基于振动特征提取的球磨机负荷预测研究

发布时间：2017-08-31 19:10

  本文关键词：基于振动特征提取的球磨机负荷预测研究

  更多相关文章： 负荷状态 振动特征 特征融合 SVM 负荷识别

【摘要】：球磨机是物料被破碎之后,再进行粉磨的关键设备。球磨机内部负荷的变化,将直接影响磨矿的效率。而筒体内部犹如黑匣子,负荷无法显性描述和控制,不能判断磨机的实际效能。因此,实现磨机内部负荷的有效预测,使磨机运行在最佳工况状态,是提高选矿效率、降低生产成本的根本任务。本文以Φ330mm×330mm实验球磨机为研究对象,通过理论分析、数值模拟、试验探究相结合的方法,完成了以下工作:在考虑磨矿过程产品质量及能耗影响的基础上,针对磨机负荷振动信号的特征提取与识别进行了深入研究,实现负荷状态参数的准确预测。主要研究成果如下:(1)通过分析球磨机筒体的载荷运动分布,根据力平衡原理,确定轴承的振动测量位置;根据球磨机内部介质运动分层理论,利用离散单元法EDEM进行数值模拟,确定了振动信号的分析周期。针对磨矿过程产品质量及能耗的影响,以负荷(填充率、料球比)为试验参数,进行磨机负荷试验分析。从能耗和-200目粒级产品的产率两个角度,建立“产率比”为评价指标,得到不同负荷参数的磨矿效率。(2)针对振动信号存在干扰信号成份,采用小波阈值去噪算法对球磨机负荷状态的振动信号进行预处理。分析不同小波函数、分解的尺度、阈值、阈值函数对小波去噪效果的影响,以信噪比、均方根误差为评价指标,得到小波阈值去噪的最优方案。(3)通过分析球磨机振动信号与负荷参数的相关性,得到信号时域统计特征;分析负荷参数与各频段频率成分的统计规律,建立频域分频段统计模型,得到信号频域统计特征。根据反映磨机负荷状态的振动信号特征,构建了峰峰值、均值、标准差值、偏度、峭度及AR模型功率谱特征频段能量的特征向量,并基于D-S证据理论建立多特征参数融合模型,得到不同特征参数对球磨机负荷识别的贡献率。(4)分别采用网格搜索与交叉验证算法(K-fold)、遗传算法(GA)对支持向量机参数(C,g)进行优化,以最佳性能匹配参数,建立了基于时域特征、频域特征的负荷预测模型。通过仿真分析表明:利用K-SVM、GA-SVM算法,可快速、准确地实现SVM参数的优化,及磨机负荷参数的准确预测。通过以上研究表明,考虑磨矿过程产品质量及能耗影响的负荷状态参数的预测,对提高磨机的磨矿效率具有积极的指导作用。
【关键词】：负荷状态 振动特征 特征融合 SVM 负荷识别
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD453
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-10
• 1.1.1 课题研究背景9-10
• 1.1.2 课题研究目的及意义10
• 1.2 磨机负荷与磨矿效率的关系10-11
• 1.3 单、多因素检测磨机负荷的研究现状11-13
• 1.3.1 单因素检测负荷的研究现状11-12
• 1.3.2 多因素检测负荷的研究现状12-13
• 1.4 磨机负荷特征提取与预测研究现状13-15
• 1.5 磨机负荷预测存在的问题及发展趋势15-16
• 1.6 本课题主要研究内容16-17
• 第二章 磨矿负荷试验分析及振动采集系统设计17-31
• 2.1 球磨机磨矿实验分析17-20
• 2.1.1 实验设备的选择17-18
• 2.1.2 实验原料的配制18-19
• 2.1.3 磨矿负荷实验方案设计19-20
• 2.2 振动信号采集系统搭建20-26
• 2.2.1 振动信号采集系统20-22
• 2.2.2 轴承振动反映球磨机负荷的机理分析22-23
• 2.2.3 振动信号分析周期的确定23-25
• 2.2.4 振动信号测点确定25-26
• 2.3 球磨机负荷形式及预测指标的确立26-30
• 2.3.1 磨机负荷对磨矿能耗的影响分析26-27
• 2.3.2 磨机负荷对产品粒级的影响分析27-28
• 2.3.3 磨机最佳负荷的确立与划分28-30
• 2.4 本章小结30-31
• 第三章 基于小波阈值去噪的磨机振动信号预处理31-42
• 3.1 小波阈值去噪的振动信号处理方法31-34
• 3.1.1 小波函数的选择32
• 3.1.2 小波分解尺度的确定32
• 3.1.3 阈值的选取32-33
• 3.1.4 阈值函数的确定33-34
• 3.2 小波阈值去噪效果分析及评价34-35
• 3.2.1 评价指标的建立34
• 3.2.2 噪声基准的建立34-35
• 3.3 不同影响因素对小波阈值去噪效果的性能分析35-41
• 3.3.1 小波函数对去噪效果的影响分析36-39
• 3.3.2 小波分解尺度对去噪效果的影响分析39-41
• 3.4 本章小结41-42
• 第四章 反映磨机负荷的振动特征信号的提取研究42-63
• 4.1 基于振动信号时域统计特征的提取42-48
• 4.1.1 时域分析方法的设计与选取42-43
• 4.1.2 振动信号时域特征提取43-48
• 4.2 基于AR模型的振动信号频域特征提取48-57
• 4.2.1 AR模型的建立与求解49-50
• 4.2.2 AR模型最佳阶数的确定50-52
• 4.2.3 AR模型功率谱估计及分析52-54
• 4.2.4 振动信号频域特征提取54-57
• 4.3 多振动特征参数融合的特征向量构建57-62
• 4.3.1 单特征参数的特征向量模型57-58
• 4.3.2 多特征参数的特征向量模型58-59
• 4.3.3 振动特征参数贡献的权重分析59-62
• 4.4 本章小结62-63
• 第五章 基于SVM参数优化的球磨机负荷预测研究63-77
• 5.1 基于SVM的磨机负荷预测63-67
• 5.1.1 负荷预测SVM模型的建立63-66
• 5.1.2 SVM参数对预测精度的影响分析66-67
• 5.2 球磨机负荷预测数据样本计算67-68
• 5.3 基于交叉验证与网格搜索的磨机负荷预测68-72
• 5.3.1 SVM预测模型参数优化步骤69-70
• 5.3.2 磨机负荷预测仿真结果分析70-72
• 5.4 基于遗传算法的磨机负荷预测72-76
• 5.4.1 SVM预测模型参数优化步骤72-73
• 5.4.2 磨机负荷预测仿真结果分析73-76
• 5.5 本章小结76-77
• 第六章 总结与展望77-79
• 6.1 全文总结77-78
• 6.2 研究展望78-79
• 参考文献79-83
• 致谢83-84
• 攻读学位期间的研究成果84-85

【参考文献】

中国期刊全文数据库 前10条

1 B.Lanstiak;郑宝臣;;球磨机负荷的测定方法[J];国外金属矿选矿;1975年Z2期

2 凌永发,段希祥 ,李世厚;磨机载荷自动检测方法研究[J];有色金属(选矿部分);2003年03期

3 李法众;;噪音-功率联合控制系统在RKD420/650磨煤机料位控制中的应用[J];热力发电;2006年05期

4 周越;司刚全;曹晖;贾立新;张彦斌;;功率谱分析在筒式钢球磨煤机内存煤量测量中的应用研究[J];工业仪表与自动化装置;2006年06期

5 李沛然;申涛;王孝红;;粉磨过程负荷优化控制系统[J];济南大学学报(自然科学版);2008年02期

6 李刚;王建民;;磨机负荷的磨音多频带检测研究与开发[J];仪器仪表用户;2008年05期

7 汤健;郑秀萍;赵立杰;岳恒;柴天佑;;基于频域特征提取与信息融合的磨机负荷软测量[J];仪器仪表学报;2010年10期

8 汤健;赵立杰;岳恒;柴天佑;;湿式球磨机筒体振动信号分析及负荷软测量[J];东北大学学报(自然科学版);2010年11期

9 夏恩品;董为民;陈洪;仉元刚;;球磨机磨矿介质配比的试验研究[J];矿山机械;2010年01期

10 畅晓亮;董为民;曹雪丽;;料球比对球磨机磨矿效果影响的试验研究[J];新技术新工艺;2012年02期

，

本文编号：767373