孙建福,王正强,李 宁
(上海梅山钢铁股份有限公司,江苏 南京 210039)
煤炭、金属矿石等原料大多通过货运火车实现跨区域长距离调度,国内很多钢铁企业、选煤厂、化石能源原料港口普遍采用自动化翻车设备,将火车车厢内原料卸至指定料仓。然而,货运火车在逐节翻车卸料后,车厢内仍会留存有部分颗粒状或粉状余料。为了提高原料利用率,避免空车厢中余料引起扬尘,近年来开始使用“扫吸一体化”货运火车车厢余料清扫机器人,实现余料的高效、环保、智能清理与回收。负压吸附系统是余料清扫机器人中的关键组成部分,负压风机在吸料口产生一定负压值的风量,将机器人扫起的余料通过气力输送至料仓。为了实现余料清扫机器人高效作业,理想的负压吸附系统应在保证余料清理清洁度的前提下尽可能低功耗智能化运行,根据车厢内余料分布体积量的多少自适应调节系统吸风量。
传统的吸风量调整方法大多采用PID、模糊算法、灰色理论等方法,实际工况中物料的分布情况具有较强的随机性和非线性,上述方法难以根据设备历史运行情况预测下一时刻的物料情况。近年来,人工神经网络在智能预测与自动控制等领域取得了一系列成果[1-2],其中概率神经网络对于工程中的有监督、小样本量的工况,表现出良好的稳定性和准确性[3-4]。然而,概率神经网络在训练过程中需要设定平滑因子,平滑因子的合理选择对神经网络的训练效果和收敛精度有直接的影响,传统的试凑法或经验法取值耗时长且不易找到最优的平滑因子。……