基于多傳感器信息融合的球磨機負荷檢測系統(tǒng)
加入技術交流群
通過在實驗球磨機上做實驗，得到了大量的實驗數(shù)據，選取其中的部分作為樣本數(shù)據(見表1)，來訓練神經網絡。
表1 部分樣本數(shù)據
按照RBF神經網絡訓練步驟和算法，對本文的球磨機系統(tǒng)逆模型的RBF神經網絡模型進行訓練。神經網絡的訓練和仿真是在MATLAB7環(huán)境下，編制了相應的程序實現(xiàn)。訓練后返回神經網絡的權值、偏置值。網絡訓練過程的誤差曲線如圖3所示。
對實驗樣本數(shù)據進行仿真，得到預測誤差曲線(神經網絡輸出值與樣本目標值之差的曲線)，如圖3所示。
圖3 神經網絡訓練誤差曲線 圖4 神經網絡預測誤差曲線
4 結束語
實驗結果表明，該系統(tǒng)能夠充分獲取并融合球磨機工作環(huán)境所提供的外部響應信息，從而準確地檢測出球磨機的負荷參數(shù)，為整個磨礦過程的自動控制提供了重要的技術支持。
評論