Eine effektive Überwachung und Steuerung des Füllstands in der Kohlekugelmühle ist entscheidend für die Optimierung des Betriebs des Kohlemahlungssystems und die Energieeinsparung. Basierend auf den Betriebsmerkmalen der Kohlekugelmühle wurde ein BP-Neuronales Netzwerkmodell zur Klassifizierung verschiedener Parameter in verschiedenen Betriebsbedingungen und zum adaptiven Füllstandsmonitoring entwickelt. Die Simulationsergebnisse zeigen, dass das Netzwerk effektiv ist und die Grundlage für die Optimierung des Betriebs des Kohlemahlungssystems und die automatische Steuerung bildet.

Mahlungssystem; Kohlekugelmühle; Füllstandsüberwachung; BP-Neuronales Netzwerk; Steuerung