基于多传感器信息交融的球磨机负荷检测系统.docx

《基于多传感器信息交融的球磨机负荷检测系统.docx》由会员分享，可在线阅读，更多相关《基于多传感器信息交融的球磨机负荷检测系统.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于多传感器信息交融的球磨机负荷检测系统消费的WB2P412R型三相三线有功功率传感器。2信号处理信号处理一般包括信号的预处理、A/D转换和数字信号处理器的数字信号处理等。其中，对于要检测的声响和振动信号，是随机的混有多种噪声信号在内的复杂的时域信号。然而球磨机不同负荷参数的变化往往引起声响和振动信号频率构造的变化，为了通过所检测的信号得到球磨机内部负荷参数，往往需要解析信号的频域信息。所以，需用快速傅立叶变换(FFT)对声响和振动信号进展频谱分析，计算其反映球磨机内部负荷参数的状态和特征信息。图2振动信号收集电路3数据层交融由于磨矿经过机理复杂、影响因素多，又是一个多变量输入输出经过，消费经

2、过缓慢，滞后时间长，同时具有非线性、时变性和干扰因素多而严重等特点。此外，球磨机机组庞大，噪声高达100dB。在这种相当恶劣的工作环境下，假如用传统的单一传感器来观测球磨机的外部响应信息，显然是难以胜任的。所以，基于信息交融的多传感器观测手段在这里是个很好的应用方案。分别通过声音传感器、振动加速度传感器和有功功率传感器进展球磨机外部响应信号的数据收集，经信号处理后提取的这三个参数在数据层交融，可以增强获取的球磨机外部响应信息的冗余性和互补性，减少整个系统的不确定性；当某个传感器失效时，多个传感器提供的冗余信息那么可以排除故障信息，进而进步系统的鲁棒性。因为交融是在信息的最低层次进展的，传感器原

3、始信息的不确定性、不完全性和不稳定性，和数据通信量较大，抗干扰才能较差等，决定了交融时算法需有较高的纠错才能，实时处理大量数据的才能等。神经网络作为一种并行的分布式信息处理系统，具有很强的信息综合才能，知识泛化才能及构造的容错性等，可以在数据层用作交融算法。4交融算法设计本文是要通过检测球磨机的外部响应来间接地检测球磨机的内部负荷参数，即球磨机外部响应是已知的，球磨机内部参数是待预测的。因此，可以在数据层，通过神经网络建立球磨机系统的逆向模型球磨机外部响应与内部负荷参数之间的关系模型，进而进展球磨机负荷的预测。本文神经网络选用有老师学习的标准三层构造的径向基函数RBF网络，输入变量是数据层的球

4、磨机外部响应，输出变量是球磨机的内部负荷参数。输入层的设计由于RBF神经网络模型的输入变量是球磨机的外部响应信号，根据三因素检测的要求，本文检测了球磨机的外部声响信号、外部振动信号和有用功率信号这三个因素，所以输入层节点有三个，分别是归一化处理后的球磨机的外部声响信号、外部振动信号和有用功率信号。输出层的设计RBF神经网络模型的输出变量是球磨机的内部负荷参数，由于本文要检测的球磨机内部负荷参数包括球磨机的介质充填率、料球比和磨矿浓度，所以，以介质充填率、料球比和磨矿浓度作为输出变量建立神经网络系统。这样，输出层有三个节点，输出层的激活函数是简单的求和运算，即输出层是隐层输出的加权和。隐层的设计

5、在RBF网络训练中，隐含层神经元数量确实定是一个关键问题，MATLAB7提出了改良方法，根本原理是从0个神经元开场训练，通过检查输出误差使网络自动增加神经元。每次循环使用，使网络产生的最大误差所对应的输入向量作为权值向量，产生一个新的隐含层，然后检查新网络的误差，重复此经过直到到达误差要求或者最大隐含层神经元数为止。实现是：函数newrbe在创立RBF网络时，自动选择隐含层的数目，使得误差为0，完成网络的训练和建立RBF神经网络的建立经过就是训练经过。RBF神经网络输出层三个神经元上的数据经过反归一化处理后，就为球磨机的内部负荷参数：介质充填率、料球比和磨矿浓度。在磨矿经过自动控制中，可以根据

6、这三个参数间接反映的球磨机的负荷(包括球负荷、物料负荷和水量的各自数值)实现整个球磨机的优化控制。3实验结果通过在实验球磨机上做实验，得到了大量的实验数据，选取其中的局部作为样本数据见表1，来训练神经网络。表1局部样本数据按照RBF神经网络训练步骤和算法，对本文的球磨机系统逆模型的RBF神经网络模型进展训练。神经网络的训练和仿真是在MATLAB7环境下，编制了相应的程序实现。训练后返回神经网络的权值、偏置值。网络训练经过的误差曲线如图3所示。对实验样本数据进展仿真，得到预测误差曲线神经网络输出值与样本目的值之差的曲线，如图4所示。图3神经网络训练误差曲线图4神经网络预测误差曲线4完毕语本文提出

7、了一种基于多传感器信息交融的球磨机负荷检测方案，并详细地介绍了整个系统的各个环节。实验结果说明，该系统可以充分获取并交融球磨机工作环境所提供的外部响应信息，进而准确地检测出球磨机的负荷参数，为整个磨矿经过的自动控制提供了重要的技术支持。参考文献1王泽红，陈炳辰球磨机负荷检测的现状与开展趋势J中国粉体技术，2001.71：19232王泽红，陈炳辰.球磨机内部参数的三因素检测金属矿山J，2002.1：32343毛益平，高继森，陈炳辰基于RBF网络球磨机双因素建模的研究J中国矿业，2000.95：75784飞思科技产品研发中心.神经网络理论与MATLAB7实现M.北京：电子工业出版社，2005.35冯波.多传感器信息交融技术的研究D.中国优秀博硕论文全文数据库作者简介：周克良1964男，江西赣州人，江西理工大学机电工程学院副教授，副院长，研究方向为工业经过控制。联络方式：江西赣州江西理工大学机电04研戴建国：341000Email:liunianjingsui126