基于多尺度频谱的磨机负荷混合集成建模方法研究

摘要

磨矿过程是将破碎后的原矿通过球磨机研磨成粒度合格的矿浆，合格矿浆经选别过程产生精矿。磨矿过程是铁矿和各种有色金属矿选矿生产中的关键环节。磨机负荷是指磨机内部的物料（包括破碎后的原矿等）负荷、钢球负荷和水负荷的总和。磨机负荷大小直接关系到磨矿过程加工产品的质量、效率、能耗、物耗和安全运行。过负荷会造成磨机“吐料”、出口矿浆粒度变粗，甚至导致磨机“堵磨”、“胀肚”、发生停产事故;反之，欠负荷会造成磨机“空砸”，导致能耗和钢耗增加，甚至设备损坏。因此，准确检测磨机负荷是实现磨矿过程优化运行的关键因素之一。由于磨矿过程中加入磨机的原矿和水不断变化，钢球的腐蚀与磨损加上磨机封闭、连续运转，钢球与矿石之间的研磨过程机理不清，使得磨机负荷的在线测量成为工业界亟待解决的难题。 虽然磨机负荷不能直接在线测量，但是其运行时产生的机械振动信号和振声信号可测，运行专家依据人耳辨别的振声“清脆”、“沉闷”等模糊特性，凭经验推理识别磨机负荷的“偏高”、“适中”、“偏低”等模糊性状态，难以获得磨机负荷的准确性。近来，利用振动与振声信号建立与磨机负荷直接相关的磨机负荷参数（磨机内部的料球比、磨机内浓度和充填率）的软测量方法研究成为热点。 本文利用磨机简体振动/振声频谱固有的高维和多尺度频率特性，开展了磨机负荷软测量方法研究。通过湿式球磨机的多次实验数据，验证了本文提出的基于多尺度振动与振声频谱特征的磨机负荷软测量方法的有效性。主要成果如下: (1)通过对磨机负荷动态特性分析，提出了由多尺度振动和振声频谱特征提取与特征选择、基于多尺度振动和振声频谱特征的磨机负荷参数（磨机内部的料球比、磨矿浓度、充填率）软测量模型、基于磨机负荷参数软测量的磨机负荷混合集成模型的软测量模型结构与各组成部分的功能。 (2)针对基于原始振动信号难以提取与选择特征的问题，提出了多尺度振动频谱的特征提取与特征选择方法。采用经验模态分解(EMD)和快速傅里叶变换(FFT)提出了多尺度振动频谱提取方法;采用核主元分析(KPCA)和互信息(MI)提出了多尺度筒体振动频谱特征的提取和选择方法;将其应用于文献[28]的磨机负荷参数软测量模型中，采用实验磨机的振动信号进行了实验研究，实验结果表明所提出的多尺度频谱特征提取和选择方法比文献[28]的单尺度频谱特征提取和选择方法，明显提高了磨机负荷参数软测量模型的精度。 (3)针对磨机简体振动/振声多尺度频谱与磨机负荷参数间的模糊特性、多源多尺度频谱间的冗余性与互补性，以及文献中潜结构选择性集成模型难以模拟运行专家“听音”推理识别磨机负荷参数的问题，提出了基于多尺度振动/振声频谱特征的磨机负荷参数软测量模型。采用核潜结构映射(KPLS)和互信息(MI)提出了多尺度振动和振声频谱的自适应选择和特征提取方法;采用同步聚类算法、Madani模糊模型、分支定界(BB)和自适应加权融合(AWF)和选择性集成建模，提出了基于多尺度振动和振声频谱特征的磨机负荷参数建模方法;采用湿式球磨机开展实验研究，实验结果表明了所提出的磨机负荷参数软测量模型能够模拟运行专家的模糊推理机制，具有较佳的建模精度。 (4)在所提出的基于多尺度振动和振声频谱特征的选择性模糊推理磨机负荷参数软测量模型的基础上，基于误差信息熵与在建模机理上存在差异性的选择性集成潜结构映射模型进行并行集成，在改进磨机负荷参数软测量算法的基础上提出了由磨机负荷参数软测量模型、基于磨机负荷参数的磨机负荷主模型和基于随机权神经网络的磨机负荷补偿模型组成的磨机负荷软测量方法。采用实验球磨机进行了实验研究，通过采用实验磨机的实际振动信号和振声信号进行了所提磨机负荷软测量方法的实验研究，实验结果表明所提方法的磨机负荷与实际负荷误差的平均绝对误差、平均相对误差、均方根误差和均方根相对误差等均在测量精度要求的范围内。

目录

声明

摘要

第1章绪论

1．1课题的背景及意义

1．2磨机负荷软测量建模研究现状

1．2．1不同类型磨机的磨机负荷仪表检测方法

1．2．2基于机械振动／振声的数据驱动软测量方法

1．2．3融合机械振动／振声和其它工业过程数据的软测量方法

1．2．4基于数据提取模糊规则的磨机负荷软测量方法

1．3混合集成建模研究现状

1．4基于振动信号的旋转机械设备状态监控研究现状

1．4．1旋转机械设备状态监控方法研究现状

1．4．2基于振动信号的旋转机械运行状态研究

1．5．1软测量与模糊推理模型概述

1．5．2基于数据提取知识的模糊推理模型

1．5．3基于过程机理知识的模糊推理模型

1．5．4基于模糊推理与其它方法的混合模型

1．6选择集成建模研究现状

1．7存在的问题和本文的主要工作

第2章磨矿过程磨机负荷动态特性分析与负荷软测量策略

2．1磨矿过程描述

2．1．1选矿流程

2．1．2磨矿流程

2．1．3球磨机

2．2磨机负荷的定义及其测量难度分析

2．2．1磨机负荷的定义

2．2．2磨机负荷检测的重要性

2．2．3磨机负荷的测量难度分析

2．3磨机负荷参数的定义及特性分析

2．3．1磨机负荷参数定义

2．3．2磨机负荷参数计算公式

2．3．3磨机负荷参数的特性分析

2．4磨机负荷软测量策略及其功能描述

2．4．1基于磨机负荷参数的磨机负荷模型

2．4．2磨机负荷软测量的结构与各组成部分功能描述

2．5本章小结

第3章多尺度振动频谱的特征提取与特征选择

3．1问题描述

3．2预备知识

3．2．1振动信号处理技术

3．2．2基于主元分析(PCA)特征提取方法

3．2．3基于互信息(MI)的特征选择方法

3．2．4支持向量机(SVM)建模

3．3多尺度振动频谱的特征提取与特征选择方法

3．3．1特征提取与特征选择策略

3．3．2特征提取与特征选择算法

3．4实验研究

3．4．1实验球磨机与实验实施

3．4．2实验球磨机简体振动频谱分析

3．4．3多尺度简体振动频谱特征选择与特征提取

3．4．4不同湿式球磨机负荷参数建模方法结果比较

3．5本章小结

第4章基于多尺度振动和振声频谱特征的磨机负荷参数软测量

4．1问题描述

4．2预备知识

4．2．1基于PLS／KLPS的特征提取方法

4．2．2模糊建模方法

4．2．3选择性集成建模与多源信息融合

4．3基于多尺度振动和振声频谱特征的磨机负荷参数软测量建模策略

4．4．1多尺度振动和振声频谱变换算法

4．4．2多尺度振动和振声频谱潜在特征自适应选择算法

4．4．3选择性集成模糊推理模型算法

4．5实验研究

4．5．1数据描述

4．5．2实验结果及分析

4．5．3分析讨论与不同方法的对比研究

4．6本章小结

第5章基于磨机负荷参数软测量的磨机负荷混合集成建模

5．1问题描述

5．2随机权神经网络

5．3基于磨机负荷参数软测量的磨机负荷混合集成建模策略

5．4．1磨机负荷参数软测量模型算法

5．4．2基于磨机负荷参数的磨机负荷主模型算法

5．4．3基于随机权神经网络的磨机负荷补偿模型算法

5．5．1数据描述

5．5．2实验结果与分析

5．5．3分析讨论与不同方法对比研究

5．6本章小结

结束语

参考文献

致谢

博士期间完成的论文、参加的科研项目

作者简介