基于FWA-RFNN的散装物料智能装车系统-论文

针对煤矿散装物料装车过程中偏载严重、误差大等问题，提出了一种基于烟花算法（FWA）优化递归模糊神经网络（RFNN）的散装物料智能装车系统。将列车车厢速度的实测值与设定值进行比较，得到偏差作为RFNN控制器的输入，通过RFNN控制器对偏差进行模糊化、动态记忆调节、去模糊化等处理，并利用FWA对RFNN权重进行优化，使RFNN控制器自适应输出修正后的控制参数；依据散装物料装车计量模型，根据各传感器采集的物料质量、物料高度、车厢装载过程中的行驶距离及RFNN控制器输出的控制参数，求得所需调节的牵引电动机频率，进而改变牵引电动机转速，从而调整列车车厢速度，实现散装物料的无偏载装车。实际应用表明，经FWA优化后的RFNN控制器可快速调节车厢速度，且保持速度稳定，满足多车厢分布均衡装载的要求，同时提高了装车精度。