球磨机是保证磨矿过程生产稳定、提高磨矿生产率和产品质量、实现节能降耗的关键设备.实际生产过程中，由于矿石属性及磨矿运行状态的频繁波动，难以保持磨机的稳定优化运行状态.磨机负荷的准确检测是实现实时调整磨机运行参数，优化当前运行工况的必要乎段.虽然针对ML的检测己进行了大量研究，但球磨机的研磨机理仍不清晰, ML的实时检测也未得到完全解决.基于磨机筒体振声信号针对十式球磨机的ML检测仪表己经产品化，并在氧化铝回转窑制粉系统的智能负荷控制系统中得到了成功应用磨机内部矿浆的存在导致ML难以描述是湿式球磨机负荷检测的研究与应用远落后于十式球磨机的原因之一选矿过程中湿式球磨机的负荷检测卞要是结合领域专家知识、规则推理和统计过程控制及融合多源信号估计ML状态.针对能够准确反映磨泪L内部负荷并影响磨矿过程产品质量及产量的磨机内部负荷参数的测量, 逐渐成为研究热点。[url=/]选矿生产线矿浆浓度、矿石粒度等关键参数与轴承振动及筒体振声频谱的某些特征频段相关, 并且筒体振声比轴承振动包含更多的磨机操作参数信息, 却受到临近磨机和其它噪声的交叉干扰. 则建立基于偏最小二乘(PLS)和主元回(PCR)的特征频段与磨机操作参数间的回归模型,但其涉及到的内部负荷参数只有矿浆浓度.
近几年, 基于灵敏度高、抗干扰性强的磨机筒体振动信号的ML检测方法在半自磨机(SAG)及干式球磨机上取得了成功. 研究表明, 筒体振动的灵敏度更高, 并且能够反映磨机内部的矿浆浓度(PD)和粘度. 基于此, 澳大利亚CSIRO公司开发了在线筒体振动检测系统, 用于监视SAG内部物料的运动, 降低钢耗. 针对湿式球磨机,ML参数与筒体振动直接相关; 并建立了基于遗传算法—–偏最小二乘(GA--PLS)的ML参数软测量模型, 但是该方法基于全部频谱选择特征频段, 不但未选频段会导致部分信息缺失, 而且所选子频段不具备清晰的物理意义. 结合筒体振动的产生机理及空磨、干磨、水磨及湿磨等不同研磨条件下振动频谱的特点, 并针对频谱的超高维和共线性问题,提出了基于主元分析(PCA)提取分频段特征, 串行组合后建立支持向量机(SVM)模型的方法.[url=]陶粒砂设备[url=/]陶粒砂生产线但该方法存在分频段硬性划分、PCA只能提取线性特征、SVM需要解决二次规划问题等缺点. 依据振动、振声等不同的信号及分频段频谱间存在冗余与互补信息的问题, 从不同的角度分别提出
