科创中国

新一代信息技术产业

水泥在生产过程已有原料、辅料、质量及配比、煅烧、小磨等的各种数据采集系统，但仅作为出窑熟料、出磨水泥28天抗压强度的经验辅助定性参考，无法定量高精度预测出28天后的抗压强度，进而也就无法为指定标号的水泥生产提供精细化的卡边调配方案。 本成果基于原料中MgO、SO3、R2O、CaO、SiO2、Fe2O3、Al2O3、f-CaO、立升重、三率值、C2S、C3S、C3A、C4AF等数据，通过改进的多层感知机及支持向量机建立多变量预测模型1，实现了出窑熟料28天抗压强度的高精度预测；同时建立了熟料、石灰石、煤矸石、石膏等的在不同品质及配比下出磨水泥28天抗压强度高精度预测模型2。 经过海螺水泥多条产线检验，预测模型1针对出窑熟料28天抗压强度预测过程中，预测误差在±***以内的平均成功率达到86%，超过企业验收标准(80%)以及国际参考水平(73%)；预测模型2针对425标号出磨水泥28天抗压强度预测过程中，预测误差在±***以内的平均成功率达到93%，超过企业验收标准(80%)。成果可提前人工智能预报产品质量并对不合格批次进行预警，为实际水泥生产的精细化卡边调配方案提供依据。

成果通过对广域MgO、SO3、R2O、CaO、SiO2、Fe2O3、Al2O3、f-CaO、立升重、三率值、C2S、C3S、C3A、C4AF等数据的相关分析，选取出窑熟料28天预测强度的主模型输入变量，先根据不同地域石灰石差异进行熟料抗压强度子区间定位，建立适用于整个海螺集团的熟料28天抗压强度大模型，再利用不同省份子公司的数据建立精细修正模型，实现了模型大范围适应和小范围精准的双目标最优。考虑不同变量间的耦合及变量不同区间强度影响突变，进行局部优化。类似及改进技术用于出磨水泥的28天抗压强度预测。最终建立了满足企业出窑熟料28天强度高精度预测模型1和出磨水泥28天抗压强度高精度预测模型2，预测可靠性和成功率超过国际本领域内最高水平，处于领先地位。

李丽娟，教授，博导，副院长，南京工业大学自动化研究所所长、自动化专业负责人，江苏省333高层次人才培养工程资助人选、江苏省六大人才高峰资助人选。中国自动化学会预测控制与智能决策专委会委员、过程控制专委会委员、技术过程的故障诊断与安全性专委会委员。研究领域包括预测控制、工业大数据分析、过程性能监控等。长期活跃在科技成果转化第一线，该项成果转化是本人复杂过程建模、质量预测众多工程项目中的一个，技术核心人员，同时负责研发资源的调配及进度的总览。 杨世品，副教授，硕导，南京工业大学自动化研究所副所长，工业系统及自动化系副主任，南京工业大学化学工程与技术交叉学科博士后。IEEE会员，江苏省高校“青蓝工程”优秀青年骨干教师培养对象，江苏省高层次人才，江苏省自动化学会会员。长期活跃在科技成果转化前沿，为成果团队技术人员之一，同时协助推进新技术的测试验证及进度反馈。

点击查看