摘要： 　　針對(duì)傳統(tǒng)的單因素或雙因素球磨機(jī)負(fù)荷檢測(cè)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(cè)方案。通過檢測(cè)球磨機(jī)的多種外部響應(yīng)，找出外部響應(yīng)與內(nèi)部負(fù)荷之間的關(guān)系，從而確定球磨機(jī)內(nèi)部的多個(gè)負(fù)荷參數(shù)。實(shí)驗(yàn)結(jié)果表明該方案能夠?qū)崿F(xiàn)球磨機(jī)負(fù)荷的準(zhǔn)確、及時(shí)檢測(cè)，為磨礦過程的優(yōu)化實(shí)時(shí)控制奠定基礎(chǔ)。 　　 　　關(guān)鍵詞： 　　多傳感器信息融合、 球磨機(jī)負(fù)荷檢測(cè)、 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(dòng)控制中，影響磨礦過程作業(yè)指標(biāo)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(xì)度等；（Ⅱ）屬于磨機(jī)結(jié)構(gòu)方面的有：磨機(jī)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(jī)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(jī)轉(zhuǎn)速率、介質(zhì)充填率、料球比和磨礦濃度，而一旦磨機(jī)轉(zhuǎn)速率固定，則僅僅其余3個(gè)因素是可變的。所以，介質(zhì)充填率（指球磨機(jī)靜止時(shí)磨礦介質(zhì)鋼球體積占磨機(jī)筒體有效體積的百分比）、料球比（指被磨物料密實(shí)體積占球磨機(jī)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(jī)內(nèi)物料重量占礦漿總重量（物料＋水）的百分比）是球磨機(jī)負(fù)荷檢測(cè)和控制中研究的三個(gè)主要參數(shù)。這三個(gè)參數(shù)間接地反映了球磨機(jī)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(cè)出球磨機(jī)的負(fù)荷是整個(gè)球磨機(jī)優(yōu)化控制成敗的關(guān)鍵。 　　為解決上述問題，本文將設(shè)計(jì)一種基于多傳感器信息融合的球磨機(jī)負(fù)荷檢測(cè)系統(tǒng)，使能夠準(zhǔn)確地檢測(cè)出球磨機(jī)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(shí)現(xiàn)球磨機(jī)優(yōu)化實(shí)時(shí)控制的目的。 　　 　　1 系統(tǒng)總體設(shè)計(jì) 　　所謂多傳感器信息融合就是充分利用多個(gè)傳感器資源，通過對(duì)這些傳感器及其觀測(cè)信息的合理支配和使用，把多個(gè)傳感器在空間或時(shí)間上的冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得被測(cè)對(duì)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(duì)象層次的不同，可分為:數(shù)據(jù)(像素)級(jí)融合、特征級(jí)融合和決策級(jí)融合。 　　本文采用三因素（聲響、振動(dòng)和有功功率）檢測(cè)方法，分別通過聲音傳感器、振動(dòng)加速度傳感器和有功功率傳感器進(jìn)行球磨機(jī)外部響應(yīng)信號(hào)的數(shù)據(jù)采集，經(jīng)信號(hào)處理后提取這三個(gè)參數(shù)。為了保持盡可能多的現(xiàn)場(chǎng)數(shù)據(jù)，可將全部傳感器的觀測(cè)數(shù)據(jù)融合，且這三個(gè)傳感器是同質(zhì)的(傳感器觀測(cè)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(jī)外部響應(yīng)信息。最后通過融合算法間接地識(shí)別球磨機(jī)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(jì)步驟 　?。?）球磨機(jī)三個(gè)外部響應(yīng)信號(hào)的數(shù)據(jù)采集 　　球磨機(jī)聲響信號(hào)的采集電路由傳聲器、前置放大器及信號(hào)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(hào)采集電路如圖1所示： 圖1聲響信號(hào)采集電路 　　球磨機(jī)運(yùn)行時(shí)，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(jī)振動(dòng)，這些撞擊傳遞到球磨機(jī)滾筒裝甲上，并沿著筒體和軸承傳播開來。因此，在球磨機(jī)的軸承上即可測(cè)出球磨機(jī)滾筒的振動(dòng)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(cè)球磨機(jī)的振動(dòng)。球磨機(jī)振動(dòng)信號(hào)采集電路包括加速度傳感器、電荷放大器、信號(hào)放大電路、帶通濾波器、A/D轉(zhuǎn)換器、微處理器等。振動(dòng)信號(hào)采集電路如圖2所示。 　　有功功率信號(hào)的采集選用有功功率傳感器來測(cè)量，由于球磨機(jī)的電機(jī)供電方式是三相三線制，所以選用三相有功功率傳感器。對(duì)于本文中球磨機(jī)的有用功率信號(hào)的檢測(cè)，是選用深圳金智機(jī)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(hào)處理 　　信號(hào)處理一般包括信號(hào)的預(yù)處理、A/D轉(zhuǎn)換和數(shù)字信號(hào)處理器的數(shù)字信號(hào)處理等。其中，對(duì)于要檢測(cè)的聲響和振動(dòng)信號(hào)，是隨機(jī)的混有多種噪聲信號(hào)在內(nèi)的復(fù)雜的時(shí)域信號(hào)。然而球磨機(jī)不同負(fù)荷參數(shù)的變化往往引起聲響和振動(dòng)信號(hào)頻率結(jié)構(gòu)的變化，為了通過所檢測(cè)的信號(hào)得到球磨機(jī)內(nèi)部負(fù)荷參數(shù)，往往需要了解信號(hào)的頻域信息。所以，需用快速傅立葉變換(FFT) 對(duì)聲響和振動(dòng)信號(hào)進(jìn)行頻譜分析，計(jì)算其反映球磨機(jī)內(nèi)部負(fù)荷參數(shù)的狀態(tài)和特征信息。 　　圖2 振動(dòng)信號(hào)采集電路 （3）數(shù)據(jù)層融合 　　由于磨礦過程機(jī)理復(fù)雜、影響因素多，又是一個(gè)多變量輸入輸出過程，生產(chǎn)過程緩慢，滯后時(shí)間長(zhǎng)，同時(shí)具有非線性、時(shí)變性以及干擾因素多而嚴(yán)重等特點(diǎn)。此外，球磨機(jī)機(jī)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(cè)球磨機(jī)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(cè)手段在這里是個(gè)很好的應(yīng)用方案。分別通過聲音傳感器、振動(dòng)加速度傳感器和有功功率傳感器進(jìn)行球磨機(jī)外部響應(yīng)信號(hào)的數(shù)據(jù)采集，經(jīng)信號(hào)處理后提取的這三個(gè)參數(shù)在數(shù)據(jù)層融合，可以增強(qiáng)獲取的球磨機(jī)外部響應(yīng)信息的冗余性和互補(bǔ)性，減少整個(gè)系統(tǒng)的不確定性；當(dāng)某個(gè)傳感器失效時(shí)，多個(gè)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?yàn)槿诤鲜窃谛畔⒌淖畹蛯哟芜M(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(shí)算法需有較高的糾錯(cuò)能力，實(shí)時(shí)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(qiáng)的信息綜合能力，知識(shí)泛化能力及結(jié)構(gòu)的容錯(cuò)性等，可以在數(shù)據(jù)層用作融合算法。 　　 　　（4）融合算法設(shè)計(jì) 　　本文是要通過檢測(cè)球磨機(jī)的外部響應(yīng)來間接地檢測(cè)球磨機(jī)的內(nèi)部負(fù)荷參數(shù)，即球磨機(jī)外部響應(yīng)是已知的，球磨機(jī)內(nèi)部參數(shù)是待預(yù)測(cè)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(jī)系統(tǒng)的逆向模型——球磨機(jī)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(jī)負(fù)荷的預(yù)測(cè)。 　　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(jī)外部響應(yīng)，輸出變量是球磨機(jī)的內(nèi)部負(fù)荷參數(shù)。 　　 　　① 輸入層的設(shè)計(jì) 　　由于RBF神經(jīng)網(wǎng)絡(luò)模型的輸入變量是球磨機(jī)的外部響應(yīng)信號(hào)，根據(jù)三因素檢測(cè)的要求，本文檢測(cè)了球磨機(jī)的外部聲響信號(hào)、外部振動(dòng)信號(hào)和有用功率信號(hào)這三個(gè)因素，所以輸入層節(jié)點(diǎn)有三個(gè)，分別是歸一化處理后的球磨機(jī)的外部聲響信號(hào)、外部振動(dòng)信號(hào)和有用功率信號(hào)。 　　 　?、?輸出層的設(shè)計(jì) 　　RBF神經(jīng)網(wǎng)絡(luò)模型的輸出變量是球磨機(jī)的內(nèi)部負(fù)荷參數(shù)，由于本文要檢測(cè)的球磨機(jī)內(nèi)部負(fù)荷參數(shù)包括球磨機(jī)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(gè)節(jié)點(diǎn)，輸出層的激活函數(shù)是簡(jiǎn)單的求和運(yùn)算，即輸出層是隱層輸出的加權(quán)和。 　　 　?、?隱層的設(shè)計(jì) 　　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(gè)關(guān)鍵問題，MATLAB7提出了改進(jìn)方法，基本原理是從0個(gè)神經(jīng)元開始訓(xùn)練，通過檢查輸出誤差使網(wǎng)絡(luò)自動(dòng)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(duì)應(yīng)的輸入向量作為權(quán)值向量，產(chǎn)生一個(gè)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(shí)現(xiàn)是：函數(shù)newrbe在創(chuàng)建RBF網(wǎng)絡(luò)時(shí)，自動(dòng)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(gè)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(jī)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(dòng)控制中，可以根據(jù)這三個(gè)參數(shù)間接反映的球磨機(jī)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(shí)現(xiàn)整個(gè)球磨機(jī)的優(yōu)化控制。 　　 　　3 實(shí)驗(yàn)結(jié)果 　　通過在實(shí)驗(yàn)球磨機(jī)上做實(shí)驗(yàn)，得到了大量的實(shí)驗(yàn)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(duì)本文的球磨機(jī)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(duì)實(shí)驗(yàn)樣本數(shù)據(jù)進(jìn)行仿真，得到預(yù)測(cè)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4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(cè)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(jī)負(fù)荷檢測(cè)方案，并詳細(xì)地介紹了整個(gè)系統(tǒng)的各個(gè)環(huán)節(jié)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠充分獲取并融合球磨機(jī)工作環(huán)境所提供的外部響應(yīng)信息，從而準(zhǔn)確地檢測(cè)出球磨機(jī)的負(fù)荷參數(shù)，為整個(gè)磨礦過程的自動(dòng)控制提供了重要的技術(shù)支持。 　　 　　參考文獻(xiàn) 　　[1]王澤紅，陳炳辰．球磨機(jī)負(fù)荷檢測(cè)的現(xiàn)狀與發(fā)展趨勢(shì)[J]．中國粉體技術(shù)，2001.7（1）：19～23 　　[2]王澤紅，陳炳辰. 球磨機(jī)內(nèi)部參數(shù)的三因素檢測(cè)．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(jī)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(shí)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 　　附： 　　作者簡(jiǎn)介：周克良（1964——）男，江西贛州人，江西理工大學(xué)機(jī)電工程學(xué)院副教授，副院長(zhǎng)，研究方向?yàn)楣I(yè)過程控制。 　　聯(lián)系方式：江西贛州江西理工大學(xué)機(jī)電04研戴建國 郵編：341000 　　E—mail: liunianjingsui@126.com