣粉磨工藝參數(shù)分析

1.1 礦渣粉磨系統(tǒng)介紹

礦渣粉磨生產(chǎn)系統(tǒng)主要由礦渣輸送系統(tǒng)、立式粉磨系統(tǒng)、微粉手機(jī)系統(tǒng)、循環(huán)風(fēng)系統(tǒng)和供熱系統(tǒng)組成，如圖1所示。礦渣在堆場通過設(shè)備取料經(jīng)皮帶進(jìn)行輸送，入磨之前會對原料中的大顆粒金屬等難以研磨的物料進(jìn)行篩選，送至立磨的入料口，物料依靠自身重力進(jìn)入磨盤中心，在離心力的作用均布在立磨磨盤上，在磨輥的研磨壓力作用下擠壓研磨。來自供風(fēng)系統(tǒng)的熱風(fēng)將物料吹起烘干，磨內(nèi)的選粉機(jī)對粉磨后的物料進(jìn)行篩選，滿足要求的物料會被分離出隨著氣流在收塵器的作用下進(jìn)入生料儲存庫，不滿足要求的物料會被送回至研磨區(qū)域，繼續(xù)粉磨。

1.2 礦渣粉磨工藝參數(shù)相關(guān)性挖掘分析

根據(jù)在實(shí)際中工業(yè)生產(chǎn)專家的經(jīng)驗(yàn)，在礦渣粉磨生產(chǎn)中，當(dāng)投料量一定時，研磨壓力基本恒定，投料量和研磨壓力可以在歷史數(shù)據(jù)庫中找到對應(yīng)關(guān)系。排除設(shè)備運(yùn)行(故障)因素，引起系統(tǒng)波動的主要原因主要有礦渣來源不同(不同地方的產(chǎn)鐵礦石冶煉后的產(chǎn)生的礦渣)、水分的變化和熱源供應(yīng)的變化；在控制系統(tǒng)參數(shù)變化上主要體現(xiàn)在料層厚度、進(jìn)出口溫度、壓差及設(shè)備振動的變化，以及研磨出來的微粉粒度(比表面積及不同粒徑所占比例)的變化，影響系統(tǒng)穩(wěn)定性和生產(chǎn)效率的同時，導(dǎo)致微粉質(zhì)量的下降。

(1)

(2)

圖2 礦渣粉磨系統(tǒng)關(guān)鍵參數(shù)相關(guān)性分析Fig.2 Relevance analysis of key parameters data of slag grinding system

對每一分區(qū)Rjs(1≤j≤m,1≤s≤k)驗(yàn)證各個事務(wù)集的權(quán)值wjs能否滿足不小于預(yù)先設(shè)置的最小支持度msupport。如果分區(qū)Rjs滿足以上條件，則將其放入頻繁一項(xiàng)集L1中，即

L1={Rjs|wjs≥msupport,1≤j≤m,1≤s≤k}

(3)

通過對象連接和嵌入過程控制(object linking and embedding(OLE) for process control，OPC)通信獲取挑選了一部分代表性數(shù)據(jù)，包括工藝數(shù)據(jù)與機(jī)電設(shè)備運(yùn)行數(shù)據(jù)，進(jìn)行跟蹤分析，作為工藝監(jiān)控量的立磨進(jìn)出口溫度、壓力、壓差等參數(shù)，通過上述挖掘分析方法，可以得到主要調(diào)控變量與監(jiān)控變量的關(guān)系，建立與機(jī)電設(shè)備的運(yùn)行狀態(tài)的關(guān)系，如圖2所示。在生產(chǎn)實(shí)際中，為調(diào)控量如轉(zhuǎn)速、閥門開度等調(diào)控環(huán)節(jié)控制決策提供數(shù)字分析依據(jù)，可以排除一些相關(guān)性不強(qiáng)的因素，同時根據(jù)影響因子，制定合理的調(diào)控策略。

2 粉磨工藝閉環(huán)調(diào)控系統(tǒng)設(shè)計(jì)

在上述因素的參數(shù)中，礦渣來源是不可控因素，水分和微粉粒度檢測都是人工進(jìn)行，間隔周期長，滯后性明顯，其余參數(shù)都有傳感器實(shí)時監(jiān)控。為了解決上述問題，需要對粉磨系統(tǒng)實(shí)施適當(dāng)改造，在前端皮帶運(yùn)輸加上水分在線監(jiān)測，后端微粉入庫斜槽加上微粉粒度在線監(jiān)測。系統(tǒng)信號傳遞如圖3所示。

圖3 在線檢測信號傳遞Fig.3 On-line detection of signal transfer

圖4 礦渣粉磨系統(tǒng)閉環(huán)控制Fig.4 Closed-loop control chart of slag grinding system

增加在線檢測系統(tǒng)后，從控制角度來說，工藝流程就具備了閉環(huán)控制基礎(chǔ)，如圖4所示。再加上調(diào)節(jié)環(huán)節(jié)參數(shù)，各因素的疊加與多參數(shù)的快速變化，已經(jīng)超出了人工實(shí)時綜合分析能力，經(jīng)常會因?yàn)槿斯じ深A(yù)滯后產(chǎn)生系統(tǒng)較大波動，甚至停機(jī)，影響生產(chǎn)效率的同時，造成較大能耗，如果通過調(diào)控系統(tǒng)智能監(jiān)控與數(shù)據(jù)分析，當(dāng)運(yùn)行參數(shù)偏離軌跡時，及時反應(yīng)，自動糾偏，就能很好地彌補(bǔ)人工調(diào)控的缺陷。

在調(diào)控目標(biāo)設(shè)定中，根據(jù)研究的立磨特點(diǎn)，考慮到機(jī)械結(jié)構(gòu)間接測量的較大誤差，排除了料層厚度這一參數(shù)，往往用來人工監(jiān)控參考，不用于調(diào)控量化依據(jù)。選定選粉機(jī)轉(zhuǎn)速、主排風(fēng)機(jī)轉(zhuǎn)速、冷風(fēng)閥開度、熱風(fēng)閥開度、循環(huán)風(fēng)閥開度和外排風(fēng)閥開度作為輸出控制量，通過作用于分布式控制系統(tǒng)(distributed control system，DCS)來控制立磨磨內(nèi)壓差和立磨出口溫度。實(shí)際工作中，考慮到能耗與系統(tǒng)穩(wěn)定，冷風(fēng)閥開度和外排風(fēng)閥開度盡量調(diào)整到最小，循環(huán)風(fēng)閥開度盡量調(diào)整到最大。立磨閉環(huán)調(diào)控策略如表1所示。

表1所示的調(diào)控策略兼顧了現(xiàn)場操作員的一些要求，比如溫度波動范圍、振動波動范圍。為了保障品質(zhì)與產(chǎn)量最大化，選粉機(jī)轉(zhuǎn)速作為最后調(diào)控選項(xiàng)，投料量調(diào)控權(quán)限留給人工處理。根據(jù)數(shù)據(jù)分析，在調(diào)控某一參數(shù)時，如立磨出口溫度，可調(diào)控3個閥門和風(fēng)機(jī)轉(zhuǎn)速，不同的溫度波動調(diào)控閥門的優(yōu)先級不同，調(diào)控幅度也不同，在溫度超出正常波動范圍之初，就開始小幅度調(diào)控糾正，而風(fēng)機(jī)轉(zhuǎn)速會影響到壓力變化，在小幅調(diào)控組合里，這個調(diào)控常常作為最后選項(xiàng)，這種細(xì)致的組合調(diào)控是人工不可比擬的。

基于上述策略，對于立磨出口溫度調(diào)控分析，利用自回歸積分滑動平均模型(autoregressive integrated moving average model，ARIMA)算法對溫度的變化趨勢進(jìn)行預(yù)測。假設(shè)時間t時出口溫度為變量x,加上差分運(yùn)算平穩(wěn)處理，使用自回歸移動平均模型(auto-regressive moving average model，ARMA)運(yùn)算建立差分自回歸移動平均模型(ARIMA)。這里首先明確一個概念——平穩(wěn)序列。對于一個序列{X(t)}，如果數(shù)值在某一有限范圍內(nèi)波動，序列有常數(shù)的均值和常數(shù)方差，并且延遲k期的序列變量的自協(xié)方差和自相關(guān)系數(shù)是相等的，則該序列是平穩(wěn)序列，反之為非平穩(wěn)序列。

表1 立磨閉環(huán)調(diào)控策略Table 1 Closed loop control strategy of vertical mill

由于立磨系統(tǒng)工藝復(fù)雜、工作環(huán)境惡劣，殼體振動受外部環(huán)境因素及其他屬性參數(shù)綜合影響，其工況序列屬于非平穩(wěn)序列，因此對于立磨系統(tǒng)工況的預(yù)測采用ARIMA進(jìn)行時間序列建模。ARIMA的實(shí)質(zhì)是在ARMA運(yùn)算之前加上差分運(yùn)算，如式(4)所示。

xt=φ0+φ1xt-1+φ2xt-2+…+φpxt-p+εt-θ1εt-1-θ2εt-2-…-θqεt-q

(4)

該模型認(rèn)為在t時刻的變量x的值是前p期的x取值和前q期的干擾ε的多元線性函數(shù)。誤差項(xiàng)是當(dāng)前的隨機(jī)干擾εt，是零均值白噪聲序列。

結(jié)合前端礦渣水分變化檢測、溫度變化趨勢的預(yù)測，可以及時調(diào)整熱風(fēng)供應(yīng)量，通過預(yù)調(diào)整保障熱平衡，進(jìn)而穩(wěn)定立磨的運(yùn)行狀態(tài)。

圖5 智能優(yōu)化控制運(yùn)行結(jié)構(gòu)Fig.5 Operation structure of intelligent optimal control

3 系統(tǒng)功能模塊設(shè)計(jì)

智能控制系統(tǒng)以專家經(jīng)驗(yàn)為基礎(chǔ)，通過服務(wù)器采集原中控系統(tǒng)運(yùn)行的工藝數(shù)據(jù)，對礦渣粉磨系統(tǒng)運(yùn)行過程、運(yùn)行基礎(chǔ)數(shù)據(jù)、工況參數(shù)等進(jìn)行研究，并研究原來控制程序所用到的數(shù)據(jù)庫類型、數(shù)據(jù)庫接口及各數(shù)據(jù)庫表的設(shè)計(jì)等。獲得礦渣立磨運(yùn)行的歷史數(shù)據(jù)，將局部加權(quán)線性回歸算法和Map-Reduce模型框架相結(jié)合，對數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，獲得關(guān)鍵工藝參數(shù)間的變化規(guī)律；記錄立磨運(yùn)行的實(shí)時數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行實(shí)時分析和預(yù)警。基于合理的調(diào)整方案，對立磨運(yùn)行工藝參數(shù)進(jìn)行控制，保證立磨的穩(wěn)定運(yùn)行；當(dāng)運(yùn)行狀態(tài)偏離正常范圍時，系統(tǒng)能夠快速作出智能反應(yīng)，推薦合理的工藝參數(shù)調(diào)整方案，保證系統(tǒng)平穩(wěn)運(yùn)行。

智能控制系統(tǒng)通過服務(wù)器采集原中控系統(tǒng)運(yùn)行的工藝數(shù)據(jù)，對這些歷史數(shù)據(jù)進(jìn)行分析，優(yōu)化工藝參數(shù)，并同時對當(dāng)前運(yùn)行數(shù)據(jù)進(jìn)行監(jiān)控。當(dāng)工藝運(yùn)行數(shù)據(jù)發(fā)生偏離時，系統(tǒng)會根據(jù)歷史優(yōu)化數(shù)據(jù)及時調(diào)整相關(guān)參數(shù)，調(diào)整運(yùn)行狀態(tài)，保證系統(tǒng)平穩(wěn)運(yùn)行。智能優(yōu)化控制運(yùn)行結(jié)構(gòu)如圖5所示。

智能調(diào)控系統(tǒng)能夠?qū)ΜF(xiàn)有中控系統(tǒng)提供控制決策支持，其角色相當(dāng)于一個高水平的“中控員”。因此智能控制系統(tǒng)能與現(xiàn)有中控系統(tǒng)并存，智能控制系統(tǒng)運(yùn)行時也可進(jìn)行人工操作，在保證原有運(yùn)行控制系統(tǒng)的基礎(chǔ)上，集成智能控制應(yīng)用服務(wù)，不會影響原有控制系統(tǒng)。

粉磨智能優(yōu)化控制系統(tǒng)方案包括數(shù)據(jù)采集和智能調(diào)控兩個主要功能模塊。數(shù)據(jù)采集模塊包括數(shù)據(jù)獲取、數(shù)據(jù)清洗與存儲、數(shù)據(jù)接口等功能；智能調(diào)控模塊包括運(yùn)行狀態(tài)監(jiān)控、異常工況判斷、調(diào)控策略規(guī)劃和調(diào)控日志記錄等功能。智能優(yōu)化控制系統(tǒng)功能框架如圖6所示。

圖6 智能優(yōu)化控制系統(tǒng)功能框架Fig.6 Functional framework of intelligent optimal control system

粉磨系統(tǒng)數(shù)據(jù)采集模塊，用于獲取立磨運(yùn)行的相關(guān)即時及歷史數(shù)據(jù)。針對現(xiàn)有軟硬件特點(diǎn)，采用“基于OPC協(xié)議的數(shù)據(jù)傳輸”方法，實(shí)現(xiàn)裝備狀態(tài)信息的遠(yuǎn)程傳輸與同步，系統(tǒng)能夠讀取多項(xiàng)運(yùn)行參數(shù)及系統(tǒng)狀態(tài)變量，并將數(shù)據(jù)存入“立磨狀態(tài)數(shù)據(jù)庫”和“立磨狀態(tài)預(yù)警數(shù)據(jù)庫”，實(shí)現(xiàn)對立磨狀態(tài)信息的現(xiàn)場采集與本地存儲?，F(xiàn)場工作人員可以根據(jù)自己的經(jīng)驗(yàn)和要求做一些基本設(shè)置，也可通過原工作狀態(tài)在用戶界面實(shí)時監(jiān)測或歷史瀏覽立磨狀態(tài)信息，實(shí)現(xiàn)對立磨運(yùn)行狀態(tài)的實(shí)時監(jiān)控，如圖7所示。

圖7 智能優(yōu)化調(diào)控系統(tǒng)參數(shù)設(shè)置及調(diào)控記錄Fig.7 Parameter setting and regulation record of intelligent optimized control system

4 應(yīng)用實(shí)例及分析

系統(tǒng)已在河南某微粉廠投入運(yùn)行，系統(tǒng)運(yùn)行界面如圖8所示?，F(xiàn)場應(yīng)用證明，該系統(tǒng)為立磨智能調(diào)控提供了更經(jīng)濟(jì)有效的決策，系統(tǒng)運(yùn)行穩(wěn)定。

4.1 關(guān)鍵監(jiān)控量的智能調(diào)控

以系統(tǒng)調(diào)控立磨的振動和出口溫度為例，顯示系統(tǒng)調(diào)控的效果。當(dāng)振動值的10 s平均值達(dá)到最大值12 mm時，開始調(diào)控選粉機(jī)轉(zhuǎn)速，來減小立磨的振動值，之后運(yùn)行2 min，如果10 s的振動值還是超過最大振動值12 mm，再繼續(xù)降低選粉機(jī)轉(zhuǎn)速，直到選粉機(jī)轉(zhuǎn)速降低到最小值為止。最后再判斷立磨運(yùn)行3 min之后，振動值小于最大值，則每隔1 min將選粉機(jī)轉(zhuǎn)速提高2轉(zhuǎn)，如圖9所示。

當(dāng)出口溫度偏離103～110 ℃時，系統(tǒng)自動調(diào)控出口溫度，回落到運(yùn)行的工作溫度，其調(diào)控如圖10、圖11所示。

4.2 智能調(diào)控系統(tǒng)運(yùn)行效果對比分析

在粉磨系統(tǒng)運(yùn)行中，最為核心的關(guān)注點(diǎn)為振動、電流、溫度，分別表征了設(shè)備運(yùn)行的穩(wěn)定性、電耗狀態(tài)、熱源消耗。通過隨機(jī)取樣數(shù)據(jù)對比分析，可以看出人工調(diào)控與智能調(diào)控在上述關(guān)鍵參數(shù)特征值上的變化。

將立磨智能控制系統(tǒng)應(yīng)用在一條粉磨生產(chǎn)線上，經(jīng)過3 d的調(diào)試運(yùn)行，得到3 d內(nèi)的工況數(shù)據(jù)?，F(xiàn)隨機(jī)抽取智能調(diào)控過程中兩組數(shù)據(jù)作為調(diào)控組，人工調(diào)控的4組數(shù)據(jù)作為對照組，數(shù)據(jù)的時間窗口都是1 h，對智能系統(tǒng)的調(diào)控效果進(jìn)行分析，現(xiàn)場運(yùn)行數(shù)據(jù)如圖12所示，圖中藍(lán)色和橙色為調(diào)控組，其他為對照組。

圖8 系統(tǒng)運(yùn)行界面Fig.8 System operating interface diagram

圖9 振動超過最大值的調(diào)控過程曲線Fig.9 Curve chart of regulating and controlling process with vibration exceeding maximum

圖10 出口溫度超過最低溫度調(diào)控Fig.10 Control of export temperature exceeding min value

圖11 出口溫度超過最高溫度調(diào)控Fig.11 Control of export temperature exceeding max Value

圖12 現(xiàn)場運(yùn)行數(shù)據(jù)Fig.12 Field operation data

圖13 振動值運(yùn)行數(shù)據(jù)Fig.13 Vibration value operation data

4.2.1 振動特征評估

圖13所示為時間周期1 h內(nèi)的各組立磨振動情況，調(diào)控組的振動均值明顯小于對照組，調(diào)控組1的振動均值相對對照組下降了10%，調(diào)控組2的振動均值相對對照組下降了7%。

4.2.2 總電流特征評估

圖14所示為時間周期1 h內(nèi)粉磨系統(tǒng)主要能耗點(diǎn)(主電機(jī)、選粉機(jī)電機(jī)、主排風(fēng)機(jī)電機(jī))的電流運(yùn)行情況，取樣周期內(nèi)調(diào)控組的總電流均值略小于對照組，智能控制多頻次、小幅度的調(diào)控讓系統(tǒng)更穩(wěn)定，避免人工的大幅度調(diào)控，系統(tǒng)電耗相對更低。

圖14 主電機(jī)電流運(yùn)行數(shù)據(jù)比較結(jié)果Fig.14 Comparing results of main motor current operation data

4.2.3 熱耗特征評估

圖15所示為立磨兩個進(jìn)口溫度比較結(jié)果，智能調(diào)控系統(tǒng)立磨監(jiān)控出口溫度，在同樣的投料量狀況下，控制進(jìn)口溫度，可以看出進(jìn)口溫度較人工可以控制的更低一些，熱量消耗更少一些。

圖15 立磨兩個進(jìn)口溫度比較結(jié)果Fig.15 Comparison of two inlet temperatures of vertical mill

5 結(jié)論

研究提出的礦渣粉磨生產(chǎn)工藝閉環(huán)調(diào)控系統(tǒng)，借助物聯(lián)網(wǎng)技術(shù)采集大量數(shù)據(jù)，結(jié)合專家經(jīng)驗(yàn)并通過數(shù)據(jù)分析來實(shí)時監(jiān)控工況發(fā)展趨勢，增加了前端礦渣水分在線檢測，增強(qiáng)系統(tǒng)提前反應(yīng)速度，在后端通過微粉粒度在線檢測，形成閉環(huán)控制。生產(chǎn)過程中替代人工精細(xì)調(diào)節(jié)工藝，自動糾正參數(shù)變化，并優(yōu)化參數(shù)匹配。系統(tǒng)應(yīng)用于某生產(chǎn)現(xiàn)場，通過跟蹤分析比較，運(yùn)行效果明顯：較人工調(diào)控的振動均值相對于對照組下降8%，耗電量均值相對于對照組下降5.05%，對生產(chǎn)穩(wěn)定性和節(jié)能降耗有很大幫助。

智能優(yōu)化調(diào)控在礦渣粉磨這類大規(guī)模連續(xù)生產(chǎn)線上的輔助人工調(diào)控，借助數(shù)據(jù)挖掘推進(jìn)調(diào)控精細(xì)化，是未來工業(yè)生產(chǎn)線智能化的重要組成部分。