硕士学位论文中期报告-磨机负荷的磨音多频带检测研究.doc

《硕士学位论文中期报告-磨机负荷的磨音多频带检测研究.doc》由会员分享，可在线阅读，更多相关《硕士学位论文中期报告-磨机负荷的磨音多频带检测研究.doc（28页珍藏版）》请在第壹文秘上搜索。

1、目 次硕士学位论文中期报告 磨机负荷的磨音多频带检测研究学 号：学科专业：控制理论与控制工程研究方向：动态系统的智能控制指导教师： 大学研究生学院年月日The Research of Detection Mill Load on Multi-band of Mill Noise目次引言11 理论分析21.1 球磨机负荷的磨音检测原理21.2 磨音频谱特性分析21.3 数据融合的方法41.4 神经网络对多维数据的拟合61.4.1 人工神经网络原理61.5 BP网络82 研究方案102.1 研究目标102.2 研究内容102.2.1 理论研究102.2.2 硬件设计102.2.2 软件设计112.

2、3 关键问题与创新点112.4 技术路线和研究方法113 课题进展133.1 硬件电路131.3.1 音频信号采集板的电路设计131.3.2 微处理器板的电路设计173.2软件的实现204 课题存在的问题及解决办法255 今后工作计划26参考文献27引 言引言长久以来 ，磨机一直是大宗物料粉磨的关键设备，并广泛用于发电、水泥、选矿、陶瓷、冶金等各个行业。在火电厂中，筒式低速磨机约占全国电厂磨煤设备总数的80%85%。水泥厂中，两仓或三仓的磨机也一直是主要的粉磨设备。球磨机属于一种高能耗、低效率的设备，每天消耗着大量的电能。在磨机所消耗的电能中只有不到10%的能量被真正用于原料的粉磨，而90%以

3、上的能量被转化为振动、发热和噪声1。矿山选矿生产过程中，磨矿作业是整个选矿厂生产工艺流程中最关键的环节。而球磨机负荷是磨矿过程的一个重要参数。能否准确地检测出球磨机负荷是球磨机系统及整个磨矿过程优化控制成败的关键。目前球磨机的负荷检测的方法，并未精确地预测内部负荷，因而不能准确地确定球磨机在工作时的实际负荷状况，也就难以使球磨机控制在最优工作状态，从而直接影响磨矿质量和球磨机的工作效率，甚至影响整个磨矿的生产过程。在现实的磨粉生产中常常是依靠有经验的工人，凭经验判别球磨机工作时发出的磨音来确定球磨机的运行是处于“饱磨”或是“空磨”再决定给料机的给料速度2。球磨机饱磨时，球磨机内的物料过多,磨出

4、的颗粒大，易超出规定的标准，产品质量得不到保证，同时容易造成球磨机的损害。如果球磨机处于空磨时,空耗能源，也易造成球磨机的损害。再加上球磨机工作时要发出巨大噪音、粉尘严重，工人长期在这种恶劣环境中工作，对身体健康损害较大。球磨机的良好运行无法保证，产品的合格率低,一般只有30%左右。目前对磨机负荷的磨音信号的检测都是在中频（12kHz）范围内以某一频率为中心在较宽的频带内取得反应声压大小的电流信号。作为判断磨机负荷的标准。没有在整个噪声频域内进行分析，没有可靠的噪声与工作状态之间的定量关系做为判据，所以它不能真实地反映磨机工作状态。因此，迫切需要研究并设计能够准确检测球磨机负荷的系统，以实现球

5、磨机及整个磨矿过程的优化控制，这对于提高选矿厂的生产效率、节约能源具有重要意义3-5。 -25-学位论文中期报告1 理论分析1.1 球磨机负荷的磨音检测原理磨机在运行时，研磨介质与衬板、研磨介质与研磨介质之间、研磨介质与物料、物料与衬板以及物料与物料之间都会因相互之间的碰撞和研磨而发声，且正常运转时这种噪声可高达120dB6。在磨机运行时发出的噪声中，钢球之间的相互碰撞，以及钢球和衬板碰撞产生的噪声是磨机噪声主要部分。磨机长期的运行实践表明，磨机的负荷与噪音信号之间存在一定的对应关系。当磨机负荷较小时，噪音主要来自研磨介质之间以及研磨介质与衬板之间的摩擦和碰撞，噪音较大且频率较高；当磨机负荷逐

6、渐增大时，随着磨内空间和研磨介质之间的空隙逐渐被物料所充填，磨机噪音主要来自物料和研磨介质以及物料和衬板之间摩擦和碰撞，磨音较小且频率较低。因而通过对磨机噪音的检测，可以间接确定其负荷。通过检测磨音的判断磨机的负荷的仪表称之为电耳。电耳的设计指导思想是用来模仿熟练看磨工的听觉对磨机工作状态的判别能力，人耳的听觉过程是个复杂的生理过程、对磨机工作状态的判断是建立在对噪声进行既精密而又非量化的频谱分析基础上的，其结果是难于用语言描述的结论，只能近似地用磨机声音沉闷或者清脆来解释。目前的电耳对信号的处理都是在中频(12kHz)范围内以某一频率为中心在较宽的频带内取得反应声压大小的电压信号。作为判断磨

7、机负荷的标准。没有能够模仿人耳在整个噪声频域内进行分析， 没有可靠的噪声与工作状态之间的定量关系做为判据，它只能在磨机正常状态下(在 “空磨”和“饱磨”之间)初略的反应磨机的负荷7-8。1.2 磨音频谱特性分析某水泥厂水泥磨机，开路粉磨425立窑矿渣水泥，细度要求控制在4900孔筛，筛余8%左右。第一仓为阶梯衬板，装球5.7吨(其中的80的1.6吨，70的1.9吨，65各占1.1吨)。第二仓为平衬板，装钢段11吨(其中2530和4202 5各占3吨和8吨)，电机功率2l.5kW ，磨机转速率79%。从测量的目的来看，需尽可能提高测量精度，因连续频谱分析仪价格昂贵也不便于现场使用，采用了国产ND

8、：型精密声级计和随机所带用于进行实时离散频谱分析的倍频程虑器。从球磨机所发出的噪声来看，没有过高的频率成份，与磨机负荷相关的频率在5004kHz左右，所发出的声级低于120dB。测量时温度湿度均在正常范围之内，故选用一般的CH11型电容传声器。根据经验电容传感器在磨机第一仓，距仓头2/3处采集磨音，该处最能反映磨机的负荷9。为避开车间恶劣环境的影响，使用了延伸电缆在远处铡量。声级计的中心频率125，350，750，1500，2500，3500，4500，5500HZ。首先将磨机清仓，为保证测量结果的准确性和普遍性，采取了以下几种措施： 保证测量过程中给煤机均匀给煤； 持续记录给煤过程的非稳态及

9、稳态信号； 使给煤机工作于从空磨到满磨的各种工况；考虑到球磨机周围的近声场与磨机相对应部位的介质运动状态有关， 故在磨机周围选了介质的上升侧和着落侧测量磨音。介质着落侧频谱与上升侧频谱相应频率的声压级差稳定在3 5 dB，这只说明着落侧介质的冲击噪声偏高，为了简化说明同时取两侧数据的平均值为该组数据的代表，列于表1。表1磨音强度在各频带的分布Table 1 The distribution of mill noise intensity in the bands介质填充率 介质填充率 声压级（dB）中心频率（HZ）频带10%30%60%90%125（0250）53525053350（25050

10、0）58565856750（5001000）60.58287105.51500（10002000）7883108.5852500（20003000）859098.5823500（30004000）116.51038569.54500（40005000）352525205500（50006000）35302520从表1和图1中可以看到，在低频段（500HZ以下）随着磨机的负荷的增加，磨音的声压变化不大，说明这带频段与磨机的负荷无关，环境噪声主要集中在这个频带，在磨机负荷90%的饱磨状态，磨音主要集中在中低频段（中心频率为750HZ），反映饱磨状态的磨机频谱曲线红线在低频段比较明显地偏离正常负荷的

11、红色曲线，中频磨音信号在这种状态下虽有所降低但反映不明显。这表明：在饱磨的状态下磨内物料增加很多，料球比的增大使介质的冲击作用削弱，介质直接冲击到筒壁上的概率减少。介质和物料呈翻滚状态运动。磨音的频率比较低。图1 磨音的频谱特性图Fig.1 mill noise of the spectrum plans磨机负荷60%的频谱曲线中可以看出，磨音信号主要集中在中频段（中心频率约为1500HZ），在中高频段（中心频率约为2500HZ）下降比较不明显，说明在这个频段有部分频率反映磨机的负荷。反映空磨，半空磨状态（负荷10%，30%）的磨音频谱曲线与正常状态下得到的红色曲线相比高频段（中心频率为350

12、0HZ）变化较大，磨音在这个频段也最强，这说明高频段与磨机的空磨状态相关。实际上空磨时磨机内的物料较少，钢球撞击衬板，发出磨音的频率比较高，即听起来清脆。从图1中还可看出在频率4500HZ以后磨音非常弱。可以看出于磨机负荷相关的磨音频带主要集中在5004000HZ。根据磨机负荷的磨音的频谱特性，对低（5001000Hz），中（10002000Hz），中高（20003000 Hz），高频（30004000Hz）带进行检测，应用数据融技术，对各个频带的测量值与磨机的负荷值进行拟合，建立起各测量值与磨机负荷值的模型。1.3 数据融合的方法目前，用于处理数据融合数学方法主要如下几种：1）贝叶斯法它是表

13、示和处理传感器测量(即证据)中不确定性的经典方法。它的一些固有缺陷，如在贝叶斯公式中必须预先给定先验概率，这只能是对真实情况的一种近似描述，这些假设只有当对实际情况有很好了解时才能接近真实情况，否则带来误差和错误；同时所作的各种假设又限制了本方法的使用范围，这些致命的弱点大大的限制了它的应用范围。2）Dempster-Shafer 证据理论D-S 证据理论将可信度赋予各个证据，采用概率区间来描述假设的似然度，用不确定区间来表示由于未知信息或信息不全造成的不确定性，并且在给出完全知识时提供了一个进行证据综合的计算方法，即组合规则。它也有一些固有缺陷，证据理论具有潜在的指数复杂度；Dempster

14、 组合规则具有组合灵敏性，有时，给基本概率赋值一个很小的变化都可能导致结果很大的变化。此外，使用 Dempster 组合规则，要求证据是独立的，这个要求有时使用起来很不方便。3）模糊逻辑法这种方法用某种模型系统地反映数据融合过程中的不确定性，并通过模糊推理来完成信息融合。对模糊集合以及它们成员的操作代数可以被移植到数据融合中去。实现比较复杂。4）算术平均值与递推估计的数据融合方法该方法要求实时性高，许多测量系统由于不能实时获得测量初值。而不能有效地利用估计算法。5）人工神经网络BP算法对数据融合人工神经网络BP算法在数据融合方面具有很多优点（1）神经网络的信息统一存储在网络的联接权值和联接结构上，使得传感器的信息表示具有统的形式，便于管理和建立知识库；（2）神经网络可以增加信息处理的容错性，当某一检测失效时，神经网络的容错功能可以使检测系统正常工作，并输出可靠信息。（3）神经网络的自学习和自组织功能，使系统适应检测环境的不断变化和检测信息的不确定性。（4）神经网络的并行结构和并行处理机制，使得信息处理速度快，能够满足信息实时处理要求。基于神经网络在数据融合方面具有诸多优点，课题采用是神经网络的BP算法对各频带信号测量值与磨机的负荷值进行拟合，建立起各测量值与磨机负荷值的模型。1.4 神经网络对多维数据的拟合从80年代中期开始，