權(quán)利要求書： 1.基于多智能體TLBO算法的球磨機(jī)制粉優(yōu)化控制方法，包括：建立球磨機(jī)制粉控制模型；

對基本TLBO算法進(jìn)行改進(jìn)，包括教學(xué)因子TF的改進(jìn)，改進(jìn)之后的教學(xué)因子如式(1)：式(1)中，令TF最大值TFmax，TFi的初始值設(shè)計(jì)TF1＝1，iter_max表示最大迭代次數(shù)，iter表示當(dāng)前迭代次數(shù)；

建立控制器的狀態(tài)空間模型，將改進(jìn)的TLBO算法用于球磨機(jī)制粉系統(tǒng)控制器的參數(shù)優(yōu)化。

2.根據(jù)權(quán)利要求1所述的球磨機(jī)制粉優(yōu)化控制方法，其特征在于：基本TLBO算法的改進(jìn)還包括多智能體構(gòu)造，構(gòu)造過程如下：構(gòu)造多智能體狀態(tài)空間函數(shù)：在多智能體系統(tǒng)中當(dāng)選取未經(jīng)過學(xué)習(xí)的學(xué)員表示為智能體的聯(lián)合狀態(tài)空間S＝[s1，s2，…sn]，式中：s1～sn是未經(jīng)過學(xué)習(xí)的學(xué)員的多智能體狀態(tài)空間；構(gòu)造多智能體動(dòng)作相位：使用聯(lián)合動(dòng)作相位A＝[a1，a2，…an]式中：a1～an為動(dòng)作相位。

3.根據(jù)權(quán)利要求2所述的球磨機(jī)制粉優(yōu)化控制方法，其特征在于：基本TLBO算法的改進(jìn)還包括Stackelberg博弈均衡：選取最優(yōu)秀的學(xué)員作為領(lǐng)導(dǎo)者，目標(biāo)函數(shù)為f領(lǐng)導(dǎo)者(x)f領(lǐng)導(dǎo)者(x)＝max(U領(lǐng)導(dǎo)者智能體(s，[a1，…an]))式中：ωi(s，[a1，…an])學(xué)員群體中領(lǐng)導(dǎo)者智能體i的性能函數(shù)，θi(s，[a1，…an])學(xué)員群體中領(lǐng)導(dǎo)者智能體i的損失函數(shù)，n表示整個(gè)學(xué)員群體中領(lǐng)導(dǎo)者智能體的個(gè)數(shù)；

最優(yōu)化學(xué)員自身收益，目標(biāo)函數(shù)為f跟隨者(x)：f跟隨者(x)＝max(U跟隨智能體(s，[a1，…an]))式中：φi(s，[a1，…an])學(xué)員群體中跟隨者智能體i的性能函數(shù)， 學(xué)員群體中跟隨者智能體i的損失函數(shù)，k整個(gè)學(xué)員群體中跟隨者智能體的個(gè)數(shù)。

4.根據(jù)權(quán)利要求2或3所述的球磨機(jī)制粉優(yōu)化控制方法，其特征在于：基本TLBO算法的改進(jìn)還包括改進(jìn)“學(xué)”階段：

多智能體TLBO算法依次選中每一個(gè)學(xué)員，然后挑選一個(gè)優(yōu)秀的學(xué)員作為比較，基于自學(xué)習(xí)的學(xué)習(xí)過程為：

式(2)中：Xnew，i，表示第i個(gè)學(xué)員學(xué)習(xí)后的狀態(tài)值；Xold，i表示原來的狀態(tài)值；r1，r2表示[0，1]之間的隨機(jī)數(shù)。

5.根據(jù)權(quán)利要求1～4任一項(xiàng)所述的球磨機(jī)制粉優(yōu)化控制方法，其特征在于：控制器的狀態(tài)空間模型為：

使用TLBO算法多智能體學(xué)員對控制器Ka，Kb統(tǒng)一進(jìn)行編碼：設(shè)計(jì)多智能體TLBO算法的適應(yīng)度函數(shù)J，選擇ITAE作為目標(biāo)函數(shù)，其表達(dá)式為：式(3)中，t表示時(shí)間，e(t)為系統(tǒng)誤差；

調(diào)用多智能體TLBO算法進(jìn)行優(yōu)化，由系統(tǒng)誤差通過ITAE函數(shù)計(jì)算學(xué)員/個(gè)體適應(yīng)度Ji；

判斷適應(yīng)度函數(shù)值是否達(dá)到要求，輸出最優(yōu)學(xué)員/個(gè)體對應(yīng)的參數(shù)。

6.根據(jù)權(quán)利要求5所述的球磨機(jī)制粉優(yōu)化控制方法，其特征在于：所述球磨機(jī)制粉控制系統(tǒng)模型為雙輸入雙輸出的耦合對象，分解后的雙輸入雙輸出耦合對象的數(shù)學(xué)模型表示為：

C(s)＝G(s)R(s)

其中C(s)是輸出信號(hào)，R(s)是輸入信號(hào)，G(s)是傳遞函數(shù)矩陣，即：T T

C(s)＝[T，P]，R(s)＝[RT，RP]，其中，T是出口溫度，P是入口負(fù)壓，RT是熱風(fēng)量，RP是再循環(huán)風(fēng)量，G11(s)是T對RT的傳遞函數(shù)，G12(s)是T對RP的傳遞函數(shù)，G21(s)是P對RT的傳遞函數(shù)，G22(s)是P對RP的傳遞函數(shù)。

7.根據(jù)權(quán)利要求6所述的球磨機(jī)制粉優(yōu)化控制方法，其特征在于：整個(gè)球磨機(jī)控制系統(tǒng)算法流程如下：

S1)TLBO學(xué)員/個(gè)體數(shù)量及科目初始化，設(shè)定最大迭代次數(shù)iter_max；

S2)將 進(jìn)行編碼，依次代入控制器；

S3)計(jì)算球磨機(jī)輸出，并計(jì)算系統(tǒng)誤差；

S4)由系統(tǒng)誤差通過ITAE函數(shù)計(jì)算學(xué)員/個(gè)體適應(yīng)度；

S5)調(diào)用多智能體TLBO算法優(yōu)化，更新學(xué)員/個(gè)體參數(shù)值；

S6)判斷適應(yīng)度函數(shù)值是否達(dá)到要求或是否達(dá)到最大迭代次數(shù)；如未達(dá)到要求或最大迭代次數(shù)，iter＝iter+1，返回S2)，進(jìn)一步計(jì)算；其中，達(dá)到要求的標(biāo)準(zhǔn)為步驟S4中采用的ITAE標(biāo)準(zhǔn)優(yōu)化函數(shù)，在迭代計(jì)算過程中，三次出現(xiàn)ITAE函數(shù)計(jì)算出來的適應(yīng)度值相同，則判斷該值為最優(yōu)值；

S7)達(dá)到要求或達(dá)到最大迭代次數(shù)后，輸出最優(yōu)學(xué)員/個(gè)體對應(yīng)的參數(shù)Aka，Bka，…Dka，將Akb，Bkb，…Dkb代入球磨機(jī)的控制系統(tǒng)模型，計(jì)算系統(tǒng)輸出。

8.一種球磨機(jī)制粉的方法，包括使用權(quán)利要求1～7任一項(xiàng)所述的球磨機(jī)制粉優(yōu)化控制方法進(jìn)行控制。

9.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述指令適于由處理器加載并執(zhí)行如權(quán)利要求1至7中任意一項(xiàng)的方法步驟。

10.一種電子設(shè)備，其特征在于，包括：處理器和存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序適于由所述處理器加載并執(zhí)行如權(quán)利要求1至7中任意一項(xiàng)的方法步驟。

說明書： 基于多智能體TLBO算法的球磨機(jī)制粉優(yōu)化控制方法技術(shù)領(lǐng)域[0001] 本發(fā)明涉及球磨機(jī)制粉的控制方法，特別涉及基于多智能體TLBO算法的球磨機(jī)制粉優(yōu)化控制方法。

背景技術(shù)[0002] 在工業(yè)生產(chǎn)領(lǐng)域，常常需要用到無機(jī)粉體。球磨機(jī)是常用的制粉設(shè)備，也是制粉系統(tǒng)的核心設(shè)備，在電力、化工、冶金、陶瓷等領(lǐng)域有著不可替代的地位。目前，陶瓷企業(yè)都采

用大型球磨機(jī)進(jìn)行粉磨，采用噴霧干燥塔進(jìn)行造粒，用噴霧干燥塔制備的粉料含水率小，粒

度分布范圍滿足成形要求，因此廣泛應(yīng)用于陶瓷自動(dòng)化生產(chǎn)。球磨機(jī)是一個(gè)復(fù)雜的對象，具

有時(shí)滯性大、耦合性強(qiáng)、變量多、非線性等特點(diǎn)。典型的球磨機(jī)系統(tǒng)模型可以看作是具有三

個(gè)輸入量和三個(gè)輸出量，加上多干擾量的復(fù)雜系統(tǒng)，三個(gè)輸入量即給煤量、熱風(fēng)量、再循環(huán)

風(fēng)量，三個(gè)輸出量即進(jìn)出口壓差、入口負(fù)壓、出口溫度。使得實(shí)現(xiàn)其優(yōu)化控制成為一個(gè)復(fù)雜

的問題。

[0003] 已有的球磨機(jī)制粉系統(tǒng)常用控制方法主要有常規(guī)比例積分微分(PID)控制，解耦控制、預(yù)測控制、模糊控制、自尋優(yōu)控制、神經(jīng)網(wǎng)絡(luò)控制等。教與學(xué)優(yōu)化(teaching?

learning?basedoptimization，TLBO)算法是一種新型的智能優(yōu)化技術(shù)，其利用群體信息

進(jìn)行啟發(fā)式搜索。TLBO算法對優(yōu)化對象的優(yōu)化速度快，收斂特性強(qiáng)。但是TLBO算法在解決復(fù)

雜高維問題時(shí)，表現(xiàn)容易陷入局部最優(yōu)，多樣性丟失過快等不足的問題。

[0004] 如何對TLBO算法進(jìn)行優(yōu)化，使其可以更好地應(yīng)用于球磨機(jī)制粉的優(yōu)化控制方法中，是一項(xiàng)有待解決的技術(shù)問題。

發(fā)明內(nèi)容[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的至少一個(gè)不足，提供一種基于多智能體TLBO算法的球磨機(jī)制粉優(yōu)化控制方法。

[0006] 本發(fā)明所采取的技術(shù)方案是：[0007] 本發(fā)明的第一個(gè)方面，提供：[0008] 基于多智能體TLBO算法的球磨機(jī)制粉優(yōu)化控制方法，包括：[0009] 建立球磨機(jī)制粉控制模型；[0010] 對基本TLBO算法進(jìn)行改進(jìn)，包括教學(xué)因子TF的改進(jìn)，改進(jìn)之后的教學(xué)因子如式(1)：

[0011][0012] 式(1)中，令TF最大值TFmax，TFi的初始值設(shè)計(jì)TF1＝1，iter_max表示最大迭代次數(shù)，iter表示當(dāng)前迭代次數(shù)；

[0013] 建立控制器的狀態(tài)空間模型，將改進(jìn)的TLBO算法用于球磨機(jī)制粉系統(tǒng)控制器的參數(shù)優(yōu)化。

[0014] 在一些實(shí)例中，基本TLBO算法的改進(jìn)還包括多智能體構(gòu)造，構(gòu)造過程如下：[0015] 構(gòu)造多智能體狀態(tài)空間函數(shù)：在多智能體系統(tǒng)中當(dāng)選取未經(jīng)過學(xué)習(xí)的學(xué)員表示為智能體的聯(lián)合狀態(tài)空間S＝[s1，s2，…sn]，式中：s1～sn是未經(jīng)過學(xué)習(xí)的學(xué)員的多智能體狀態(tài)

空間；

[0016] 構(gòu)造多智能體動(dòng)作相位：使用聯(lián)合動(dòng)作相位A＝[a1，a2，…an][0017] 式中：a1～an為動(dòng)作相位。[0018] 在一些實(shí)例中，基本TLBO算法的改進(jìn)還包括Stackelberg博弈均衡：[0019] 選取最優(yōu)秀的學(xué)員作為領(lǐng)導(dǎo)者，目標(biāo)函數(shù)為f領(lǐng)導(dǎo)者(x)[0020] f領(lǐng)導(dǎo)者(x)＝max(U領(lǐng)導(dǎo)者智能體(s，[a1，…an]))[0021][0022] 式中：ωi(s，[a1，…an])學(xué)員群體中領(lǐng)導(dǎo)者智能體i的性能函數(shù)，θi(s，[a1，…an])學(xué)員群體中領(lǐng)導(dǎo)者智能體i的損失函數(shù)，n表示整個(gè)學(xué)員群體中領(lǐng)導(dǎo)者智能體的個(gè)數(shù)；

[0023] 最優(yōu)化學(xué)員自身收益，目標(biāo)函數(shù)為f跟隨者(x)：[0024] f跟隨者(x)＝max(U跟隨智能體(s，[a1，…an]))[0025][0026] 式中：φi(s，[a1，…an])學(xué)員群體中跟隨者智能體i的性能函數(shù)，學(xué)員群體中跟隨者智能體i的損失函數(shù)，k整個(gè)學(xué)員群體中跟隨者智能體的個(gè)數(shù)。

[0027] 在一些實(shí)例中，基本TLBO算法的改進(jìn)還包括改進(jìn)“學(xué)”階段：[0028] 多智能體TLBO算法依次選中每一個(gè)學(xué)員，然后挑選一個(gè)優(yōu)秀的學(xué)員作為比較，基于自學(xué)習(xí)的學(xué)習(xí)過程為：

[0029][0030] 式(2)中：Xnew，i，表示第i個(gè)學(xué)員學(xué)習(xí)后的狀態(tài)值；Xold，i表示原來的狀態(tài)值；r1，r2表示[0，1]之間的隨機(jī)數(shù)。

[0031] 在一些實(shí)例中，控制器的狀態(tài)空間模型為：[0032][0033] 使 用T LBO算法 多智能體學(xué) 員對控制器K a，Kb統(tǒng) 一進(jìn)行編碼 ：[0034] 設(shè)計(jì)多智能體TLBO算法的適應(yīng)度函數(shù)J，選擇ITAE作為目標(biāo)函數(shù)，其表達(dá)式為：[0035][0036] 式(3)中，t表示時(shí)間，e(t)為系統(tǒng)誤差；[0037] 調(diào)用多智能體TLBO算法進(jìn)行優(yōu)化，由系統(tǒng)誤差通過ITAE函數(shù)計(jì)算學(xué)員/個(gè)體適應(yīng)度Ji；判斷適應(yīng)度函數(shù)值是否達(dá)到要求，輸出最優(yōu)學(xué)員/個(gè)體對應(yīng)的參數(shù)。

[0038] 在一些實(shí)例中，所述球磨機(jī)制粉控制系統(tǒng)模型為雙輸入雙輸出的耦合對象，分解后的雙輸入雙輸出耦合對象的數(shù)學(xué)模型表示為：

[0039] C(s)＝G(s)R(s)[0040] 其中C(s)是輸出信號(hào)，R(s)是輸入信號(hào)，G(s)是傳遞函數(shù)矩陣，即：[0041][0042] 其中，T是出口溫度，P是入口負(fù)壓，RT是熱風(fēng)量，RP是再循環(huán)風(fēng)量，G11(s)是T對RT的傳遞函數(shù)，G12(s)是T對RP的傳遞函數(shù)，G21(s)是P對RT的傳遞函數(shù)，G22(s)是P對RP的傳遞函

數(shù)。

[0043] 在一些實(shí)例中，整個(gè)球磨機(jī)控制系統(tǒng)算法流程如下：[0044] S1)TLBO學(xué)員/個(gè)體數(shù)量及科目初始化，設(shè)定最大迭代次數(shù)iter_max；[0045] S2)將 進(jìn)行編碼，依次代入控制器；

[0046] S3)計(jì)算球磨機(jī)輸出，并計(jì)算系統(tǒng)誤差；[0047] S4)由系統(tǒng)誤差通過ITAE函數(shù)計(jì)算學(xué)員/個(gè)體適應(yīng)度；[0048] S5)調(diào)用多智能體TLBO算法優(yōu)化，更新學(xué)員/個(gè)體參數(shù)值；[0049] S6)判斷適應(yīng)度函數(shù)值是否達(dá)到要求或是否達(dá)到最大迭代次數(shù)；如未達(dá)到要求或最大迭代次數(shù)，iter＝iter+1，返回S2)，進(jìn)一步計(jì)算；其中，達(dá)到要求的標(biāo)準(zhǔn)為步驟S4中采

用的ITAE標(biāo)準(zhǔn)優(yōu)化函數(shù)，在迭代計(jì)算過程中，三次出現(xiàn)ITAE函數(shù)計(jì)算出來的適應(yīng)度值相同，

則判斷該值為最優(yōu)值；

[0050] S7)達(dá)到要求或達(dá)到最大迭代次數(shù)后，輸出最優(yōu)學(xué)員/個(gè)體對應(yīng)的參數(shù)Aka，Bka，…Dka，將Akb，Bkb，…Dkb代入球磨機(jī)的控制系統(tǒng)模型，計(jì)算系統(tǒng)輸出。

[0051] 在一些實(shí)例中，初始化階段一般是將每個(gè)TLBO學(xué)員在搜索空間中生成隨機(jī)數(shù)。[0052] 在一些實(shí)例中，迭代次數(shù)可以根據(jù)經(jīng)驗(yàn)或相關(guān)參考文獻(xiàn)設(shè)定。[0053] 在一些實(shí)例中，最大迭代次數(shù)不超過300，不少于20次。優(yōu)選的，最大迭代次數(shù)不低于50次，最大迭代次數(shù)不超過200次，150次，100次。

[0054] 本發(fā)明的第二個(gè)方面，提供：[0055] 一種球磨機(jī)制粉的方法，包括使用本發(fā)明第一個(gè)方面所述的球磨機(jī)制粉優(yōu)化控制方法進(jìn)行控制。

[0056] 本發(fā)明的第三個(gè)方面，提供：[0057] 一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述指令適于由處理器加載并執(zhí)行本發(fā)明第一個(gè)方面所述的球磨機(jī)制粉優(yōu)化控制方法。

[0058] 本發(fā)明的第四個(gè)方面，提供：[0059] 一種電子設(shè)備，包括處理器和存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序適于由所述處理器加載并執(zhí)行本發(fā)明第一個(gè)方面所述的球磨機(jī)制粉優(yōu)化控制

方法。

[0060] 本發(fā)明的有益效果是：[0061] 本發(fā)明的一些實(shí)例，通過在基本TLBO算法基礎(chǔ)上，對教學(xué)因子TF的進(jìn)行了改進(jìn)；在改進(jìn)“學(xué)”階段引入了多智能體算子，克服了基本TLBO算法易于陷入局部最優(yōu)的不足，可以

更好地對球磨機(jī)制粉控制方法進(jìn)行優(yōu)化。能夠提高瓷磚生產(chǎn)過程的制粉工藝效率，具有較

好的經(jīng)濟(jì)效益，減少人工成本、縮短球磨時(shí)間、節(jié)省電耗以及減少粉塵污染，推動(dòng)球磨技術(shù)

的產(chǎn)業(yè)化，不僅會(huì)取得很好的經(jīng)濟(jì)效應(yīng)和社會(huì)效應(yīng)，也會(huì)推動(dòng)瓷磚行業(yè)的可持續(xù)發(fā)展。

[0062] 本發(fā)明的一些實(shí)例，進(jìn)一步采用Stackelberg博弈規(guī)則，能夠在種群中擴(kuò)大搜索范圍，使得種群多樣性增加，避免TLBO算法陷入局部最優(yōu)。

附圖說明[0063] 圖1是基于多智能體TLBO算法的瓷磚球磨機(jī)制粉優(yōu)化控制方法步驟流程圖；[0064] 圖2是球磨機(jī)控制系統(tǒng)圖；[0065] 圖3是不同TLBO算法求解的適應(yīng)度函數(shù)曲線。具體實(shí)施方式[0066] 下面結(jié)合陶瓷工業(yè)球磨機(jī)的系統(tǒng)控制為例，進(jìn)一步說明本發(fā)明的技術(shù)方案。[0067] 參照圖1和圖2，基于改進(jìn)TLBO算法的陶瓷工業(yè)球磨機(jī)優(yōu)化控制方法，包括如下步驟：

[0068] 建立陶瓷工業(yè)球磨機(jī)系統(tǒng)控制器模型：所述球磨機(jī)系統(tǒng)控制器模型簡化的雙輸入雙輸出的耦合模型：

[0069] C(s)＝G(s)R(s)[0070] 其中C(s)是輸出信號(hào)，R(s)是輸入信號(hào)，G(s)是傳遞函數(shù)矩陣，即：[0071][0072] 其中，T是出口溫度，P是入口負(fù)壓，RT是熱風(fēng)量，RP是再循環(huán)風(fēng)量，G11(s)是T對RT的傳遞函數(shù)，G12(s)是T對RP的傳遞函數(shù)，G21(s)是P對RT的傳遞函數(shù)，G22(s)是P對RP的傳遞函

數(shù)，G(s)描述了兩回路之間的耦合關(guān)系；球磨機(jī)控制系統(tǒng)的結(jié)構(gòu)圖如圖2所示，其中T0是出

口溫度的給定值，P0是入口負(fù)壓的給定值，分別采用兩個(gè)控制器對兩個(gè)變量進(jìn)行閉環(huán)控制。

[0073] 針對基本TLBO算法做出改進(jìn)：[0074] 教學(xué)因子改進(jìn)[0075] TLOB算法的優(yōu)化過程主要分為兩個(gè)階段：教學(xué)階段與學(xué)習(xí)階段，在教學(xué)階段，班級(jí)中的各個(gè)學(xué)員通過全體學(xué)員成績的均值Mean與教師成績之間的差異difference來向老師

學(xué)習(xí).

[0076][0077] difference＝ri(Xteacher?TFiMean)[0078][0079] 其中，ri為隨機(jī)因子；TFi為教學(xué)因子；[0080] 改進(jìn)之后的教學(xué)因子如下式：[0081][0082] 式中，令TF最大值TFmax，TFi的初始值設(shè)計(jì)TF1＝1；iter_max表示最大迭代次數(shù)；iter表示當(dāng)前迭代次數(shù)

[0083] 多智能體構(gòu)造[0084] 構(gòu)造多智能體狀態(tài)空間函數(shù)：在多智能體系統(tǒng)中當(dāng)選取未經(jīng)過學(xué)習(xí)的學(xué)員表示為智能體的聯(lián)合狀態(tài)空間，

[0085] S＝[s1，s2，…sn][0086] 式中：s1～sn是未經(jīng)過學(xué)習(xí)的學(xué)員的多智能體狀態(tài)空間；[0087] 構(gòu)造多智能體動(dòng)作相位：使用聯(lián)合動(dòng)作相位，[0088] A＝[a1，a2，…an][0089] 式中：a1～an動(dòng)作相位；[0090] Stackelberg博弈均衡：[0091] 將Stackelberg博弈引入基于多智能體TLBO算法中，智能體的效益方程如下式所示，并且該節(jié)點(diǎn)的控制目標(biāo)是選取最優(yōu)秀的學(xué)員作為領(lǐng)導(dǎo)者，目標(biāo)函數(shù)為f領(lǐng)導(dǎo)者(x)：

[0092] f領(lǐng)導(dǎo)者(x)＝max(U領(lǐng)導(dǎo)者智能體(s，[a1，…an]))[0093][0094] 式中：ωi(s，[a1，…an])學(xué)員群體中領(lǐng)導(dǎo)者智能體i的性能函數(shù)，θi(s，[a1，…an])學(xué)員群體中領(lǐng)導(dǎo)者智能體i的損失函數(shù)，n表示整個(gè)學(xué)員群體中領(lǐng)導(dǎo)者智能體的個(gè)數(shù)；

[0095] 學(xué)員群體中跟隨者智能體的效益方程如下式所示，并且該節(jié)點(diǎn)的控制目標(biāo)是最優(yōu)化學(xué)員自身收益，目標(biāo)函數(shù)為f跟隨者(x)：

[0096] f跟隨者(x)＝matx(U跟隨智能體(s，[a1，…an]))[0097][0098] 式中：φi(s，[a1，…an])學(xué)員群體中跟隨者智能體i的性能函數(shù)，學(xué)員群體中跟隨者智能體i的損失函數(shù)，k整個(gè)學(xué)員群體中跟隨者智能體的個(gè)數(shù)；

[0099] 改進(jìn)“學(xué)”階段：[0100] 依次選中每一個(gè)學(xué)員，然后隨機(jī)挑選一個(gè)優(yōu)秀的學(xué)員作為比較，基于自學(xué)習(xí)的學(xué)習(xí)過程為：

[0101][0102] 式中：Xnew，i，表示第i個(gè)學(xué)員學(xué)習(xí)后的狀態(tài)值；Xold，i表示原來的狀態(tài)值；r1，r2，r3，r4表示[0，1]之間的隨機(jī)數(shù)；

[0103] 將改進(jìn)的TLBO算法用于陶瓷工業(yè)球磨機(jī)系統(tǒng)控制器，對參數(shù)進(jìn)行優(yōu)化：建立球磨機(jī)的控制器模型，該控制器結(jié)構(gòu)采用狀態(tài)空間模型表示

[0104][0105][0106] 將 TL B O 算 法多 智 能 體學(xué) 員對 控 制器 K a ，K b 統(tǒng) 一 進(jìn)行 編 碼 ：調(diào)用多智能體TLBO算法進(jìn)行優(yōu)化，由系

統(tǒng)誤差通過ITAE函數(shù)計(jì)算學(xué)員/個(gè)體適應(yīng)度；判斷適應(yīng)度函數(shù)值是否達(dá)到要求，輸出最優(yōu)學(xué)

員/個(gè)體對應(yīng)的參數(shù)，計(jì)算系統(tǒng)輸出。

[0107] 整個(gè)球磨機(jī)控制系統(tǒng)算法流程如下：[0108] S1)TLBO學(xué)員/個(gè)體數(shù)量及科目初始化，設(shè)定最大迭代次數(shù)iter_max；[0109] S2)將 進(jìn)行編碼，依次代入控制器；

[0110] S3)計(jì)算球磨機(jī)輸出，并計(jì)算系統(tǒng)誤差；[0111] S4)由系統(tǒng)誤差通過ITAE函數(shù)計(jì)算學(xué)員/個(gè)體適應(yīng)度；[0112] S5)調(diào)用多智能體TLBO算法優(yōu)化，更新學(xué)員/個(gè)體參數(shù)值；[0113] S6)判斷適應(yīng)度函數(shù)值是否達(dá)到要求，或判斷是否達(dá)到最大送代次數(shù)。如未達(dá)到要求或最大迭代次數(shù)，iter＝iter+1，返回S2)，進(jìn)一步計(jì)算；其中，達(dá)到要求的標(biāo)準(zhǔn)為步驟S4

中采用的ITAE標(biāo)準(zhǔn)優(yōu)化函數(shù)，在迭代計(jì)算過程中，三次出現(xiàn)ITAE函數(shù)計(jì)算出來的適應(yīng)度值

相同，則判斷該值為最優(yōu)值；

[0114] S7)輸出最優(yōu)學(xué)員/個(gè)體對應(yīng)的參數(shù)Aka，Bka，…Dka，Akb，Bkb，…Dkb代入球磨機(jī)的控制系統(tǒng)模型，計(jì)算系統(tǒng)輸出。

[0115] 如圖3所示，實(shí)線表示采用本發(fā)明改進(jìn)方法多智能體TLBO算法求解的適應(yīng)度函數(shù)曲線，黑色虛線表示原始TLBO算法對比曲線，可以看出，本發(fā)明提出的多智能體TLBO算法的

在求解適應(yīng)度函數(shù)值時(shí)，收斂速度更快，最大迭代次數(shù)達(dá)到50次左右后就具有較好的適應(yīng)

度，最大迭代次數(shù)達(dá)到100次左右基本可以獲得最佳的適應(yīng)度。而原始TLBO算法在迭代50次

后，適應(yīng)度依然較差，難以滿足生產(chǎn)的需求。

[0116] 本發(fā)明的控制方法，能夠在種群中產(chǎn)生方向劇烈變化的隨機(jī)游走，擴(kuò)大搜索范圍，使得種群多樣性增加，避免TLBO算法陷入局部最優(yōu)，能夠提高瓷磚生產(chǎn)過程的制粉工藝效

率，具有較好的經(jīng)濟(jì)效益，減少人工成本、縮短球磨時(shí)間、節(jié)省電耗以及減少粉塵污染，推動(dòng)

球磨技術(shù)的產(chǎn)業(yè)化，不僅會(huì)取得很好的經(jīng)濟(jì)效應(yīng)和社會(huì)效應(yīng)，也會(huì)推動(dòng)瓷磚行業(yè)的可持續(xù)

發(fā)展。

[0117] 本發(fā)明一些實(shí)施例還提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述指令適于由處理器加載并執(zhí)行上述實(shí)施例的方法步驟。本實(shí)施例提供的計(jì)算

機(jī)存儲(chǔ)介質(zhì)，可執(zhí)行本發(fā)明前述實(shí)施例提供的球磨機(jī)制粉優(yōu)化控制方法，具體相應(yīng)的功能

和有益效果。

[0118] 本發(fā)明一些實(shí)施例還提供了一種電子設(shè)備，包括：處理器和存儲(chǔ)器；其中，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序適于由所述處理器加載并執(zhí)行上述實(shí)施例的方法

步驟。本實(shí)施例提供的電子設(shè)備，可執(zhí)行本發(fā)明前述實(shí)施例提供的球磨機(jī)制粉優(yōu)化控制方

法，具體相應(yīng)的功能和有益效果。

[0119] 以上是對本發(fā)明的較佳實(shí)施進(jìn)行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實(shí)施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做出種種的等同變形或替

換，這些等同的變型或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。