考虑到磨煤过程的复杂性，对磨粉过程进行数学建模必须综合考虑磨煤机的工作因数与煤炭质量之间的复杂的相互作用，这些原因导致了磨煤过程的物理基础非线性。随着计算机技术的发展，火力发电厂通过先进的分布式控制技术和高精度监视系统收集主要设备的运行信息和数据。而这些数据信息使得鉴别磨煤过程模型的特性曲线变得可能。基于磨煤过程的动态分析，结合多输人多输出技术（MIMO），建立了磨煤机的非线性系统模型。该模型使用火力发电厂现场采样的数据，并通过系统学习方法识别参数。此后利物浦大学对如何进一步改良和确认磨煤机模型展开了进一步研究。作者发现原模型对温度的时间延迟特性进行了忽略。而通常意义上讲，热制粉系统球磨机的数学模型制粉系统球磨机的建模过程可分为下述步骤：l）基于应用物理学和工程学的原理以及综合相关工程师的经验对磨煤过程进行分析从而导出磨煤机模型的基本动态式。2）基于现场测量数据，运用遗传算法和系统模拟技术识别未知参数。3）通过与研究人员及相关工程师之间的讨论，以分析模拟结果并解译参数的识别。4）改进模型式。根据需求返回步骤二或者步骤三以进行更多的模型模及其验证。在建模过程中以下假设用以简化磨煤过程：。简化的机械磨煤过程，忽略不同种类的煤炭对研磨过程的影响。磨煤过程分为机械研磨过程和气流送煤过程两个独立过程。磨煤机内煤炭依尺寸被间分为原煤和碎煤粉两类。为了识别系统参数，将磨煤机的可测变量分为系统输人和系统输出两组。模型输人变量包括进煤流量，主空气流气压与大气压差，磨煤机进口温度。输出变量包括机内气压与大气压差，磨煤机出口温度，与驱动电机电流。
程序工专门用于实现现场数据的采一该程序从磨煤机系统中实时读取需要的变量（如煤炭输送带进给速度只等），然后将数据存入电脑缓存中供模型实时建模使用。程序n专门为实现模型的实时建模而设计一程序将本文第二部分所提的模型变量从电脑缓存中调出，进而实施模型的实时模拟运算。程序运算的结果将动态地以图表形式展示于用户。此共享内存技术为模型能直接运行于不同的磨煤机制粉系统提拱了极大的方便性。因其提供了制粉系统的预估变量值，特别是现实不可测量变量的值，故可以预期的是通过该模型所获得的信息，电厂工程师们将可大大的提高磨煤系统的控制质量及锅炉的燃烧效率。图7共享内存结构框图本磨煤机实时建模的软件采用C++语言进行设计编译，由用其编译而成的执行程序拥有高效的运行特性，而且不需要附加任何商业软件包则可独立运行。本软件还针对电厂工程技术人员的需求设计了方便的控制平台一平台的主界面，此平台允许用户在其软件环境进行方便的交流通信，其友好的用户界面受到技术人员的大力推荐和赞扬。同时，该软件还提供了子窗口以显示模型所有的测量变量和预估变量，从而用户可以直接得知系统状态信息，并且还可以监视设备性能另外模型参数可以通过读取指定文件夹中的参数数据包进行升级，其初始值也可由用户手动设定。针对不同的操作模式或使用条件，参数辩识通常情况下是离线执行的，其执行频率为几个小时到几天不等。辩识后的模型参数将存于数据包中以拱用户在更新模型参数时调用。本文基于利物浦大学过去5年的工作，对制粉系统球磨机的模型进行了更深人的研究与开发，并建立了实时磨煤系统的模型。