神經網絡算法在水泥生產線中的優化分析

（蘇州中材建設有限公司， 江蘇 昆山 215300）

0 引言

水泥生產線是生產水泥的一系列設備組成的水泥設備生產線。主要由破碎及預均化、生料制備均化、預熱分解、水泥熟料的燒成、水泥粉磨包裝等過程構成。硅酸鹽類水泥生產工藝在水泥生產設備中具有代表性，是以石灰石和粘土為主要原料，經破碎、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。干法水泥生產線粉磨作業需要消耗的動力約占全廠動力的 60%以上。因此，利用神經網絡算法合理選擇粉磨設備和工藝流程，優化工藝參數，正確操作，控制作業制度，對保證產品質量、降低能耗具有重大意義。

1 神經網絡算法分析

1.1 神經網絡算法工作原理

神經網絡算法主要是用函數逼近的方式來進行，最優化控制的主要是采用神經網絡的方法，主要由評判、模型和執行三個部分來組成，它們都是用神經網絡來進行實現的，主要可以采用相關的函數來對于內部的權重進行調整，從而達到分類的目的，對于整體進行逐次的優化，最終得到全局的優化目標函數，通過神經網絡建模的方法，可以有效的對于自適應問題進行動態規劃，所以神經網絡依然是當前很長一段時間內控制科學的發展方向。

1.2 神經網絡算法的應用

神經網絡算法可以有效的解決離散系統和非線性系統的動態最優化問題，主要包括相關的策略迭代評價以及加強學習的功能，神經網絡算法是在 1977年被Werbos提出的，它主要是通過函數的逐次逼近使得整個的優化策略，越來越接近于實際的需求，這樣就可以得到最優化的指標，通常情況是用兩個神經網絡來對于函數進行優化控制的，這樣就能有效的對于非線性問題中的神經網絡算法進行有效的解決，Bertsekas對于非線性系統中的優化控制進行了廣泛而深入的研究，提出了動態規劃的觀點，所以神經網絡算法主要是采用神經網絡的方式來進行最優化問題的求解，由于神經網絡可以對自身的權重進行調整，通過多個數學模型來對這些問題進行最優化解決，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習和適應能力，所以在美國科學基金會2016年的研討會上，把這個方法全部統一叫做神經網絡算法，這也就意味著神經網絡算法是當今優化控制科學中的前沿方向。

2 神經網絡算法在水泥生產線優化中的應用

水泥生產在線仿真技術是根據運行設備、系統的設計參數和特性參數建立全物理過程的精細數學模型，再通過真實運行分配控制系統及數據庫進入模型，從而使仿真系統直接取得現場運行狀態和操作動作，對當前狀態進行實時仿真計算并跟蹤生產線實際運行。 該系統需結合生產線的實際情況進行定制，如設備運行情況、生產管理狀況、全廠配套設備等。整個系統的實施周期包括研發、調試、數據采集、優化分析等過程，需要花費 1年多時間，不同生產線所裝系統各不相同。整個系統的安裝并非一氣呵成，而是各個子系統功能逐步上線，如可以先讓管理系統或者控制系統上線，再逐步使生產線其他系統進入數字化管控，可以利用神經網絡算法結合動態規劃技術對其進行優化與分析。一般在這樣的框架下，可以實現較好的優化功能，主要包括評價模型和執行三個部分，這三個部分主要在于能夠實現完整的評價改善循環，評價模塊可以評估執行模塊的實際效能，對于代價函數進行優化與修正，執行模塊可以產生實際的動作來對所改進的策略進行執行，同時也能有效的對于被控對象的情況進行反應，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，利用相關的神經網絡、強化學習等算法，來實現函數的近似與優化，這樣就能對于系統的內部參數進行實時的更新，這里主要是采用貝爾曼的優化方式來進行更新的。效用函數可以對于函數輸入在系統內產生的效果，進行合理有效的評估，主要有以下這些方式：通過代價函數的定義情況，我們可以對效用函數做出一定的評價，我們可以看出，當到時候，效用函數的重要性是一樣的，當折扣因子減小的時候，這個自適應系統就可以在越短的時間內進行收斂，得到一個更加優化的結果，但是當折扣因子如果過大的時候，系統的幅度就很難進行控制，所以這個時候，我們應當盡量的提高學習率。

動態規劃可以有效的進行最優化的控制與解決，但是在實際應用當中，我們需要對動態規劃進行調整，使其更加的利用適用于實際的條件，因為最優化的控制和時間是有關系的，因此我們應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，神經網絡算法由 Webros 于在上世紀70年代進行提出，他對于動態規劃維度數過多的問題，進行了有效的解決，主要是采用強化學習的方式，模仿人的思維方式對于相關的誤差進行反饋，這樣又能在較短的時間內實現，系統的收斂，得到一個更加優化的結果，這樣就更加的接近于人腦的思考方式，對于函數進行精度更高的近似與逼近，可以有效的進行最優化問題的求解，同時這樣的方法，對于非線性的系統依然可以適用，他也提出了相關的方法在非線性系統中使用神經網絡算法方式。ADP是以神經網絡系統來進行操作的計算機運行模式，是面向操作層的，是神經網絡初級階段的產物，主要是進行數據運算而不是管理。能夠快速的進行神經網絡的高度集中和統一處理，重要標志是在其中有一個非常龐大的中央數據庫，它可以進行分布式處理，對于定量性的決策，有著極為關鍵的作用。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規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

神經網絡優化的水泥生產線在設計過程當中必須確保擁有相應的前瞻性，借助成熟、先進設計理念，在保證性價比高的前提下，選取可靠成熟的技術方法與中高端設備，使開發出來的神經網絡優化的水泥生產線科技含量在整個神經網絡優化的水泥生產線行業中處于先進位置，處于合理性價比條件，處于國內領先地位。

[1]任懷慶. 非線性不確定系統的神經網絡控制研究[D].吉林大學,2014.

[2]涂娟娟. PSO優化神經網絡算法的研究及其應用[D].江蘇大學,2013.

[3]楊柳松. 基于小波分析與神經網絡滾動軸承故障診斷方法的研究[D].東北林業大學,2013.

[4]高鵬毅. BP神經網絡分類器優化技術研究[D].華中科技大學,2012.