刘伟涛 李瑞

【摘要】在分析了水泥生产过程中回转窑的运行原理和影响其工作性能因素的基础上，应用RBF算法和模糊控制进行建模，以窑头负压、温度，窑尾負压、温度为输入，对窑电流进行预测，经过试验数据与现场实际数据比较，模糊RBF神经网络在窑电流预测方面有很大的参考意义。

【关键词】窑电流；RBF神经网络；模糊控制；预测控制

引言

水泥回转窑是新型干法水泥生产线的核心设备，生料煅烧理化反应是水泥生产过程在回转窑中最关键的部分，回转窑的负载电流能很大程度反映窑内热工状况。研究窑电流的建模和预测方法，对提高水泥回转窑的控制水平具有重要的理论和实际意义。

时变性、非线性、滞后性是回转窑的重要特征，窑电流是回转窑的主要参数之一，其波动情况受很多因素共同影响，普通的数学模型很难比较精确的预测窑电流的变化趋势。

根据上述问题本文采用模糊控制与神经网络算法相结合的方法对窑电流的发展趋势进行预测。建立RBF神经网络的预测模型，将预测数据与实测数据进行了比较，发现预测数据与实测数据误差很小，对水泥厂实际生产具有很高价值的指导意义。

1、RBF神经网络

1.1RBF网络常用学习算法

基函数中心的选取对RBF网络性能的影响并是至关重要的，RBF网络中心选取不当构造不出性能优越的网络。例如，有些网络数值上产生病变是由于选取的网络中心太靠近造成近似线性相关。通常使用的RBF有：高斯函数、多二次函数、逆多二次函数、薄板样条函数等。……