钢球磨煤机是火电厂生产的重要辅助设备，又是耗电大户，它的安全、高效运行非常重要。球磨机是一个非线性、大滞后、大惯性、强耦合和具有多种不确定性扰动的多变量对象。常规比例一积分一微分(PID)控制器存在参数整定不便、工况适应性差等问题，常规PID控制很难达到理想效果。目前国内不少火电厂的球磨机还处于人为判断和手工操作的原始状态，系统一般工作在经济性较差的
    “习惯运行区”，厂用电消耗大，经济效益差。因此，寻找合理、有效的球磨机控制方法势在必行。随着控制理论的发展，一些先进控制、智能控制被用于球磨机控制仿真中，其中前向神经网络(FNN)具有良好的容错性、强大的自学习能力和非线性映射能力，而基于FNN的PID控制器是把PID控制器与FNN结合起来，利用FNN的自学习能力自动调节PID控制器参数，以适应被控过程的变化，提高控制性能和可靠性。但采用反向传播(BP)算法优化算法来训练FNN存在容易陷入局部极小值、收敛速度慢、“过学习”等问题，影响了FNN的精度。粒子群优化(PSO)算法具有训练时间短计算精度高和较强的全局搜索能力等优点，但存在容易陷入局部极小值的“早熟”问题_8 ，利用混沌搜索算法重新选取初值可解决这一问题 。为了提高球磨机控制的快速性和准确性，本文采用一种离线混沌PSO和在线BP相结合的混合优化方法来训练FNN的权值 。即首先在PSO基础上，通过混沌策略，在全局搜索范围内搜索，使PS0算法在初期尽快收敛情况下，后期能够跳出“早熟”限制，离线取得权值的近似较优解，然后在线时利用BP快速进一步调整，以获得更好的控制性能。较后，在Matlab/Simulink平台仿真实验，验证了本文提出的控制方法用于球磨机控制的可行性和有效性，并取得了良好控制效果。