CN109847921A - 面向盘磨系统粉体粒度的随机分布控制实验装置及方法 - Google Patents

Abstract

本发明涉及一种面向盘磨系统粉体粒度的随机分布控制实验装置及方法，属于分布控制技术领域。实验装置包括螺旋喂料控制装置、磨机转速调节装置、磨盘间隙伺服控制装置、取样装置、激光粒度仪、控制柜和上位机；实验装置的控制方法包括：1)初始设置；2)启动盘磨系统；3)取样装置进行取样；4)激光粒度仪检测实际粉体粒度分布的PDF形状；5)通过随机分布控制算法对初始设置进行更新。本发明可以用于验证一系列随机分布控制算法，为教学和科研提供较好的实验平台；可以有效实现随机分布系统输出随机变量的非高斯分布形状的控制，而且也可以对输出随机变量的均值和方差的进行有效控制。

Description

面向盘磨系统粉体粒度的随机分布控制实验装置及方法

技术领域

本发明属于分布控制技术领域，具体涉及一种面向盘磨系统粉体粒度的随机分布控制实验装置及方法。

背景技术

早期的随机系统控制的成果集中于对系统变量本身的统计特性，这些成果最典型的例子是线性高斯二次型、最小方差控制、具有马尔柯夫阶跃参数系统的随机控制等，控制的目标是系统输出的一阶和二阶统计特性即均值和方差。当系统受到的干扰为高斯噪声时，其方差和均值可以决定输出概率密度函数(Probability Density Function，PDF)的形状，然而，很多实际工业过程不满足高斯输出的假设条件，这时输出随机变量的PDF形状往往是非对称、多峰值的，此时采用传统的均值和方差并不能准确反映输出变量的随机分布特性。因此，从1996年开始，王宏教授提出直接设计控制器以使系统输出PDF形状跟踪给定目标PDF形状的思想，并系统地建立了许多建模及控制方法，这一研究框架称为随机分布控制(Stochastic Distribution Control，SDC，H.Wang.Bounded dynamic stochasticdistributions modelling and control[M].Springer–Verlag(London)Ltd,2000)，这类控制从某种意义上说概括了常规随机系统中关于输出变量的均值和方差的控制。

另一方面，在控制工程实践中，关于某些变量的分布控制问题一直是一个具有挑战性的问题，而SDC的研究一直源于一些复杂工业过程控制需求，例如：在造纸过程中，纸张的二维质量分布是衡量纸品质量的关键工艺指标，因此，造纸过程可以看作一个典型的动态随机分布系统，而控制的关键要求是使纸张的二维质量分布尽可能满足期望给定分布形状。在化工聚合过程中，分子量分布常被看作产品质量控制和工艺优化中的关键质量指标，因此，聚合过程控制的主要目的是使聚合产品分子量分布形状符合给定分布形状。在燃烧过程中，火焰温度场分布常作为燃烧过程效益的重要指标，而燃烧过程控制的目的是通过选择合适的燃料输入量和过程参数，使得火焰温度场分布的形状满足给定要求。在粮食加工过程中，通常希望加工后的粮食颗粒大小分布形状符合期望的分布形状，使得碾碎后的粮食颗粒分布形状符合后续的食品加工工序要求，从而提高整个系统的控制质量及生产效率。

对于这种新颖的控制技术，目前缺乏验证其有效性和可行性的实验装置，使得该控制方法在实际工业过程中推广应用带来诸多不便，本发明提供一种面向盘磨系统粉体粒度的随机分布控制实验装置及方法。

发明内容

针对目前缺乏验证随机分布控制方法有效性和可行性的实验装置，本发明提供一种面向盘磨系统粉体粒度的随机分布控制实验装置及方法，采用磨盘系统，所述实验装置包括：螺旋喂料控制装置、磨机转速调节装置、磨盘间隙伺服控制装置、取样装置、激光粒度仪、控制柜和上位机；

所述盘磨系统采用立式双盘磨粉机，包括动磨盘和相对应的静磨盘；

所述螺旋喂料控制装置包括螺旋喂料器、直流电机1和电子秤；所述螺旋喂料器与直流电机1连接；所述电子秤与上位机连接，用于测量实际螺旋喂料量；

所述磨机转速调节装置，包括变频器和三相异步电动机；三相异步电动机连接盘磨系统的动磨盘，在物料进入磨区后，动磨盘在三相异步电动机带动下转动；所述变频器安装在控制柜内；

所述磨盘间隙伺服控制装置包括交流伺服电机、减速器和位移传感器；交流伺服电机连接减速器，减速器连接盘磨装置的动磨盘，位置传感器安装到所述盘磨系统中连接动磨盘的驱动轴上，并与上位机连接；

所述取样装置包括直流电机2、取样套管和粉体回收箱；所述取样套管分别磨盘系统的出粉口和粉体回收箱连接；

根据激光粒度仪的检测周期，设定直流电机2的启动时间和停止时间；

所述控制柜内部设置PLC；所述PLC分别与螺旋喂料控制装置的直流电机1、取样装置的直流电机2和盘磨间隙的交流伺服电机相连；所述变频器与磨机转速调节装置的三相异步电机相连；

所述PLC和变频器均与上位机连接，接收上位机发送的指令。

所述螺旋喂料控制装置根据螺旋喂料器的螺旋转速控制螺旋喂料量，即通过上位机设置螺旋喂料量，实现所述盘磨系统的定量喂料；

所述磨机转速调节装置通过调节变频器频率控制磨机转速；

所述磨盘间隙伺服控制装置驱动动磨盘水平移动，将静磨盘位置作为零点位置，通过位移传感器实时采集动磨盘的位置信号，反馈到上位机系统进行磨盘间隙的计算，根据计算结果驱动动磨盘调整位置，从而实现动磨盘的位置移动的精确定位，通过动磨盘的精确定位实现磨盘间隙的控制；

所述取样装置中直流电机2在启动状态下进行取样，并根据电机的启动时间长短控制粉体的取样量，通过取样套管送入激光粒度仪；取样装置中直流电机2在停止状态下，生产的粉体进入粉体回收箱，实现间歇式取样；每个检测周期内的取样量是一样的，取样量通过控制取样装置中直流电机2启动时间的长短进行调节；

所述上位机中包含随机分布控制算法，通过上位机设定初始的螺旋喂料量、磨机转速、磨盘间隙、目标粉体粒度分布的PDF形状、取样装置中直流电机2的启动时间和停止时间以及接收利用随机分布控制算法得到的螺旋喂料量、磨机转速、磨盘间隙的设定值；

根据实际粉体粒度分布的PDF形状与设定目标粉体粒度分布的PDF形状，利用所述随机分布控制算法更新螺旋喂料量、磨机转速、磨盘间隙的设定值；

通过控制螺旋喂料控制装置中的螺旋转速实现螺旋喂料量的控制；

通过调节变频器频率控制磨机转速；

利用交流伺服电机驱动动磨盘的位置移动，通过动磨盘的精确定位实现磨盘间隙的控制；

根据激光粒度仪检测的粉体粒度分布的PDF形状与目标粉体粒度分布的PDF形状，利用随机分布控制算法计算螺旋喂料量、磨机转速、磨盘间隙的更新设定值；所述的激光粒度仪检测的粉体粒度分布的PDF形状曲线，供使用者通过上位机查询。

所述激光粒度仪采用新帕泰克粉体激光粒度仪，用于对取样装置得到的粉体样本的粒度分布进行检测，得到粉体粒度分布的PDF形状。

本发明的面向盘磨系统粉体粒度的随机分布控制实验装置的控制方法，采用所述的面向盘磨系统粉体粒度的随机分布控制实验装置，包括以下步骤：

步骤1，进行初始设置；

根据盘磨系统的生产效率，通过上位机系统设置目标粉体粒度分布的PDF形状，设置初始的螺旋喂料量、取样装置的启动时间和停止时间，初始的磨盘间隙以及初始的磨机转速；

其中，所述取样装置的启动时间和停止时间，根据激光粒度仪所需检测时间设置；

所述初始的磨机转速根据实际物料硬度以及盘磨系统的生产效率进行设置；

所述螺旋喂料量的控制流程为：根据电子秤测量的实际的螺旋喂料量值对螺旋转速进行调节，实现所述螺旋喂料控制装置的定量喂料，然后将物料送入盘磨系统的磨区；

所述磨机转速的控制流程为：通过调节变频器频率控制盘磨系统的磨机转速，直至实际磨机转速达到设定的磨机转速；

所述磨盘间隙的控制流程为：上位机系统控制伺服电机转速带动盘磨水平移动，将静磨盘位置作为零点位置，移动过程中通过减速器调节移动速度，位移传感器实时采集动磨盘的位置信号反馈到上位机，并与设定的磨盘间隙的对比，判断动磨盘是否到达指定位置，并控制磨盘间隙伺服控制装置对动磨盘位置进行相应调整，从而达到设定的磨盘间隙；

步骤2，启动盘磨系统；

步骤3，盘磨系统根据取样装置的启动时间和停止时间进行取样；

所述取样装置的控制流程为：达到设定的取样电机的启动时间时取样电机启动，进行取样，粉体进入激光粒度仪；达到设定的取样电机的停止时间时取样电机停止，粉体进入粉体回收箱，实现间歇式取样；每个检测周期内的取样量是一样的，取样量通过调节启动时间的长短进行判断；

步骤4，激光粒度仪按检测周期来获得实际粉体粒度分布的PDF形状，并反馈给上位机8；

步骤5，若粉体粒度分布的PDF形状不满足目标粉体粒度分布的PDF形状，则通过随机分布控制算法对螺旋喂料量、磨盘间隙和磨机转速的设定值进行更新；反之，粉体粒度分布的PDF形状满足生产要求，控制流程结束。

根据随机分布控制理论，随机分布系统的建模和控制方法描述如下：

记y∈[a,ξ]为描述动态随机分布系统输出的一致有界随机变量，即输出随机变量；u(k)∈R^m为k时刻的随机分布系统控制输入，这表明在任一采样时刻k，随机变量y通过其PDF形状来描述，其定义式如下：

式中，γ(y,u(k))为输出随机变量y的PDF，即输出PDF；P(a≤y＜ξ,u(k))表示随机分布系统在k时刻控制输入u(k)作用下输出随机变量y落在区间[a,ξ]内的概率，也即输出PDFγ(y,u(k))形状由输入u(k)控制；

所述控制输入u(k)为螺旋喂料量、磨盘间隙和磨机转速；

所述随机变量y为粉体粒度，输出PDFγ(y,u(k))为粉体粒度分布形状；

利用神经网络来逼近任一时刻的输出PDF，即通过采用固定结构的神经网络来逼近输出PDF，如B样条神经网络、RBF神经网络，将神经网络的权值和控制输入u(k)联系起来，即通过控制神经网络的权值来实现对输出PDF的控制；

采用B样条神经网络逼近输出PDF得到如下：

式中，ω_i(u(k))为k时刻B样条神经网络的权值，B_i(y)为相应的B样条基函数；e(y,u(k))为逼近误差，对其忽略不计；

因为输出PDF在其定义域上的积分应该始终等于1，这表明在n个权值中有n-1个所述权值是相互独立的，因此得到如下公式：

γ(y,u(k))＝C(y)V(k)+h(V(k))B_n(y) (3)

式中，C(y)＝[B₁(y),B₂(y),…,B_n-1(y)]，V(k)＝[ω₁(k),ω₂(k),…,ω_n-1(k)]^T，h(V(k))为前n-1个权值的函数表达式；考虑到如下神经网络逼近权值和控制输入u(k)之间存在如下动态关系：

V(k+1)＝f(V(k),u(k)) (4)

式中，f(·)为控制输入与权值之间的函数关系，其为常规的线性函数或非线性函数，式(3)和式(4)所组成的系统描述随机分布系统的控制输入u(k)和输出PDF的关系；因此，通过设计合适的控制输入u(k)实现对输出PDF形状控制；

基于式(3)和式(4)随机分布系统的输出PDF动态模型表示如下：

根据随机分布控制原理，基于如式(6)所示的跟踪PDF误差，通过设计不同的控制输入u(k)实现对目标粉体粒度分布的PDF形状的控制；

e(y,u(k))＝g(y)-γ(y,u(k)) (6)

式中，g(y)为目标粉体粒度分布的PDF形状；

为了获得合适的控制器输入u(k)，如采用优化如式(7)性能指标得到控制器输入u(k)：

式中，J分别为设计控制器输入u(k)采用的性能指标，R₁为控制输入权值。

本发明的有益效果：

本发明搭建面向盘磨系统粉体粒度的随机分布控制实验装置，该装置不但可以用于验证一系列随机分布控制算法，如固定结构的PDF控制算法，迭代学习PDF控制算法，多步预测PDF控制算法和鲁棒PDF控制算法等研究，为教学和科研提供较好的实验平台。

本发明提出一种面向盘磨系统粉体粒度的随机分布控制方法，对于实际工业过程不满足高斯输出的假设条件时，也即输出随机变量的PDF形状具有典型的非对称、多峰值、非高斯分布特征，本发明所提方法不但可以有效实现随机分布系统输出随机变量的非高斯分布形状的控制，而且也可以对输出随机变量的均值和方差的进行有效控制。

本发明设计合理，易于实现，具有很好的实用价值。

附图说明

图1是本发明具体实施方式中随机分布控制原理图；

图2是本发明具体实施方式中盘磨系统粉体粒度随机分布控制实验装置结构正视图；

图3是本发明具体实施方式中盘磨系统粉体粒度随机分布控制实验装置结构侧视图；

图4是本发明具体实施方式中盘磨系统螺旋喂料控制装置图；

图5是本发明具体实施方式中盘磨系统磨机转速控制装置及磨盘间隙伺服控制装置图；

图6是本发明具体实施方式中盘磨系统取样装置图；

图7是本发明具体实施方式中盘磨系统粉体粒度的随机分布控制实验装置的控制流程图；

图8是本发明具体实施方式中螺旋喂料控制装置控制流程图；

图9是本发明具体实施方式中磨机转速调节装置控制流程图；

图10是本发明具体实施方式中磨盘间隙伺服控制流程图；

图11是本发明具体实施方式中取样装置控制流程图；

图12是本发明具体实施方式中粉体粒度分布的PDF三维图。

图中：1、螺旋喂料控制装置；2、磨机转速调节装置；3、磨盘间隙伺服控制装置；4、取样装置；5、动磨盘；6、激光粒度仪；7、控制柜；8、上位机；9、粉体回收箱；10、直流电机1；11、三相异步电动机；12、交流伺服电机；13、减速器；14、位移传感器；15、取样套管；16、直流电机2。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明做出进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

为了验证随机分布控制方法的有效性和可行性，本发明提出一种面向盘磨系统粉体粒度的随机分布控制实验装置，采用磨盘系统，其主要目的是通过设计不同的随机分布控制算法实现盘磨系统粒度分布形状的控制，因此，本发明所提出的磨盘系统可以看作一种典型的随机分布控制系统，如图2和图3所示，所述实验装置包括：螺旋喂料控制装置1、磨机转速调节装置2、磨盘间隙伺服控制装置3、取样装置4、激光粒度仪6、控制柜7和上位机8；

所述盘磨系统采用立式双盘磨粉机，包括动磨盘5和相对应的静磨盘；

所述螺旋喂料控制装置1如图4所示，包括螺旋喂料器、直流电机1 10和电子秤；所述螺旋喂料器与直流电机1连接；所述电子秤与上位机连接，用于测量实际螺旋喂料量；

所述螺旋喂料控制装置1根据螺旋喂料器的螺旋转速控制螺旋喂料量，即通过上位机8设置螺旋喂料量，实现所述盘磨系统的定量喂料；

所述磨机转速调节装置2如图5所示，包括变频器和三相异步电动机11，三相异步电动机11连接盘磨系统的动磨盘5，在物料进入磨区后，动磨盘5在三相异步电动机11带动下转动；所述变频器安装在控制柜内；

所述磨机转速调节装置2通过调节变频器频率控制磨机转速；

所述磨盘间隙伺服控制装置3如图5所示，包括交流伺服电机12、减速器13和位移传感器14；交流伺服电机12连接减速器13，减速器13连接盘磨装置的动磨盘5，位置传感器安装到所述盘磨系统中连接动磨盘5的驱动轴上，并与上位机8连接，实时采集动磨盘5的位置信号，将该位置信号反馈到上位机8进行磨盘间隙的计算，伺服电机与PLC连接，PLC与上位机8连接。

所述磨盘间隙伺服控制装置3驱动动磨盘5水平移动，将静磨盘位置作为零点位置，通过位移传感器14实时采集动磨盘5的位置信号，反馈到上位机系统进行磨盘间隙的计算，根据计算结果驱动动磨盘5调整位置，从而实现动磨盘5的位置移动的精确定位，通过动磨盘5的精确定位实现磨盘间隙的控制，详细的磨盘间隙的控制流程如图10所示。

所述取样装置4如图6所示，包括直流电机2 16、取样套管15和粉体回收箱9；所述取样套管分别磨盘系统的出粉口和粉体回收箱连接；

根据激光粒度仪的检测周期，设定取样装置4中直流电机2 16的启动时间和停止时间；

取样装置4中直流电机2 16在启动状态下进行取样，并根据电机的启动时间长短控制粉体的取样量，通过取样套管15送入激光粒度仪；取样装置4中直流电机2 16在停止状态下，生产的粉体进入粉体回收箱9，实现间歇式取样；间歇式取样的控制流程如图11所示。每个检测周期内的取样量是一样的，取样量通过控制取样装置4中直流电机2 16启动时间的长短进行调节；

所述激光粒度仪采用新帕泰克粉体激光粒度仪，用于对取样装置4得到的粉体样本的粒度分布进行检测，得到粉体粒度分布的PDF形状；

所述控制柜7内部设置PLC；所述PLC分别与螺旋喂料控制装置1的直流电机1 10、取样装置4的直流电机2 16和盘磨间隙的交流伺服电机12相连；所述变频器与磨机转速调节装置2的三相异步电机相连；

所述PLC和变频器均与上位机8连接，接收上位机8发送的指令；

所述上位机8中包含随机分布控制算法，通过上位机8设定初始的螺旋喂料量、磨机转速、磨盘间隙、目标粉体粒度分布的PDF形状、取样装置4中直流电机2 16的启动时间和停止时间以及接收利用随机分布控制算法得到的螺旋喂料量、磨机转速、磨盘间隙的设定值；

根据实际粉体粒度分布的PDF形状与设定目标粉体粒度分布的PDF形状，利用所述随机分布控制算法更新螺旋喂料量、磨机转速、磨盘间隙的设定值；

通过控制螺旋喂料控制装置1中的螺旋转速实现螺旋喂料量的控制；

通过调节变频器频率控制磨机转速；

利用交流伺服电机12驱动动磨盘5的位置移动，通过动磨盘5的精确定位实现磨盘间隙的控制；

根据激光粒度仪检测的粉体粒度分布的PDF形状与目标粉体粒度分布的PDF形状，利用随机分布控制算法计算螺旋喂料量、磨机转速、磨盘间隙的更新设定值；所述的激光粒度仪检测的粉体粒度分布的PDF形状曲线，供使用者通过上位机8查询；

本发明提出一种面向盘磨系统粉体粒度的随机分布控制实验装置的控制方法，如图7所示，采用所述面向盘磨系统粉体粒度的随机分布控制实验装置，具体内容为：

步骤1，进行初始设置；

根据盘磨系统的生产效率，通过上位机系统设置目标粉体粒度分布的PDF形状，设置初始的螺旋喂料量、取样装置4的启动时间和停止时间，初始的磨盘间隙以及初始的磨机转速；

其中，所述取样装置4的启动时间和停止时间，根据激光粒度仪所需检测时间设置；

所述初始的磨机转速根据实际物料硬度以及盘磨系统的生产效率进行设置；

本实施例中，生产效率为15kg/h，初始的磨盘间隙为0.6mm，磨机转速为3000r/min，取样装置4的启动时间和停止时间分别为10s和30s；

所述螺旋喂料量的控制流程如图8所示，根据电子秤测量的实际的螺旋喂料量值对螺旋转速进行调节，实现所述螺旋喂料控制装置1的定量喂料，然后将物料送入盘磨系统的磨区；

所述磨机转速的控制流程如图9所示，通过调节变频器频率控制盘磨系统的磨机转速，直至实际磨机转速达到设定的磨机转速；

所述磨盘间隙的控制流程如图10所示，上位机系统控制伺服电机转速带动盘磨水平移动，将静磨盘位置作为零点位置，移动过程中通过减速器13调节移动速度，位移传感器14实时采集动磨盘5的位置信号反馈到上位机8，并与设定的磨盘间隙的对比，判断动磨盘是否到达指定位置，并控制磨盘间隙伺服控制装置3对动磨盘5位置进行相应调整，从而达到设定的磨盘间隙；

步骤2，启动盘磨系统；

步骤3，盘磨系统根据取样装置4的启动时间和停止时间进行取样；

所述取样装置4的控制流程如图11所示，达到设定的取样电机的启动时间时取样电机启动，进行取样，粉体进入激光粒度仪；达到设定的取样电机的停止时间时取样电机停止，粉体进入粉体回收箱9，实现间歇式取样；每个检测周期内的取样量是一样的，取样量通过调节启动时间的长短进行判断。

步骤4，激光粒度仪按检测周期来获得实际粉体粒度分布的PDF形状，并反馈给上位机8；

步骤5，若粉体粒度分布的PDF形状不满足目标粉体粒度分布的PDF形状，则通过随机分布控制算法对螺旋喂料量、磨盘间隙和磨机转速的设定值进行更新；反之，粉体粒度分布的PDF形状满足生产要求，控制流程结束；

根据随机分布控制理论，随机分布系统的建模和控制方法如图1所示，描述如下：

记y∈[a,ξ]为描述动态随机分布系统输出的一致有界随机变量，即输出随机变量；u(k)∈R^m为k时刻的随机分布系统控制输入，这表明在任一采样时刻k，随机变量y通过其PDF形状来描述，其定义式如下：

式中，γ(y,u(k))为输出随机变量y的PDF，即输出PDF；P(a≤y＜ξ,u(k))表示随机分布系统在k时刻控制输入u(k)作用下输出随机变量y落在区间[a,ξ]内的概率，也即输出PDFγ(y,u(k))形状由输入u(k)控制；

所述控制输入u(k)为螺旋喂料量、磨盘间隙和磨机转速；

所述随机变量y为粉体粒度，输出PDFγ(y,u(k))为粉体粒度分布形状；本实施方式中粉体粒度分布的PDF三维图如图12所示；

利用神经网络来逼近任一时刻的输出PDF，即通过采用固定结构的神经网络来逼近输出PDF，如B样条神经网络、RBF神经网络，将神经网络的权值和控制输入u(k)联系起来，即通过控制神经网络的权值来实现对输出PDF的控制；

本实施例中，采用B样条神经网络逼近输出PDF得到如下：

式中，ω_i(u(k))为k时刻B样条神经网络的权值，B_i(y)为相应的B样条基函数；e(y,u(k))为逼近误差，本实施例中，对其忽略不计；

因为输出PDF在其定义域上的积分应该始终等于1，这表明在n个权值中有n-1个所述权值是相互独立的，因此得到如下公式：

γ(y,u(k))＝C(y)V(k)+h(V(k))B_n(y) (3)

式中，C(y)＝[B₁(y),B₂(y),…,B_n-1(y)]，V(k)＝[ω₁(k),ω₂(k),…,ω_n-1(k)]^T，h(V(k))为前n-1个权值的函数表达式；考虑到如下神经网络逼近权值和控制输入u(k)之间存在如下动态关系：

V(k+1)＝f(V(k),u(k)) (4)

式中，f(·)为控制输入与权值之间的函数关系，其为常规的线性函数或非线性函数，式(3)和式(4)所组成的系统描述随机分布系统的控制输入u(k)和输出PDF的关系；因此，通过设计合适的控制输入u(k)实现对输出PDF形状控制。

基于式(3)和式(4)随机分布系统的输出PDF动态模型表示如下：

根据随机分布控制原理，基于如式(6)所示的跟踪PDF误差，通过设计不同的控制输入u(k)实现对目标粉体粒度分布的PDF形状的控制；

e(y,u(k))＝g(y)-γ(y,u(k)) (6)

式中，g(y)为目标粉体粒度分布的PDF形状；

为了获得合适的控制器输入u(k)，采用式(7)优化性能指标得到控制器输入u(k)：

式中，J为设计控制器输入u(k)采用的性能指标，R₁为控制输入权值。

Claims (5)

1.一种面向盘磨系统粉体粒度的随机分布控制实验装置，采用盘磨系统，其特征在于，所述实验装置包括：螺旋喂料控制装置、磨机转速调节装置、磨盘间隙伺服控制装置、取样装置、激光粒度仪、控制柜和上位机；

所述盘磨系统采用立式双盘磨粉机，包括动磨盘和相对应的静磨盘；

所述螺旋喂料控制装置包括螺旋喂料器、直流电机1和电子秤；所述螺旋喂料器与直流电机1连接；所述电子秤与上位机连接，用于测量实际螺旋喂料量；

所述磨机转速调节装置，包括变频器和三相异步电动机；三相异步电动机连接盘磨系统的动磨盘，在物料进入磨区后，动磨盘在三相异步电动机带动下转动；所述变频器安装在控制柜内；

所述磨盘间隙伺服控制装置包括交流伺服电机、减速器和位移传感器；交流伺服电机连接减速器，减速器连接盘磨装置的动磨盘，位置传感器安装到所述盘磨系统中连接动磨盘的驱动轴上，并与上位机连接；

所述取样装置包括直流电机2、取样套管和粉体回收箱；所述取样套管分别与盘磨系统的出粉口和粉体回收箱连接；

根据激光粒度仪的检测周期，设定直流电机2的启动时间和停止时间；

所述控制柜内部设置PLC；所述PLC分别与螺旋喂料控制装置的直流电机1、取样装置的直流电机2和盘磨间隙的交流伺服电机相连；所述变频器与磨机转速调节装置的三相异步电机相连；

所述PLC和变频器均与上位机连接，接收上位机发送的指令。

2.根据权利要求1所述的面向盘磨系统粉体粒度的随机分布控制实验装置，其特征在于，所述螺旋喂料控制装置根据螺旋喂料器的螺旋转速控制螺旋喂料量，即通过上位机设置螺旋喂料量，实现所述盘磨系统的定量喂料；

所述磨机转速调节装置通过调节变频器频率控制磨机转速；

所述磨盘间隙伺服控制装置驱动动磨盘水平移动，将静磨盘位置作为零点位置，通过位移传感器实时采集动磨盘的位置信号，反馈到上位机系统进行磨盘间隙的计算，根据计算结果驱动动磨盘调整位置，从而实现动磨盘的位置移动的精确定位，通过动磨盘的精确定位实现磨盘间隙的控制；

所述取样装置中直流电机2在启动状态下进行取样，并根据电机的启动时间长短控制粉体的取样量，通过取样套管送入激光粒度仪；取样装置中直流电机2在停止状态下，生产的粉体进入粉体回收箱，实现间歇式取样；每个检测周期内的取样量是一样的，取样量通过控制取样装置中直流电机2启动时间的长短进行调节；

所述上位机中包含随机分布控制算法，通过上位机设定初始的螺旋喂料量、磨机转速、磨盘间隙、目标粉体粒度分布的PDF形状、取样装置中直流电机2的启动时间和停止时间以及接收利用随机分布控制算法得到的螺旋喂料量、磨机转速、磨盘间隙的设定值；

根据实际粉体粒度分布的PDF形状与设定目标粉体粒度分布的PDF形状，利用所述随机分布控制算法更新螺旋喂料量、磨机转速、磨盘间隙的设定值；

通过控制螺旋喂料控制装置中的螺旋转速实现螺旋喂料量的控制；

通过调节变频器频率控制磨机转速；

利用交流伺服电机驱动动磨盘的位置移动，通过动磨盘的精确定位实现磨盘间隙的控制；

根据激光粒度仪检测的粉体粒度分布的PDF形状与目标粉体粒度分布的PDF形状，利用随机分布控制算法计算螺旋喂料量、磨机转速、磨盘间隙的更新设定值；所述的激光粒度仪检测的粉体粒度分布的PDF形状曲线，供使用者通过上位机查询。

3.根据权利要求1所述的面向盘磨系统粉体粒度的随机分布控制实验装置，其特征在于，所述激光粒度仪采用新帕泰克粉体激光粒度仪，用于对取样装置得到的粉体样本的粒度分布进行检测，得到粉体粒度分布的PDF形状。

4.一种面向盘磨系统粉体粒度的随机分布控制实验装置的控制方法，其特征在于，采用权力要求1所述的面向盘磨系统粉体粒度的随机分布控制实验装置，包括以下步骤：

步骤1，进行初始设置；

根据盘磨系统的生产效率，通过上位机系统设置目标粉体粒度分布的PDF形状，设置初始的螺旋喂料量、取样装置的启动时间和停止时间，初始的磨盘间隙以及初始的磨机转速；

其中，所述取样装置的启动时间和停止时间，根据激光粒度仪所需检测时间设置；

所述初始的磨机转速根据实际物料硬度以及盘磨系统的生产效率进行设置；

所述螺旋喂料量的控制流程为：根据电子秤测量的实际的螺旋喂料量值对螺旋转速进行调节，实现所述螺旋喂料控制装置的定量喂料，然后将物料送入盘磨系统的磨区；

所述磨机转速的控制流程为：通过调节变频器频率控制盘磨系统的磨机转速，直至实际磨机转速达到设定的磨机转速；

所述磨盘间隙的控制流程为：上位机系统控制伺服电机转速带动盘磨水平移动，将静磨盘位置作为零点位置，移动过程中通过减速器调节移动速度，位移传感器实时采集动磨盘的位置信号反馈到上位机，并与设定的磨盘间隙的对比，判断动磨盘是否到达指定位置，并控制磨盘间隙伺服控制装置对动磨盘位置进行相应调整，从而达到设定的磨盘间隙；

步骤2，启动盘磨系统；

步骤3，盘磨系统根据取样装置的启动时间和停止时间进行取样；

所述取样装置的控制流程为：达到设定的取样电机的启动时间时取样电机启动，进行取样，粉体进入激光粒度仪；达到设定的取样电机的停止时间时取样电机停止，粉体进入粉体回收箱，实现间歇式取样；每个检测周期内的取样量是一样的，取样量通过调节启动时间的长短进行判断；

步骤4，激光粒度仪按检测周期来获得实际粉体粒度分布的PDF形状，并反馈给上位机；

步骤5，若粉体粒度分布的PDF形状不满足目标粉体粒度分布的PDF形状，则通过随机分布控制算法对螺旋喂料量、磨盘间隙和磨机转速的设定值进行更新；反之，粉体粒度分布的PDF形状满足生产要求，控制流程结束。

5.根据权利要求4所述的面向盘磨系统粉体粒度的随机分布控制实验装置的控制方法，其特征在于，根据随机分布控制理论，随机分布系统的建模和控制方法描述如下：

记y∈[a,ξ]为描述动态随机分布系统输出的一致有界随机变量，即输出随机变量；u(k)∈R^m为k时刻的随机分布系统控制输入，这表明在任一采样时刻k，随机变量y通过其PDF形状来描述，其定义式如下：

式中，γ(y,u(k))为输出随机变量y的PDF，即输出PDF；P(a≤y＜ξ,u(k))表示随机分布系统在k时刻控制输入u(k)作用下输出随机变量y落在区间[a,ξ]内的概率，也即输出PDFγ(y,u(k))形状由输入u(k)控制；

所述控制输入u(k)为螺旋喂料量、磨盘间隙和磨机转速；

所述随机变量y为粉体粒度，输出PDFγ(y,u(k))为粉体粒度分布形状；

利用神经网络来逼近任一时刻的输出PDF，即通过采用固定结构的神经网络来逼近输出PDF，如B样条神经网络、RBF神经网络，将神经网络的权值和控制输入u(k)联系起来，即通过控制神经网络的权值来实现对输出PDF的控制；

采用B样条神经网络逼近输出PDF得到如下：

式中，ω_i(u(k))为k时刻B样条神经网络的权值，B_i(y)为相应的B样条基函数；e(y,u(k))为逼近误差，对其忽略不计；

因为输出PDF在其定义域上的积分应该始终等于1，这表明在n个权值中有n-1个所述权值是相互独立的，因此得到如下公式：

γ(y,u(k))＝C(y)V(k)+h(V(k))B_n(y) (3)

式中，C(y)＝[B₁(y),B₂(y),…,B_n-1(y)]，V(k)＝[ω₁(k),ω₂(k),…,ω_n-1(k)]^T，h(V(k))为前n-1个权值的函数表达式；考虑到如下神经网络逼近权值和控制输入u(k)之间存在如下动态关系：

V(k+1)＝f(V(k),u(k)) (4)

式中，f(·)为控制输入与权值之间的函数关系，其为常规的线性函数或非线性函数，式(3)和式(4)所组成的系统描述随机分布系统的控制输入u(k)和输出PDF的关系；因此，通过设计合适的控制输入u(k)实现对输出PDF形状控制；

基于式(3)和式(4)随机分布系统的输出PDF动态模型表示如下：

根据随机分布控制原理，基于如式(6)所示的跟踪PDF误差，通过设计不同的控制输入u(k)实现对目标粉体粒度分布的PDF形状的控制；

e(y,u(k))＝g(y)-γ(y,u(k)) (6)

式中，g(y)为目标粉体粒度分布的PDF形状；

为了获得合适的控制器输入u(k)，如采用优化如式(7)性能指标得到控制器输入u(k)：

式中，J分别为设计控制器输入u(k)采用的性能指标，R₁为控制输入权值。