基于FWA-RFNN的散裝物料智能裝車系統

劉澤朝，李敬兆，歐陽其春，王冀寧

(1.安徽理工大學 電氣與信息工程學院， 安徽 淮南 232001；2.淮北礦業(集團)有限責任公司 鐵路運輸處， 安徽 淮北 235000)

0 引言

鐵路運輸以其價格和速度適中的特點在煤礦散裝物料運輸中一直占據主導地位。隨著散裝物料運量快速增長，散裝物料在裝車過程中出現偏載的現象更加突出[1-2]，嚴重影響裝車的安全與效率。將散裝物料快速、穩定、均衡地裝入列車車廂是解決偏載問題的關鍵，因此需要在散裝物料裝車過程中實現智能化控制[3-4]。

國內外學者針對裝車提出了許多控制方法。李佛垚等[5]將模糊控制技術運用到裝車系統中，易于實現，但裝車誤差較大。劉學東等[6]提出了定量粗裝與精準添加的分層裝車控制策略，上層監督系統采用知識驅動技術給底層基礎控制系統設定初值，同時對牽引速度進行協調，基礎控制系統對監督系統給出的設定初值進行定值跟蹤，但由于缺乏自學習性，無法實現裝車系統參數的自適應調整。本文利用煙花算法(Fireworks Algorithm，FWA)優化遞歸模糊神經網絡(Recursive Fuzzy Neural Network，RFNN)，提出了基于FWA-RFNN的散裝物料智能裝車系統。通過FWA-RFNN使系統具有強大的自學習能力，能根據實時的輸入參數不斷地自適應調整輸出的控制參數，實現散裝物料的無偏載裝車。

1 散裝物料智能裝車系統總體架構

散裝物料智能裝車系統分為感知執行層、網絡傳輸層、信息處理層和應用控制層，如圖1所示。

圖1 散裝物料智能裝車系統總體架構Fig.1 Overall architecture of intelligent loading system for bulk materials

感知執行層由感知和執行兩大模塊組成。……