基于遗传神经网络的重介质密度预测控制.pdfVIP

赵峻等：基于遗传神经网络的重介质密度预测控制 ·249· 基于遗传神经网络的重介质密度预测控制 赵峻1褚涛2王碧秋， (1．中国矿业大学信电学院江苏徐州221008；2．淮沪集团丁集矿安徽淮南232171 3．兖矿集团济三矿选煤厂 山东济宁272069) 【摘要】 本文提出了一种基于遗传神经网络的重介质密度预测控制新方法，采用遗传算法 与神经网络相结合，建立重介质密度预测模型，进而对重介质密度进行预测控制。经过仿真证明，新 的控制系统比传统的PID控制系统有更好的控制效果。 【关键词】 遗传算法神经网络预测控制 重介质密度 1 引言 提出的建立在非参数模型脉冲响应基础上的模 重介选煤是一种高效率的重力选煤方法， 型预测启发控制(MPHC)，或称为模型算法控制 其特点是利用密度介于净煤和矸石之间的液体 (MAC)；Culter等提出的建立在非参数阶跃响应 作为分选介质。可高效率的分选难选煤和极难 基础上的动态矩阵控制(DMC)；带有自校正机 选煤。在重介选煤生产系统中，重介质的密度稳 制、在线修正模型参数的预测控制算法，主要有 定与否是选煤厂生产过程中的一个关键因素。 它直接决定着精煤的质量和产量。因此，对重介 极点配置控佑fJ(GPP)等。预测控制主要有下面三 质密度设计性能良好的自动控制系统是非常必 个优点：(1)建立预测模型方便；(2)采用滚动优化 要的。 策略；(3)采用模型误差反馈校正。 目前，国内外对重介质密度控制提出了多 遗传算法(GeneticAlgorithms简称GA)是J． 种控制方法，其中有传统的PID控制，模糊控制 H．Holland根据生物进化的模型提出的一种优 等，但是由于传统PID控制对模型的精度要求 化算法。遗传算法是根据适者生存、优胜劣汰的 很高，并且PID参数需要在现场通过试凑法得 自然进化规则进行搜索计算和问题求解，对于用 到，这样会增加系统设计的工作量，而且重介密 传统数学难以解决的问题，尤其是优化问题，GA 度控制过程实际上是一个具有较强非线性的过 提供了一种行之有效的途径。神经网络Neural 程，对于这样一个系统，采用常规的控制方法， Network，NN)是由大量的、同时也是很简单的处 如PID调节等，势必引起某些问题。模糊控制虽 理单元(或称神经元)广泛地互相连接而形成的非 然减少了对模型的依赖，但是由于模糊控制本 线性复杂网络系统。BP算法是目前网络训练最 质的不精确性，实际上得不到很好的控制效果。 常用的学习方法之一，本文运用的基础是BP神 因此，在本论文中提出了基于遗传神经网络的 经网络，其指导思想是通过对网络权值与阈值的 重介质密度预测控制新方法，仿真证明控制系 修正，使误差函数沿梯度方向下降。但是BP算法 统具有良好的性能。 存在两个突出的弱点，即收敛速度慢和可能收敛 2控制技术 到局部极小点，从而增加了网络学习时间。如果 预测控制是在工业实践过程中独立发展起 使用遗传算法，则有可能在很大程度上解决这个 来的。在石油、电力和航空等工业中得到十分成 问题，因此将遗传算法与BP算法相结合而得到 功的应用。目前为止已有十种之多。最早应用于 的遗传BP算法(GA—BP)成为一种有效的网络学 工业过程的预测控制算法有Richalet、Mehra等 习方法。遗传BP算法的具体步骤见图I。 ·250· 工矿自动化 取8即可达到一定的诊断精度。第