磨机是铀矿等矿石选冶过程中的主要粉碎设备,也是核分析与测量样品研磨制备的重要设备.在生产过程中,磨机要适应各种工况条件下的物料粉碎,如何控制好矿石碎磨过程的工艺参数十分关键.在诸多的工艺参数中,磨机负荷又是粉碎设备生产过程控制中的关键参数之一,保持磨机负荷的相对稳定对改善产品质量、提高粉磨效率和降低能耗具有十分重要的意义,因此,磨机负荷自动控制是矿石碎磨过程控制研究中的一个重要课题.由于矿石碎磨过程具有系统结构复杂、过程高度非线性、扰动作用的不确定等特点,是一个典型的复杂非线性不确定系统,采用基于对象模型的传统PID控制或者普通模糊控制方法对磨机负荷进行控制难以取得理想的控制效果,因此,提出了一种基于模糊神经网络的磨机负荷控制方案.采用模糊逻辑和神经网络控制策略,设计了新的控制算法来解决磨机负荷控制问题.系统中,将模糊控制技术与神经网络技术相结合,构建模糊神经控制器,利用神经网络实现模糊逻辑推理,神经网络通过对训练样本的学习,产生、修正并优化输入/输出之间的模糊规则,提高磨机负荷控制系统的适应能力,改善控制系统的性能.MATLAB仿真和实验结果表明,模糊神经网络用于矿石碎磨过程磨机负荷自动控制可以获得比传统PID控制和常规模糊控制具有更好的适应能力和稳态性能,保证了磨机负荷状态的稳定,满足了生产工艺的要求.研究表明,模糊神经网络技术用于磨机负荷自动控制能够很好地改善控制系统的品质,具有较好的实用价值和应用前景.由于受条件的限制,研究是基于仿真实验和在试验机组上进行的,所获得的结论也只是取得了阶段性的初步成果,因此,该项目还有待于更深入的研究和进一步的试验.