基于人工情感模型与机器学习的球磨机智能控制研究

Ball mill is extensively used in the electric power enterprise and mining enterprises with its huge power consumption ,serious attrition of the steel ball and ball mill linear,difficulty to achieve the optimized control and low economy efficiency. In the project we further study the automatic control of ball mill by applying synthetically the method like theoretical analysis, mathematical modeling, computer simulation, lab experiment and industrial test.Make deep research on artificial emotion and machine learning theory and put forward semi-supervised learning algorithm and construct the soft sensor model of ball mill load. Build the ball mill system mathematical model by sparse representation which has stong disturbance attenuation and perfect nonlinear mapping. Check the The ball mill working condition can be on-line identification with the expand neural network based on emotional attention and the intelligent controller is contructed based on affective model.Finally we set the ball mill coordinating control system to achieve the optimized control and develop ball mill simulation platform. This project will overcome traditional shortcomings and offer a new research method of ball mill to enhance the rapidity, accuracy, economy efficiency and security of ball mill system as well as some important reference and simulation platform for other complex control systems.

球磨机在电力企业和矿山企业中得到广泛应用，其运行时电耗大、钢球及衬板磨损量大，难以实现优化控制，经济性低。本项目以球磨机自动控制作为研究目标，综合运用理论分析、数学建模、计算机仿真、实验室实验和工业测试等研究方法，通过深入研究人工情感与机器学习理论，建立基于半监督学习算法的球磨机软测量模型，实现球磨机负荷软测量，利用稀疏表示抗扰性好、非线性映射能力强等优点建立球磨机数学模型，采用基于情感注意的扩展神经网络对球磨机工况进行在线识别，最后构建了基于情感模型的智能控制器，从而建立球磨机协调控制系统，实现球磨机的优化控制，同时建立球磨机系统的仿真平台。本项目研究成功将克服传统方法的缺点，为球磨机系统控制提供一种新的研究方法，提高球磨机控制系统的快速性、准确性、经济性和安全性，同时亦可为其它复杂控制系统研究提供重要参考和仿真平台。

球磨机是矿山冶金等企业常用的大型制造设备，其耗电量大，采用常规的控制方法难以实现球磨机系统的自动控制。在企业生产中若长时间采用人工经验手动调整相关变量的方法对球磨机系统进行控制，往往会出现钢筒内载煤量或载矿量出现异常、煤粉泄漏和钢筒出入口温度超标等事故，而且球磨机系统难以运行在最佳状态，这样势必导致球磨机的电能消耗量显著增加，给企业生产造成额外的经济损失。由于球磨机系统自动化程度低，研宄球磨机系统的智能控制与优化策略，设计出先进的球磨机控制系统并用于生产现场，对于球磨机的安全运行、节能降耗减排，企业经济效益的提高和竞争力增强等有着重要的意义。. 本项目主要借鉴人工智能中的情感建模理论与机器学习方法，针对球磨机系统数学模型建立、球磨机系统的优化控制及球磨机系统中负荷预测等关键问题展开研究。建立了球磨机对象的正向和逆向情感辨识模型，通过实验分析表明对球磨机系统的不同输入信号，正向和逆向辨识的误差均小于5%。基于辨识模型设计了大脑情感控制器用于球磨机系统的优化控制，在外加10~30%扰动输入信号和10%模型干扰下，球磨机系统输出响应均能达到给定要求。引入了粒子群、教与学等智能优化算法对模型参数进行了在线优化，有效提高了情感建模的精度。同时引入了分数阶信息对球磨机情感控制器进行了改造，对比实验表明：与原有方法比较球磨机系统输出响应的超调量和稳态误差为0，调节时间下降约10%。考虑到球磨机系统是一个多输入多输出对象，设计了模糊神经网络解耦器与大脑情感学习模型相结合的控制策略，有效解决了球磨机系统强耦合问题。针对球磨机负荷难以准确测量问题，引入支持向量机和支持张量机等机器学习方法，建立了球磨机负荷分级软测量模型，经过实验测试表明相对于神经网络等方法，球磨机负荷预测准确率得到有效提升。项目提出了一系列方法可以进一步推广应用到智能制造领域中的其它相关设备的优化控制，对提升矿山冶金企业生产自动化水平、生产过程中的控制难题有一定的参考价值。