中储式钢球磨制粉系统是火力发电站锅炉的重要辅助系统,其系统具有多输入多输出、运行特性有较大惯性及大延迟,一些主要系统变量之间存在较强耦合的特点。随着电力改革的逐步深化,电力市场、厂网分开也开始实施,电力企业,尤其是电厂都希望提高生产效率和设备可用率,优化资源配置,最大程度地降低发电成本。因此,提高煤粉制备系统的安全、经济运行,减少制粉系统的单耗,有利于降低发电成本,便于企业在电力市场的竞争中占据有利地位。本文针对球磨机控制系统的非线性、大滞后、强耦合等特点,通过现场试验采集数据,利用神经网络的辨识方法,得到系统的部分动态特性,然后对球磨机负荷系统和出口温度与入口负压系统分别采用不同的控制方案。具体内容如下:1.利用神经网络技术,建立球磨机运行工况的识别模型:能识别球磨机运行区域;为实现系统的智能控制,优化运行提供了前提。2.在球磨机运行模式智能分类的基础上采用改进的神经网络PID控制,使控制作用的针对性和负荷适应性更强。3.采用离线学习获得逆动态ANN模型,实现球磨机神经网络逆系统控制。4.在以上的神经网络技术应用中,本文通过在样本中加入噪声及使用检验样本及学习最优停止法等方法,增加神经网络的泛化能力。通过上述研究和仿真工作,表明基于神经网络的中储式球磨机控制具有下述特点:适用的对象范围广,不仅实现了解耦控制,还使系统有一定的自适应性;由于本文建立的神经网络模型考虑到系统的非线性因素,因此无论是静态性能还是动态性能,系统都达到了较好的控制效果。