基于神经网络的磨煤机料位监测系统.pdfVIP

2005年全国自动化新技术学术交流会会议论文集 基于神经网络的磨煤机料位监测系统 陶泯1，李英1，龙涛2 (1．江南大学通信与控制工程学院，江苏无锡214122； 2．浙江国华宁海电厂设备部，浙江宁波315612) 摘要：有效的监测及控制低速钢球磨煤机的料位，是制粉系统实现优化运行、节能降耗的关键。针对 球磨机的运行特点，建立BP神经网络模型对其运行中的各种工况不同参数进行分类，实现了球磨机 的料位的自适应监测。仿真结果表明该网络效果良好，为制粉系统优化运行和自动控制奠定了基础。 关键词：低速钢球磨煤机；料位监测；BP神经网络 中图分类号：TP806．3 文献标识码：A O引言 ‘球磨机是当前国内火电厂制粉系统中使用较多的磨煤设备，且广泛应用于采矿、冶金等其他行 业。其优点是容量大、运行可靠、煤种适应性强、维护简单、检修费用低等；缺点是制粉电耗高、 控制优化难。球磨机是多变量、非线性、强耦合、大延迟对象，不仅特性复杂，且变量时变缓慢。 目前，球磨机筒内料位缺少有效可靠的检测手段，一般是由运行人员通过对其数十个运行参数的监 控并结合平时的运行经验来间接判断磨煤机中的料位是否过高或过低。现有的自动控制系统难以长 期可靠投用，球磨机经常运行于缺煤或是堵塞的工况，导致制粉电耗偏高。只有保持球磨机在最佳 料位下运行，才能使磨煤过程中的无用功耗降低、提高磨煤效率。并且从保证锅炉稳定燃烧的角度 出发，对其运行状态进行及时准确的监控亦具有非常重要的意义。因此，对球磨机料位的监测是实 现自动控制、运行优化、节能降耗的关键所在。 BP神经网络的料位监测系统。并利用Matlab强大的数据处理功能和其神经网络工具箱，编制了相 应的数据处理，特征值提取和BP神经网络的程序，流程图如图一所示。其主要功能为：正确监测 球磨机的料位状态，预测可能发生的堵磨及缺煤情况，可以提高球磨机的运行效率，降低制粉单耗， 具有良好的经济效益。 1 BP神经网络结构及料位判定原理 神经网络能够实现从输入空间到输出空间的非线性预测，即可以检测出多变量之间的关系。它 能够识别各种状态并对其进行分类，这些状态与网络训练时所使用的数据相接近或相似。神经网络 虽不能给出准确的输出信息，但所输出的信息正好能够接近于最佳答案。利用神经网络的这些优点， 可以建立动态的球磨机料位监测系统。 Model)，因其很好的逼近非线性映射能力和高度 本系统采用反向传播模型(BackPropagation 并行处理等，近年来被广泛应用于模式识别、图像处理、预测等方面。它是一种多层前馈型网络，根 之间，隐层与输出层各节点之间用可调整的权值来连接，三层BP网络结构图如图二所示。其中，输 入层输入制粉系统的11个运行参量(具体各参量见表一)，输出层输出对料位高低的判断结果。 2 BP神经网络的学习算法 BP算法的实质是一种以网络误差平方和为目标函数，按梯度法求目标函数达到最小值的算 作者简介：陶泯(1979一)，男，安徽马鞍山人，硕士研究生，研究方向为数字信号处理，智能控制等． 2005年全国自动化新技术学术交流会会议论文集 法p1。Z(·)和^(·)分别为隐层和输出层节点的激活函数。按照模式的顺传播和误差的逆传播法 则，网络输入与输出的关系为 (1) y。=^[∑y，f．^(∑W如·x，)] 其中n为输入层神经元个数；P为隐层神经元个数；1 J7为输入层第i个神经元与隐层第j个神经元 之间的权值；”目为隐层第j个神经元与输出层第k个神经元之间的权值；^，为输入层神经元i的输 入；yk为输出层第k个神经元输出。同时将隐层和输出层的节点神经元的阈值视为该节点神经元的 第0个输入，而对应的权值为一1 3磨煤机运行中的动态系统建模 网络隐层神经元的数目对网络有一定的影响，神经元数目太少会造成网络的不适性，而数目太 多又会引起网络的过适性。所以考虑到网络输入和输出之间存在的高度的非线性及一般的BP网络 设计原则，确定BP网络模型的拓扑结构为1