基于多傳感器信息融合的球磨機負(fù)荷檢測系統(tǒng)

引言

　　介質(zhì)充填率(指球磨機靜止時磨礦介質(zhì)鋼球體積占磨機筒體有效體積的百分比)、料球比(指被磨物料密實體積占球磨機內(nèi)介質(zhì)中空隙體積的比例(用小數(shù)表示))和磨礦濃度(指球磨機內(nèi)物料重量占礦漿總重量(物料+水)的百分比)是球磨機負(fù)荷檢測和控制中研究的三個主要參數(shù)。這三個參數(shù)間接地反映了球磨機的負(fù)荷(包括球負(fù)荷、物料負(fù)荷以及水量的各自數(shù)值)，能否準(zhǔn)確地檢測出球磨機的負(fù)荷是整個球磨機優(yōu)化控制成敗的關(guān)鍵。

　　本文將設(shè)計一種基于多傳感器信息融合的球磨機負(fù)荷檢測系統(tǒng)，使能夠準(zhǔn)確地檢測出球磨機的內(nèi)部負(fù)荷參數(shù)：介質(zhì)充填率、料球比和磨礦濃度。最終根據(jù)需要來調(diào)整介質(zhì)加入量、給礦量及給水量，從而實現(xiàn)球磨機優(yōu)化實時控制的目的。
 

　　1 系統(tǒng)總體設(shè)計

　　所謂多傳感器信息融合就是充分利用多個傳感器資源，通過對這些傳感器及其觀測信息的合理支配和使用，把多個傳感器在空間或時間上的冗余或互補信息依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得被測對象的一致性解釋或描述，使該信息系統(tǒng)由此獲得比它的各組成部分的子集所構(gòu)成的系統(tǒng)更優(yōu)越的性能。根據(jù)處理對象層次的不同，可分為:數(shù)據(jù)(像素)級融合、特征級融合和決策級融合。

　　本文采用三因素(聲響、振動和有功功率)檢測方法，分別通過聲音傳感器、振動加速度傳感器和有功功率傳感器進(jìn)行球磨機外部響應(yīng)信號的數(shù)據(jù)采集，經(jīng)信號處理后提取這三個參數(shù)。為了保持盡可能多的現(xiàn)場數(shù)據(jù)，可將全部傳感器的觀測數(shù)據(jù)融合，且這三個傳感器是同質(zhì)的(傳感器觀測的是同一物理現(xiàn)象)，所以可以在數(shù)據(jù)層進(jìn)行信息融合，以便獲取充分多的球磨機外部響應(yīng)信息。最后通過融合算法間接地識別球磨機內(nèi)部負(fù)荷參數(shù)(介質(zhì)充填率、料球比和磨礦濃度)。

　　2 設(shè)計步驟

　　(1)球磨機三個外部響應(yīng)信號的數(shù)據(jù)采集

　　球磨機聲響信號的采集電路由傳聲器、前置放大器及信號放大電路、抗混疊濾波器、A/D轉(zhuǎn)換器、微處理器處理部分等組成。聲響信號采集電路如圖1所示：

　　圖1聲響信號采集電路

　　球磨機運行時，鋼球、物料與滾筒之間，鋼球之間，鋼球與物料之間產(chǎn)生的撞擊造成球磨機振動，這些撞擊傳遞到球磨機滾筒裝甲上，并沿著筒體和軸承傳播開來。因此，在球磨機的軸承上即可測出球磨機滾筒的振動特性，因此采用安裝在軸承上的壓電式加速度傳感器來檢測球磨機的振動。球磨機振動信號采集電路包括加速度傳感器、電荷放大器、信號放大電路、帶通濾波器、A/D轉(zhuǎn)換器、微處理器等。振動信號采集電路如圖2所示。

　　有功功率信號的采集選用有功功率傳感器來測量，由于球磨機的電機供電方式是三相三線制，所以選用三相有功功率傳感器。對于本文中球磨機的有用功率信號的檢測，是選用深圳金智機電技術(shù)有限公司生產(chǎn)的WB2P412R型三相三線有功功率傳感器。(2)信號處理

　　信號處理一般包括信號的預(yù)處理、A/D轉(zhuǎn)換和數(shù)字信號處理器的數(shù)字信號處理等。其中，對于要檢測的聲響和振動信號，是隨機的混有多種噪聲信號在內(nèi)的復(fù)雜的時域信號。然而球磨機不同負(fù)荷參數(shù)的變化往往引起聲響和振動信號頻率結(jié)構(gòu)的變化，為了通過所檢測的信號得到球磨機內(nèi)部負(fù)荷參數(shù)，往往需要了解信號的頻域信息。所以，需用快速傅立葉變換(FFT) 對聲響和振動信號進(jìn)行頻譜分析，計算其反映球磨機內(nèi)部負(fù)荷參數(shù)的狀態(tài)和特征信息。

　　圖2 振動信號采集電路

　　(3)數(shù)據(jù)層融合

　　由于磨礦過程機理復(fù)雜、影響因素多，又是一個多變量輸入輸出過程，生產(chǎn)過程緩慢，滯后時間長，同時具有非線性、時變性以及干擾因素多而嚴(yán)重等特點。此外，球磨機機組龐大，噪聲高達(dá)100dB。在這種相當(dāng)惡劣的工作環(huán)境下，如果用傳統(tǒng)的單一傳感器來觀測球磨機的外部響應(yīng)信息，顯然是難以勝任的。所以，基于信息融合的多傳感器觀測手段在這里是個很好的應(yīng)用方案。分別通過聲音傳感器、振動加速度傳感器和有功功率傳感器進(jìn)行球磨機外部響應(yīng)信號的數(shù)據(jù)采集，經(jīng)信號處理后提取的這三個參數(shù)在數(shù)據(jù)層融合，可以增強獲取的球磨機外部響應(yīng)信息的冗余性和互補性，減少整個系統(tǒng)的不確定性;當(dāng)某個傳感器失效時，多個傳感器提供的冗余信息則可以排除故障信息，從而提高系統(tǒng)的魯棒性。

　　因為融合是在信息的最低層次進(jìn)行的，傳感器原始信息的不確定性、不完全性和不穩(wěn)定性，以及數(shù)據(jù)通信量較大，抗干擾能力較差等，決定了融合時算法需有較高的糾錯能力，實時處理大量數(shù)據(jù)的能力等。神經(jīng)網(wǎng)絡(luò)作為一種并行的分布式信息處理系統(tǒng)，具有很強的信息綜合能力，知識泛化能力及結(jié)構(gòu)的容錯性等，可以在數(shù)據(jù)層用作融合算法。

　　(4)融合算法設(shè)計

　　本文是要通過檢測球磨機的外部響應(yīng)來間接地檢測球磨機的內(nèi)部負(fù)荷參數(shù)，即球磨機外部響應(yīng)是已知的，球磨機內(nèi)部參數(shù)是待預(yù)測的。因此，可以在數(shù)據(jù)層，通過神經(jīng)網(wǎng)絡(luò)建立球磨機系統(tǒng)的逆向模型——球磨機外部響應(yīng)與內(nèi)部負(fù)荷參數(shù)之間的關(guān)系模型，從而進(jìn)行球磨機負(fù)荷的預(yù)測。

　　本文神經(jīng)網(wǎng)絡(luò)選用有教師學(xué)習(xí)的標(biāo)準(zhǔn)三層結(jié)構(gòu)的徑向基函數(shù)RBF網(wǎng)絡(luò)，輸入變量是數(shù)據(jù)層的球磨機外部響應(yīng)，輸出變量是球磨機的內(nèi)部負(fù)荷參數(shù)。

　　① 輸入層的設(shè)計

　　由于RBF神經(jīng)網(wǎng)絡(luò)模型的輸入變量是球磨機的外部響應(yīng)信號，根據(jù)三因素檢測的要求，本文檢測了球磨機的外部聲響信號、外部振動信號和有用功率信號這三個因素，所以輸入層節(jié)點有三個，分別是歸一化處理后的球磨機的外部聲響信號、外部振動信號和有用功率信號。

　?、?輸出層的設(shè)計

　　RBF神經(jīng)網(wǎng)絡(luò)模型的輸出變量是球磨機的內(nèi)部負(fù)荷參數(shù)，由于本文要檢測的球磨機內(nèi)部負(fù)荷參數(shù)包括球磨機的介質(zhì)充填率、料球比和磨礦濃度，所以，以介質(zhì)充填率、料球比和磨礦濃度作為輸出變量建立神經(jīng)網(wǎng)絡(luò)系統(tǒng)。這樣，輸出層有三個節(jié)點，輸出層的激活函數(shù)是簡單的求和運算，即輸出層是隱層輸出的加權(quán)和。

　?、?隱層的設(shè)計

　　在RBF網(wǎng)絡(luò)訓(xùn)練中，隱含層神經(jīng)元數(shù)量的確定是一個關(guān)鍵問題，MATLAB7提出了改進(jìn)方法，基本原理是從0個神經(jīng)元開始訓(xùn)練，通過檢查輸出誤差使網(wǎng)絡(luò)自動增加神經(jīng)元。每次循環(huán)使用，使網(wǎng)絡(luò)產(chǎn)生的最大誤差所對應(yīng)的輸入向量作為權(quán)值向量，產(chǎn)生一個新的隱含層，然后檢查新網(wǎng)絡(luò)的誤差，重復(fù)此過程直到達(dá)到誤差要求或最大隱含層神經(jīng)元數(shù)為止。實現(xiàn)是：函數(shù)newrbe在創(chuàng)建RBF網(wǎng)絡(luò)時，自動選擇隱含層的數(shù)目，使得誤差為0，完成網(wǎng)絡(luò)的訓(xùn)練和建立(RBF神經(jīng)網(wǎng)絡(luò)的建立過程就是訓(xùn)練過程)。

　　RBF神經(jīng)網(wǎng)絡(luò)輸出層三個神經(jīng)元上的數(shù)據(jù)經(jīng)過反歸一化處理后，就為球磨機的內(nèi)部負(fù)荷參數(shù)：介質(zhì)充填率、料球比和磨礦濃度。

　　在磨礦過程自動控制中，可以根據(jù)這三個參數(shù)間接反映的球磨機的負(fù)荷(包括球負(fù)荷、物料負(fù)荷以及水量的各自數(shù)值)實現(xiàn)整個球磨機的優(yōu)化控制。3 實驗結(jié)果

　　通過在實驗球磨機上做實驗，得到了大量的實驗數(shù)據(jù)，選取其中的部分作為樣本數(shù)據(jù)(見表1)，來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

　　表1 部分樣本數(shù)據(jù)

　　按照RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練步驟和算法，對本文的球磨機系統(tǒng)逆模型的RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真是在MATLAB7環(huán)境下，編制了相應(yīng)的程序?qū)崿F(xiàn)。訓(xùn)練后返回神經(jīng)網(wǎng)絡(luò)的權(quán)值、偏置值。網(wǎng)絡(luò)訓(xùn)練過程的誤差曲線如圖3所示。

　　對實驗樣本數(shù)據(jù)進(jìn)行仿真，得到預(yù)測誤差曲線(神經(jīng)網(wǎng)絡(luò)輸出值與樣本目標(biāo)值之差的曲線)，如圖3所示。

　　圖3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線 圖4 神經(jīng)網(wǎng)絡(luò)預(yù)測誤差曲線

　　4 結(jié)束語

　　實驗結(jié)果表明，該系統(tǒng)能夠充分獲取并融合球磨機工作環(huán)境所提供的外部響應(yīng)信息，從而準(zhǔn)確地檢測出球磨機的負(fù)荷參數(shù)，為整個磨礦過程的自動控制提供了重要的技術(shù)支持。