基于多传感器信息融合的球磨机负荷检测系

　　RBF神经网络输出层三个神经元上的数据经过反归一化处理后，就为球磨机的内部负荷参数：介质充填率、料球比和磨矿浓度。
  　在磨矿过程自动控制中，可以根据这三个参数间接反映的球磨机的负荷(包括球负荷、物料负荷以及水量的各自数值)实现整个球磨机的优化控制。
　　
　　3 实验结果
　　通过在实验球磨机上做实验，得到了大量的实验数据，选取其中的部分作为样本数据（见表1），来训练神经网络。

                            表1 部分样本数据

　　按照RBF神经网络训练步骤和算法，对本文的球磨机系统逆模型的RBF神经网络模型进行训练。神经网络的训练和仿真是在MATLAB7环境下，编制了相应的程序实现。训练后返回神经网络的权值、偏置值。网络训练过程的误差曲线如图3所示。
　　对实验样本数据进行仿真，得到预测误差曲线（神经网络输出值与样本目标值之差的曲线），如图4所示。
    
        图3 神经网络训练误差曲线 图4 神经网络预测误差曲线

　　4 结束语
　　本文提出了一种基于多传感器信息融合的球磨机负荷检测方案，并详细地介绍了整个系统的各个环节。实验结果表明，该系统能够充分获取并融合球磨机工作环境所提供的外部响应信息，从而准确地检测出球磨机的负荷参数，为整个磨矿过程的自动控制提供了重要的技术支持。
　　
　　参考文献
　　[1]王泽红，陈炳辰．球磨机负荷检测的现状与发展趋势[J]．中国粉体技术，2001.7（1）：19～23
　　[2]王泽红，陈炳辰. 球磨机内部参数的三因素检测．金属矿山[J]，2002.1：32～34
　　[3]毛益平，高继森，陈炳辰．基于RBF网络球磨机双因素建模的研究[J]．中国矿业，2000.9（5）：75～78
　　[4]飞思科技产品研发中心.神经网络理论与MATLAB7实现[M].北京：电子工业出版社，2005.3
　　[5] 冯波. 多传感器信息融合技术的研究[D].中国优秀博硕论文全文数据库
　　附：
　　作者简介：周克良（1964——）男，江西赣州人，江西理工大学机电工程学院副教授，副院长，研究方向为工业过程控制。
　　联系方式：江西赣州江西理工大学机电04研戴建国 邮编：341000

上一页  [1] [2] 

本文关键字：传感器  检测  信息  球磨机  电工文摘，电工技术 - 电工文摘