CN101186081A - 沥青混合料搅拌设备冷骨料给料控制方法 - Google Patents

Abstract

本发明公开了一种沥青混合料搅拌设备冷骨料给料控制方法。该方法是将沥青混合料搅拌设备的每个冷骨料仓内的石子颗粒规格由大到小，石子由不同的给料皮带以不同的速度进入主输送皮带，由主输送皮带输入干燥筒进行加热干燥，到达合适的温度后，经提升输送进入塔楼；在塔楼顶部有筛分系统，热骨料经过筛分后得到对应的六种不同规格的热骨料，再根据配方按比例计量与一定比例的沥青进行混合搅拌，得到沥青混合料。本发明在沥青混合料搅拌设备运行时能自动学习识别冷骨料仓给料速度与热骨料配比的关系；保证热骨料仓不会出现等料现象；使热骨料的温度精度达到≤±4℃。

Description

沥青混合料搅拌设备冷骨料给料控制方法

技术领域

本发明属于沥青混合料搅拌设备控制技术，特别是一种沥青混合料搅拌设备冷骨料给料控制方法。

背景技术

沥青混合料搅拌设备对热骨料重量和温度都有较高的精度要求，在传统的沥青混合料搅拌设备中，由于对冷骨料仓中各种规格的石子含量多少都没有自动检测的功能，仅依赖石子场提供的石子规格作为依据进行给料控制，这样会因为一种规格的石子中含有数量不等的不同规格石子，在系统运行时，冷骨料的给料是按规定的控制程序进行的，这样就可能会导致出现所谓的热骨料仓“等料”现象：即由于冷骨料仓在装料时发生错误，或者冷骨料在堆放时相互混合，导致冷骨料仓的石子规格与石子场提供的数据不相符，在按照一定的供料控制程序给料时，会使热骨料仓某一规格的石子不能及时供给，这样这一规格的热骨料就无法进行计量，从而导致设备不能正常连续工作，出现等料。另一方面，由于不知道冷骨料仓中石子规格含量多少，导致冷骨料进入干燥筒进行加热干燥时，只能使用一种加热温度来干燥物料。由于实际进入干燥器的冷骨料规格含量在不断变化，因而使热骨料的温度会出现比较大的波动，从而导致热骨料的温度精度比较低，一般为≤±8℃。

发明内容

本发明的发明目的在于提供一种沥青混合料搅拌设备冷骨料给料控制方法，它是通过在线学习冷骨料仓给料速度与热骨料配比的关系，然后预测冷骨料的给料速度，进而提高沥青混合料搅拌设备的热骨料温度精度，并且解决沥青混合料搅拌设备的热骨料仓“等料”现象。

实现本发明目的的技术解决方案为：一种沥青混合料搅拌设备冷骨料给料控制方法，包括以下步骤：

首先，沥青混合料搅拌设备在其两个或两个以上的冷骨料仓装有一种规格大小的石子，不同规格的石子由不同的给料皮带通过变频调速以不同的速度进入主输送皮带，即采用人类神经网络的BP模型在线预测自学习方法，建立热骨料仓的料量变化与每个冷骨料仓的给料速度相关联的自识别方案，在线识学习热骨料仓的料量变化百分比与冷骨料仓的给料速度的关系，然后预测冷骨料的给料控制；

其次，由主输送皮带输入干燥筒进行加热干燥，到达合适的温度后，经提升输送进入塔楼，在该塔楼顶部的筛分系统分级，热骨料经过筛分后得到对应的不同规格的热骨料分别被装入相应的热骨料仓，并形成新的学习样本供人类神经网络在线学习；

最后，按照沥青混合料配方要求把不同规格的热骨料按比例计量与一定比例的沥青进行搅拌混合，得到沥青混合料产品。

本发明沥青混合料搅拌设备冷骨料给料控制方法的冷骨料给料的控制步骤为：

首先，建立热骨料仓的料量变化与两个或两个以上冷骨料仓的给料速度相关联的自识别方案，即假设热骨料仓的料位高度是h，则热骨料的重量表示为：G＝ah+bh²+ch³，其中a，b，c为常数，根据热骨料仓结构算出；

其次，记录冷骨料的给料速度，冷骨料经过加热、提升和筛选，最终形成热骨料，由于测得的是热骨料的料位高度，根据料位高度经过上述热骨料的重量公式计算热骨料质量，热骨料在单位时间的增加量除以冷骨料单位时间的给料量即得到冷骨料中含有这种热骨料的实际百分比，这样就形成了一个学习样本，即热骨料的实际百分比和冷骨料的给料速度，采集时间间隔等于冷骨料最终形成热骨料的时间，即单位时间；把热骨料的实际百分比作为输入，冷骨料的给料速度作为输出，进入学习阶段的训练，训练方法为：通过实时测量的热骨料料位高度和冷骨料的给料量，得到实时的热骨料的实际百分比，当热骨料的实际百分比变化时，系统会自动改变输入层和输出层之间的连接权值。

本发明沥青混合料搅拌设备冷骨料给料控制方法的连接权值大小由热骨料仓的料量变化百分比与冷骨料仓的给料速度相关，当热骨料仓的料量变化百分比大、冷骨料仓的给料速度大，则连接权值大；热骨料仓的料量变化百分比小、冷骨料仓的给料速度小，则连接权值小；一大一小则取中值。这样会使输出误差为最小。

本发明与现有技术相比，其显著优点：(1)在沥青混合料搅拌设备的配料过程中提出了冷骨料仓骨料给料速度的自学习技术，以在沥青混合料搅拌设备运行时能自动学习识别冷骨料仓给料速度与热骨料配比的关系；(2)设备运行时在线学习冷骨料给料控制速度与热骨料仓的料位高度的关系，最终控制给料皮带的变频调速器，以保证热骨料仓不会出现等料现象；(3)按照冷骨料给料速度和冷骨料仓的骨料含量前馈控制干燥器的加热温度，这样可以使热骨料的温度精度达到≤±4℃，提高了沥青混合料搅拌设备的效率和产品的品质。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明的沥青混合料搅拌设备的工作原理图。

图2是本发明沥青混合料搅拌设备冷骨料给料控制方法的冷骨料在线预测自学习的结构示意图。

具体实施方式

结合图1，本发明沥青混合料搅拌设备冷骨料给料控制方法，包括以下步骤：

首先，沥青混合料搅拌设备在其两个或两个以上的冷骨料仓装有一种规格大小的石子，不同规格的石子由不同的给料皮带通过变频调速以不同的速度进入主输送皮带，即采用人类神经网络的BP模型在线预测自学习方法，建立热骨料仓的料量变化与每个冷骨料仓的给料速度相关联的自识别方案，在线识学习热骨料仓的料量变化百分比与冷骨料仓的给料速度的关系，然后预测冷骨料的给料控制；

其次，由主输送皮带输入干燥筒进行加热干燥，到达合适的温度后，经提升输送进入塔楼，在该塔楼顶部的筛分系统分级，热骨料经过筛分后得到对应的不同规格的热骨料分别被装入相应的热骨料仓，并形成新的学习样本供人类神经网络在线学习；

最后，按照沥青混合料配方要求把不同规格的热骨料按比例计量与一定比例的沥青进行搅拌混合，得到沥青混合料产品。

沥青混合料搅拌设备一般有6个冷骨料仓，该每个冷骨料仓内的石子颗粒规格由大到小，石子由不同的给料皮带以不同的速度进入主输送皮带，由主输送皮带输入干燥筒进行加热干燥，到达合适的温度后，经提升输送进入塔楼。在塔楼顶部有筛分系统，热骨料经过筛分后得到对应的六种不同规格的热骨料，再根据配方按比例计量与一定比例的沥青进行混合搅拌，得到沥青混合料。

本发明的冷骨料的给料控制方案如下：首先是采用人类神经网络的BP(BackPropagation)模型在线自学习预测算法，建立热骨料仓的料量变化与六个冷骨料仓的给料速度相关联的自识别方案，即利用误差反向传播算法求解的多层前向神经网络模型。BP算法的实质是求解误差函数的最小值问题，由于它采用非线性规划中的梯度下降法(Gradient Descent)，按误差函数的负梯度方向修正权值，其主要思路是如果求出训练网络的指标函数误差：

$E=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\underset{t=1}{\overset{q}{\mathrm{\Σ}}}{(Y_t^k-C_t^m)}^2/2$

本发明中BP算法是对应每一次输入都校正一次权值，即对误差函数求偏导数，可以算出误差对所有连接权值的偏导数，从而可以利用梯度下降法来修改各个连接权值。

在线预测自学习算法首先需要进行知识的获取即学习的过程。将采集的数据作为学习样本用于训练网络，分别赋给网络输入、输出节点，通过神经网络学习算法对样本进行学习，经过网络内部自适应算法不断修正权值，直到达到所要求的学习精度为止。将训练样本训练完毕后，即可进行预测。由于各冷骨料对应产生各热骨料的含量不是固定的，所以必须在线不断地学习调整连接权值。

假设热骨料仓的料位高度是h，则热骨料的重量可表示为：G＝ah+bh²+ch³，其中a，b，c为常数，可以根据热骨料仓结构算出。自学习过程：冷骨料经过加热、提升和筛选，最终形成热骨料。记录冷骨料的给料速度，及各个冷骨料的给料量确定，由于测得的是热骨料的料位高度，根据料位高度经过上式可以计算热骨料质量，热骨料在单位时间的增加量除以冷骨料单位时间的给料量可以得到冷骨料中含有这种热骨料的实际百分比。这样就形成了一个学习样本(热骨料的实际百分比，冷骨料的给料速度)，注意它们的采集时间间隔等于冷骨料最终形成热骨料的时间，即单位时间。把热骨料的实际百分比作为输入，冷骨料的给料速度作为输出，进入图2b的学习阶段的训练，训练方法即为：通过实时测量的热骨料料位高度和冷骨料的给料量，得到实时的热骨料的实际百分比，当热骨料的实际百分比变化时，系统会自动改变输入层和输出层之间的连接权值，连接权值大小由热骨料仓的料量变化百分比与冷骨料仓的给料速度相关。当热骨料仓的料量变化百分比大、冷骨料仓的给料速度大，则连接权值大；热骨料仓的料量变化百分比小、冷骨料仓的给料速度小，则连接权值小；一大一小则取中值。这样会使输出误差为最小。这种过程是连续在线的。

冷骨料给料控制：根据热骨料仓的料位高度来设定热骨料仓的料量变化百分比，通过图2a的神经网络来预测冷骨料仓的给料速度应该是多少，图2a的神经网络中的连接权值等于图2b的学习结果，用以前的学习结果来预测是基于冷骨料的规格具有一定的连续的假设前提，是比较合理的。如果冷骨料的规格突然变化导致预测不是很正确，但通过随后的在线学习可以迅速克服这种扰动，所以冷骨料给料速度的调整具有一定的自适应性。最终通过控制给料皮带的变频调速器控制冷骨料给料速度。

热骨料的温度控制：根据冷骨料仓的给料速度和冷骨料仓骨料规格含量的多少可以前馈调节烘干桶的温度，这样不要用等到温度变化时再来调节，大大提高了热骨料的温度控制精度。

在沥青混合料搅拌设备工作时，冷骨料给料器采用变频调速控制，无级调节速度。首先由操作员在计算机输入骨料配方使用的百分比。在每次整个设备开始运转启动时，冷骨料给料器按预先设定的顺序，一个接一个分别启动，通过以上所述的“热骨料仓的料量变化与六个冷骨料仓的给料速度相关联的在线学习预测方案”对冷骨料给料速度实现自动控制，具体是：根据冷骨料仓给料速度与热骨料配比的关系，最终控制给料皮带的变频调速器，以保证热骨料仓不会出现等料现象。热骨料的温度控制方案：根据冷骨料的给料速度、冷骨料仓骨料含量的自识别结果得到各种石料的成分比例多少，以此实时控制干燥器的温度。根据冷骨料仓的给料速度和冷骨料仓骨料规格含量的多少前馈调节烘干桶的温度，以提高热骨料的温度控制精度，使热骨料的温度精度达到≤±4℃。

Claims (5)

1.一种沥青混合料搅拌设备冷骨料给料控制方法，包括以下步骤：

首先，沥青混合料搅拌设备在其两个或两个以上的冷骨料仓装有一种规格大小的石子，不同规格的石子由不同的给料皮带通过变频调速以不同的速度进入主输送皮带，即采用人类神经网络的BP模型在线预测自学习方法，建立热骨料仓的料量变化与每个冷骨料仓的给料速度相关联的自识别方案，在线识学习热骨料仓的料量变化百分比与冷骨料仓的给料速度的关系，然后预测冷骨料的给料控制；

其次，由主输送皮带输入干燥筒进行加热干燥，到达合适的温度后，经提升输送进入塔楼，在该塔楼顶部的筛分系统分级，热骨料经过筛分后得到对应的不同规格的热骨料分别被装入相应的热骨料仓，并形成新的学习样本供人类神经网络在线学习；

最后，按照沥青混合料配方要求把不同规格的热骨料按比例计量与一定比例的沥青进行搅拌混合，得到沥青混合料产品。

2.根据权利要求1所述的沥青混合料搅拌设备冷骨料给料控制方法，其特征在于冷骨料给料的控制步骤为：

首先，建立热骨料仓的料量变化与两个或两个以上冷骨料仓的给料速度相关联的自识别方案，即假设热骨料仓的料位高度是h，则热骨料的重量表示为：G＝ah+bh²+ch³，其中a，b，c为常数，根据热骨料仓结构算出；

其次，记录冷骨料的给料速度，冷骨料经过加热、提升和筛选，最终形成热骨料，由于测得的是热骨料的料位高度，根据料位高度经过上述热骨料的重量公式计算热骨料质量，热骨料在单位时间的增加量除以冷骨料单位时间的给料量即得到冷骨料中含有这种热骨料的实际百分比，这样就形成了一个学习样本，即热骨料的实际百分比和冷骨料的给料速度，采集时间间隔等于冷骨料最终形成热骨料的时间，即单位时间；把热骨料的实际百分比作为输入，冷骨料的给料速度作为输出，进入学习阶段的训练，训练方法为：通过实时测量的热骨料料位高度和冷骨料的给料量，得到实时的热骨料的实际百分比，当热骨料的实际百分比变化时，系统会自动改变输入层和输出层之间的连接权值。

3.根据权利要求2所述的沥青混合料搅拌设备冷骨料给料控制方法，其特征在于：连接权值大小由热骨料仓的料量变化百分比与冷骨料仓的给料速度相关，当热骨料仓的料量变化百分比大、冷骨料仓的给料速度大，则连接权值大；热骨料仓的料量变化百分比小、冷骨料仓的给料速度小，则连接权值小；一大一小则取中值。这样会使输出误差为最小。

4.根据权利要求1或2所述的沥青混合料搅拌设备冷骨料给料控制方法，其特征在于：冷骨料给料速度与热骨料仓的料量变化百分比关系，通过控制给料皮带的变频调速器控制冷骨料给料速度。

5.根据权利要求1或2所述的沥青混合料搅拌设备冷骨料给料控制方法，其特征在于：根据冷骨料仓的给料速度和冷骨料仓骨料规格含量的多少前馈调节烘干桶的温度，以提高热骨料的温度控制精度。

Images