球磨机的负荷状态理论分析

实践证明，球磨机在长期运行状况下， 负荷与球磨机轴瓦的振动、电动机的电流之间存在着一定的关系。具体表现在：当负荷较小的时候， 球磨机的振动会比较大， 通过的电流较小。当负荷逐渐增大时， 球磨机振动开始减小，同时球磨机电流逐渐增大， 当电流增大到一定程度时， 随着负荷的增大， 球磨机电流反而开始减小。

球磨机负荷的优化控制

根据生料浆配料过程的实际需求，本文将球磨机负荷状态分为4类:u1代表欠负荷状态，u2代表 负荷状态，u3代表过负荷状态，集合D= { u1，u2，u3 } 代表球磨机负荷的不确定状态。球磨机负荷优化控制方法由负荷状态估计模型和干料总量调整模型组成， 其结构如图1所示。

图1  球磨机负荷优化控制结构

多传感器数据融合方法是把来自多个传感器的测量信息用一定的方式进行融合，将多个传感器所提供的局部信息加以综合和互补，降低不确定性，从而获得理想和准确的估计结果，克服单个传感器的不确定性和局限性。目前，多传感器数据融合方法已经的到广泛的应用。为了克服单一振动或电流信号的局限性，本文同时采集磨机的电流和振动信号，根据这些信号，负荷状态估计模型利用多传感器数据融合方法在线估计出球磨机的负荷状态。

案例推理方法是基于过去成功的经验和知识进行推理， 通过修改已有的 方案来满足 新问题的需要， 即使用过去的成功案例解释新情况、 新方案、解答新问题。案例推理现已在故障诊断、医疗诊断、决策支持、过程建模和优化控制等领域取得了成功的应用。由于磨机负荷状态与进入磨机的干料总量之间难以建立精确的数学模型，因此本文采用案例推理方法自动调节干料总量。如果球磨机负荷处在 状态，则干料总量不做调整，如果球磨机负荷处在非 状态，则利用基于案例推理的干料总量调整模型对干料总量进行自动调整。