CN207780584U - 球磨机节能控制系统 - Google Patents
球磨机节能控制系统 Download PDFInfo
- Publication number
- CN207780584U CN207780584U CN201820203781.8U CN201820203781U CN207780584U CN 207780584 U CN207780584 U CN 207780584U CN 201820203781 U CN201820203781 U CN 201820203781U CN 207780584 U CN207780584 U CN 207780584U
- Authority
- CN
- China
- Prior art keywords
- module
- signal acquisition
- vibration signal
- ball mill
- acquisition module
- 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.)
- Active
Links
Landscapes
- Crushing And Grinding (AREA)
- Disintegrating Or Milling (AREA)
Abstract
本实用新型公开了一种球磨机节能控制系统,包括信号采集单元、数据处理单元、评估单元和优化控制单元;所述信号采集单元包括内部振动信号采集模块、外部振动信号采集模块和工作电流信号采集模块;所述评估单元包括参数提取模块、智能决策评估模块和嵌入式工控机硬件平台,所述嵌入式工控机硬件平台用于所述参数提取模块和所述智能决策评估模块运行;所述优化控制单元包括模型辨识模块、工况识别模块和稳定性分析模块。本实用新型通过对球磨机的运行状态进行监测,并通过RBP神经网络与球磨机的负荷状态联系,实现球磨机运行状态的智能评估;又且,通过优化控制单元确保球磨机运行状态的稳定性,减轻人工操作的负担,提高球磨机的研磨质量。
Description
技术领域
本实用新型属于球磨机节能技术领域,特别是涉及一种球磨机节能控制系统。
背景技术
球磨机作为物料加工碎化的关键设备,在矿产、水泥、化工、电力等多个行业得到广泛应用。该设备具有容量大、破碎比高、运动稳定的优点,但存在负荷检测难度大、能耗高、损耗大等缺点。
表征球磨机运行状态的一个重要参数是球磨机负荷,包括钢球负荷、物料负荷和水负荷。其中,钢球负荷表征了球磨机的研磨能力,物料负荷表征了球磨机的生产能力,水负荷表征了球磨机的研磨环境条件和磨矿浓度条件。这三种负荷因素所构成的总负荷即决定了球磨机的运动效率和能耗情况。
球磨机研磨质量的好坏直接决定着成品合格率的高低,而提高研磨质量的最重要的途径就是保持球磨机负荷的相对稳定。这样不仅可以提高成品质量,而且能够降低电耗,减少对设备的损耗,达到节能降耗的目的,从而降低企业的生产成本。传统的人工操作常常出现偏空磨或偏饱磨的现象,导致球磨机负荷的剧烈波动,而采用一般的PID控制方法也很难达到预期的控制效果。这些方式主要受到下面问题的限制:
(1)球磨机负荷监测难度大,保证球磨机在最佳负载状态下工作的可控性不强,容易出现饱磨、空磨等非正常工况。传感器测得的振动信号通过DSP+MCU的架构进行信息存储、负荷预测及报警操作,硬件设计比较复杂;
(2)获取球磨机运行状态信号(包含振动信号和球磨机工作电流信号)的精度不高,导致对球磨机运行负荷状态的评估不准确;
(3)现有工程实践中,一般采用人工经验操作方式来控制球磨机,这种简单方式的缺陷在于过度依赖人工经验,人工操作方式不仅不能获取稳定的研磨质量,而且在物料使用和生产用电方面会形成较大的浪费,对生产安全也会形成一定的负面影响。
实用新型内容
本实用新型主要解决的技术问题是提供一种球磨机节能控制系统,通过对球磨机的运行状态进行监测,并通过RBP神经网络与球磨机的负荷状态联系,实现球磨机运行状态的智能评估;又且,通过优化控制单元确保球磨机运行状态的稳定性,减轻人工操作的负担,提高球磨机的研磨质量。
为解决上述技术问题,本实用新型采用的一个技术方案是:一种球磨机节能控制系统,包括信号采集单元、数据处理单元、评估单元和优化控制单元;
所述信号采集单元包括内部振动信号采集模块、外部振动信号采集模块和工作电流信号采集模块;所述内部振动信号采集模块设有4个,4个所述内部振动信号采集模块以90°间距分布在球磨机的滚筒内壁上;所述外部振动信号采集模块设有3个,3个所述外部振动信号采集模块分布在球磨机的滚筒外壁的两端和中间;所述工作电流信号采集模块位于球磨机的驱动电机上;
所述评估单元包括参数提取模块、智能决策评估模块和嵌入式工控机硬件平台,所述嵌入式工控机硬件平台用于所述参数提取模块和所述智能决策评估模块运行;
所述优化控制单元包括模型辨识模块、工况识别模块和稳定性分析模块;
所述内部振动信号采集模块、外部振动信号采集模块和工作电流信号采集模块分别与所述数据处理单元的输入端电连接,所述优化控制单元和所述评估单元分别与所述数据处理单元的输出端电连接;
所述参数提取模块与所述数据处理单元电连接,所述智能决策评估模块与所述参数提取模块电连接,所述智能决策评估模块与显示器电连接;
所述模型辨识模块与所述数据处理单元电连接,所述模型辨识模块和所述稳定性分析模块分别与所述工况识别模块电连接;
所述智能决策评估模块与RBF网络模块无线信号连接。
进一步地说,每一所述内部振动信号采集模块和每一所述外部振动信号采集模块分别通过A/D转换器将振动信号转变为数字信号后经无线传输单元传送至数据处理单元。
进一步地说,所述工作电流信号采集模块将信号通过无线传输单元传送至数据处理单元。
进一步地说,所述内部振动信号采集模块为压电式加速度传感器。
进一步地说,所述外部振动信号采集模块为MEMS传感器。
进一步地说,所述工作电流信号采集模块为霍尔电流传感器。
进一步地说,所述数据处理单元为FPGA嵌入式芯片Zynq。
进一步地说,所述嵌入式工控机硬件平台为研华工控机ARK-1122C。
本实用新型的有益效果至少具有以下几点:
1、本实用新型基于内部振动信号采集模块、外部振动信号采集模块和工作电流信号采集模块对球磨机的运行状态进行监测,利用RBF神经网络对球磨机负荷状态进行智能评估,以形成球磨机运行状态的闭环监测与控制体系;并利用优化控制单元对球磨机进行控制,以保持磨内负荷的相对平稳,并根据现场实际实现球磨机负荷的平稳变化;
2、本实用新型通过压电式加速传感器检测球磨机滚筒内的振动信号,实时监控球磨机内部的负载变化,进而控制其在最佳负载状态下工作,提高球磨机的运行效率;
3、本实用新型通过压电式加速传感器、MEMS传感器和霍尔电流传感器获得球磨机的振动信号和工作电流信号,并以无线传输单元传输至评估单元,完成对球磨机运行负荷状态的特征和智能分析,进而实现球磨机运作状态的监测与智能评估;
4、本实用新型的优化控制单元包括模型辨识模块、工况识别模块和稳定性分析模块,模型辨识模块选取正常工况下的状态监测数据,利用总体最小二乘辨识方法获取球磨机运行状态控制模型,并以此为基础进一步研究基于神经网络的非线性控制建模方法,工况识别模块在运行过程中,计算表征球磨机工作情况的关键变量参数,融合经验规则寻找最佳负荷点,确保磨内负荷的相对平稳和研磨系统的高效运行,稳定性分析模块在工况识别的基础上,通过设计预测控制算法,运用相关稳定性判据对系统进行稳定性分析,确保系统连续、长期运行的稳定性。
附图说明
图1是本实用新型的控制原理图;
附图中各部分标记如下:
信号采集单元1、内部振动信号采集模块11、外部振动信号采集模块12、工作电流信号采集模块13、数据处理单元2、评估单元3、参数提取模块31、智能决策评估模块32、优化控制单元4、模型辨识模块41、工况识别模块42、稳定性分析模块43、显示器5、RBF网络模块6、A/D转换器7和无线传输单元8。
具体实施方式
下面结合附图对本实用新型的较佳实施例进行详细阐述,以使本实用新型的优点和特征能更易于被本领域技术人员理解,从而对本实用新型的保护范围做出更为清楚明确的界定。
实施例:一种球磨机节能控制系统,如图1所示,包括信号采集单元1、数据处理单元2、评估单元3和优化控制单元4;
所述信号采集单元1包括内部振动信号采集模块11、外部振动信号采集模块12和工作电流信号采集模块13;所述内部振动信号采集模块11设有4个,4个所述内部振动信号采集模块11以90°间距分布在球磨机的滚筒内壁上;所述外部振动信号采集模块12设有3个,3个所述外部振动信号采集模块12分布在球磨机的滚筒外壁的两端和中间;所述工作电流信号采集模块13位于球磨机的驱动电机上;
所述评估单元3包括参数提取模块31、智能决策评估模块32和嵌入式工控机硬件平台,所述嵌入式工控机硬件平台用于所述参数提取模块和所述智能决策评估模块运行;
所述优化控制单元4包括模型辨识模块41、工况识别模块42和稳定性分析模块43;
所述内部振动信号采集模块、外部振动信号采集模块和工作电流信号采集模块分别与所述数据处理单元的输入端电连接,所述优化控制单元和所述评估单元分别与所述数据处理单元的输出端电连接;
所述参数提取模块31与所述数据处理单元2电连接,所述智能决策评估模块32与所述参数提取模块31电连接,所述智能决策评估模块32与显示器5电连接;
所述模型辨识模块41与所述数据处理单元2电连接,所述模型辨识模块41和所述稳定性分析模块43分别与所述工况识别模块42电连接;
所述智能决策评估模块32与RBF网络模块6无线信号连接。
每一所述内部振动信号采集模块11和每一所述外部振动信号采集模块12分别通过A/D转换器7将振动信号转变为数字信号后经无线传输单元8传送至数据处理单元。
所述工作电流信号采集模块13将信号通过无线传输单元8传送至数据处理单元。
所述内部振动信号采集模块11为压电式加速度传感器。
所述外部振动信号采集模块12为MEMS传感器。
所述工作电流信号采集模块13为霍尔电流传感器。
所述数据处理单元2为FPGA嵌入式芯片Zynq。
所述嵌入式工控机硬件平台为研华工控机ARK-1122C。
压电式加速度传感器及A/D转换器共有4套,以90°间距分布在球磨机滚筒内壁上。并随随滚筒旋转测量其垂直分量振动变化,将振动信号变为电信号经滤波放大后送给A/D转换器转成数字信号。
FPGA嵌入式芯片Zynq是将FPGA和数据处理单元简单地集成在一起,并且是两者的有机结合,传统的FPGA与数据处理单元中间互联利用PCIe的互联带宽较窄,而且PCIe通道也较少,这意味着有时超过一半的FPGA会用来支持带宽,并且两个器件分别接着外带的存储器。而Zynq采用AXI4连接总线,使用Zynq后,可以把中间的PCIe连接取走,再加上存储器可以和FPGA分享,这样的布局可以在FPGA与数据处理单元之间形成更大的带宽,从而大大降低成本和功耗。
使用AXI线实现全可编程的FPGA嵌入式芯片Zynq的可编程逻辑与ARM Cortex-A9数据处理单元之间的快速数据传输。全可编程的FPGA嵌入式芯片Zynq的可编程逻辑完成振动信号采集、数据存储、FFT运算、球磨机负载量计算及球磨机运行状态的在线监测与控制。全可编程的FPGA嵌入式芯片Zynq的可编程逻辑将计算的负载值与负载最优目标值进行对比,当计算的负载值低于最优目标值时,其内部的负载控制模块输出球磨机负载增加指示及增加量,当计算的负载值高于最优目标值时,其内部的负载控制模块输出球磨机负载减少指示及减少量。全可编程的FPGA嵌入式芯片Zynq的可编程逻辑送给ARM Cortex-A9数据处理单元的数据主要分为两种:正常情况下送出频谱分析后的振动数据,负载计算值,及喂料调整控制量;异常情况下,如果振动信号的幅度不满足阈值,送出空磨或饱磨报警信号。
全可编程的FPGA嵌入式芯片Zynq的ARM Cortex-A9数据处理单元负责整机的控制、通信管理、及人机接口功能;并在其内部Linux操作系统及Qt用户界面的配合下完成负载模型参数设置,读取Zynq的可编程逻辑送来的数据以及通信等功能,送给可编程逻辑的数据主要是用户设定的负载模型参数、负载最优目标值、空磨阈值及饱磨阈值。
无线传感监测网络获取到球磨机振动状态的多测数据后,通过无线方式将采集数据传输到嵌入式智能评估单元,在嵌入式工控机硬件平台接收到采集数据后,提取球磨机运行特征参数,建立优化算法的预报模型,从而实现对运行状态的精准评估。
针对嵌入式工控机硬件平台,采用研华超紧凑型无风扇嵌入式工控机ARK-1122C,该工控机通过USB接口与一无线传输节点相连接,以获取球磨机运行状态信号(包含振动信号和球磨机工作电流信号)。
球磨机运行特征参数提取模块针对振动信号分析频谱特征和复杂度特征,以及球磨机工作电流信号的加窗均值特征。其中,频谱特征包括频谱总能量、平均频率和中值频率;复杂度特征通过样本熵参数来描述。针对频谱特征,频谱总能量是指所分析的频率范围内的频谱值的总和;平均频率(MeanFrequency,MNF)的定义为:
fMNF=∫P(f)gf df/∫P(f)df
中值频率(Median Frequency,MDF)的定义为:
其中,P(f)表示信号的功率谱密度,f为频率参数。针对复杂度特征,采用样本熵参数来度量球磨机运行状态振动信号的复杂变化程度。样本熵方法不需要对数据序列进行自身匹配计算,优于传统的近似熵度量方法。该方法将一维数据序列构造为多维向量空间,然后计算任意两个向量之间的距离参数;在设置相似容限阈值的基础上,统计向量间距离参数小于该阈值的数量;获取与距离总数间的相对概率值,统计所有向量序列下的相对概率均值;进而将向量空间维数增加一维,重复前述处理过程;最后获取不同维数下相对概率均值间比值的对数参数即为样本熵。将所提取的特征参数(工作电流加窗均值、频谱总能量、平均频率、中值频率和样本熵)进行融合处理,构造成一维特征参数矩阵。
本实用新型采用RBF神经网络的控制方法实现球磨机的高效节能运行。建立特征参数响应与球磨机内部负荷状态之间的联系,通过所建立起来的联系分析球磨机内部负荷的配比情况,进而实现对球磨机运行负荷状态的决策评估。球磨机内部负荷主要涉及钢球负荷、物料负荷和水负荷。状态评估过程中,在水负荷变化保持稳定的情况下,分别针对钢球负荷和物料负荷从欠磨到满磨条件获取相应的先验采集数据及其特征参数,以进行RBF神经网络的训练处理,建立球磨机负荷的统计决策模型。在此基础上对球磨机的实际运行过程进行监测,实现球磨机内部负荷的智能决策评估,并将评估状态通过显示器进行显示。
最小二乘法,又称为最小平方法,是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合,其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。因此,最小二乘法也是一种优化方法,求得目标函数的最优值,并且也可以用于曲线拟合来解决回归问题。最常用的是普通最小二乘法,其所选择的回归模型应该使所有观察值的残差平方和达到最小。
样本回归模型:
其中ei为样本(Xi,Yi)的误差。
平方损失函数:
则通过Q最小确定这条直线,即确定β0和β1,把它们看作是Q的函数,就变成了一个求极值的问题,可以通过求导数得到。求Q对两个待估参数的偏导数:
根据数学知识我们知道,函数的极值点为偏导为0的点,由此可以解得下式:
上述为最小二乘法的解法,也就是求得平方损失函数的极值点。本实用新型中的球磨机优化控制单元部分采用了最小二乘的算法,以实现球磨机运行状态的智能评估与程度分析。
优化控制单元包括模型辨识模块、工况识别模块和稳定性分析模块,模型辨识模块选取正常工况下的状态监测数据,利用总体最小二乘辨识方法获取球磨机运行状态控制模型,并以此为基础进一步研究基于RBF神经网络的控制建模方法。根据理论证明来看,只要辨识模型的精度足够高,就能够获得很好的控制精度。工况识别模块在运行过程中,计算表征球磨机工作情况的关键变量参数,融合经验规则寻找最佳负荷点,确保磨内负荷的相对平稳和研磨系统的高效运行。稳定性分析模块在工况识别的基础上,通过设计预测控制算法,运用相关稳定性判据对系统进行稳定性分析,确保系统连续、长期运行的稳定性。
以上所述仅为本实用新型的实施例,并非因此限制本实用新型的专利范围,凡是利用本实用新型说明书及附图内容所作的等效结构变换,或直接或间接运用在其他相关的技术领域,均同理包括在本实用新型的专利保护范围内。
Claims (8)
1.一种球磨机节能控制系统,其特征在于:包括信号采集单元(1)、数据处理单元(2)、评估单元(3)和优化控制单元(4);
所述信号采集单元包括内部振动信号采集模块(11)、外部振动信号采集模块(12)和工作电流信号采集模块(13);所述内部振动信号采集模块设有4个,4个所述内部振动信号采集模块以90°间距分布在球磨机的滚筒内壁上;所述外部振动信号采集模块设有3个,3个所述外部振动信号采集模块分布在球磨机的滚筒外壁的两端和中间;所述工作电流信号采集模块位于球磨机的驱动电机上;
所述评估单元包括参数提取模块(31)、智能决策评估模块(32)和嵌入式工控机硬件平台,所述嵌入式工控机硬件平台用于所述参数提取模块和所述智能决策评估模块运行;
所述优化控制单元包括模型辨识模块(41)、工况识别模块(42)和稳定性分析模块(43);
所述内部振动信号采集模块、外部振动信号采集模块和工作电流信号采集模块分别与所述数据处理单元的输入端电连接,所述优化控制单元和所述评估单元分别与所述数据处理单元的输出端电连接;
所述参数提取模块与所述数据处理单元电连接,所述智能决策评估模块与所述参数提取模块电连接,所述智能决策评估模块与显示器(5)电连接;
所述模型辨识模块与所述数据处理单元电连接,所述模型辨识模块和所述稳定性分析模块分别与所述工况识别模块电连接;
所述智能决策评估模块与RBF网络模块(6)无线信号连接。
2.根据权利要求1所述的球磨机节能控制系统,其特征在于:每一所述内部振动信号采集模块和每一所述外部振动信号采集模块分别通过A/D转换器(7)将振动信号转变为数字信号后经无线传输单元(8)传送至数据处理单元。
3.根据权利要求2所述的球磨机节能控制系统,其特征在于:所述工作电流信号采集模块将信号通过无线传输单元传送至数据处理单元。
4.根据权利要求1所述的球磨机节能控制系统,其特征在于:所述内部振动信号采集模块为压电式加速度传感器。
5.根据权利要求1所述的球磨机节能控制系统,其特征在于:所述外部振动信号采集模块为MEMS传感器。
6.根据权利要求1所述的球磨机节能控制系统,其特征在于:所述工作电流信号采集模块为霍尔电流传感器。
7.根据权利要求1所述的球磨机节能控制系统,其特征在于:所述数据处理单元为FPGA嵌入式芯片Zynq。
8.根据权利要求1所述的球磨机节能控制系统,其特征在于:所述嵌入式工控机硬件平台为研华工控机ARK-1122C。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820203781.8U CN207780584U (zh) | 2018-02-06 | 2018-02-06 | 球磨机节能控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201820203781.8U CN207780584U (zh) | 2018-02-06 | 2018-02-06 | 球磨机节能控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207780584U true CN207780584U (zh) | 2018-08-28 |
Family
ID=63212396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201820203781.8U Active CN207780584U (zh) | 2018-02-06 | 2018-02-06 | 球磨机节能控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN207780584U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111774173A (zh) * | 2019-04-03 | 2020-10-16 | 深圳市正弦电气股份有限公司 | 一种球磨机无辅助机智能控制方法及控制系统 |
CN113190983A (zh) * | 2021-04-21 | 2021-07-30 | 南京工程学院 | 一种基于复合软测量的火电厂磨机负荷预测方法 |
CN113814038A (zh) * | 2021-09-07 | 2021-12-21 | 陈玉麟 | 一种基于全域增效优化节能技术的大功率球磨机节能控制方法 |
-
2018
- 2018-02-06 CN CN201820203781.8U patent/CN207780584U/zh active Active
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111774173A (zh) * | 2019-04-03 | 2020-10-16 | 深圳市正弦电气股份有限公司 | 一种球磨机无辅助机智能控制方法及控制系统 |
CN111774173B (zh) * | 2019-04-03 | 2022-04-15 | 深圳市正弦电气股份有限公司 | 一种球磨机无辅助机智能控制方法及控制系统 |
CN113190983A (zh) * | 2021-04-21 | 2021-07-30 | 南京工程学院 | 一种基于复合软测量的火电厂磨机负荷预测方法 |
CN113190983B (zh) * | 2021-04-21 | 2024-03-01 | 南京工程学院 | 一种基于复合软测量的火电厂磨机负荷预测方法 |
CN113814038A (zh) * | 2021-09-07 | 2021-12-21 | 陈玉麟 | 一种基于全域增效优化节能技术的大功率球磨机节能控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN207780584U (zh) | 球磨机节能控制系统 | |
CN102151605A (zh) | 基于模型辨识和预测控制的立磨先进控制方法及系统 | |
CN101244403A (zh) | 一种磨矿分级过程优化控制方法 | |
CN103984300B (zh) | 一种抽油机变频节能方法 | |
CN102169077B (zh) | 湿式磨矿过程溢流粒度指标混合智能软测量方法 | |
CN105807231B (zh) | 一种用于蓄电池剩余容量检测的方法及系统 | |
CN111103860A (zh) | 一种基于数字孪生平台的工厂管理系统及方法 | |
CN202097023U (zh) | 基于模型辨识和预测控制的立磨先进控制系统 | |
CN101776531A (zh) | 一种球磨机负荷参数软测量方法 | |
CN113457832B (zh) | 一种物料粉碎粒度控制系统及其控制方法和应用 | |
CN109617169A (zh) | 一种基于模糊控制的锂离子电池均衡方法 | |
CN113406523B (zh) | 一种储能电池状态评价方法、装置、电子设备及存储系统 | |
CN106406083A (zh) | 一种模糊控制选煤方法 | |
CN109298351A (zh) | 一种基于模型学习的新能源车载电池剩余寿命估计方法 | |
CN106681145A (zh) | 基于深度学习的球磨机节能优化控制方法 | |
CN108038497A (zh) | 一种交流电设备的工作状态判定模型建立方法及设备 | |
CN115238971A (zh) | 一种选煤厂智慧大脑分析处理系统 | |
CN116602286B (zh) | 一种植保无人机喷洒作业控制系统和方法 | |
CN108710085A (zh) | 一种动力电池的待均衡单体筛选方法及系统 | |
CN102848322B (zh) | 一种基于模糊控制的软性磨粒流加工方法及其装置 | |
CN113767542A (zh) | 用于管理电池的功率节省型装置和方法 | |
CN106455020A (zh) | 一种无线ap节能方法及其装置 | |
CN204497784U (zh) | 液流储能电池充放电控制系统 | |
CN110456280B (zh) | 一种电池使用数据在线监测装置及方法 | |
CN114330091A (zh) | 基于多个电池的数据参数化电池的电化学电池模型的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |