球磨机内部参数与外部响应信号的控制系统设计

发布时间:2012-06-27 17:46:35作者:红星机器

对于不同的球磨机内部负荷所产生的外部响应信号是不同的,即球磨机内部参数与外部响应信号之间存在一定的关系,这种关系从物理上是很难通过建立起它们之间的数学模型(白盒)来描述的,所以可以用黑盒的方法来建立球磨机外部响应与内部参数之间的模型,神经网络是一种比较好的选择。它撇开了具体的由球磨机内部负荷引起外部响应的机理和过程,通过建立球磨机系统的逆模型,直接从外部响应参数到球磨机内部负荷参数之间建立起定量的非线性关系。

球磨机

河南红星机械设计的球磨机外部响应信号与内部负荷参数之间的神经网络模型采用具有三层结构的RBF神经网络模型。模型的训练包括隐层的训练和输出层的训练,在隐层的神经元训练中,点的选取采用K-MEANS算法;输出层的训练采用递推小二乘算法(RLS)。下面根据球磨机系统的具体情况设计出具体的神经网络模型。

对于球磨机系统,其外部响应信号是由内部负荷引起的,所以,系统的输入应该是球磨机的内部负荷,输出是球磨机的外部响应。而红星专家是要通过检测球磨机的外部响应信号来间接的检测球磨机的内部负荷参数,即球磨机外部响应信号是已知的,球磨机内部参数是待预测的。因此,通过神经网络建立球磨机系统的逆向模型,来建立球磨机外部响应信号与内部负荷参数之间的关系模型,从而进行球磨机负荷的预测。对于球磨机RBF神经网络模型,输入变量是球磨机的外部响应信号,输出变量是球磨机的内部负荷参数。

1、输入层的设计

由于RBF神经网络模型的输入变量是球磨机的外部响应信号,根据三因素检测的要求,本文检测了球磨机的外部声响信号、外部振动信号和有用功率信号三个因素,所以输入层节点有三个,分别是球磨机的外部声响信号、外部振动信号和有用功率信号。

球磨机

2、输出层的设计

RBF神经网络模型的输出变量是球磨机的内部负荷参数,由于要检测的球磨机内部负荷参数包括球磨机的介质充填率、料球比和磨矿浓度,所以,以介质充填率、料球比和磨矿浓度作为输出变量建立神经网络系统。这样,输出层有三个节点,输出层的激活函数是简单的求和运算,即输出层是隐层输出的加权和。

3、隐层的设计

RBF网络应用的难点在于RBF隐层节点的选择,隐层节点的选择对网络的逼近能力和效果有很大影响,从而影响网络的规模。如果隐层节点过少,则不能完成分类或函数逼近任务;如果隐层节点过多,则由于网络参数过多而减慢网络的学习速率,使网络参数初值、训练样本的特异性、外界干扰对网络的联接权影响很大,当输入模式和训练样本之间有很小的畸变时就可能得不到正确的泛化结果,且网络规模增加不利于工程应用。针对RBF网络中隐层单元的选择问题,我们使用一种自适应RBF神经网络的学习算法。RBF网络的隐层单元初始个数为零,在训练过程中,按照一定规则自适应地添加,并将对输出信号作用很小的隐层单元删除,确保网络结构简单、紧凑,用少的隐层单元有效实现系统的非线性映射。

欢迎有需要的用户来红星机器订购设备,联系热线:0371——67772626!

球磨机

我们一直在等你!

小提示:如果您想了解我们的产品,享受本月价格折扣,欢迎随时拨打我公司的销售热线,或点击下方按钮免费咨询!

全国统一销售热线
0371-6777 2626
获取报价

推荐产品

在线留言

留言提交需求(产量、优惠报价、配置等),轻松三步,剩下的都交给红星 ;

等待回访电话,负责设备的技术经理与您详谈,并免费为您定制生产方案 。

红星服务经理