球磨机存煤量和钢球动能信息融合的神经网络模型

系统仿真学报 ›› 2015, Vol. 27 ›› Issue (4): 689-696.

• 仿真建模与仿真算法及数值仿真 • 上一篇下一篇

球磨机存煤量和钢球动能信息融合的神经网络模型

白焰, 何芳

华北电力大学控制与计算机工程学院, 北京 102206

收稿日期:2014-03-27 修回日期:2014-08-20 发布日期:2020-08-20
作者简介:白焰(1954-),男,辽宁沈阳人,博士,教授,研究方向为集成分布式智能系统、现场总线控制系统和火电厂大机组智能控制;何芳(1986-),女,吉林通化人,博士生,研究方向为火力发电厂智能控制和钢球磨煤机。
基金资助:
国家自然科学基金(青年科学基金)(61304041),中央高校基本科研业务费专项资金(2014XS36)

Neural Network Model of Information Fusion for Coal Storage and Kinetic Energy of Ball Mill

Bai Yan, He Fang

School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China

Received:2014-03-27 Revised:2014-08-20 Published:2020-08-20

摘要/Abstract

摘要： 分析球磨机制粉系统动态数学模型,进行基于离散元素法的PFC3D球磨机运行过程仿真实验,得到一定球径的定量优化的工作参数配置下不同煤质、煤量和钢球运动的关联数据。采用组合自适应学习算法,建立球磨机存煤量和钢球动能信息融合的神经网络模型,从能量角度预测磨筒存煤量。结果表明:钢球实时动能与存煤量、磨煤效率关系密切,神经网络信息融合模型具有良好的预测效果,初步证实基于钢球动能的球磨机存煤量控制方法的可行性。

关键词: 球磨机, 存煤量, PFC3D, 能量, 信息融合, 神经网络

Abstract: A dynamic mathematical model of coal pulverizing system was analyzed. Simulation experiments on mill operation process were conducted by PFC3D software platform based on discrete element method. The associated data between different coal quality, coal storage and balls' motion were obtained under certain quantitative optimized operating parameters configuration. Neural network model of information fusion for coal storage and kinetic energy of ball mill was established by using an adaptive combination learning algorithm. Coal storage in mill cylinder was predicted from the energy point of view. The results indicate that there is a close relationship between coal storage, pulverizing efficiency and balls' real-time kinetic energy. The neural network information fusion model has good predictive power to coal storage. The coal storage control method based on balls' kinetic energy is therefore feasible for optimized operation of the coal pulverizing system.

Key words: ball mill, coal storage, PFC3D, energy, information fusion, neural network

中图分类号:

TP391.9

白焰, 何芳. 球磨机存煤量和钢球动能信息融合的神经网络模型[J]. 系统仿真学报, 2015, 27(4): 689-696.

Bai Yan, He Fang. Neural Network Model of Information Fusion for Coal Storage and Kinetic Energy of Ball Mill[J]. Journal of System Simulation, 2015, 27(4): 689-696.

参考文献

[1] Ozkan A, Yekeler M, Calkaya M.Kinetics of Fine Wet Grinding of Zeolite in a Steel Ball Mill in Comparison to Dry Grinding[J]. International Journal of Mineral Processing (S0301-7516), 2009, 90(1/4): 67-73.
[2] 郝勇生. 智能化钢球磨煤机制粉系统设计 [D]. 南京: 东南大学, 2004.
[3] 陶文华, 柴天佑, 岳恒. 钢球磨煤机的动态参数模型与仿真研究[J]. 系统仿真学报, 2004, 16(4): 778-780.
(Tao W H, Chai T Y, Yue H.Research of Dynamic Mathematical Model and Simulation of Ball Coal Mill System[J]. Journal of System Simulation (S1004-731X), 2004, 16(4): 778-780.).
[4] 余建平. 基于改进神经网络的污水处理参数软测量模型研究 [D]. 重庆: 重庆大学, 2005.
[5] Vladimir S, Vsevolod P, Galina M.Energy Efficient Trajectories of Industrial Machine Tools with Parallel Kinematics[C]// Proceedings of 2013 IEEE International Conference on Industrial Technology, South Africa. USA: IEEE, 2013: 1267-1272.
[6] Lu S Y, Mao Q J, Peng Z, Li X D, Yan J H.Simulation of Ball Motion and Energy Transfer in a Planetary Ball Mill[J]. Chin. Phys. B (S1674-1056), 2012, 21(7): 1-9.
[7] Mori H, Mio H, Kano J, Saito F. Ball Mill Simulation in Wet Grinding Using a Tumbling Mill and Its Correlation to Grinding Rate [J]. Powder Technology (S0032-5910), 2004, 143-144: 230-239.
[8] 应灵灵. 球磨机介质运动规律的实验研究 [D]. 昆明: 昆明理工大学, 2009.
[9] Michaël B, Alain V W, Renato L, Christine R, Marcel R.Modeling and Control of Cement Grinding Processes[J]. IEEE Transactions on Control Systems Technology (S1063-6536), 2003, 11(5): 715-725.
[10] Kwon Y S, Choi P P, Kim J S, Gerasimov K B.Decomposition Induced by Mechanical Milling[C]// Proceeding of The 9th Russian-Korean International Symposium on Science and Technology, Russia. USA: IEEE, 2005: 560-564.
[11] 曹旭帆, 叶舟, 万俊, 李晶. 基于BP神经网络的函数逼近实验及MATLAB实现[J]. 实验室研究与探索, 2008, 27(5): 34-38.
[12] 柳松青. MATLAB神经网络BP网络研究与应用[J]. 计算机工程与设计, 2003, 24(11): 81-84.
[13] 王炯琦, 矫媛媛, 周海银. 基于UKF神经网络的姿态测量信息融合算法[J]. 系统仿真学报, 2000, 22(10): 2265-2272.
(Wang J Q, Jiao Y Y, Zhou H Y.Research on Neural Networks Information Fusion for Multi-sensor Measurement of Satellite Attitude Determination Based on UKF[J]. Journal of System Simulation (S1004-731X), 2000, 22(10): 2265-2272.).
[14] 王永健, 张建宇, 梁伟平, 等. 中储式球磨机热力学建模及仿真[J]. 华北电力大学学报, 2005, 32(3): 66-68.
[15] Chai T Y, Zhai L F, Yue H.Multiple Models and Neural Networks Based Decoupling Control of Ball Mill Coal-pulverizing Systems[J]. Journal of Process Control (S0959-1524), 2011, 21(3): 351-366.
[16] 赵珊珊, 白焰. 神经网络模糊多模型软测量在磨煤机存煤量测量方面的应用[J]. 动力工程学报, 2011, 31(10): 745-750.
[17] 范晓旭, 白焰, 吕跃刚, 等. 大型风力发电机组线性二次型高斯最优控制策略[J]. 中国电机工程学报, 2010, 30(20): 100-105.
[18] 顾馨允. PFC3D模拟颗粒堆积体的空隙特性初步研究[D]. 北京: 清华大学, 2008.
[19] Cleary P W.Industrial Particle Flow Modeling Using Discrete Element Method[J]. Engineering Computations (S0264-4401), 2009, 26(6): 698-743.
[20] 叶江明. 电厂锅炉原理及设备 [M]. 北京: 中国电力出版社, 2010: 57-84.
[21] 张骁博, 杨建国, 赵虹. 钢球磨煤机制粉系统运行优化的试验研究[J]. 动力工程学报, 2010, 30(2): 133-137.
[22] 鄂加强, 左红艳, 罗周全. 神经网络模糊推理智能信息融合及其工程应用 [M]. 北京: 中国水利水电出版社, 2012: 28-42.
[23] 司守奎, 孙玺菁. 数学建模算法与应用 [M]. 北京: 国防工业出版社, 2011: 406-410.

球磨机存煤量和钢球动能信息融合的神经网络模型

Neural Network Model of Information Fusion for Coal Storage and Kinetic Energy of Ball Mill

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张森, 张孟炎, 邵敬平, 普杰信. 基于随机策略搜索的多机三维路径规划方法[J]. 系统仿真学报, 2022, 34(6): 1286-1295.
[2]	张立峰, 王会忍. 基于卷积神经网络及有限元仿真的电容层析成像图像重建[J]. 系统仿真学报, 2022, 34(4): 712-718.
[3]	康旭, 张晓峰. 基于生成对抗神经网络的雷达遥感数据增广方法[J]. 系统仿真学报, 2022, 34(4): 920-927.
[4]	周思锦, 陈棣成, 涂耿, 姜大志. 基于个性化和记忆机制的多模态情感计算模型[J]. 系统仿真学报, 2022, 34(4): 745-758.
[5]	孙晓安, 栾小丽, 刘飞. 基于智能优化灰色模型的电子固废预测[J]. 系统仿真学报, 2022, 34(3): 536-542.
[6]	王永志, 李振朝, 刘鹏彧, 王慧. 基于能量算子的三维空间实体LOD建模方法[J]. 系统仿真学报, 2022, 34(2): 247-257.
[7]	魏娟, 游磊, 郭阳勇, 唐志海. 基于小波神经网络的多楼层疏散模型[J]. 系统仿真学报, 2022, 34(2): 269-277.
[8]	敖邦乾, 杨莎, 令狐金卿, 叶振环. 基于级联神经网络疲劳驾驶检测系统设计[J]. 系统仿真学报, 2022, 34(2): 323-333.
[9]	李纲, 张彩霞, 胡绍林, 王向东, 郭静. 面向桥梁结构健康监测的WSN分簇路由协议[J]. 系统仿真学报, 2022, 34(1): 62-69.
[10]	魏腾飞, 潘庭龙. 基于改进PSO优化LSTM网络的短期电力负荷预测[J]. 系统仿真学报, 2021, 33(8): 1866-1874.
[11]	童宇, 蔡婧雯. 针对AES算法的两点联合能量分析攻击及仿真[J]. 系统仿真学报, 2021, 33(8): 1980-1988.
[12]	王晔成, 马静, 金从军, 揭力, 石彬. 多阶段Bayes信息融合的多散射中心仿真评估方法[J]. 系统仿真学报, 2021, 33(7): 1682-1688.
[13]	胡蓉, 董钰明, 钱斌. 基于探路者算法的绿色有限缓冲区流水线调度[J]. 系统仿真学报, 2021, 33(6): 1384-1396.
[14]	韩金刚, 李旭. 基于模糊控制的海流发电系统能量管理[J]. 系统仿真学报, 2021, 33(6): 1406-1414.
[15]	赵瑛, 陆耀, 张健, 梁启弟, 龙炜. 基于深度神经网络的多视角人体动作识别[J]. 系统仿真学报, 2021, 33(5): 1019-1030.