基于t-S模糊模型的球磨机料位测量研究

摘要

球磨机是一种工业生产中常见的用于物料研磨的大型机器设备。在实际生产过程中，研磨物和钢球频繁撞击，使得球磨机难以保持在稳定的运行状态，给球磨机的有效控制带来困难。并且研究数据表明球磨机研磨过程大部分电能属于自身消耗，因此球磨机是一种高能耗、低效率的设备，经常会出现出功不出料的情况。实现球磨机负荷的最佳控制，对节能降耗和稳定运行具有重要意义。但是在球磨机负荷控制中最突出的也是最难以解决的问题就是对负荷（料位）有效及精确的测量。因为在球磨机研磨过程中，滚筒内的钢球与物料随着滚筒的转动不停地发生各种物理形变，使得滚筒内环境复杂、多变，存在许多不确定性。这导致对其料位进行直接、精准的检测变得非常困难。采用传统检测方法存在测量精度低、稳定性差的问题。
　　本文针对以上问题，对球磨机运行机理进行分析，采集其运行中的轴承振动信号并加以处理，将振动特征量作为软测量模型的输入建立T-S模糊模型。首先分别利用模糊聚类和云模型对振动信号的功率谱特征值进行模糊前件辨识，确定模糊概念和规则数;再用最小二乘估计辨识后件参数;最后，利用模糊推理方法实现球磨机料位的软测量。在小型球磨机上进行实验测试，实验结果验证了T-S模糊模型对球磨机料位测量的有效性，与传统方法相比，该方法具有测量精度高、稳定性好的特点。本文主要内容包括以下几个方面:
　　1、首先概述了目前对球磨机负荷检测的各种方法及发展趋势。对软测量方法特点及其优势进行分析，得出采用软测量方法面对难以建立数学模型的被测系统是一种非常有效且非常具有应用前景的方法。
　　2、经过对球磨机运行机理的分析，明确球磨机料位高低与球磨机运行过程参数存在必然联系。并且得出采用振动信号作为球磨机料位测量的辅助变量。
　　3、针对球磨机运行的特点，提出采用T-S模糊模型作为料位软测量模型的构想。T-S模糊模型可用于非线性系统辨识，且具有鲁棒性强的特点，已经在不同领域利用T-S模型实现了参数预测和软测量。
　　4、分别介绍采用减法聚类、改进C均值聚类及云模型构建模糊模型的过程，将构建的模糊模型用于球磨机料位软测量。
　　5、通过与传统测量方法结果对比，得出将T-S模型用于球磨机料位软测量的方法具有不错的效果:精度高、稳定性好。
　　本文数据通过实验室现场采集，在对采集数据分析及处理的基础上，构建了T-S模糊模型并实现了球磨机料位软测量。这种测量方法不仅测量精度高、稳定性好，而且对于提高球磨机制粉效率、稳定运行都具有重要的意义。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景与意义

1．2 球磨机负荷检测方法研究现状和发展趋势

1．2．1 球磨机负荷直接检测法

1．2．2 球磨机负荷间接检测法

1．2．3 球磨机负荷检测的发展趋势

1．3 软测量技术

1．3．1 软测量技术及优势

1．3．2 软测量技术的研究与应用

1．3．3 软测量技术的展望

1．4 本论文的主要研究内容与框架

第2章 球磨机工作机理分析及信号采集处理

2．1 球磨机结构与工作原理

2．1．1 球磨机结构

2．1．2 球磨机工作原理

2．2 ／球磨机机理分析

2．2．1 球磨机料位分析

2．2．2 基于振动信号机理分析

2．3 信号采集及预处理

2．3．1 信号的采集

2．3．2 数据预处理及特征提取

2．4 本章小结

第3章 基于模糊聚类建立球磨机料位软测量T-S模型

3．1 T-S模糊系统

3．1．1 T-S模糊模型

3．1．2 T-S模型的优势与应用

3．1．3 模糊模型辨识

3．2 模糊聚类

3．3 基于减法聚类建立球磨机料位软测量T-S模型

3．3．1 减法聚类

3．3．2 基于减法聚类建立球磨机料位软测量T-S模型

3．3．3 后件参数辨识

3．4 基于改进C均值聚类建立球磨机料位软测量T-S模型

3．4．1 模糊C均值聚类简介

3．4．2 模糊C均值聚类算法

3．4．3 基于改进模糊C均值聚类建立球磨机料位软测量T-S模型

3．5 模糊推理实现球磨机料位的软测量

3．6 本章小结

第4章 基于云模型建立球磨机料位软测量T-S模型

4．1 云模型

4．1．1 云模型的研究背景

4．1．2 云模型定义

4．1．3 云模型三个数字特征

4．2 云发生器

4．3 云提升

4．4 云模型的应用

4．5 基于云模型建立球磨机料位软测量T-S模型

4．6 本章小结

第5章 球磨机料位软测量实验研究

5．1 实验数据的采集及预处理

5．2 T-S模型建模结果对比

5．2．1 T-S模型前件辨识结果

5．2．2 辨识结果分析

5．2．3 后件参数辫识结果

5．3 T-S建模方法测量验证及对比

5．3．1 T-S模型充足样本测量对比

5．3．2 T-S模型残缺样本测量对比

5．4 与其他方法对比

5．5 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢