球磨機是當前國內火電廠制粉系統中使用zui多的磨煤設備，且廣泛應用于采礦、冶金等其他行業。其優點是容量大、運行可靠、煤種適應性強、維護簡單、檢修費用低等；缺點是制粉電耗高、控制優化難。球磨機是多變量、非線性、強耦合、大延遲對象，不僅特性復雜，且變量時變緩慢。目前，球磨機筒內料位缺少有效可靠的檢測手段，一般是由運行人員通過對其數十個運行參數的監控并結合平時的運行經驗來間接判斷磨煤機中的料位是否過高或過低。現有的自動控制系統難以長期可靠投用，球磨機經常運行于缺煤或是堵塞的工況，導致制粉電耗偏高。只有保持球磨機在*料位下運行，才能使磨煤過程中的無用功耗降低、提高磨煤效率。并且從保證鍋爐穩定燃燒的角度出發，對其運行狀態進行及時準確的監控亦具有非常重要的意義。因此，對球磨機料位的監測是實現自動控制、運行優化、節能降耗的關鍵所在。雷蒙磨粉機http://www.ftxny.com/mjfl/62.html雷蒙磨
雷蒙磨機油墨輥總成http://www.ftxny.com/mjfl/6126.html雷蒙磨配件
球磨機http://www.ftxny.com/mjfl/64.html雷蒙磨粉機
本文以某大型電廠制粉系統（如圖一所示）中的球磨機（型號：MT2350/600）為研究對象，設計了一個基于BP神經網絡的料位監測系統。并利用Matlab 7.0強大的數據處理功能和其神經網絡工具箱，編制了相應的數據處理，特征值提取和BP神經網絡的程序，流程圖如圖二所示。其主要功能為：正確監測球磨機的料位狀態，預測可能發生的堵磨及缺煤情況，可以提高球磨機的運行效率，降低制粉單耗，具有良好的經濟效益。
1、BP神經網絡結構及料位判定原理
神經網絡能夠實現從輸入空間到輸出空間的非線性預測，即可以檢測出多變量之間的關系。它能夠識別各種狀態并對其進行分類，這些狀態與網絡訓練時所使用的數據相接近或相似。神經網絡雖不能給出準確的輸出信息，但所輸出的信息正好能夠接近于*答案。利用神經網絡的這些優點，可以建立動態的球磨機料位監測系統。
本系統采用反向傳播模型(Back Propagation Model)，因其很好的逼近非線性映射能力和高度并行處理等，近年來被廣泛應用于模式識別、圖像處理、預測等方面。它是一種多層前饋型網絡，根據Kolmogorv定理，給定任何一連續函數，都可由一個三層BP網絡來實現。輸入層與隱層各節點之間，隱層與輸出層各節點之間用可調整的權值來連接，三層BP網絡結構圖如圖二所示。其中，輸入層輸入制粉系統的11個運行參量（具體各參量見表一），輸出層輸出對料位高低的判斷結果。
