摘要：針對傳統(tǒng)的單因素或雙因素球磨機負荷檢測方案的不足,，提出了基于多傳感器信息融合的多因素聯(lián)合檢測方案,。通過檢測球磨機的多種外部響應(yīng)，找出外部響應(yīng)與內(nèi)部負荷之間的關(guān)系,，從而確定球磨機內(nèi)部的多個負荷參數(shù),。實驗結(jié)果表明該方案能夠?qū)崿F(xiàn)球磨機負荷的準確、及時檢測,，為磨礦過程的優(yōu)化實時控制奠定基礎(chǔ),。
關(guān)鍵詞：多傳感器信息融合、 球磨機負荷檢測,、 神經(jīng)網(wǎng)絡(luò)
　　
Abstract:In view of the insufficient scheme of the traditional load-examination of the ball mill which is based on single-or double- factor,this paper presents a multi-factor union examination scheme which is based on the multi-sensor information amalgamation . Through examination of the multiple external response and the relations between the exterior response and internal load of the ball mill,the confirmation of the many internal load-parameters of the ball mill can be achieved accurately. The experimental result indicates that the scheme can realize the load-examination of the ball mill accurately and promptly, accordingly establishing the foundation of the optimized real-time control for the mine-grinding process.
Key words：multi-sensor information amalgamation,、ball mill load-examination、nerve network
　　
　　0 引言
　　在磨礦過程自動控制中,，影響磨礦過程作業(yè)指標的因素很多：（Ⅰ）屬于物料性質(zhì)方面的有：礦石可磨度,、給料粒度、產(chǎn)品細度等,；（Ⅱ）屬于磨機結(jié)構(gòu)方面的有：磨機規(guī)格,、型式、襯板形狀等,；（Ⅲ）屬于操作方面的有：介質(zhì)形狀,、尺寸配比及材質(zhì)、介質(zhì)充填率,、磨機轉(zhuǎn)速率,、加球制度、料球比和磨礦濃度等。而這些因素本身又相互影響,。在上述因素中,，第一類和第二類因素被確定以后通常就不再改變；如果設(shè)備維修以及添加鋼球的材質(zhì)都正常,，則其可改變的條件只是磨機轉(zhuǎn)速率,、介質(zhì)充填率、料球比和磨礦濃度,，而一旦磨機轉(zhuǎn)速率固定,，則僅僅其余3個因素是可變的。所以,，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荷(包括球負荷,、物料負荷以及水量的各自數(shù)值),，能否準確地檢測出球磨機的負荷是整個球磨機優(yōu)化控制成敗的關(guān)鍵。
　　為解決上述問題,，本文將設(shè)計一種基于多傳感器信息融合的球磨機負荷檢測系統(tǒng),，使能夠準確地檢測出球磨機的內(nèi)部負荷參數(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)某種準則進行組合,，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)部負荷參數(shù)（介質(zhì)充填率,、料球比和磨礦濃度）。
　　
　　2 設(shè)計步驟
　?。?）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,。
　　
　?。?）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行頻譜分析,，計算其反映球磨機內(nèi)部負荷參數(shù)的狀態(tài)和特征信息。 圖2 振動信號采集電路
　?。?）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重等特點,。此外，球磨機機組龐大,，噪聲高達100dB,。在這種相當惡劣的工作環(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)部負荷參數(shù)之間的關(guān)系模型，從而進行球磨機負荷的預(yù)測,。
　　本文神經(jīng)網(wǎng)絡(luò)選用有教師學習的標準三層結(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)部負荷參數(shù),。
　　
　?、?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)部負荷參數(shù),，由于本文要檢測的球磨機內(nèi)部負荷參數(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,。
　　
　　③ 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荷(包括球負荷、物料負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
　　本文提出了一種基于多傳感器信息融合的球磨機負荷檢測方案,，并詳細地介紹了整個系統(tǒng)的各個環(huán)節(jié),。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,，從而準確地檢測出球磨機的負荷參數(shù),，為整個磨礦過程的自動控制提供了重要的技術(shù)支持。
　　
　　參考文獻
　　[1]王澤紅,，陳炳辰．球磨機負荷檢測的現(xiàn)狀與發(fā)展趨勢[J]．中國粉體技術(shù),，2001.7（1）：19～23
　　[2]王澤紅，陳炳辰. 球磨機內(nèi)部參數(shù)的三因素檢測．金屬礦山[J],，2002.1：32～34
　　[3]毛益平,，高繼森，陳炳辰．基于RBF網(wǎng)絡(luò)球磨機雙因素建模的研究[J]．中國礦業(yè),，2000.9（5）：75～78
　　[4]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實現(xiàn)[M].北京：電子工業(yè)出版社,，2005.3
　　[5] 馮波. 多傳感器信息融合技術(shù)的研究[D].中國優(yōu)秀博碩論文全文數(shù)據(jù)庫