立式砂磨机用于油墨研磨,它是油墨生产中的关键设备,磨机的料位影响油墨的质量和生产效率。因此,在磨机的研磨过程中需要对料位进行精准的控制。在油墨研磨过程中,由于磨机振动幅度较大,料位不易直接检测,故传统的接触式测量方式不适合应用到磨机料位检测上。且传统的料位控制依赖于操作者的经验并需要手动调节,使得磨机中的料位不能稳定保持在合理高度。这就要求采用更加智能的料位预测和控制方法来保证料位的合理高度。本文提出使用多传感器信息融合对料位进行预测并通过模糊PID进行控制的方法,在提升油墨的出品质量的基础上,提高了油墨的生产效率。在料位预测过程中,本文通过多传感器软测量技术检测压力、温度和电流相关信号,使用小波变换进行三层分解得到特征值作为信息融合的输入量。考虑到BP神经网络在处理非线性问题时具有优良性能,故通过构建三层BP神经网络模型对砂磨机内部料位进行预测。BP网络在寻优时,易陷入局部最优,而遗传算法和粒子群算法可通过对网络权值和阈值的参数改进来提高其寻优能力。对两种优化算法的结果进行比较,最终选取遗传算法构建GA-BP模型进行料位预测。在料位控制过程中,通过前瞻控制来保证料位在最佳状态范围内波动。将多传感器信息融合的预测料位和最佳料位的偏差以及偏差的变化程度作为模糊控制的输入,根据操作者经验得到的控制规则表推理决策,得到PID增益的输出变化量,再通过叠加初始值得到最终的PID增益值。利用PID算法计算得到的变频器频率控制磨机系统进料泵的速度来保持料位的合理高度。本文根据系统的功能要求对磨机系统进行方案设计,对控制器、触摸屏等设备进行选型,最后搭建实验平台验证控制策略的可行性。下位机采用S7-200 Smart PLC作为控制器,在对应的平台上完成组态和模块设计,实现对润滑电机、磨机、进料泵、出料泵、冷却水泵等硬件设备的控制,并接收来自电流、温度、压力等传感器的数据。上位机借助Win CC设计人机交互界面进行现场状态的实时监测和控制。实验结果表明,当料位由于外界干扰或内部系统磨损造成异常时,系统会自动调节,使料位动态保持在合理高度下,实现系统参数的最优控制。