冶金工业论文_粒子群优化算法优化BP神经网络联

文章摘要:针对烧结混合料自动加水控制的难点，尤其是在烧结配料过程中自动加水系统的大滞后、非线性、低稳定性问题进行了加水控制算法研究。采用内环和外环方案分别控制两级混合机加水，设计基于粒子群优化（particle swarm optimization，PSO）算法优化BP（back propagation）神经网络联合模糊PID控制模型以解决时变、非线性系统的局限性问题。通过PSO算法对BP神经网络进行训练优化以获得最优控制参数，将预测的烧结料水分加入模型参与下一步的控制。考虑系统存在较大延时，Simulink仿真中同步加入延时环节。仿真结果表明，相比BP神经网络模型，PSO-BP预测模型的拟合性能更加优越；相比于PID、BP-PID控制算法，PSO-BP-PID控制算法在超调量、响应时间以及震荡周期等指标上均有显著提高。最后经梅钢4号烧结机实际应用数据表明，相较于传统PID控制，PSO-BP-PID控制平均误差下降约45.75%，控制标准差下降约62.72%，可以明显提高混合料水分控制的精准度、稳定性、敏捷性，提高烧结过程的稳定性。

文章关键词:

项目基金:《烧结球团》 网址: http://www.sjqtzz.cn/qikandaodu/2021/1112/675.html