張 忠 洋

（中國石油撫順石化公司， 遼寧 撫順 113008）

球磨機廣泛應(yīng)用于電力、水泥和礦山等行業(yè)，它具有運行可靠、維護簡單、對物料適應(yīng)性強等特點。 在我國電站鍋爐制粉系統(tǒng)中 , 凡采用中間儲倉式結(jié)構(gòu) , 相當(dāng)一部分都配備了筒式低速球磨機。采用中間儲倉式結(jié)構(gòu)的制粉設(shè)備可靠性高, 對煤種的適應(yīng)性廣, 整個制粉系統(tǒng)相對來說與機組運行具有一定的獨立性。這種制粉系統(tǒng)的出力不像直吹式制粉系統(tǒng)由機組負荷決定 , 而是應(yīng)盡量使其達到最佳經(jīng)濟工況運行, 即達到最大出力。而事實上大部分球磨機系統(tǒng)都在保守工況下運行, 制粉系統(tǒng)耗電率相當(dāng)大 , 主要原因之一是沒有一種準確可靠的磨筒內(nèi)料位（存煤量）測量手段, 使得運行人員只能犧牲其經(jīng)濟性而保守運行, 因為磨筒內(nèi)料位一旦超過一定限度, 將造成堵磨和跑粉事故的發(fā)生[1]。

磨煤機內(nèi)的料位是一個很難直接測量的量 ,因為目前傳感器尚不能安裝在筒體內(nèi)直接對料位進行測量。多年來人們對如何得到磨機料位最佳工作點做了大量的研究工作, 其中一些還用到了比較先進的檢測和數(shù)據(jù)處理方法, 比如基于神經(jīng)網(wǎng)絡(luò)的軟測量方法和數(shù)據(jù)融合技術(shù)等[2]。但沒有一種達到了實用和可靠滿意的程度。本文針對目前國內(nèi)外主要以噪聲信號為依據(jù)的料位的測量方法的局限性，提出給出了一種利用噪聲主分量特征頻譜進行料位測定的方法選擇方法。

1 球磨機噪聲機理分析

圖1是球磨機研磨過程原理示意圖。

圖1 球磨機研磨過程原理示意圖Fig. 1 Schematic diagram of the ball mill grinding process

磨機內(nèi)鋼球和襯板相互碰撞產(chǎn)生噪聲，磨機噪聲隨著磨機存料量的變化而變化。在磨機內(nèi)物料較小時，鋼球、襯板碰撞的幾率大、能量大，產(chǎn)生的噪聲大；在磨機內(nèi)物料增大時，因為物料的不斷填充，鋼球、襯板碰撞的幾率減小、能量變小，產(chǎn)生的噪聲也減小。因而，用噪聲傳感器就可以檢測到磨機內(nèi)物料的變化和大小[3-5]。

因為噪聲包括環(huán)境噪聲、非特征噪聲等，所以需要尋求能夠表征存料量多少的特征量。

按照噪聲測量原理，料位的變化能夠通過噪聲的頻譜反映。但是存在以下問題：因為周圍存在環(huán)境噪聲，所以并不是所有頻率范圍都適合，因而存在特征頻率段；因為磨機空時噪聲大，而且響亮，磨機物料多時噪聲小，而且聲音沉悶，所以建立磨機料位與是否存在頻率移動的關(guān)系就成為利用噪聲測量磨機料位的關(guān)鍵問題[6]。

2 主分量分析

在工程實際中，我們所獲得的信號往往含有噪音信號，為了有效地識別機器的狀態(tài)和機器的故障，就要通過多種物理量的特征信息進行判斷和識別。然而，特征數(shù)量多時，就相當(dāng)于在高維空間對機器狀態(tài)或故障進行判斷。所以，我們需要對多個識別特征包含的信息進行濃縮，對特征的數(shù)量進行壓縮。

本文采用主分量分析對球磨機噪聲進行分析與處理，選擇特征頻段，按照一定的頻段寬度對噪聲功率進行提取，所謂主分量分析的輸入量，通過主分量分析選擇特征量，得到能夠反映球磨機料位的特征頻譜。

主分量分析過程分為如下步驟進行： (1)采集磨機噪聲不同運行工況的噪聲信號； (2)計算各個頻率段的能量； (3)采用主分量分析方法對步驟(2)的結(jié)果進行分析； (4)根據(jù)(3)中的分析結(jié)果建立設(shè)計噪聲主分量與料位對應(yīng)關(guān)系測量算法。

2.1 采集磨機噪聲不同運行工況的噪聲信號

2.1.1 選擇料位測量輸出量

用0%~100%表征，無量綱，其中0%表示磨機筒體內(nèi)無物料，100%表示筒體內(nèi)被物料所填充，一般不會標定到那么高的運行工況，否則會造成事故，所以選擇物料較多，并且已經(jīng)造成產(chǎn)量很大下降，系統(tǒng)處于不安全的狀態(tài)，標定為100%。

2.1.2 選擇特征工況

磨機空——里面無物料（0%~10%）；磨機正常運行——里面物料適中（50%~60%）；磨機物料過多——接近滿灌的危險（90%~100%）。

連續(xù)采集15 min球磨機噪聲進行功率分析曲線

[7]如圖2所示。

2.2 計算各個頻率段的能量，得到預(yù)分析數(shù)據(jù)

獲取不同狀態(tài)下噪聲信號，把0~20 kHz頻帶寬度以100 Hz為單位進行頻率分段，圖3分別是空磨、正常運行和料位較高時各個頻率段的功率分布圖[8]。

圖3 三種特征工況的各頻段功率分布圖Fig. 3 Each band power distribution of three characteristic conditions

2.3 進行PCA分析

主分量分析（PCA）是一種從混合信號中求出主分量（能量最大的成份）的方法它是一種對數(shù)據(jù)進行分析的技術(shù)，最重要的應(yīng)用是對原有數(shù)據(jù)進行簡化。

用PCA方法進行數(shù)據(jù)分析，選擇貢獻度為0.8，特征向量由200降到3，圖4分別為特征值和對應(yīng)的特征向量。

2.4 PCA分析結(jié)果

矩陣變換后各個狀態(tài)不同頻率的功率分布如圖5所示，判斷頻率范圍為0~4.5 kHz。

對 PCA變換后的測量結(jié)果和原始信號分析對比，采用原始噪聲分析結(jié)果歸一化；PCA噪聲分析結(jié)果歸一化；計算偏差平方的累加求和等步驟，得到結(jié)果為: 1.156 727 333 354 630e-06，表明選擇的特征頻段內(nèi)的信號與原信號能夠保持一致。

圖4 特征值和特征向量示意圖Fig. 4 The diagram of eigenvalues and eigenvectors

圖5 矩陣變換后特征工況下的功率分布圖Fig. 5 The power distribution diagram of the characteristic conditions after matrix transformation

對傳聲器采集到的球磨機進行 PCA分析，得到能夠反映料位與球磨機噪聲關(guān)系的頻率范圍，通過圖5可以看出，隨著從滿磨、正常運行到空磨，噪聲強度增大，符合隨著球磨機內(nèi)料位的升高，即物料的增加，鋼球與鋼球、鋼球與襯板碰撞的幾率會降低，同時由于物料的填充，最終使得噪聲強度降低的規(guī)律。

3 結(jié) 論

通過主分量分析的特征向量可以得到正常料位工作下噪聲主分量的有用頻段范圍 0~5 kHz；通過原始信號與PCA特征向量變換得到波形基本一致，說明該方法測量料位具有可靠性。

［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）：19-232.

［2］湯 健, 柴天佑, 趙立杰, 岳恒，鄭秀萍. 基于振動頻譜的磨礦過程球磨機負荷參數(shù)集成建模方法[J]. 控制理論與應(yīng)用，2012，29（2）：183-191.

［3］周平，柴天佑.磨礦過程磨機負荷的智能監(jiān)測與控制[J].控制理論與應(yīng)用, 2008,25(6):1095-1099.

［4］孫麗華，曲瑩軍，張彥斌，司剛?cè)?鋼球磨煤機負荷檢測方法的研究及實現(xiàn)[J].熱力發(fā)電，2004,33(11):25-27.

［5］吳志敏，胡選利，黃協(xié)清. 基于聲信號的球磨機煤位監(jiān)測研究[J].中國機械工程，1998,9(2):30-33.

［6］呂權(quán)息，汪思源，張翔.振動信號在球磨機料位監(jiān)測系統(tǒng)的運用研究[J].自動化與儀表,2002(2):32-34.

［7］吳大正. 信號與線性系統(tǒng)分析 [M]. 第 4版. 北京:高等教育出版社，2008-01.

［8］樓順天，李博菡.基于 MATLAB的系統(tǒng)分析與設(shè)計——信號處理[M].西安:西安電子科技大學(xué)出版社，1998-09.