论文部分内容阅读
球磨机作为磨矿的关键设备,其负荷情况与选矿厂生产效率、安全、能耗等多项技术经济指标直接相关。由于球磨机运行过程中存在多个时变非线性参数彼此制约耦合,加上长时间工作在密封旋转状态,难以实现负荷的具体描述与实时控制,因而磨矿生产过程自动化程度较低,引起资源大量浪费。要保证球磨机运行过程的稳定与经济,重点在于实现球磨机负荷的在线检测,据此指导球磨机给水给矿,使其运行在最佳工作状态。本文以湿式球磨机筒体振动为主要研究对象,以信号分析处理技术和建模方法为基本手段,深入研究球磨机振动信号特征提取与负荷检测方法,主要工作内容如下:首先对比目前各球磨机负荷检测方法优缺点,阐述常用振动信号特征提取方法与负荷检测方法,深入研究湿式球磨机结构、运行机理与磨矿生产流程,分析球磨机筒体振动信号作为球磨机负荷表征信号的可行性,结合工业过程分析和操作人员经验,将球磨机负荷划分为空砸、欠负荷、理想负荷、过负荷四种状态,对磨矿过程中与球磨机负荷相关的主要参数进行分析,从中选取给矿量、给水量、补加水量、泵池液位高度、溢流流量、-200目百分比、电机功率7个参数作为多源信息融合模型输入参数。针对球磨机磨矿过程的复杂特性导致无法获取球磨机负荷状态的问题,提出基于改进K-means算法的球磨机负荷状态分类方法。通过对选取的7个参数进行KPCA降维,应用基于密度划分和结合遗传算法求取初始聚类中心点的改进K-means聚类算法,以最终聚类中心点作为负荷状态分类依据,与传统K-means算法对比,该方法具有更高的稳定性和准确性。工业现场实测数据结果表明,该方法可有效实现球磨机负荷状态分类。结合球磨机振动信号特点,提出基于谐波小波包分解和改进功率谱分析的球磨机振动信号特征提取方法。首先应用谐波小波包分解将球磨机振动信号分解到互不交叠的各频段后,对得到的各频段小波系数进行改进自相关功率谱估计,再应用能量重心法校正功率谱。针对能量重心法存在不适用于频率密集信号场合该缺点,引入2阶Hanning自卷积窗,并结合频偏法以提高频谱校正精度。仿真实验与实测结果表明,基于提出方法特征量提取更为精确,应用该方法提取的功率谱层最大值对应频率特征量具有更好的类可分性,可作为检测球磨机内部负荷的可靠依据。建立基于模糊LS-SVM算法的球磨机负荷检测模型,实现球磨机负荷的检测。实测数据结果表明,球磨机负荷正确识别率达到87.5%,本文提出方法对于球磨机负荷检测具有较高的准确性。最后基于自行研制的小型球磨机,搭建测试实验平台,应用本文提出的振动信号特征提取方法和负荷参数检测方法,开发虚拟化球磨机负荷参数检测试验平台,分别通过小型球磨机系统和实测数据测试,验证本文建立的振动信号特征提取与负荷参数在线检测方法的准确性和有效性。