首先，针对回转窑氧化球团烧结过程煤粉燃烧火焰图像的纹理特征，采用GLVQ神经网络方法对回转窑煤粉燃烧工况进行识别。先基于灰度共生矩阵提取燃烧火焰图像的诸如能量、熵等纹理特性参数来描述火焰图像的视觉特征；并采用KPCA对高维输入向量进行降维，这样LVQ的目标维数和网络规模均大大降低；再采用归一化后的纹理特征数据样本对GLVQ进行训练和识别。测试结果表明KPCA-GLVQ方法在训练时间和识别正确率上较LVQ具有较好性能，可以满足回转窑燃烧工况的实时识别要求。
其次，为了实现回转窑球团烧结过程中成品球团质量指标(化学成分、物理性能和冶金性能)的预测，提出了基于生物地理优化算法的球团质量指标RBF神经网络软测量模型。结合球团烧结过程反应机理和回转窑热工制度，选取链篦机料层厚度、链篦机机速、窑头温度、窑尾温度、回转窑转速和喷煤量作为软测量模型的辅助变量，依次将成品球团质量指标作为软测量模型输出，从而建立多个多输入单输出RBF神经网络软测量模型，该模型的结构参数由生物地理优化算法进行优化。仿真结果表明模型具有较好的泛化结果和预测精度，可以满足回转窑球团烧结过程实时控制的在线软测量要求。
最后，以实现关键工艺指标优化为目标，将混合智能建模技术、图像特征识别算法和系统信息融合方法相集成，建立基于回转窑烧结燃烧火焰图像特征的工况识别模型和球团质量指标软测量预测模型，然后与回转窑过程数据相结合实现多源异构信息融合，建立了基于操作模式优化方法的回转窑焙烧过程先进控制策略架构，仿真结果标明为所提回转窑球团焙烧过程协调优化控制策略的有效性。
通过以上的设计、研究与仿真，结果显示基于多源异构信息融合的回转窑操作模式能够更好的对回转窑球团工艺过程进行实时监控与控制。提高了铁矿球团工艺过程控制的精度及自动化的水平，也为企业增加了效益。
回转窑 : http://www.hnhxjq.com/hzy.htm
24小时服务热线：0371-67772727