【技术实现步骤摘要】
基于多智能体TLBO算法的球磨机制粉优化控制方法
[0001]本专利技术涉及球磨机制粉的控制方法,特别涉及基于多智能体TLBO算法的球磨机制粉优化控制方法。
技术介绍
[0002]在工业生产领域,常常需要用到无机粉体。球磨机是常用的制粉设备,也是制粉系统的核心设备,在电力、化工、冶金、陶瓷等领域有着不可替代的地位。目前,陶瓷企业都采用大型球磨机进行粉磨,采用喷雾干燥塔进行造粒,用喷雾干燥塔制备的粉料含水率小,粒度分布范围满足成形要求,因此广泛应用于陶瓷自动化生产。球磨机是一个复杂的对象,具有时滞性大、耦合性强、变量多、非线性等特点。典型的球磨机系统模型可以看作是具有三个输入量和三个输出量,加上多干扰量的复杂系统,三个输入量即给煤量、热风量、再循环风量,三个输出量即进出口压差、入口负压、出口温度。使得实现其优化控制成为一个复杂的问题。
[0003]已有的球磨机制粉系统常用控制方法主要有常规比例积分微分(PID)控制,解耦控制、预测控制、模糊控制、自寻优控制、神经网络控制等。教与学优化(teaching
‑
learning
‑
based optimization,TLBO)算法是一种新型的智能优化技术,其利用群体信息进行启发式搜索。TLBO算法对优化对象的优化速度快,收敛特性强。但是TLBO算法在解决复杂高维问题时,表现容易陷入局部最优,多样性丢失过快等不足的问题。
[0004]如何对TLBO算法进行优化,使其可以更好地应用于球磨机制粉的优化控制方法中,是一项有待解决的 ...
【技术保护点】
【技术特征摘要】
1.基于多智能体TLBO算法的球磨机制粉优化控制方法,包括:建立球磨机制粉控制模型;对基本TLBO算法进行改进,包括教学因子TF的改进,改进之后的教学因子如式(1):式(1)中,令TF最大值TF
max
,TF
i
的初始值设计TF1=1,iter_max表示最大迭代次数,iter表示当前迭代次数;建立控制器的状态空间模型,将改进的TLBO算法用于球磨机制粉系统控制器的参数优化。2.根据权利要求1所述的球磨机制粉优化控制方法,其特征在于:基本TLBO算法的改进还包括多智能体构造,构造过程如下:构造多智能体状态空间函数:在多智能体系统中当选取未经过学习的学员表示为智能体的联合状态空间S=[s1,s2,
…
s
n
],式中:s1~s
n
是未经过学习的学员的多智能体状态空间;构造多智能体动作相位:使用联合动作相位A=[a1,a2,
…
a
n
]式中:a1~a
n
为动作相位。3.根据权利要求2所述的球磨机制粉优化控制方法,其特征在于:基本TLBO算法的改进还包括Stackelberg博弈均衡:选取最优秀的学员作为领导者,目标函数为f
领导者
(x)f
领导者
(x)=max(U
领导者智能体
(s,[a1,
…
a
n
]))式中:ω
i
(s,[a1,
…
a
n
])学员群体中领导者智能体i的性能函数,θ
i
(s,[a1,
…
a
n
])学员群体中领导者智能体i的损失函数,n表示整个学员群体中领导者智能体的个数;最优化学员自身收益,目标函数为f
跟随者
(x):f
跟随者
(x)=max(U
跟随智能体
(s,[a1,
…
a
n
]))式中:φ
i
(s,[a1,
…
a
n
])学员群体中跟随者智能体i的性能函数,学员群体中跟随者智能体i的损失函数,k整个学员群体中跟随者智能体的个数。4.根据权利要求2或3所述的球磨机制粉优化控制方法,其特征在于:基本TLBO算法的改进还包括改进“学”阶段:多智能体TLBO算法依次选中每一个学员,然后挑选一个优秀的学员作为比较,基于自学习的学习过程为:式(2)中:X
new,i
,表示第i个学员学习后的状态值;X
old,i
表示原来的状态值;r1,r2表示[0,1]之间的随机数。
5.根据权利要求1~4任一项所述的球磨机制粉优化控制方法,其特征在于:控制器的状态空间模型为:状态空间模型为:使用TLBO算法多智能体学...
【专利技术属性】
技术研发人员:谢巍,张浪文,张翼,秦伍,
申请(专利权)人:广东道氏技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。