基于ANFIS的立磨振动控制模型辨识研究.pdf

《基于ANFIS的立磨振动控制模型辨识研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、研究与基于ANFIS的立磨振动控制模型辨识研究高鹏，刘浩然，郝晓辰，郭峰(燕山大学电气工程学院，秦皇岛066004)统常用的粉磨设备，但由于其具有复杂时变性和复杂的非线性的特点，很难建立精确的数学模型。本文利用推理系统(ANFIS)，并结合各参量之间的先验知识，建立了立磨系统振动的模糊神经网，并具有很好的泛化能力。燕键词：立磨系统；振动；模糊神经网络；模型辨识中图分类号：TQI72．632文献标识码：A文章编号：1009—9492(2011)Ol一0065—041引言立磨是利用料床粉碎原理进行粉磨物料的一种研磨机械，粉磨效率高．

2、能耗低。立磨系统是一多输人多输出系统，对这个复杂的时变、非线性系统建立精确数学模型很原料R司难。因此，本文运用自适应模糊推理系统(ANFIS)将磨头仓模糊推理系统特性和神经网络自学习能力结合，对立磨系统进行学习和辨识。同时ANFIS采用了最小二乘和梯度下降结合的混合学习算法来进行参数的学习，大大地降低了风学习过程的复杂性。2立磨振动机理研究立磨是一种全风扫式磨机，入磨物料经过挤压．在离心力的作用下甩下盘边沉落到喷口环处。靠该处的高速风将其吹起、吹散，大块物料将沉降到喷口环下排出。细粉带到立磨上部，经分离器分选，成品随同气体进入收

3、尘器图l立磨原料系统粉磨系统工艺流程图收集起来，粗粉又循环回来。粗粉、粗颗粒被抛起，沉降到盘面上．靠离心力进入压磨轨道或进入外循环系统从而运行．达到降低振动值的目的，需要稳定的目标量有立磨进行新一轮的循环。在多次循环中，颗粒与气体之间传热出入口压差、出口温度和料层厚度。为了稳定目标量，一使水分蒸发。正常条件下。只要通过短期的工艺调试．立般条件下会对入料量、入磨热风挡板开度和研磨压力进行磨都能平稳运转。但是．如何优化工艺参数保证质量．以调整。提高产量，降低能耗．提高运转率，从而不断提高经济效2．2各影响因素对振动的作用机理益，是立

4、磨控制的中心问题⋯。(1)出人口压差控制。压差是指立磨出人口的压力2．1振动值控制差。压差增大，磨内负荷加大；压差变小，说明磨内物料振动值是磨机运行是否正常的最直观反映，测量装置少，料层迅速减薄，磨内负荷下降。这两种情况，都会因安装在磨机底座，振动过大则会自动跳停以免磨机受损。料层不稳，使振动加剧。引起振动加剧的原因有喂料过多或过少、研磨压力过大、(2)m口风温度控制。立磨出磨风温不允许过高，否料层过薄、羞压过大、立磨出口温度和金属异物等。则会增大立磨的振动。出磨风温的一个主要影响因素是人在立磨运行的过程中，为了能够使立磨系统达

5、到稳定磨热风挡板的开度。开度大则加入的热风随之增多，立磨收稿日期：2010-08—06出口温度必然会提高，反之则降低。第一层第二层第三层第四层第五层(3)研磨压力控制。立磨是料床粉碎设备，在设备已jl＼＼定型的条件下，粉碎效果取决于物料的易磨性及所施加的拉紧力和承受这些挤压力的物料量。研磨压力与产量有直接关系，压力大，研磨作用增强．产量高；反之则产量低。但研磨压力不官过大，否则会增加主电动机负荷．增加无用功，同时还可使振动加剧。综合上面的讨论．提取决定振动值的主要因素，可以得到一个关于立磨人料量、热风挡板开度和研磨压力与立磨的振

6、动值之间的关系。如图2所示，入料量、研磨压VV=V·W-y力、热风开度等量为直接控制变量，料层厚度、出人口压差、出口温度等值为间接控制变量。这6个变量的综合作图3三输入有8条规则的ANFIS结构用最终决定了立磨系统的振动值。本文取人料量、研磨乐力、热风开度等直接控制量与振动值之间的关系进行模型。l，一，()，i=l，2或者q=B．()，i=3，4~to,．，，=段()’i=5，6辨识(2)式(2)中，(入料量)，Y(研磨压力)，z(热风开研磨压力度)是结点i的输入，，B是与该结点有关的语言变量标入料量风开度识，分别表示大和小。即

7、0是模糊集A(l，A2)或曰3．I(=B1，B2)的隶属度，并且它确定了给定输入(或Y)满足量A(或B)的程度。通常选择()为最大值为料层口温度1，最小值为0的钟形函数。例如，通常选取，】(3)图2立磨人料量、热风开度和研磨压力与振动值关系ai式(3)中{Ⅱ，b，c。】是参数集。3基于ANFIS的立磨振动控制辨识方法第二层(隶属度层)：这一层中的结点为标识为Ⅱ的ANFIS表示基于自适应网络的模糊推理系统，它是一圆形结点，每个结点的输出是输入结点的乘积，类从功能上与模糊推理系统等价的自适应网络。它具有=,u4()(x)xYc,(x

8、)f=l，2(4)简单而清晰的空间结构．不仅具有非线性逼近能力而且具每个结点的输出代表一条规则的激励强度。备良好的自学习能力。本文所论述的立磨振动模型采用多第三层(归一化层)：每个结点是一个标以N的圆形层前馈网络来构造Sugeno模糊推理模型。通过混合学习算结点