基于PSO优化径向基网络的矿用球磨机能耗参数优化研究

球磨机是矿企选矿生产中的高能耗、关重设备,其耗能受多种负荷工艺参数的影响,上述参数间“强非线性”、“强扰动”、“强耦合”,且难以直接测量,构建其精确的数学模型十分不易。为提质增效、节能减排,实现矿用球磨机能耗的优化,提出基于粒子群优化径向基神经网络结构参数的能耗预报模型。首先,对决定RBF神经网络模型精度的隐节点中心和宽度2个结构参数优化,避免人工选择的盲目性、尝试性,以此来提升模型的提高,同时利用UCI数据库中的标准数据来验证上述模型的有效性。在此基础上,将包钢巴润矿业选厂5.03×6.4m球磨机的实际生产中105组数据中部分数据作为学习样本,以均方误差为适应度函数,基于PSO优化RBF算法来构建其能耗的预测模型,余下作为测试样本来检验所建模型的有效性。结果表明:与BP算法相比,PSO优化RBF算法具有更高的精度,为磨矿生产的降本增效提供新途径。