基于智能預測控制的水泥粉磨機控制系統優化

文/劉賡 馬德華 魏楫

1 序言

水泥粉磨機的穩定性決定了水泥粉磨系統的運行效率，也決定了水泥成品的質量。隨著建筑材料行業和人民生活水平的提高，傳統的粉磨機控制系統雖然上手簡單，但是并不適合復雜環境的使用，如果設備控制性能要求較高，這類傳統控制系統往往就表現出較大的誤差，從而影響相關生產的效率，所以對于水泥粉磨機的研究必須引起相關研究人員的重視。本文主要就粉磨機的控制系統作為研究對象，利用智能預測控制技術來對粉磨機的運行進行控制，減少了粉磨機負荷的同時，提升了粉磨機的工作效率。

2 智能預測控制技術

本次研究的智能預測控制技術脫胎于BP神經網絡控制技術。動物的神經中樞系統能夠快速高效的處理自身的問題，所以研究人員結合神經中樞系統和動物的信號處理機制，模擬出的數學模型就叫做人工神經網絡。根據相關研究表明，人工神經網絡能夠有效地針對計算機的各種問題進行處理，進而實現高效的智能控制。神經網絡的優勢在于其可控范圍廣泛、可控環境復雜、多模態組合、高容錯性能等特點，基于神經網絡開發出的控制技術分為傳統的自適應方式神經網絡控制器、神經網絡與傳統控制結構組合的控制器、神經網絡智能控制等等。

智能預測控制技術正是一種基于狀態空間預測性能和BP神經網絡優化性能的全新控制技術，該策略的算法同樣分為神經網絡和狀態預測兩個核心部分，其中神經網絡控制部分的結合保證了被控制對象的輸出和參考量的一致性，狀態預測是為了優化神經網絡控制和被控制的時間點，規避系統時滯所帶來的不良影響。智能預測控制技術控制技術能夠依照被控制對象的不同進行相應的控制，如果被控制對象較為復雜（如MIMO系統），智能預測控制技術控制技術就可以利用狀態方程對被控制對象的未來進行預測，基于預測結果進行多層網絡的控制；如果被控制對象較為簡單時（如SISO系統），智能預測控制技術控制技術可以化繁為簡，直接使用單神經元進行控制。

3 基于智能預測控制的水泥粉磨機控制系統優化

水泥磨機是一個復雜的非線性工業被控對象，其中影響磨機運行工況穩定的因索主要有選粉機轉速、總量給定、輥壓機電流、稱重倉料位等，常規的控制算法很難滿足磨機自動控制系統的生產目標。構建預測控制系統是維持粉磨機穩定的重要基礎，也是提高設備自動化水平的重要保障。本次研究主要針對粉磨機的負荷問題來設計控制系統，水泥粉磨機系統中的選粉機轉速和出磨提升機電流的關系為SISO系統，所以可以直接使用BP神經網絡中的單神經元控制方式進行控制。主要的步驟是據專家經驗以及對歷史數據的分析確定影響磨機負荷的關鍵變量并利用BP神經網絡辨識磨機自動控制系統模型。建立磨機負荷的預測模型、優化控制器、反饋校正器，并采集現場的歷史數據進行仿真，仿真結果表明神經網絡預測控制算法在磨機負荷優化控制中的有效性，對于實際的生產過程具有指導意義。其中最為重要的兩個地方時針對滾動環節和反饋校正環節的優化：

3.1 滾動優化環節

所謂滾動優化是指在粉磨機使用的過程中設定了某一指標就能求得最優控制量的。對于非線性系統來說，控制率的求解也是一個非線性優化的問題，想要直接求解幾乎不可能。本次研究采用的是N-R算法，來解決求解問題，N-R算法是一種二次收斂算法，相較于傳統優化算法在非線性控制中的不足，它的優點是收斂速度快，迭代次數少，在非線性實時控制系統中得到很好的應用。N-R優化算法通過迭代優化方案最小化代價函數，得到最優控制輸入變量。

3.2 反饋校正環節

在實際的生產中，各種隨機的干擾和神經網絡模型的局限性，無法對所有的工業情況進行總結，所以存在著必然的誤差。為了提高生產的精度，引入反饋校正環節無疑能夠大大減少誤差的產生。粉磨機控制系統符合神經網絡預測控制的流程可以分為以下幾步，第一步是輸入樣本，初始化BP神經網絡參數，第二步是初始化各個輸入參數，第三步是對輸入值和輸出值進行反饋校正，最后是根據滾動優化地結果來輸入控制量和轉速。

4 總結

總而言之，作為機電一體化和生產自動化的重要研究方向，針對控制系統進行開發和優化能夠有效的提高工業生產的效率。希望研究人員能夠根據設備自身的實際情況對計算機的控制策略進行研究，在不斷地修改和優化之后最終打造出了適合當前生產需要的控制策略。同時我們應該根據時代的發展和科技的創新不斷進行開拓，為我國的相關產業的發展做出貢獻。