基于DSP的电厂球磨机料位监测系统

介绍了电厂球磨机料位测量的运用现状,指出了现有球磨机料位测量方法存在的问题,提出了一种以轴承振动能量法为基础,基于DSP的电厂球磨机料位实时监测系统的实现方法,具体阐述了系统原理结构,硬件设计和软件结构.     

基于振动信号和云推理的球磨机负荷软测量

采用振动信号对球磨机料位进行测量时,特征值具有散度大、随机性强的特点.对此,基于具有将随机性、模糊性与稳定倾向性相结合能力的云模型,提出一种利用云模型对球磨机料位进行概念表示和推理测量的方法.首先,利用逆向云发生器对振动信号的功率谱特征值进行概念提取以获得前件云;然后,由料位值信息建立相对应的后件云;最后,利用云模型的不确定推理实现球磨机料位的软测量.对比实验结果表明了所提出方法的有效性和可行性.     

基于T-S模糊模型的球磨机料位测量研究

针对采用振动法测量球磨机料位时,振动信号和料位之间存在非线性和时变性,采用传统方法存在测量精度低、稳定性差的问题,提出基于T-S模糊模型的球磨机料位表示和测量的方法.首先利用减法聚类对振动信号的功率谱特征值进行模糊前件辨识,确定模糊概念和规则数;再用最小二乘估计辨识后件参数;最后,利用模糊推理方法实现球磨机料位的软测量.在小型球磨机上的试验结果验证了T-S模糊模型对球磨机料位测量的有效性,与传统方法相比,T-S模糊模型方法具有测量精度高、稳定性好的特点.     

基于CART-LSSVM的球磨机料位软测量方法研究

球磨机是用于电力、磨矿和冶金等行业的高能耗设备,准确测量其滚筒料位能够提高运行效率和安全性能.针对其滚筒内料位难以实时检测,球磨机的轴承振动信号中存在较多的冗余特征,提出了一种基于分类回归树和最小二乘支持向量机的软测量方法,首先用Welch法获得振动信号的功率谱密度,并分割得到基本特征,然后建立分类回归树模型,根据最优树模型的分支节点进行特征选择,最后利用最小二乘支持向量机实现特征变量与料位间的非线性映射.通过实验结果的对比分析,验证了该模型的有效性和实用性,以及良好的预测精度.     

基于MFCC和RBM的料位软测量北大核心CSCD

球磨机是应用于磨矿过程的关键设备,可靠测量其料位对实现优化控制和节能降耗具有重大意义。针对球磨机振声信号存在非线性及其梅尔频率倒谱系数(MFCC)存在不相关信息等问题,提出了一种基于MFCC、受限玻尔兹曼机(RBM)和支持向量回归(SVR)的软测量方法。首先对振声信号计算MFCC特征,然后采用RBM对MFCC进行特征提取,以减弱噪声和提高模型精度,最后将提取的特征输入支持向量机进行回归。实验结果表明该模型的有效性和可行性。     

一种新型料位测量系统

本文提出了一种新的料位测量方法和高速相关算法,据此,借助于微电子技术,研制成了 一种新型的料位测量系统.该系统具有宽广的应用前景.     

基于振动信号频谱分析的球磨机料位监测仪表的设计

有效测量球磨机料位，是制粉系统实现自动控制、运行优化、节能降耗的关键。提出用分裂基FFT变换对球磨机轴承振动信号进行处理，得出振动的功率频谱与料位变化之间的关系；并依此设计出由DSP和MPU组成的双CPU智能仪表的软硬件系统，实现球磨机料位的在线测量显示和报警功能，为制粉系统优化和自动控制奠定了基础。     

神经网络多源数据融合磨机料位检测

针对火电厂磨煤机储煤量难与直接精准测量,造成磨机长期处于保守工况运行,制粉系统能耗损失巨大,效率低下的现实问题,,提出了基于神经网络多传感器信息融合的磨机料位智能软测量方法,仿真实验的数据融合结果表明了该方法的可行性和有效性,为进一步开展制粉系统的优化控制奠定了基础.     

基于超声波技术的固体料位测量研究

固体料位和液位测量是工业上常用的手段。由于固体物料堆放的顶部表面通常不是绝对水平的,因而其料位不便于测量。针对传统测量方法不便解决的问题,该文提出了一种新的利用超声波技术的测量方法。该方法的提出,有助于解决工业生产中固体料位测量的问题。并进一步对影响超声波测量精度的回波问题进行了深入研究。     

基于神经网络的球磨机出力软测量模型研究

球磨机出力检测和控制是球磨机自动控制的重要内容,然而,目前在实际生产过程中,球磨机出力缺少有效可靠的检测手段,因此很难实现优化控制.结合基于神经网络的软测量和混沌信息处理技术两者的优点,建立球磨机出力软测量模型.该模型不仅能预估稳态下球磨机出力,且对动态过程中球磨机出力的在线估计也切实有效,从而为球磨机的出力监测、给煤...     

Feature extraction and selection based on vibration spectrum with application to estimating the load parameters of ball mill in grinding process

Feature extraction and selection are important issues in soft sensing and complex nonlinear system modeling. In this paper, a new feature extraction and selection approach based on the vibration frequency spectrum is proposed to estimate the load parameters of wet ball mill in grinding process. This approach can simplify the modeling process. In this study, the vibration acceleration signals are first transformed into the frequency spectrum by fast Fourier transform (FFT). Then the candidate features are extracted and selected from the frequency spectrum, which include characteristic frequency sub-bands, spectral principal components, and features of local peaks. Mutual information, spectral segment clustering and kernel principal component analysis are used to obtain these candidate features. Finally, a combinatorial optimization method based on adaptive genetic algorithm selects the input sub-set and parameters of the soft sensor model simultaneously. This approach is successfully applied in a laboratory scale wet ball mill. The test results show that the proposed approach is effective for modeling the parameters of mill load.     

Soft sensor for parameters of mill load based on multi-spectral segments PLS sub-models and on-line adaptive weighted fusion algorithm

The parameters of mill load (ML) not only represent the load of the ball mill, but also determine the grinding production ratio (GPR) of the grinding process. In this paper, a novel soft sensor approach based on multi-spectral segments partial least square (PLS) model and on-line adaptive weighted fusion algorithm is proposed to estimate the ML parameters. At first, frequency spectrums of the shell vibration acceleration signals are obtained. Then the PLS sub-models are constructed with the low, medium and high frequency spectral segments. At last, the PLS sub-models are fused together with a new on-line adaptive weighted fusion algorithm to obtain the final soft sensor models. This soft sensor approach has been successfully applied in a laboratory-scale wet ball mill grinding process.     

基于ASOS-ELM的球磨机负荷参数软测量系统设计

球磨机负荷参数是决定磨矿工作质量和效率的重要指标,为了提升球磨机负荷参数软测量系统的运行性能,降低综合测量误差,利用ASOS-ELM算法,从硬件和软件两个方面,设计球磨机负荷参数软测量系统。加设球磨机工作数据采集器,改装处理器与输出显示屏,扩大存储器空间,利用电源电路连接硬件设备,完成硬件系统的设计。根据球磨机的组成结构和工作原理,构建球磨机数学模型,在该模型下,采集球磨机不同工况下的振动信号。利用ASOS-ELM算法,提取振动信号特征,得出球磨机球负荷、料负荷、水负荷参数的软测量结果,实现球磨机负荷参数软测量系统设计。通过系统测试实验结果表明,设计系统负荷参数的综合测量误差降低了约0.064kg,且系统运行性能得到明显提升。     

基于改进LS-SVM的球磨机制粉出力软测量建模

针对火电厂双进双出钢球磨直吹式制粉系统出力较难直接测量的问题,本文在Suykens的最小二乘支持向量机(least squares support vector machine,LS-SVM)稀疏化算法的基础上,提出了一种更好的改进方式,并将改进后的LS-SVM算法对双进双出钢球磨直吹式制粉系统出力建立软测量模型,通过对算法改进前后模型仿真结果的对比分析可知,改进后的LS-SVM算法学习收敛速度更快,误差更小,更加适用于在线学习,并为制粉系统的在线优化控制打下了良好的基础。     

火电厂球磨机非线性自适应控制

建立了球磨机特征模型,分析了运行调节需求,设计了以给煤量非线性自适应PID控制为主体,多种控制方式相结合的球磨机控制系统。该系统由磨风量控制、磨给煤量控制和风煤协调控制三部分构成,合理组合了非线性自适应PID控制、解耦控制、比值控制和仿人控制算法优势。工程应用表明,该控制系统能够解决球磨机运行优化和控制优化的双重问题,控制系统鲁棒性强,具有工况自适应能力。     

选择性融合多尺度筒体振动频谱的磨机负荷参数建模

针对目前采用经验模态分解(empirical model decomposition,EMD)得到的系列子信号构建的磨机负荷参数软测量模型泛化性能差、难以进行清晰物理解释,以及EMD算法存在的模态混叠等问题,本文提出了基于选择性融合多尺度筒体振动频谱的建模方法.首先采用EMD、集合EMD(ensemble EMD,EEMD)、希尔伯特振动分解(Hilbert vibration decomposition,HVD)共3种多组分信号自适应分解算法获得磨机筒体振动多尺度子信号的集合,接着通过相关性分析剔除虚假无关部分,然后再将与原始信号相关性强的那部分多尺度子信号变换至频域,进而更有利于构建这些多尺度频谱与磨机负荷参数间的映射模型,最后通过改进分支定界选择性集成(improved branch and bound based selective ensemble,IBBSEN)算法建立软测量模型,实现对多源多尺度筒体振动频谱的最优选择性信息融合.基于实验球磨机运行数据的仿真实验表明所提方法在模型可解释性和泛化性能上均优于之前研究所提出方法.     

基于EMD和选择性集成学习算法的磨机负荷参数软测量

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负 荷参数映射关系难以描述等问题,提出了基于经验模态分解（Empirical mode decomposition,EMD）技术和选择性集成学习算法分析 筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒 体振动及振声信号组成的复杂性;然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组 成成分,即本征模态函数（Intrinsic mode function,IMF）;接着在频域内基于互信息（Mutual information,MI）方法分析并选择IMF频谱特征;最后采用基 于核偏最小二乘（Kernel partial least square,KPLS）建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性.     

基于模糊内模控制的球磨机系统的研究

球磨机系统具有多变量、强耦合、长时滞以及生产工况变化大等特点,采用常规控制策略很难达到控制目标。针对该问题,文章提出了一种基于模糊内模控制的球磨机系统的设计方案,分析了球磨机工作原理,建立了其数学模型,详细介绍了球磨机系统的解耦分析,最后给出了球磨机模糊内模控制器的设计方法。仿真结果表明,基于模糊内模控制的球磨机系统具有良好的解耦能力,鲁棒性强,能够较好地解决球磨机系统的时变性、耦合性和延迟性问题,具有一定的工程应用价值。