文/刘赓 马德华 魏楫

1 序言

水泥粉磨机的稳定性决定了水泥粉磨系统的运行效率，也决定了水泥成品的质量。随着建筑材料行业和人民生活水平的提高，传统的粉磨机控制系统虽然上手简单，但是并不适合复杂环境的使用，如果设备控制性能要求较高，这类传统控制系统往往就表现出较大的误差，从而影响相关生产的效率，所以对于水泥粉磨机的研究必须引起相关研究人员的重视。本文主要就粉磨机的控制系统作为研究对象，利用智能预测控制技术来对粉磨机的运行进行控制，减少了粉磨机负荷的同时，提升了粉磨机的工作效率。

2 智能预测控制技术

本次研究的智能预测控制技术脱胎于BP神经网络控制技术。动物的神经中枢系统能够快速高效的处理自身的问题，所以研究人员结合神经中枢系统和动物的信号处理机制，模拟出的数学模型就叫做人工神经网络。根据相关研究表明，人工神经网络能够有效地针对计算机的各种问题进行处理，进而实现高效的智能控制。神经网络的优势在于其可控范围广泛、可控环境复杂、多模态组合、高容错性能等特点，基于神经网络开发出的控制技术分为传统的自适应方式神经网络控制器、神经网络与传统控制结构组合的控制器、神经网络智能控制等等。

智能预测控制技术正是一种基于状态空间预测性能和BP神经网络优化性能的全新控制技术，该策略的算法同样分为神经网络和状态预测两个核心部分，其中神经网络控制部分的结合保证了被控制对象的输出和参考量的一致性，状态预测是为了优化神经网络控制和被控制的时间点，规避系统时滞所带来的不良影响。智能预测控制技术控制技术能够依照被控制对象的不同进行相应的控制，如果被控制对象较为复杂（如MIMO系统），智能预测控制技术控制技术就可以利用状态方程对被控制对象的未来进行预测，基于预测结果进行多层网络的控制；如果被控制对象较为简单时（如SISO系统），智能预测控制技术控制技术可以化繁为简，直接使用单神经元进行控制。

3 基于智能预测控制的水泥粉磨机控制系统优化

水泥磨机是一个复杂的非线性工业被控对象，其中影响磨机运行工况稳定的因索主要有选粉机转速、总量给定、辊压机电流、称重仓料位等，常规的控制算法很难满足磨机自动控制系统的生产目标。构建预测控制系统是维持粉磨机稳定的重要基础，也是提高设备自动化水平的重要保障。本次研究主要针对粉磨机的负荷问题来设计控制系统，水泥粉磨机系统中的选粉机转速和出磨提升机电流的关系为SISO系统，所以可以直接使用BP神经网络中的单神经元控制方式进行控制。主要的步骤是据专家经验以及对历史数据的分析确定影响磨机负荷的关键变量并利用BP神经网络辨识磨机自动控制系统模型。建立磨机负荷的预测模型、优化控制器、反馈校正器，并采集现场的历史数据进行仿真，仿真结果表明神经网络预测控制算法在磨机负荷优化控制中的有效性，对于实际的生产过程具有指导意义。其中最为重要的两个地方时针对滚动环节和反馈校正环节的优化：

3.1 滚动优化环节

所谓滚动优化是指在粉磨机使用的过程中设定了某一指标就能求得最优控制量的。对于非线性系统来说，控制率的求解也是一个非线性优化的问题，想要直接求解几乎不可能。本次研究采用的是N-R算法，来解决求解问题，N-R算法是一种二次收敛算法，相较于传统优化算法在非线性控制中的不足，它的优点是收敛速度快，迭代次数少，在非线性实时控制系统中得到很好的应用。N-R优化算法通过迭代优化方案最小化代价函数，得到最优控制输入变量。

3.2 反馈校正环节

在实际的生产中，各种随机的干扰和神经网络模型的局限性，无法对所有的工业情况进行总结，所以存在着必然的误差。为了提高生产的精度，引入反馈校正环节无疑能够大大减少误差的产生。粉磨机控制系统符合神经网络预测控制的流程可以分为以下几步，第一步是输入样本，初始化BP神经网络参数，第二步是初始化各个输入参数，第三步是对输入值和输出值进行反馈校正，最后是根据滚动优化地结果来输入控制量和转速。

4 总结

总而言之，作为机电一体化和生产自动化的重要研究方向，针对控制系统进行开发和优化能够有效的提高工业生产的效率。希望研究人员能够根据设备自身的实际情况对计算机的控制策略进行研究，在不断地修改和优化之后最终打造出了适合当前生产需要的控制策略。同时我们应该根据时代的发展和科技的创新不断进行开拓，为我国的相关产业的发展做出贡献。