CN111366388A - 一种基于小波包能量谱的磨机负荷检测方法 - Google Patents
一种基于小波包能量谱的磨机负荷检测方法 Download PDFInfo
- Publication number
- CN111366388A CN111366388A CN202010180741.8A CN202010180741A CN111366388A CN 111366388 A CN111366388 A CN 111366388A CN 202010180741 A CN202010180741 A CN 202010180741A CN 111366388 A CN111366388 A CN 111366388A
- Authority
- CN
- China
- Prior art keywords
- grinding
- frequency band
- signal
- mill
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明请求保护一种基于小波包能量谱的磨机负荷检测新方法。该方法是为了解决球磨机在运行过程中的负荷检测。首先通过sym10小波函数,对采集的磨音信号进行小波包分解,得到各频段的磨音信号;通过计算各频段内磨音信号的能量与声强值,得到磨机负荷变化最敏感的特征频段。最后在特征频段内建立磨音声强与磨机负荷的对应关系,以达到检测磨机负荷的目的。测试结果表明,该方法可以实现磨机负荷检测,对磨机负荷检测理论的发展和应用具有重要意义。
Description
技术领域
本发明属于信号处理领域,具体一种基于磨音信号特征频段的磨机负荷检测方法。
背景技术
球磨机是水泥生产中物料粉碎的关键设备,在工业生产中具有容量大、维护简单、运行可靠、密封性好等特点。在球磨机生产中,球磨机筒内装载着不同种类不同规格的碾磨介质,如钢球、钢棒和碾磨的矿石等。当筒体转动时,筒体内的物料在重力的作用下产生冲击作用,在倾泻状态下起碾磨作用,将物料碾磨成粉末状,最后在风机的拉力作用下,将粉碎后的物料从出料口排出。但是磨机生产过程中,由于缺乏准确,可靠的检测方法,因此球磨机很容易出现空磨和饱磨等非正常现象。长期空磨会造成磨机运行效率低、能源浪费、损坏筒体、减少磨机的使用寿命;饱磨会造成物料碾磨不合格、堵塞筒体等有害现象。因此,使磨机长期处于正常磨的工作状态,可有效提高磨机工作效率、降低能耗、增加产量。
目前常见的基于磨音信号的处理方法,主要是通过短时傅里叶变换 (Short-timeFourier Transform,STFT)将信号进行时频变换,然后比较不同物料下磨音信号频率的分布情况,以此来判断球磨机的当前负荷。虽然根据不同物料下磨音的频谱不同,可检测磨机状态,但是只能定性的得出磨机工况,无法得到有效的磨机负荷,因此传统的磨音分析方法已经无法满足磨机的负荷检测。发明一种针对磨音信号处理的新方法显得尤为重要。
发明内容
本发明旨在解决现有技术中的问题。提出了一种基于小波包能量谱的磨机负荷检测方法。本发明的技术方案如下:
一种基于小波包能量谱的磨机负荷检测方法,其包括以下步骤:
步骤1、首先对球磨机的音频信号进行采集,对采集的磨音信号选择小波基函数进行小波包分解和重构,通过小波包三层分解得到各频段的磨音信号;通过小波包分解最后把原始信号分解到独立的频段上,小波包频段的分解规律是:对低频信号分解时,低频部分向左分解,高频部分向右分解;对高频信号分解时,低频信号向右分解,高频信号向左分解;
步骤2、然后计算各频段的磨音信号的能量和磨音声强值;通过各频段内能量和磨音声强值变化得到磨机负荷随给料速度变化最敏感的特征频段;
步骤3、最后在特征频段内建立磨音声强值与磨机料位的关系模型,磨音信号在特征频段的声强值随给料速度的增加而降低,当磨音磨音的声强值较高时,磨机处于空磨状态,磨音信号的声强值较低时,磨机处于饱磨状态。
进一步的,所述步骤1对球磨机的音频信号进行采集是通过拾音器对磨音信号进行采集,设置磨音采样率为8000Hz,采样点数为4096点。
进一步的,所述小波基函数选择sym10作为小波基函数,小波包分解的二尺度方程如下:
式中:hk和gk称为正交镜像滤波器,hk为低通滤波器系数;gk为高通滤波器系数;un(t)为小波树的第n个节点的信号,t表示时间,k,Z表示整数,u2n(t)为 un(t)分解后对用的低频率信号,u2n+1(t)为un(t)所对应的高频率信号;
假设磨音信号的最高频率为fs=4000Hz,再进行小波包三层分解及重构,小波包分解及重构的公式如下:
式2中:代表分辨率j下的第l个离散细节信号,即该分辨率下的小波变换得到的序列,对应低频部分,代表分辨率j下的第l个离散细节信号,即该分辨率下的小波变换得到的序列,对应高频部分,n为小波树的第n个节点的信号。式3中,分辨率j下的第l个重构信号,hl-2k为低通滤波器系数;gl-2k为高通滤波器系数。
进一步的,所述计算各频段的磨音信号的能量具体包括:
计算各频段能量,由于重构信号保留原始信号的各频段信息,当磨机处于不同负荷时,各个频段内的磨音能量信号会产生变化,因此对各节点求能量和总能量;
E=E(i,0)+E(i,1)+…+E(i,j) (3)
式中i为小波包分解层数,j为小波包分解节点个数,U(i,j)表示重构后各频段的磨音信号,E(i,j)为子频段的能量,E为各频段能量之和。
进一步的,所述计算各频段的磨音信号声强值具体包括:通过磨音声强来表征磨音能量,声强公式如下:
I(i,j)=10lgE(i,j) (4)
式中,I(i,j)代表对应频段磨音声强,单位dB,E(i,j)为对应频段的磨音信号能量。
进一步的,构造能量谱,找出各频段内能量和磨音声强值得到磨机负荷随给料速度变化最敏感的特征频段。能量谱的构造:以各频带声强值为元素构造一个特征向量T:
T=[I(3,0),I(3,1),…,I(3,7)] (5)。
进一步的,通过构造的能量谱,找出磨音信号的特征频段,特征频段范围为500-2500Hz。在特征频段内建立磨音能量与磨机料位的关系模型,磨音信号在特征频段的声强值随给料速度的增加而降低,当磨音磨音的声强值较高时,磨机处于空磨状态,磨音信号的声强值较低时,磨机处于饱磨状态。
本发明的优点及有益效果如下:
本发明专利在小波分析的基础上,创新的提出基于小波包能量谱的磨机负荷检测方法研究,将小波分析用于磨机负荷的检测上。首先通过检测磨音信号并对其进行小波分析,利用小波分析的多尺度特点,细化的提取各频段磨音信号的特征;然后计算各频段内磨音信号能量与磨音声强,并根据磨音各频段磨音声强值构造能量谱;其次,根据构造的能量谱,当磨机负荷随给料速度变化时,可以得到随能量谱随磨机负荷变化的最敏感的特征频段;最后在特征频段内建立磨音能量与磨机料位的关系模型:在特征频段内,磨音信号的声强值随给料速度的增加而降低,当磨音磨音的声强值较高时,磨机处于空磨状态,磨音信号的声强值较低时,磨机处于饱磨状态,以此来判断磨机负荷。
附图说明
图1是本发明的小波包三层分解图;
图2为本发明的磨音信号时域图;
图3为本发明的磨音信号小波3层分解系数;
图4为本发明的磨音信号各节点小波重构信号时域图;
图5为本发明的磨音信号小波重构信号频域图;
图6为本发明的磨音信号在各频段的能量谱;
图7为本发明的征频段内磨音声强与磨机负荷关系;
图8为本发明的基于小波包能量谱的磨机负荷检测方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
基于小波包能量谱的磨机负荷检测方法研究首先对球磨机的音频信号进行采集,然后对采集的磨音信号进行小波包分解,通过小波包分解可以得到各频段的磨音信号;然后计算各频段的磨音信号的能量和磨音声强值;通过各频段内能量和磨音声强值可以得到磨机负荷随给料速度变化最敏感的特征频段;最后在特征频段内建立磨音能量与磨机料位的关系模型。实验表明,该方法可有效实现对球磨机的负荷检测,对磨机负荷检测理论的发展和应用具有重要意义。
主要步骤如下:
步骤一:磨音信号采集。要对磨音信号进行分析,首先要通过拾音器对磨音信号进行采集,由于磨音的频率大都集中在4000Hz以下,因此,设置磨音采样率为8000Hz,采样点数为4096点。
步骤二:小波基函数的选择。使用小波分析对磨音信号处理时,在不同频段上能量的集中能够更加准确反映真实的负荷信息。所以,应该选取在频段上能使信号能量更集中的小波基。针对磨音信号的特点,通过比较各类小波的对称性、正则性、紧支性等要素,选择在某一结点对应的频段上能量更加集中的小波基,通过比较选择了sym10作为小波基函数。
步骤三:对磨音信号进行小波包分解。小波分析在低频部分有较高的频率分辨率和较低的时间分辨率,在高频部分有较高的时间分辨率和频率分辨率。小波包分解是把原始信号分解成低频信息和高频信息两部分,低频信息中丢失的内容由高频信息获取。在下一次分解中,又将上一步分解的信息分解成低频和高频信息,以此类推。图1为小波包三层分解示意图。通过小波包分解最后把原始信号分解到独立的频段上。小波包频段的分解规律是:对低频信号分解时,低频部分向左分解,高频部分向右分解;对高频信号分解时,低频信号向右分解,高频信号向左分解。
小波包分解的二尺度方程如下:
式中:hk为低通滤波器系数;gk为高通滤波器系数;un(t)为小波树的第n个节点的信号。u2n(t)为un(t)分解后对用的低频率信号,u2n+1(t)为un(t)所对应的高频率信号。
因此,假设磨音信号的最高频率为fs=4000Hz,再进行小波包三层分解后,第三层各节点的频段范围如表1所示。
表1第三层各节点的频段范围
根据上表可得:小波包三层分解的八个节点频率由低到高依次排列为:S(3,0)、S(3,1)、S(3,3)、S(3,2)、S(3,6)、S(3,7)、S(3,5)、S(3,4)。
步骤四:对磨音信号进行小波重构。提取各频段范围内的重构信号,记作: U(3,0)、U(3,1)、U(3,3)、U(3,2)、U(3,6)、U(3,7)、U(3,5)、U(3,4)。
步骤五:计算各频段能量。由于重构信号保留原始信号的各频段信息,当磨机处于不同负荷时,各个频段内的磨音能量信号会产生变化,因此对各节点求能量和总能量。
E=E(i,0)+E(i,1)+…+E(i,j) (3)
式中i为小波包分解层数,j为小波包分解节点个数,E(i,j)为子频段的能量, E为各频段能量之和。
步骤六:计算子频段能量的声强。由于磨机在不同负荷下的磨音声强变化较为明显,因此可通过磨音声强来表征磨音能量,声强公式如下:
I(i,j)=10lgE(i,j) (4)
式中,I(i,j)代表对应频段磨音声强,单位dB,E(i,j)为对应频段的磨音信号能量。
步骤七:能量谱的构造。以各频带声强值为元素构造一个特征向量T,各个频带内磨音信号声强在磨机负荷发生较大变化时,也会产生较大变化,有
T=[I(3,0),I(3,1),…,I(3,7)] (5)
步骤八:磨机负荷检测。通过各频段的声强值的变化来实现对磨机负荷状态检测。
本发明提出的基于磨音信号特征频段的磨机负荷检测方法的实验,具体操作如下:
步骤一:不同磨机负荷下磨音信号的采集。首先对某水泥厂一台转速为 18r/min,钢球量65t,无邻机干扰的干式球磨机设计实验。实验采集方案如下:球磨机运行时,首先将给料速度保持在22t/h持续十分钟;然后每间隔十分钟,给料速度增加2t/h,增加一次给料速度,采集一次磨音数据,一直增加到36t/h。实验数据如表2所示。
表2球磨机磨音检测方案
实验方案说明:根据工人经验,表2中实验方案一、实验方案四、实验方案八可近似看作球磨机处于空磨、正常磨、饱磨状态。
步骤二:磨音信号小波包能量谱分析。对磨音信号通过小波分解,可有效获取不同频段磨音信号。通过对小波包能量谱分析后,图2为磨音信号的时域图,图3磨音信号小波三层分解系数,图4小波重构信号各节点时域,图5为磨音小波重构信号的频域图。对磨音信号通过小波分解和重构后,可有效获取不同频段磨音信号的声强,并且构造能量谱。各频段的磨音声强如图6所示,图中节点6,节点7,节点8的能量为负数,这是由于在该频段的磨音信号能量较小,在该频段内的磨音能量计算值小于1。
步骤三:不同磨机负荷下的小波包能量谱分析。实验通过选用的sym10小波函数,对方案一到方案八球磨机不同工作状态下的磨音信号进行三层分解,得到各频段的磨音声强分布。实验结果如表3所示。
表3不同负荷下磨音信号小波三层分解能量分布表
步骤四:提取磨音信号的特征频段。根据表3中数据:由于磨机在运行过程中存在电机、风机等较高的干扰噪声,其频率大都集中在S(3,0)节点对应的0-500Hz 频段范围内,此时通过小波分析可滤出该节点频率;磨音信号在节点S(3,7)、S(3,5)、 S(3,4)的声强计算为负数,这是由于在该频段的总能量计算小于1,因此,该频段内的能量较小,也可滤除。在剩余节点S(3,1)、S(3,3)、S(3,2)、S(3,6)中,磨音声强与磨机负荷呈现单调递减关系,因此,可将S(3,1)、S(3,3)、S(3,2)、S(3,6)节点代表的频域范围作为磨音的特征频段,并在特征频段内计算总声强。跟据表1中磨音信号小波三层分解各节点的频段范围,可得节点S(3,1)、S(3,3)、S(3,2)、S(3,6)、的特征频段范围为500-2500Hz。
步骤五:特征频段内磨音能量与磨机负荷的关系。在特征频段内:磨音声强较高时,则磨机的负荷较低,磨机趋向空磨;磨音声强较低时,则磨机负荷高,磨机趋向饱磨。跟据特征频段内的磨音总声强,可得声强与磨机负荷的关系模型如图7所示。从图7中可以看出特征频段内声强与磨机负荷近似为线性关系。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (7)
1.一种基于小波包能量谱的磨机负荷检测方法,其特征在于,包括以下步骤:
步骤1、首先对球磨机的音频信号进行采集,对采集的磨音信号选择小波基函数进行小波包分解和重构,通过小波包三层分解得到各频段的磨音信号;通过小波包分解最后把原始信号分解到独立的频段上,小波包频段的分解规律是:对低频信号分解时,低频部分向左分解,高频部分向右分解;对高频信号分解时,低频信号向右分解,高频信号向左分解;
步骤2、然后计算各频段的磨音信号的能量和磨音声强值;通过各频段内能量和磨音声强值变化得到磨机负荷随给料速度变化最敏感的特征频段;
步骤3、最后在特征频段内建立磨音声强值与磨机料位的关系模型,磨音信号在特征频段的声强值随给料速度的增加而降低,当磨音磨音的声强值较高时,磨机处于空磨状态,磨音信号的声强值较低时,磨机处于饱磨状态。
2.根据权利要求1所述的一种基于小波包能量谱的磨机负荷检测方法,其特征在于,所述步骤1对球磨机的音频信号进行采集是通过拾音器对磨音信号进行采集,设置磨音采样率为8000Hz,采样点数为4096点。
3.根据权利要求1所述的一种基于小波包能量谱的磨机负荷检测方法,其特征在于,所述小波基函数选择sym10作为小波基函数,小波包分解的二尺度方程如下:
式中:hk和gk称为正交镜像滤波器,hk为低通滤波器系数;gk为高通滤波器系数;un(t)为小波树的第n个节点的信号,t表示时间,k,Z表示整数,u2n(t)为un(t)分解后对用的低频率信号,u2n+1(t)为un(t)所对应的高频率信号;
假设磨音信号的最高频率为fs=4000Hz,再进行小波包三层分解及重构,小波包分解及重构的公式如下:
5.根据权利要求3所述的一种基于小波包能量谱的磨机负荷检测方法,其特征在于,所述计算各频段的磨音信号声强值具体包括:通过磨音声强来表征磨音能量,声强公式如下:
I(i,j)=10lgE(i,j) (4)
式中,I(i,j)代表对应频段磨音声强,单位dB,E(i,j)为对应频段的磨音信号能量。
6.根据权利要求3所述的一种基于小波包能量谱的磨机负荷检测方法,其特征在于,构造能量谱,找出各频段内能量和磨音声强值得到磨机负荷随给料速度变化最敏感的特征频段。能量谱的构造:以各频带声强值为元素构造一个特征向量T:
T=[I(3,0),I(3,1),…,I(3,7)] (5)。
7.根据权利要求6所述的一种基于小波包能量谱的磨机负荷检测方法,其特征在于,通过构造的能量谱,找出磨音信号的特征频段,特征频段范围为500-2500Hz。在特征频段内建立磨音能量与磨机料位的关系模型,磨音信号在特征频段的声强值随给料速度的增加而降低,当磨音磨音的声强值较高时,磨机处于空磨状态,磨音信号的声强值较低时,磨机处于饱磨状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010180741.8A CN111366388A (zh) | 2020-03-16 | 2020-03-16 | 一种基于小波包能量谱的磨机负荷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010180741.8A CN111366388A (zh) | 2020-03-16 | 2020-03-16 | 一种基于小波包能量谱的磨机负荷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111366388A true CN111366388A (zh) | 2020-07-03 |
Family
ID=71205056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010180741.8A Pending CN111366388A (zh) | 2020-03-16 | 2020-03-16 | 一种基于小波包能量谱的磨机负荷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111366388A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900595A (zh) * | 2009-05-27 | 2010-12-01 | 沈阳工业大学 | 双进双出磨煤机的智能料位检测方法 |
CN206500224U (zh) * | 2016-12-05 | 2017-09-19 | 重庆邮电大学 | 一种球磨机负荷检测设备 |
CN108304768A (zh) * | 2017-12-12 | 2018-07-20 | 重庆邮电大学 | 一种基于emd去噪和imf判别能量熵的磨音特征提取方法 |
CN109821619A (zh) * | 2019-03-11 | 2019-05-31 | 合肥水泥研究设计院有限公司 | 一种基于压电传感器和无线传输的球磨机负荷测量装置 |
CN110619265A (zh) * | 2019-07-31 | 2019-12-27 | 江西理工大学 | 球磨机筒体振动信号联合去噪方法、装置及存储介质 |
-
2020
- 2020-03-16 CN CN202010180741.8A patent/CN111366388A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900595A (zh) * | 2009-05-27 | 2010-12-01 | 沈阳工业大学 | 双进双出磨煤机的智能料位检测方法 |
CN206500224U (zh) * | 2016-12-05 | 2017-09-19 | 重庆邮电大学 | 一种球磨机负荷检测设备 |
CN108304768A (zh) * | 2017-12-12 | 2018-07-20 | 重庆邮电大学 | 一种基于emd去噪和imf判别能量熵的磨音特征提取方法 |
CN109821619A (zh) * | 2019-03-11 | 2019-05-31 | 合肥水泥研究设计院有限公司 | 一种基于压电传感器和无线传输的球磨机负荷测量装置 |
CN110619265A (zh) * | 2019-07-31 | 2019-12-27 | 江西理工大学 | 球磨机筒体振动信号联合去噪方法、装置及存储介质 |
Non-Patent Citations (5)
Title |
---|
周越 等: "基于小波方法的近海域地震动时频特性分析", 《土木工程学报》 * |
曲守平 等: "小波包信号提取算法及其在识别磨煤机煤位敏感声频段中的应用", 《矿山机械》 * |
杜江: "高精度智能型磨音测量仪的研制", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
罗小燕 等: "小波分析球磨机轴承振动信号特征提取方法", 《噪声与振动控制》 * |
郑常宝 等: "用Matlab小波包求功率频带分解规律", 《电测与仪表》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | An optimized VMD method and its applications in bearing fault diagnosis | |
CN108983058B (zh) | 基于改进的变分模态和奇异值分解的变压器局部放电特高频信号去噪方法 | |
CN103439110A (zh) | 滚动轴承早期微弱故障诊断方法 | |
CN113420691A (zh) | 一种基于皮尔逊相关系数的混合域特征轴承故障诊断方法 | |
CN112857767B (zh) | 基于卷积神经网络的水轮发电机组转子故障声学判别方法 | |
Sankupellay et al. | Visual fingerprints of the acoustic environment: The use of acoustic indices to characterise natural habitats | |
CN111077386A (zh) | 一种电气设备早期故障信号降噪方法 | |
CN111366388A (zh) | 一种基于小波包能量谱的磨机负荷检测方法 | |
CN114707537B (zh) | 基于自适应vmd和优化cycbd的旋转机械故障特征提取方法 | |
Zhao et al. | Bearing fault diagnosis based on inverted Mel-scale frequency cepstral coefficients and deformable convolution networks | |
CN202794437U (zh) | 电力电容器在线检测装置 | |
CN112861328A (zh) | 一种基于随机响应信号的发电机阻尼评估装置及方法 | |
CN111588375B (zh) | 一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法 | |
Liu et al. | Fault diagnosis method of rolling bearing based on the multiple features of LMD and random forest | |
CN115864995B (zh) | 基于大数据挖掘的逆变器转换效率的诊断方法和装置 | |
Shi et al. | Multistage noise reduction processing for vibration signal of hydropower units | |
CN113095170B (zh) | 一种基于可调q小波电机故障诊断方法 | |
CN115859054A (zh) | 基于mic和ceemdan的水电机组尾水管压力脉动数据滤波方法 | |
CN111948450B (zh) | 基于小波变换的避雷器残压特性监测方法 | |
CN111343165B (zh) | 基于birch和smote的网络入侵检测方法及系统 | |
CN108952687B (zh) | 一种自适应存储式电子压力计及测量方法 | |
Rui et al. | Research on fault diagnosis and state assessment of vacuum pump based on acoustic emission sensors | |
CN109921412B (zh) | 一种分解非侵入式电力负荷的方法 | |
CN109602414B (zh) | 一种多视角转换的心电信号数据增强方法 | |
CN110895687A (zh) | 一种基于均变相位经验模态分解和快速谱峭度的轴承故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |
|
RJ01 | Rejection of invention patent application after publication |