神经网络算法在水泥生产线中的优化分析

（苏州中材建设有限公司， 江苏 昆山 215300）

0 引言

水泥生产线是生产水泥的一系列设备组成的水泥设备生产线。主要由破碎及预均化、生料制备均化、预热分解、水泥熟料的烧成、水泥粉磨包装等过程构成。硅酸盐类水泥生产工艺在水泥生产设备中具有代表性，是以石灰石和粘土为主要原料，经破碎、配料、磨细制成生料，然后喂入水泥窑中煅烧成熟料，再将熟料加适量石膏（有时还掺加混合材料或外加剂）磨细而成。干法水泥生产线粉磨作业需要消耗的动力约占全厂动力的 60%以上。因此，利用神经网络算法合理选择粉磨设备和工艺流程，优化工艺参数，正确操作，控制作业制度，对保证产品质量、降低能耗具有重大意义。

1 神经网络算法分析

1.1 神经网络算法工作原理

神经网络算法主要是用函数逼近的方式来进行，最优化控制的主要是采用神经网络的方法，主要由评判、模型和执行三个部分来组成，它们都是用神经网络来进行实现的，主要可以采用相关的函数来对于内部的权重进行调整，从而达到分类的目的，对于整体进行逐次的优化，最终得到全局的优化目标函数，通过神经网络建模的方法，可以有效的对于自适应问题进行动态规划，所以神经网络依然是当前很长一段时间内控制科学的发展方向。

1.2 神经网络算法的应用

神经网络算法可以有效的解决离散系统和非线性系统的动态最优化问题，主要包括相关的策略迭代评价以及加强学习的功能，神经网络算法是在 1977年被Werbos提出的，它主要是通过函数的逐次逼近使得整个的优化策略，越来越接近于实际的需求，这样就可以得到最优化的指标，通常情况是用两个神经网络来对于函数进行优化控制的，这样就能有效的对于非线性问题中的神经网络算法进行有效的解决，Bertsekas对于非线性系统中的优化控制进行了广泛而深入的研究，提出了动态规划的观点，所以神经网络算法主要是采用神经网络的方式来进行最优化问题的求解，由于神经网络可以对自身的权重进行调整，通过多个数学模型来对这些问题进行最优化解决，辅助管理人员进行情况的判断与决策，使得整个项目的效率提升。因此，在很多程度上它具有较强的自学习和适应能力，所以在美国科学基金会2016年的研讨会上，把这个方法全部统一叫做神经网络算法，这也就意味着神经网络算法是当今优化控制科学中的前沿方向。

2 神经网络算法在水泥生产线优化中的应用

水泥生产在线仿真技术是根据运行设备、系统的设计参数和特性参数建立全物理过程的精细数学模型，再通过真实运行分配控制系统及数据库进入模型，从而使仿真系统直接取得现场运行状态和操作动作，对当前状态进行实时仿真计算并跟踪生产线实际运行。 该系统需结合生产线的实际情况进行定制，如设备运行情况、生产管理状况、全厂配套设备等。整个系统的实施周期包括研发、调试、数据采集、优化分析等过程，需要花费 1年多时间，不同生产线所装系统各不相同。整个系统的安装并非一气呵成，而是各个子系统功能逐步上线，如可以先让管理系统或者控制系统上线，再逐步使生产线其他系统进入数字化管控，可以利用神经网络算法结合动态规划技术对其进行优化与分析。一般在这样的框架下，可以实现较好的优化功能，主要包括评价模型和执行三个部分，这三个部分主要在于能够实现完整的评价改善循环，评价模块可以评估执行模块的实际效能，对于代价函数进行优化与修正，执行模块可以产生实际的动作来对所改进的策略进行执行，同时也能有效的对于被控对象的情况进行反应，将其进行运行之后，可以通过不同的反馈，来对实际评价与运行的情况进行确定，同时，利用相关的神经网络、强化学习等算法，来实现函数的近似与优化，这样就能对于系统的内部参数进行实时的更新，这里主要是采用贝尔曼的优化方式来进行更新的。效用函数可以对于函数输入在系统内产生的效果，进行合理有效的评估，主要有以下这些方式：通过代价函数的定义情况，我们可以对效用函数做出一定的评价，我们可以看出，当到时候，效用函数的重要性是一样的，当折扣因子减小的时候，这个自适应系统就可以在越短的时间内进行收敛，得到一个更加优化的结果，但是当折扣因子如果过大的时候，系统的幅度就很难进行控制，所以这个时候，我们应当尽量的提高学习率。

动态规划可以有效的进行最优化的控制与解决，但是在实际应用当中，我们需要对动态规划进行调整，使其更加的利用适用于实际的条件，因为最优化的控制和时间是有关系的，因此我们应当计算出较为合适的时间序列，才能够更好的完成这个指标，神经网络算法由 Webros 于在上世纪70年代进行提出，他对于动态规划维度数过多的问题，进行了有效的解决，主要是采用强化学习的方式，模仿人的思维方式对于相关的误差进行反馈，这样又能在较短的时间内实现，系统的收敛，得到一个更加优化的结果，这样就更加的接近于人脑的思考方式，对于函数进行精度更高的近似与逼近，可以有效的进行最优化问题的求解，同时这样的方法，对于非线性的系统依然可以适用，他也提出了相关的方法在非线性系统中使用神经网络算法方式。ADP是以神经网络系统来进行操作的计算机运行模式，是面向操作层的，是神经网络初级阶段的产物，主要是进行数据运算而不是管理。能够快速的进行神经网络的高度集中和统一处理，重要标志是在其中有一个非常庞大的中央数据库，它可以进行分布式处理，对于定量性的决策，有着极为关键的作用。在这些年来，它被认为是一种非常有效的解决问题的方法，主要采用逼近的方式来使得动态规划的问题可以有效的解决，这个思想也大量的用于其他工程当中，比如说直升机运动轨迹的计算等。

3 总结

神经网络优化的水泥生产线在设计过程当中必须确保拥有相应的前瞻性，借助成熟、先进设计理念，在保证性价比高的前提下，选取可靠成熟的技术方法与中高端设备，使开发出来的神经网络优化的水泥生产线科技含量在整个神经网络优化的水泥生产线行业中处于先进位置，处于合理性价比条件，处于国内领先地位。

[1]任怀庆. 非线性不确定系统的神经网络控制研究[D].吉林大学,2014.

[2]涂娟娟. PSO优化神经网络算法的研究及其应用[D].江苏大学,2013.

[3]杨柳松. 基于小波分析与神经网络滚动轴承故障诊断方法的研究[D].东北林业大学,2013.

[4]高鹏毅. BP神经网络分类器优化技术研究[D].华中科技大学,2012.