磨矿作业是选矿流程中非常关键的环节
[1]
,其负责最大限度地解离矿石中
的有用矿物和脉石矿物。磨矿产品的质量直接影响整个选矿厂的技术指标和经
济效益。磨矿作业是选矿厂中能源消耗最大的环节,其生产成本占整个选矿厂
生产总成本的 45%~60%,因此准 确有效地预测球磨机内部的运行状态及优化
磨矿控制技术是选矿行业提高选矿效率、提升企业效益的关键环节
[2]
。
早期的工人根据球磨机的声音和个人经验
[3]
来判断球磨机内部的负荷状态。
由于球 磨 机工作 时 影响因 素 众多,内 部环境 复 杂,故 这 些方法 误 差较大 。 文献
[4,5,6]中,研究人员通过采集球磨机外部信号来预测球磨机负荷。近年来,磨音
信号成为了研究的热点。文献[7]通过采集球磨机磨音信号,对起磨过程磨音和
停磨过程磨音进行了功率谱估计,得到磨音的有效频段。然后将有效频段分段
后的能量作为特征,采用径向基(Radial Basis Function,RBF)神经网络建立预测
模 型 来 预 测 球 磨 机 的 负 荷 。 文 献 [8] 采 用 主 元 分 析 法 (Principal Component
Analysis,PCA) 对 振 动 谱 能 量 值 进 行 降 维 , 利 用 支 持 向 量 机 (Support Vector
Machine,SVM)建立磨机负荷参数分类模型,实现了磨机负荷的预测。该研究证
明,球磨机磨音信号与球磨机负荷有紧密的联系。上述方法在对球磨机信号进
行频谱特征提取时,由于受到人为分析不精确和考虑不足等因素的影响,导致产
生频段被硬性划分或无法准确找到反映球磨机负荷特征等问题。此外,上述方
法在建立预测模型时没有 考 虑 SVM 的最佳参数,导致球磨 机 预 测 精 度低,模
型性能不稳定。因此,本文提出一种基于 PCA-PSO-SVM 的球磨机负荷预测模
型。
1 磨音 信号与负 荷的联系
球磨 机 产生 的声 音 主要 包括磨 音和 各 种干 扰噪 音
[9]
。磨 音 主要 分为 两 部
分:(1)由磨矿介质与球磨机内衬板碰撞产生的声音。这部分声音主要受到球磨
机的转速和磨矿介质的填充量的影响。一般在工程中使用的球磨机转速较小,
所以这部分磨音主要集中在中低频
[10]
;(2)由筒体内磨矿介质与磨矿介质、磨矿
介质与物料之间相互撞击产生磨音。由于磨矿介质数量多、体积小,碰撞机会
大,所以产生的声音以中高频为主。
在磨音中,磨矿介质和磨矿介质之间、磨矿介质和物料之间撞击产生的声
音主要受筒体内的负荷影响。当负荷较小时,所发出的磨音主要是磨矿介质之
间的冲击和碰撞声。此时磨音的频率高,声响大,听起来比较清脆。当球磨机内
评论0
最新资源