神經(jīng)網(wǎng)絡(luò)算法在水泥生產(chǎn)線中的優(yōu)化分析

（蘇州中材建設(shè)有限公司， 江蘇 昆山 215300）

0 引言

水泥生產(chǎn)線是生產(chǎn)水泥的一系列設(shè)備組成的水泥設(shè)備生產(chǎn)線。主要由破碎及預(yù)均化、生料制備均化、預(yù)熱分解、水泥熟料的燒成、水泥粉磨包裝等過程構(gòu)成。硅酸鹽類水泥生產(chǎn)工藝在水泥生產(chǎn)設(shè)備中具有代表性，是以石灰石和粘土為主要原料，經(jīng)破碎、配料、磨細制成生料，然后喂入水泥窯中煅燒成熟料，再將熟料加適量石膏（有時還摻加混合材料或外加劑）磨細而成。干法水泥生產(chǎn)線粉磨作業(yè)需要消耗的動力約占全廠動力的 60%以上。因此，利用神經(jīng)網(wǎng)絡(luò)算法合理選擇粉磨設(shè)備和工藝流程，優(yōu)化工藝參數(shù)，正確操作，控制作業(yè)制度，對保證產(chǎn)品質(zhì)量、降低能耗具有重大意義。

1 神經(jīng)網(wǎng)絡(luò)算法分析

1.1 神經(jīng)網(wǎng)絡(luò)算法工作原理

神經(jīng)網(wǎng)絡(luò)算法主要是用函數(shù)逼近的方式來進行，最優(yōu)化控制的主要是采用神經(jīng)網(wǎng)絡(luò)的方法，主要由評判、模型和執(zhí)行三個部分來組成，它們都是用神經(jīng)網(wǎng)絡(luò)來進行實現(xiàn)的，主要可以采用相關(guān)的函數(shù)來對于內(nèi)部的權(quán)重進行調(diào)整，從而達到分類的目的，對于整體進行逐次的優(yōu)化，最終得到全局的優(yōu)化目標函數(shù)，通過神經(jīng)網(wǎng)絡(luò)建模的方法，可以有效的對于自適應(yīng)問題進行動態(tài)規(guī)劃，所以神經(jīng)網(wǎng)絡(luò)依然是當前很長一段時間內(nèi)控制科學(xué)的發(fā)展方向。

1.2 神經(jīng)網(wǎng)絡(luò)算法的應(yīng)用

神經(jīng)網(wǎng)絡(luò)算法可以有效的解決離散系統(tǒng)和非線性系統(tǒng)的動態(tài)最優(yōu)化問題，主要包括相關(guān)的策略迭代評價以及加強學(xué)習(xí)的功能，神經(jīng)網(wǎng)絡(luò)算法是在 1977年被Werbos提出的，它主要是通過函數(shù)的逐次逼近使得整個的優(yōu)化策略，越來越接近于實際的需求，這樣就可以得到最優(yōu)化的指標，通常情況是用兩個神經(jīng)網(wǎng)絡(luò)來對于函數(shù)進行優(yōu)化控制的，這樣就能有效的對于非線性問題中的神經(jīng)網(wǎng)絡(luò)算法進行有效的解決，Bertsekas對于非線性系統(tǒng)中的優(yōu)化控制進行了廣泛而深入的研究，提出了動態(tài)規(guī)劃的觀點，所以神經(jīng)網(wǎng)絡(luò)算法主要是采用神經(jīng)網(wǎng)絡(luò)的方式來進行最優(yōu)化問題的求解，由于神經(jīng)網(wǎng)絡(luò)可以對自身的權(quán)重進行調(diào)整，通過多個數(shù)學(xué)模型來對這些問題進行最優(yōu)化解決，輔助管理人員進行情況的判斷與決策，使得整個項目的效率提升。因此，在很多程度上它具有較強的自學(xué)習(xí)和適應(yīng)能力，所以在美國科學(xué)基金會2016年的研討會上，把這個方法全部統(tǒng)一叫做神經(jīng)網(wǎng)絡(luò)算法，這也就意味著神經(jīng)網(wǎng)絡(luò)算法是當今優(yōu)化控制科學(xué)中的前沿方向。

2 神經(jīng)網(wǎng)絡(luò)算法在水泥生產(chǎn)線優(yōu)化中的應(yīng)用

水泥生產(chǎn)在線仿真技術(shù)是根據(jù)運行設(shè)備、系統(tǒng)的設(shè)計參數(shù)和特性參數(shù)建立全物理過程的精細數(shù)學(xué)模型，再通過真實運行分配控制系統(tǒng)及數(shù)據(jù)庫進入模型，從而使仿真系統(tǒng)直接取得現(xiàn)場運行狀態(tài)和操作動作，對當前狀態(tài)進行實時仿真計算并跟蹤生產(chǎn)線實際運行。 該系統(tǒng)需結(jié)合生產(chǎn)線的實際情況進行定制，如設(shè)備運行情況、生產(chǎn)管理狀況、全廠配套設(shè)備等。整個系統(tǒng)的實施周期包括研發(fā)、調(diào)試、數(shù)據(jù)采集、優(yōu)化分析等過程，需要花費 1年多時間，不同生產(chǎn)線所裝系統(tǒng)各不相同。整個系統(tǒng)的安裝并非一氣呵成，而是各個子系統(tǒng)功能逐步上線，如可以先讓管理系統(tǒng)或者控制系統(tǒng)上線，再逐步使生產(chǎn)線其他系統(tǒng)進入數(shù)字化管控，可以利用神經(jīng)網(wǎng)絡(luò)算法結(jié)合動態(tài)規(guī)劃技術(shù)對其進行優(yōu)化與分析。一般在這樣的框架下，可以實現(xiàn)較好的優(yōu)化功能，主要包括評價模型和執(zhí)行三個部分，這三個部分主要在于能夠?qū)崿F(xiàn)完整的評價改善循環(huán)，評價模塊可以評估執(zhí)行模塊的實際效能，對于代價函數(shù)進行優(yōu)化與修正，執(zhí)行模塊可以產(chǎn)生實際的動作來對所改進的策略進行執(zhí)行，同時也能有效的對于被控對象的情況進行反應(yīng)，將其進行運行之后，可以通過不同的反饋，來對實際評價與運行的情況進行確定，同時，利用相關(guān)的神經(jīng)網(wǎng)絡(luò)、強化學(xué)習(xí)等算法，來實現(xiàn)函數(shù)的近似與優(yōu)化，這樣就能對于系統(tǒng)的內(nèi)部參數(shù)進行實時的更新，這里主要是采用貝爾曼的優(yōu)化方式來進行更新的。效用函數(shù)可以對于函數(shù)輸入在系統(tǒng)內(nèi)產(chǎn)生的效果，進行合理有效的評估，主要有以下這些方式：通過代價函數(shù)的定義情況，我們可以對效用函數(shù)做出一定的評價，我們可以看出，當?shù)綍r候，效用函數(shù)的重要性是一樣的，當折扣因子減小的時候，這個自適應(yīng)系統(tǒng)就可以在越短的時間內(nèi)進行收斂，得到一個更加優(yōu)化的結(jié)果，但是當折扣因子如果過大的時候，系統(tǒng)的幅度就很難進行控制，所以這個時候，我們應(yīng)當盡量的提高學(xué)習(xí)率。

動態(tài)規(guī)劃可以有效的進行最優(yōu)化的控制與解決，但是在實際應(yīng)用當中，我們需要對動態(tài)規(guī)劃進行調(diào)整，使其更加的利用適用于實際的條件，因為最優(yōu)化的控制和時間是有關(guān)系的，因此我們應(yīng)當計算出較為合適的時間序列，才能夠更好的完成這個指標，神經(jīng)網(wǎng)絡(luò)算法由 Webros 于在上世紀70年代進行提出，他對于動態(tài)規(guī)劃維度數(shù)過多的問題，進行了有效的解決，主要是采用強化學(xué)習(xí)的方式，模仿人的思維方式對于相關(guān)的誤差進行反饋，這樣又能在較短的時間內(nèi)實現(xiàn)，系統(tǒng)的收斂，得到一個更加優(yōu)化的結(jié)果，這樣就更加的接近于人腦的思考方式，對于函數(shù)進行精度更高的近似與逼近，可以有效的進行最優(yōu)化問題的求解，同時這樣的方法，對于非線性的系統(tǒng)依然可以適用，他也提出了相關(guān)的方法在非線性系統(tǒng)中使用神經(jīng)網(wǎng)絡(luò)算法方式。ADP是以神經(jīng)網(wǎng)絡(luò)系統(tǒng)來進行操作的計算機運行模式，是面向操作層的，是神經(jīng)網(wǎng)絡(luò)初級階段的產(chǎn)物，主要是進行數(shù)據(jù)運算而不是管理。能夠快速的進行神經(jīng)網(wǎng)絡(luò)的高度集中和統(tǒng)一處理，重要標志是在其中有一個非常龐大的中央數(shù)據(jù)庫，它可以進行分布式處理，對于定量性的決策，有著極為關(guān)鍵的作用。在這些年來，它被認為是一種非常有效的解決問題的方法，主要采用逼近的方式來使得動態(tài)規(guī)劃的問題可以有效的解決，這個思想也大量的用于其他工程當中，比如說直升機運動軌跡的計算等。

3 總結(jié)

神經(jīng)網(wǎng)絡(luò)優(yōu)化的水泥生產(chǎn)線在設(shè)計過程當中必須確保擁有相應(yīng)的前瞻性，借助成熟、先進設(shè)計理念，在保證性價比高的前提下，選取可靠成熟的技術(shù)方法與中高端設(shè)備，使開發(fā)出來的神經(jīng)網(wǎng)絡(luò)優(yōu)化的水泥生產(chǎn)線科技含量在整個神經(jīng)網(wǎng)絡(luò)優(yōu)化的水泥生產(chǎn)線行業(yè)中處于先進位置，處于合理性價比條件，處于國內(nèi)領(lǐng)先地位。

[1]任懷慶. 非線性不確定系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制研究[D].吉林大學(xué),2014.

[2]涂娟娟. PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的研究及其應(yīng)用[D].江蘇大學(xué),2013.

[3]楊柳松. 基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D].東北林業(yè)大學(xué),2013.

[4]高鵬毅. BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D].華中科技大學(xué),2012.