主分量分析在球磨機噪聲料位測量中的應用

張 忠 洋

（中國石油撫順石化公司， 遼寧 撫順 113008）

球磨機廣泛應用于電力、水泥和礦山等行業，它具有運行可靠、維護簡單、對物料適應性強等特點。 在我國電站鍋爐制粉系統中 , 凡采用中間儲倉式結構 , 相當一部分都配備了筒式低速球磨機。采用中間儲倉式結構的制粉設備可靠性高, 對煤種的適應性廣, 整個制粉系統相對來說與機組運行具有一定的獨立性。這種制粉系統的出力不像直吹式制粉系統由機組負荷決定 , 而是應盡量使其達到最佳經濟工況運行, 即達到最大出力。而事實上大部分球磨機系統都在保守工況下運行, 制粉系統耗電率相當大 , 主要原因之一是沒有一種準確可靠的磨筒內料位（存煤量）測量手段, 使得運行人員只能犧牲其經濟性而保守運行, 因為磨筒內料位一旦超過一定限度, 將造成堵磨和跑粉事故的發生[1]。

磨煤機內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據處理方法, 比如基于神經網絡的軟測量方法和數據融合技術等[2]。但沒有一種達到了實用和可靠滿意的程度。本文針對目前國內外主要以噪聲信號為依據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

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

因為噪聲包括環境噪聲、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系就成為利用噪聲測量磨機料位的關鍵問題[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，特征數量多時，就相當于在高維空間對機器狀態或故障進行判斷。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)的結果進行分析； (4)根據(3)中的分析結果建立設計噪聲主分量與料位對應關系測量算法。

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%表示磨機筒體內無物料，100%表示筒體內被物料所填充，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，并且已經造成產量很大下降，系統處于不安全的狀態，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，得到預分析數據

獲取不同狀態下噪聲信號，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據進行分析的技術，最重要的應用是對原有數據進行簡化。

用PCA方法進行數據分析，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的特征向量。

2.4 PCA分析結果

矩陣變換后各個狀態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變換后的測量結果和原始信號分析對比，采用原始噪聲分析結果歸一化；PCA噪聲分析結果歸一化；計算偏差平方的累加求和等步驟，得到結果為: 1.156 727 333 354 630e-06，表明選擇的特征頻段內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律。

3 結 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狀與發展趨勢[J]. 中國粉體技術，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集成建模方法[J]. 控制理論與應用，2012，29（2）：183-191.

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

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

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

［6］呂權息，汪思源，張翔.振動信號在球磨機料位監測系統的運用研究[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的系統分析與設計——信號處理[M].西安:西安電子科技大學出版社，1998-09.