主办单位: 共青团中央   中国科协   教育部   中国社会科学院   全国学联  

承办单位: 贵州大学     

基本信息

项目名称:
球磨机负荷参数与状态同步识别系统
小类:
机械与控制
简介:
本作品将定量的多参数检测和定性的状态判别有机结合在一起,采用特征频谱自动分段识别的频段划分方法,提取与磨机负荷参数相关的振动,振声特征信息变量,并与信号时域特征相融合可以改善球磨机负荷与磨矿过程生产效率,产品质量,能源消耗等重要指标并基于matlab web server设计开发了球磨机负荷参数与状态同步识别系统。
详细介绍:
本作品以冶金行业湿式钢球球磨机为研究对象,由于球磨机系统本身的复杂特性,无法直接采用机理建模方法实现磨机负荷状态识别及其磨机内部负荷参数的测量。因此,整个课题的实验主要包括数据采集和时域滤波、时频转换、特征提取、特征选择、软测量模型等部分组成。其中,模型的输入为振动信号、振声信号、电流信号,输出为待估的磨机负荷状态和负荷参数,包括料球比、矿浆浓度、充填率。首先,初期测量方案获取球磨机筒体振动/振声信号。其次,结合磨矿机理,分析磨机筒体振动信号、振声信号产生原理,探讨磨机负荷与磨机筒体振动信号、振声信号的关系,完成筒体振动、振声信号快速频谱变换;再次,结合研磨特性、振动及振声信号的产生机理和全谱数据结构变化,并进行频谱自动分段识别和特征提取。最后建融合时域特征和频段谱特征多源信息,同步建立湿磨球磨机负荷参数RVM模型和磨机负荷状态判别式PLS模型,并根据对实验球磨机负荷的测量的试验结果,验证模型的准确性。利用matlab web server设计开发了球磨机负荷参数与状态同步识别系统。

作品专业信息

设计、发明的目的和基本思路、创新点、技术关键和主要技术指标

目的: 本项目设计和开发了一种融合筒体振动及振声频谱特征和电流时域特征,能够同步输出磨机负荷状态和参数的综合判别系统。 基本思路: (1)筒体振动、振声和电流数据采集 (2)频段识别和特征提取 (3)磨机负荷参数软测量与状态识别 (4)基于Matlab Web server的同步识别系统开发 创新点: (1)基于iPLS的特征提取 (2)多参数RVM信息融合软测量 (3)PLSDA磨机负荷状态判别方法 技术关键: 高维频谱频段划分 技术指标: 预报准确率和识别的正确率

科学性、先进性

目前现有的磨机负荷或侧重参数的定量检测,或侧重操作状态识别,很少同步输出磨机负荷的定量和定性信息[1]。本作品针对传统磨机负荷检测方法存在的测量精度及灵敏度低、性能不稳定等缺陷,基于无线传感技术实时采集筒体振动、振声和电流信号,提出能够自动识别球磨机内部操作状态判别和预报磨机负荷参数方法。基于matlab web server设计开发了球磨机负荷参数与状态同步识别系统。本作品将定量的多参数检测和定性的状态判别有机结合在一起,有效减少了饱磨、堵磨现象的发生,保证了系统的安全性,为工业现场球磨机运行和优化控制策略的实施奠定了基础。 参考文献 [1] 汤健,赵立杰,岳恒,柴天佑. 磨机负荷检测方法研究综述[J]. 控制工程, 2010, 17(5 ):565-570

获奖情况及鉴定结果

教育部科技查新结果: 本课题所涉及查新点,即“基于频谱特征的关联向量机RVM球磨机负荷参数检测软测量模型,判别式PLSDA建立球磨机负荷状态识别模型,球磨机负荷参数和操作状态的同步输出”,在国内未见相同文献报道。

作品所处阶段

实验室阶段

技术转让方式

面谈

作品可展示的形式

模型;现场演示;图片

使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测

“基于matlab web server的远程负荷参数和状态综合识别系统”适用于选矿厂磨矿过程湿式球磨机。该作品功能包括数据采集、时频变换、特征提取、参数建模和预报、状态分类和识别等功能。 该作品已经通过仿真验证和实验室测试,目前正在从实验室阶段向工业现场推广。由于本作品可提供有关球磨机负荷参数定性和定量信息,对高耗能磨机优化控制和节能降耗有重要的科学意义和应用价值,具有广阔的应用前景和社会价值。

同类课题研究水平概述

磨机负荷检测方法多采用独立方式处理各个传感器的采集信息,基于单一的振动、振声或电流信号间接判断球磨机运行状态。由于球磨机运行过程具有机理复杂、干扰大等综合复杂特性,基于单一信号的磨机负荷检测方法在只能在某一范围内较准确的反映球磨机负荷状态,具有一定的局限性,忽略了各传感器之间信息的互补性,测量准确度、灵敏度和稳定性难以保障。如振声法受磨机本身特性和干扰信号的影响大,通用性差;电流法检测信号灵敏度低,且存在极值点,难以判断负荷的变化方向,研磨介质损耗、物料自身特性等因素对磨机电流的影响非常显著;振动法多以轴承信号为主,而轴承信号经磨机传动系统的削减和干扰后,灵敏度降低。 在实际生产中,湿式球磨机负荷一般依据操作员经验,通过振声、振动或功率等间接方法判断磨机负荷状态。结合领域专家知识、规则推理和统计过程控制及融合多源信号的磨机负荷状态智能监测方法克服了人工操作的主观性和随意性,但不能定量检测磨机负荷参数,制约着磨矿过程的优化控制和节能降耗。Y.G.Zeng指出振动信号的特征频段与磨机操作参数强相关,并且振声信号比轴承振动信号包含更多的磨机操作参数信息,但其研究涉及的磨机负荷参数仅有矿浆浓度。 国内外学术界对磨机负荷的检测已有一定的研究成果,尤其是在干式球磨机和自磨机/半自磨机领域取得了进展。然而,对湿式球磨机的负荷参数,如矿浆浓度、料球比、充填率,与筒体振动信号、振声信号和电流等其他信号间的定性和定量关系还没有系统的研究结果。 本文采用特征频谱自动分段识别的频段划分方法,提取与磨机负荷参数相关的振动,振声特征信息变量,并与信号时域特征相融合可以改善球磨机负荷与磨矿过程生产效率,产品质量,能源消耗等重要指标。另外采用基于频谱特征的关联向量机RVM球磨机负荷参数检测软测量模型,判别式PLSDA建立球磨机负荷状态识别模型,同步识别球磨机负荷参数和操作状态输出可以提高基于单一振动,振声,电流信号磨机负荷检测方法中存在的可靠性,精度低等问题,而在国内文献中,有关于球磨机负荷参数测量及检测的研究,有关于关联向量机RVM技术方法的应用,但本课题所涉及查新点,即“基于频谱特征的关联向量机RVM球磨机负荷参数检测软测量模型,判别式PLSDA建立球磨机负荷状态识别模型,球磨机负荷参数和操作状态的同步输出”,在国内未见相同文献报道。因此,本作品具有一定的创新性和先进性。
建议反馈 返回顶部