神经网络原理在闭路球磨分级生产线中的应用-山东埃尔派粉体科技超微粉碎设备

　　本文提出一种基于神经网络的球磨分级生产线产量控制方案，引入神经网络对球磨分级生产线模型进行辨识，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。

　　煤炭工业中球磨分级生产线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、球磨分级生产线闭路磨粉系统

　　闭路球磨分级生产线是由球磨分级生产线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。闭路球磨分级生产线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。

　　ALPA的球磨分级生产线，球磨机、分级机配合得当，能够优势互补、效率很高，产量大、运行稳定、产品质量稳定。

　　球磨分级生产线中的球磨机

　　安全按德国矿物加工要求设计;优化了球磨机的长径比;篦板式磨尾出料，出料顺畅，无涨磨现象，筒体无须冷却;衬板和研磨介质，按德国材质要求制作;研磨介质，按产品要求合理配比，高填充率，高效率;优化了驱动器和研磨能耗的匹配，节省能耗;和分级机形成封闭系统，负压运输，无粉尘。

　　球磨分级生产线中的分级机

　　选用埃尔派公司的HTS(FW)多转子分级机;确保更佳的顶点切割;可调节冲洗气流，提高分级效率;物料直接进入分级区不被分级后粗粉混染;优化转子设计达到低能耗;可通过分级机的不同排列调节产品的粒度分布，满足不同产品的技术要求。

　　球磨分级生产线中的定量系统

　　球磨机的给料采用定量系统，即使物料的密度发生变化，也可以稳定给料;分级机的给料采用定量系统，并与球磨机的出料互锁，确保系统运行和产品粒度的稳定性;高精度计量泵，根据产品细度要求，以准确的时间和剂量将研磨助剂喷入磨机内;气流调节阀带有气流测量系统，可实现分级气流的流量和流速准确控制。

　　按矿物量身订制

　　球磨机的选配根据矿物的硬度、可磨性、加工粒度和产量采用非标设计，衬板形状和球(段)级配根据多年工程实践经验量身订制，提高球磨机的研磨效率，降低产品能耗。

　　按细度选机型

　　分级机的选配可根据产品的不同细度选择不同的机型，FW系列分级机可适应于D97：3～20微米产品的分级，FL系列分级机可适应于D97： 8～45微米产品的分级，每台分级机都具有很宽的产品调节范围，市场适应范围广。

　　产品粒度控制灵活