烟化炉是冶金行业用来处理炉渣(如铜渣、铅锌渣、锡渣等)及难选矿的重要冶炼设备。现行的人工经验操作方法,工人的劳动强度大,工作环境恶劣,产品回收率低且能耗高,并且在终点判断上,因受主观影响较大,不能保证产品质量的稳定性。因此有必要将操作人员的丰富经验和计算机控制技术相结合,形成标准化、智能化的操作过程,以提高生产效率,降低工人的劳动强度。 要实现冶炼终点的计算机判断,靠单一传感器得到的单一信息判断起来必然不足,而且,经过多次现场调研,烟化炉的冶炼状态判别与加冷料量、冶炼时间、给煤量、炉内的温度、三次风口火焰的特征等有直接关系,因此,本文采用多传感器数据融合的方法来实现冶炼终点的判断。 数据融合的算法有许多种,根据不同的实际情况需采用不同的融合算法。鉴于烟化炉冶炼过程是一个复杂的工艺过程,不能建立一个精确的数学关系式。由此,本文采用BP神经网络作为系统的融合算法。 本文主要是对融合系统的仿真研究,经过多次反复的神经网络训练,得出融合系统采用的神经网络结构和训练算法,融合结果比较满意,最后,提出了数据融合系统的初步设计。