神经网络原理在闭路球磨机中的应用

本文提出一种基于神经网络的球磨机产量控制方案，引入神经网络对球磨机模型进行辨识，通过对磨机的物理特性跟踪 对产量的控制，使其以最小方差保持在 值附近， 高产、稳产。

引言

煤炭工业中球磨机承担着生料制备中各种原材料的粉磨任务，它通常存在着能耗大、效率低的缺点。磨机的 生产能力及 负荷随着原料的粒度、易磨性和研磨能力的变化而变化，由此可看出，磨机系统是一个非线性、大滞后且具有时变特性的复杂系统。本文研究采用神经网络的方法对该系统进行控制：通过对系统的辨识、相应于产量 时的 负荷的跟踪，控制负荷以最小方差保持在 值附近，以 磨机的高产、稳产。

1、球磨机闭路磨粉系统

闭路球磨机是由球磨机和选粉 成的闭路粉磨系统(见图1)，待磨物料由磨头进磨机，经粉磨后的物料由磨机尾部卸出，经提升机送至选粉机，合乎细度要求的生料从选粉机下部排出，另一部分粗物料则由选粉机分出，并与新原料混合后再次送入磨机粉磨。闭路球磨机系统在稳态下各物料量存在如下关系：M=X=G+V(U=V)

根据闭路磨机的静特性，随着入磨量 (出磨量 )的增加，成品量逐渐增至 值，其后若再继续增加入磨量，成品量反而下降，最终将降为零，这就是所谓“闭磨”。因此希望将磨机控制在 工况，这时的成品量 ，出磨量处于 值 ，入磨量处于 值％ 。但是随着物料易磨性及研磨体研磨能力等的变化，各个 值是要跟着变化的。

2、基于神经网络的控制系统

神经网络控制是指在控制系统中采用神经网络这一工具对难以精确描述的或是数学模型复杂的进行建模，或充当控制器，或优化计算，或进行推理，或故障诊断，或者同时兼有上述某些功能的适当组合。设被控制对象的输入Ⅱ和系统输出Y之间满足(见图2)：

y=g(u)控制的目的是确定 的控制量输入U，使系统的实际输出y等于期望的输出y。在神经网络控制系统中，把神经网络的功能看作输入输出的某种映射，或称函数变换，并设它的函数关系为u=f(Yd)为了满足系统输出的y等于期望的输出Yd，当 f(·)=g -1(·)时，满足Y=Yd的要求。当被控对象是复杂的且具有不确定性时，非线性函数g(·)是难以建立的，在神经网络控制系统中可以利用神经网络具有的逼近非线性函数的能力来模拟g (·)，通过系统的实际输出Y与期望输出Yd之间的误差来调整神经网络中的连接权值，即让神经网络学习，直至误差e=Ya—y一0的过程，就是神经网络模拟g (·)的过程，它实际上是对被控对象的一种求逆过程，由神经网络的学习算法来 这一过程，亦即 了神经网络的直接控制。神经网络学习控制的结构有很多种，按形式分可以有间接学习、一般学习、特殊学习及一般和特殊相结合的学习结构。在这些结构中，有一些包含2个结构不同的神经网络结构。在应用过程当中，可根据实际工业过程的特点和控制要求来选择相应的结构以建立控制模型。