球磨机信号分析和关键参数预报系统磨音信号分析方法毕业论文Word文档格式.docx
- 文档编号:17723229
- 上传时间:2022-12-08
- 格式:DOCX
- 页数:41
- 大小:731.81KB
球磨机信号分析和关键参数预报系统磨音信号分析方法毕业论文Word文档格式.docx
《球磨机信号分析和关键参数预报系统磨音信号分析方法毕业论文Word文档格式.docx》由会员分享,可在线阅读,更多相关《球磨机信号分析和关键参数预报系统磨音信号分析方法毕业论文Word文档格式.docx(41页珍藏版)》请在冰豆网上搜索。
本声明的法律结果将完全由本人承担。
作者签名:
日期:
关于学位论文使用授权的说明
本论文的研究成果归沈阳化工大学所有,本论文的研究内容不得以其它单位的名义发表。
本学位论文作者和指导教师完全了解沈阳化工大学有关保留、使用学位论文的规定,即:
学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;
本人授权沈阳化工大学可以将论文的全部或部分内容编入有关数据库进行检索、交流,可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。
(保密的论文在解密后应遵循此规定)
导师签名:
摘要
球磨机的作用是粉碎并细碎已碎物料,广泛应用于水泥,建筑和耐火材料,化肥,金属选矿以及玻璃陶瓷等各种生产线,对各种尺寸矿石和可磨性物料进行干式或者湿式粉磨加工。
由于选矿生产过程具有非线性,多变性,时变性,大滞后,强耦合的特点,各个粉磨要素生产指标不能在线测量,致使选矿工程师不能实时调整整个生产过程,这引起研究人员对选矿生产指标预报算法的研究。
算法应用到工业现场需要软件平台的支撑,但是国内外针对选矿生产指标预测软件的研发相对较少,虽然算法研究人员也会根据自己的需求开发预测软件,但是这些软件的人机交互性能友好性,易用性较差,通常难以满足其他算法研究人员。
为了实现磨矿过程球磨机负荷参数的在线检测,采用MATLAB和C#.混合编程方式,开发实现了球磨机振动,振声信号分析和关键参数预报的软测量系统。
该系统基于集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)技术和区间偏最小二乘(intervalpartialleast-squares,IPLS)技术提取与磨机负荷参数密切相关的本征模态函数(intrinsicmodefunctions,IMF)频域特征,构建基于本征模态函数特征空间的选择性集成模型,实现磨机负荷参数的测量。
MATLAB的Deploytool工具将信号EEMD分解,IMF频谱变换,IPLS特征选择,关键参数模型训练和模型预测一系列m函数编译生成DLL程序集合,在C#.net编程环境中,通过调用上述程序实现球磨机信号分析和关键参数预报软件系统的快速开发。
系统测试结果表明该系统能够有效地选择简体振动和振声信号IMF频谱特征,系统准确性和可靠性较高,对改进磨矿过程控制和优化具有重要意义。
关键词:
磨机负荷,EEMD,特征选择,软测量,混合编程
Abstract
Ballmillisthekeyequipmentusedtocrushhasbrokenmaterial.Itiswidelyusedincement,buildingmaterials,refractorymaterial,fertilizer,metalprocessingandglassceramicsandotherproductionindustries,fordifferentsizeoforeandmaterialsmaybegrindingofdryorwetpowdergrinding.Ballmilliswidelyusedingrindingoreandothermaterials,isnowwidelyusedinmineraldressing,buildingmaterialsandchemicalindustry,etc.Throughvibrationaccelerationsignalofindustrialpracticetocollectdata,parametersofthemillloadforecastdevelopment.Accuratejudgmentthroughthedataanalysistheworkingstateoftheballmill.
Becausethemineralprocessingproductionprocesswithnonlinear,variability,time-varying,biglag,thecharacteristicsofstrongcoupling,concentrategradeproductionindexessuchascannotonlinemeasurement,themineralprocessingengineerscanreal-timeadjustthewholeproductionprocess,thiscausedtheresearchersstudyoforedressingproductionindexpredictionalgorithm.Algorithmisappliedtotheindustrialfieldneedsthesupportofsoftwareplatform,butforbeneficiationproductionindexpredictionsoftwareresearchanddevelopmentathomeandabroadisrelativelysmall,althoughthealgorithm,theresearcherswillalsoaccordingtoyourrequirementsdevelopmentpredictionsoftware,butthesesoftwarefriendlyhuman-computerinteractionperformance,easeofuseispoorer,theresearchersusuallydifficulttomeetotheralgorithm.Inordertorealizetheon-linemeasurementofgrindingprocessparametersofballmillload,usingMATLABandc#hybridprogrammingway,developmenthasrealizedtheballmillvibration,acousticsignalanalysisandkeyparametersofvibrationpredictionofsoftmeasurementsystem.ThesystemisbasedonthecollectionofEmpiricalModeDecomposition(EnsembleEmpiricalModeDecomposition,theEEMD)technologyandintervalpartialleastsquares(intervalpartialfurther-squares,IPLS)technologyparameterextractionandmillloadiscloselyrelatedtotheintrinsicModefunction(theintrinsicModefunctionsprovides,theIMF)frequencydomainfeature,buildbasedonintrinsicModefunctionfeaturespaceselectiveintegrationmodel,realizethemillloadparametermeasurement.MATLABEEMDDeploytooltooltosignaldecomposition,theIMFspectrumtransform,IPLSfeatureselection,thekeyparametersofmodeltrainingandmodelpredictionseriesofmfunctioncompiledDLLproceduressetintheC#.netprogrammingenvironment,bycallingtheabovesignalanalysisprogramtorealizeballmillandtherapiddevelopmentofkeyparameterspredictionsoftwaresystem.Systemtestresultsshowthatthesystemcaneffectivelyselectsimplifiedvibrationandacousticsignalofvibrationspectrumcharacteristics,theIMFsystemaccuracyandhighreliability,toimprovethegrindingprocesscontrolandoptimizationisofgreatsignificance.
Keywords:
millload,EEMD,featureselection,thesoftmeasurement,mixedprogramming
目录
TOC\o"
1-3"
\h\z\u第一章绪论1
1.1引言错误!
未定义书签。
1.2球磨机噪声机理2
第二章信号分解EEMD4
2.1EMD4
2.2EEMD分解错误!
2.3数值信号分解实验6
第三章球磨机振声信号EEMD分解9
3.1球磨机振声信号采集9
3.2.信号分解模块6
3.3振声信号图形9
3.4振声信号EEMD分解结果10
第四章振声信号IMF特征提取11
4.1基于IMF频谱特征的集成建模方法12
4.2IMF分量选择13
4.3分解信号的PCA主元分析14
4.4PCA特征提取方法错误!
5
第五章结论和展望16
第6章全文总结13
参考文献27
致谢语20
第一章绪论
1.1引言
磨矿分级作业是选矿过程的一个重要环节,而其中对球磨机运行状态的检测与控制,又是磨矿分级作业的核心部分。
球磨机运行状态的一个重要参考就是球磨机负荷,球磨机负荷是指球磨机内瞬时的全部装载量,包括新给矿量、循环负荷、加水量和加球个数等。
随着自动化技术的发展,很多先进的控制方法被应用于球磨机负荷的检测与控制中,但未取得较好的控制效果。
由于线性系统理论已趋于成熟,所以目前最好的球磨机负荷检测与控制方法依然是基于数学模型的控制。
最早的球磨机预测模型是Bond模型;
1972年,Wickham在忽略了球磨机负载率和出料的影响前提下提出了球磨机的混合理想模型;
1977年,Austin提出了基于动力学的球磨机模型;
1987年,Leung提出了撞击和磨损方程用于描述磨矿过程;
Man通过对Wickham模型的改进,提出了基于混合理想模型的比例改变建模方法。
上述模型的提出极大地推进了对球磨机负荷的研究,但是这些模型都是针对不同情况而建立的,如有的模型用于球磨机负荷的预测,有的模型给出用磨损方程描述球磨机负荷。
球磨机负荷可靠检测是选矿过程节能降耗和高效稳定运行的必要条件。
磨机负荷的检测通常采用磨机运行时外部响应信号振动及振声间接获得。
目前磨机负荷参数检测系统实现方式包括嵌入式仪表或者软件工具包。
目前这些开发方式在矿石来料不稳定、多变情况下由于模式固定、适应性较差。
为了有效解决球磨机负荷监测问题,目前国际研究热点是通过具有较高灵敏度和较强抗干扰性筒壁振动信号,来监测球磨机运行。
充分提取和利用这种非线性非平稳信号蕴含的大量丰富有价值信息,通过特征选择和优化技术提取振动和振声信号集合经验模态分解(EEMD)本征模态函数IMFs特征,构建基于IMFs特征空间的集成模型,并在过程漂移时自适应更新集成模型结构和参数,适应时变非线性磨矿过程复杂工况变化,是保证球磨机负荷集成模型泛化性、可信度和适应性的有效手段。
因此,需要开发具有模块化结构和实验功能的球磨机信号分析和磨机负荷监测软件系统。
由于球磨机外部响应信号振动、振声变量时域特征难以提取,频域信息具有较大的冗余成分,国内外提出了基于频谱特征选择的磨机负荷检测方法,并对此进行了大量的研究。
目前针对振动、振声信号的处理效果比较好的是多传感器信息融合的磨机负荷集成建模。
近年来,混合编程技术运用越来越成熟,可以集合两个或者多个软件的优点进行混合编程,大大提高软件的开发效率。
MATLAB作为一种高级语言,具有极高的编程效率,但它也存在界面开发能力弱、执行速度慢、算法和数据不利于保密以及依赖MATLAB编译环境不能独立运行等一些局限性。
C#.NET开发的系统界面友好、执行速度快、易维护、可升级等特点,能有脱离编译环境而运行,而且算法和数据保密性强,但是在工程计算方面与MATLAB相比就相形见绌了。
因此实现MATLAB与C#的混合编程,结合两者的优点,必将提高软件的开发效率以及软件的性能,也可以工作人员带来很大的方便。
针对球磨机负荷难以直接测量问题,利用MATLAB与C#混合编程开发了一套球磨机信号分析和关键参数预报系统。
利用Matlab的Deploytool工具将信号EEMD分解、IMF频谱变换、iPLS特征选择、关键参数模型训练和预测一系列m函数编译为C#.NETdll程序集,供C#.net调用,并由C#.NET完成前端界面开发和端口操作任务。
该系统充分利用混合编程优势互补,提高了编程效率。
1.2球磨机噪声机理
球磨机噪声主要分以下几种:
球磨机运行时筒体与钢球和物料之间碰撞产生的机械噪声;
电动机轴承运转时产生的噪声,电动机转子不平衡引起机壳振动产生的声辐射;
排粉机的空气动力噪声和通风管道振动噪声等。
上述噪声中,应用磨音电耳检测的磨音指的是筒体与钢球和物料之间碰撞产生的机械噪声,其余噪声均属于干扰噪声。
磨音本质上属于机械噪声中的撞击噪声,主要包括钢球与钢球、钢球与物料及筒体与钢球之间的撞击产生的撞击噪声。
其发声机制包括以下几种:
撞击瞬间,物体间的高速流动空气所引起的喷射噪声;
撞击瞬间,圆筒、钢球、物料产生的突然变形,导致在该附近激发产生的压力冲击噪声;
撞击瞬间,物料破碎形成的外向辐射的压力脉冲噪声;
撞击后引起的受撞部件结构共振所激发的结构共振噪声。
以上几种发声机制中,结构共振噪声的影响最强,维持时间最长。
球磨机噪声的共振结构主体为筒体,当球磨机负荷较小时,磨音主要来源于钢球之间及钢球和衬板的摩擦碰撞,声音较大且频率较高,听起来清脆;
当球磨机负荷较大时,磨音主要来源于物料和钢球及物料和衬板之间的摩擦碰撞,声音较小且频率较低,听起来沉闷。
第二章信号分解EEMD
2.1EMD
EMD,全称为经验模态分解(EMDEmpiricalModeDecomposition)算法是Hilbert-Huang变换(HHT)的核心算法。
经验模态分解(EMD)算法是通过算法过程定义的,而并非由确定的理论公式定义的,所以对其进行准确的理论分析非常困难,我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。
EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数(IMFIntrinsicModeFunction),且IMF须满足以下两个性质:
(1)信号的极值点(极大值或极小值)数目和过零点数目相等或最多相差一个;
(2)由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零。
EMD算法的计算步骤如下:
(1)找出原数据序列X(t)的所有极大值点和极小值点,将其用三次样条函数分别拟合为原序列的上和下包络
线;
上下包络线的均值为m1;
将原数据序列减去m1可得到一个减去低频的新序列h,即h1=X(t)-m1;
一般h1不一定是平稳数据序列,为此需对它重复上述过程。
如h1的包络均值为m11,则去除该包络平均所代表的低频成分后的数据序列为h11,即h11=h1-m11
重复上述过程,这样就得到第一个本征模函数分量c1,它表示信号数据序列最高频率的成分。
(2)用X(t)减去c1,得到一个去掉高频成分的新数据序列r1;
对r1再进行上述分解,得到第二个本征模函数分量c2;
如此重复直到最后一个数据序列rn不可被分解,此时,rn代表数据序列X(t)的趋势或均值。
在算法中的极值点是指一阶导数为零的点。
2.2EEMD分解
EEMD是针对EMD方法的不足,提出了一种噪声辅助数据分析方法。
EEMD分解原理为:
当附加的白噪声均匀分布在整个时频空间时,该时频空间就由滤波器组分割成的不同尺度成分组成。
当信号加上均匀分布的白噪声背景时,不同尺度的信号区域将自动映射到与背景白噪声相关的适当尺度上去。
当然,每个独立的测试都可能会产生非常嘈杂的结果,这是因为每个附加噪声的成分都包括了信号和附加的白噪声。
既然在每个独立的测试中噪声是不同的,当使用足够测试的全体均值时,噪声将会被消除。
全体的均值最后将会被认为是真正的结果,随着越来越多的测试,附加的噪声被消除了,唯一持久稳固的部分是信号本身。
全称为EnsembleEmpiricalModeDecomposition(集合经验模态分解)(WuandHuang,2009),是EMD(经验模分解)(Huangetal.1998;
HuangandWu,2008)的改进算法,有效的解决了EMD的混频现象。
原始信号通过EEMD算法流程
磨音振动信号分解系统
2.3数值信号分解实验
x=0:
0.01:
10;
Y=sin(x);
Nstd=0.2;
NE=50;
allmode=eemd(Y,Nstd,NE);
plot(allmode)
EEMD振声数据分解M文件
%%EEMD振声数据分解
clear
clc
filepath='
D:
\ZS_data\'
D=dir(filepath);
kk=length(D);
fori=3:
kk
i
filename=D(i).name
file=strcat(filepath,filename);
load(file);
dataX=y(:
1);
fs=8000;
%采样频率
fori=10:
13
nn1=i*fs+1;
%第10秒开始取值
nn2=nn1+4*fs*60/53-1;
X=dataX(nn1:
nn2);
%第10秒开始取4个运转周期
end
%figure
(1)
%plot(X);
title('
4个周期振动信号'
);
ylabel('
振动幅值'
xlabel('
采样点数'
)
Xmean=mean(X);
Xstd=std(X);
outliers=abs(X-Xmean)>
8*Xstd;
%剔除离群点数据
nout=sum(outliers)
local=find(outliers==1);
X(local)=(X(local-1)+X(local+1))/2;
%figure
(2)
振动信号预处理'
%%EEMD分解
allmodel=eemd(X,Nstd,NE);
eval(['
saveD:
\ZS_IMF\ZS_IMF_'
filename(1:
8)'
allmodel'
])
%figure(3)
%subplot(5,1,1);
plot(allmodel(:
1));
IMF1'
%subplot(5,1,2);
2));
IMF2'
%subplot(5,1,3);
3));
IMF3'
%subplot(5,1,4);
4));
IMF4'
%subplot(5,1,5);
5));
IMF5'
%figure(4)
6));
IMF6'
7));
IMF7'
8));
IMF8'
9));
IMF9'
10));
IMF10'
%figure(5)
11));
IMF11'
12));
IMF12'
13));
IMF13'
14));
IMF14'
15));
IMF15'
%figure(6)
16));
IMF16'
17));
IMF17'
N0=8000;
%;
数据长度
nfft=N0;
window=hann(1024);
noverlap=512;
range='
oneside'
;
%twoside
Fs=fs;
allmodel=allmodel'
[n_imp,p_imf]=size(allmodel);
forjj=1:
1:
n_imp
p_data_imf=allmodel(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 球磨机 信号 分析 关键 参数 预报 系统 音信 方法 毕业论文
![提示](https://static.bdocx.com/images/bang_tan.gif)