Some aspects of use of artificial neural networks for identification and control of cement grinding process

artykule przedstawiono wybrane aspekty zastosowania sztucznych sieci neuronowych do identyfikacji i sterowania energochłonnym procesem przemiału cementu. Jest to złożony nieliniowy proces dynamiczny. Sterowanie takim procesem z wykorzystaniem klasycznych układów regulacji nie jest efektywne. Zaproponowano zatem wykorzystanie niestandardowych algorytmów opartych na sieciach neuronowych. Do ich realizacji wykorzystano dane pomiarowe oraz wiedzę operatorów. Badania symulacyjne układu przeprowadzono w środowisku Matlab-Simulink pod kątem optymalizacji struktury sieci i wyboru odpowiedniego procesu uczenia. Uzyskane wyniki potwierdzają możliwości wykorzystania algorytmów neuronowych do sterowania procesem przemiału.This paper presents selected aspects of application of artificial neural networks to identification and control of the cement grinding process occurring in the closed-circuit ball mill (Fig. 1) [13, 14]. Cement grinding is a complicated, nonlinear, energy-consuming process. Control of the process by means of classical control systems is not effective. Therefore, nonstandard neural network algorithms combined with the inverse modeling method of Jordan and Jacon [2, 15, 18] are proposed for the purpose. The NARX neural network model (Fig. 3) is used, in addition to the expert operator knowledge developed on a basis of a number of experiments run at a domestic cement plant. Simulation runs in the Matlab/Simulink environment are directed to optimization of the network structure and selection of its adequate learning process. The obtained results enable concluding that the application of a neurocontroller to control of the grinding process can yield satisfactory process performance [4]