基于ASOS-ELM的球磨機負荷參數軟測量系統設計

單顯明，劉業峰，那崇正，靳 新

(1.沈陽工學院 信息與控制學院，遼寧 撫順 113122；2.遼寧省數控機床信息物理融合與智能制造重點實驗室，遼寧 撫順 113122；3.沈陽工學院 機械工程與自動化學院，遼寧 撫順 113122)

0 引言

球磨機是磨礦工作環節中的重要設備，它的作用是通過轉動來推動球體對礦石進行沖擊和粉碎，從而將粉碎的礦石磨成顆粒大小適宜的礦漿，在水泥、硅酸鹽制品、化肥、黑色和有色金屬的選礦、玻璃、陶瓷等行業中都有著廣泛的應用。球磨機的符合參數與磨礦質量、磨礦效率等因素密切相關。然而球磨機在實際磨礦工作過程中，由于磨機筒體內部環境惡劣且工況復雜，其負荷參數難以準確檢測和控制。

為了提高磨礦工業過程的生產率和生產質量，有必要對球磨機在不同工況下的負荷參數進行測量，為球磨機的控制提供參考數據。軟測量是球磨機負荷參數常見的測量方式，其測量原理是將自動化技術引入到工業生產中，利用狀態估算技術在線估算難以直接檢測的參數，從而達到軟件替代硬件的效果。一般情況下，對于不易測量的變量，或無法直接測量的變量，可以通過獲取易于測量的變量，并建立易測變量和難測變量的關系，從而實現在線測量。

現階段支恩瑋[1]等設計了基于域適應支持向量回歸的負荷軟測量系統，對多工況下的數據進行預處理，并對其頻譜特征進行提取。在此基礎上，利用目標區域內的小樣本所包含的特征和知識結構，提高源域數據建立模式與目標領域數據相匹配的能力。采用回歸方法預測了磨機的載荷參數。該系統具有一定的有效性，然而該系統在實際應用過程，其測量功能和運行性能較低。

針對上述問題，設計了基于ASOS-ELM的球磨機負荷參數軟測量系統。ASOS算法指的是共生生物搜索算法，通過模仿生物行為，引導個體逐漸進化。而ELM算法是指極限學習機算法，適用于監督學習和非監督學習問題。通過ASOS-ELM算法的聯合應用，以期能夠提升球磨機負荷參數軟測量系統的測量功能與運行性能，以此提高磨礦質量與生產效率。

1 球磨機負荷參數軟測量硬件系統設計

1.1 球磨機工作數據采集器

由于球磨機在負載工況下會產生振動信號，根據振動信號的特征可以推導出球磨機的工作負荷參數，因此需要在硬件系統環境中安裝球磨機工作數據采集器，主要采集對象為球磨機的振動工作數據。球磨機工作數據采集器的基本結構如圖1所示。

圖1 球磨機工作數據采集器結構圖

圖1中，DH5922N型號動態數據采集芯片能夠對應力、應變、振動、沖擊等各種物理參數進行檢測和分析[2]。DH131型加速度傳感器的輸出為電荷信號，它必須用相應的DH5857-1型電荷適配器來進行數據類型轉換[3]。將電荷轉換成電壓信號后，將其送入動態數據采集芯片中。安裝的球磨機工作數據采集器的頻率頻響范圍為[1 Hz,10 000 Hz]，而球磨機的頻率在8 686 Hz以下，所以設計的數據采集器能夠滿足對球磨機信號的采集要求。除了振動數據采集裝置外，為保證系統處理器設備能夠直接處理采集信號，在采集裝置輸出前端分別嵌入前置放大器和抗混疊濾波器，前置放大器的作用是對采集器輸出結果中的阻抗進行表換處理，選擇了一種用于增益FET的電壓互補源跟蹤電路，它可以在FET中增加相同的源間電壓，從而提高了輸入阻抗，降低輸出阻抗的同時降低噪聲[4]。在采集信號時，根據取樣原理，若有一種干擾信號，其頻率超過取樣頻率的一半，則會出現一種無法用數字濾波方法消除的混疊信號。因此，在取樣前連接MAX293抗混雜濾波器，用于抗混疊濾波。

1.2 系統處理器

系統處理器的處理任務包括球磨機初始振動數據的處理、負荷參數軟測量程序的運行以及ASOS-ELM算法的運行，安裝的系統處理器型號為OMAP-L138。該處理器為達芬奇架構的嵌入式處理器，在處理器內部同時嵌入DSP內核和ARM內核[5]。OMAP-L138處理器既具備了復雜的指令集，又具備了指令集的簡化技術。因此，OMAP-L138相對于傳統系統中使用的單核結構處理器有更好的性能。OMAP-L138包含一個ARM9內核和一個C674x的DSP內核，這兩種內核都可以在456 MHz的頻率下工作，所以OMAP-L138不僅具有很好的控制性能，而且還具有很好的計算能力[6]。另外，OMAP-L138還整合了外部設備，包括增強型直接數據接入、多通道緩沖串口、通用串行通信接口等。

1.3 球磨機負荷數據存儲器

為了給球磨機負荷數據以及軟測量程序提供充足的存儲空間，在傳統硬件系統存儲器的基礎上進行存儲擴展，擴展結果如圖2所示。

圖2 擴展存儲器結構圖

設計的存儲器充分利用RAM的片內資源，同時保證所有的地址不發生沖突。512KBRAM芯片的接線將A15僅被用作74138的控制信號，與P10直接連接[7]。由于A15連接到P10，故芯片的物理空間充分利用，所以在CPU運行時，所有的邏輯地址都是8000H-FFFFFH。

1.4 軟測試輸出顯示屏

顯示屏的安裝為球磨機負荷參數軟測量結果的輸出提供了可視化硬件支持，所選用的顯示屏設備是DC48270N043_0lTW/NW，該設備自帶ASCII、GBK和GB2312字庫，速度快、成本低，適合圖片少畫面不復雜的場合，其能最多存儲27張全屏圖片，需要的供電電壓為5 V，其通訊接口為RS232，易于與系統電路主板相連接，顯示和控制符合系統需求。

1.5 系統電源電路設計

在基于ASOS-ELM的球磨機負荷參數軟測量系統中，供電質量將直接影響到系統的功能與性能的運行效果。硬件系統中各個組成元件所需電壓規格包括5 V、3.3 V、1.8 V、1.0 V，結合系統各個部分功耗以及對電流的要求，外部供電電壓為5 V，XC7Z010的COREPOWER為18 V和10 V，IOPOWER為33 V[8]。所以，系統選擇了TPS70151為電源芯片。電源電路的供電次序與處理器上的斷電次序一致，并能滿足系統所需的電流和功率[9]。除了上述系統元件外，通信網絡、程序主控芯片等部分均沿用傳統軟測量系統，利用設計的系統電源電路，實現所有硬件設備的連接。

2 球磨機負荷參數軟測量系統軟件功能設計

在硬件設備的支持下，通過ASOS-ELM算法的應用，實現球磨機負荷參數軟測量功能。根據不同負荷下球磨機振動信號的變化特征，實現實時負荷參數的軟測量，并將測量結果以可視化的形式輸出。

2.1 構建球磨機數學模型

從結構方面來看，球磨機包括進料部、出料部、回轉部、傳動部等多個部分[10]。中空軸以鑄鋼作為材料，筒體內嵌耐磨襯墊，用來提高設備的耐磨性。筒體是球磨機的主要加工位置，筒體上裝有支撐圓筒和支撐圓筒轉動的支座，并利用電動機進行設備驅動。物料由進料機構經料中空心軸，以螺旋狀的方式均勻地送入磨機的第一倉，在料倉中裝有臺階墊片或波浪形墊片，里面裝有各種尺寸的鋼球，利用滾筒旋轉產生的離心力完成物料的研磨操作[11]。物料完成粗磨工作后，進入第二倉作進一步研磨。滾筒在旋轉的過程中，研磨體自身也會發生滑動，在滾筒的滑動過程中，物料受到磨料的影響，為了充分利用研磨作用，當物料力度較大時，將磨料圓筒分成兩個部分，當材料進入到第一倉時在鋼球作用下被擊碎，而當材料進入第二倉時，鋼段會對物料進行進一步碾壓，將合格的物料從出料端的中空軸排出[12]。將上述球磨機的工作原理代入到球磨機結構中，得出球磨機數學模型的構建結果，如圖3所示。

圖3 球磨機數學模型示意圖

球磨機數學模型中破碎環節的數學表達式如下：

gdischarge=(B·S+I-S)nfracture·ggive

(1)

公式(1)中，ggive和gdischarge分別為球磨機給進礦和排出礦的粒度，B和S分別對應的是球磨機的破碎函數和選擇函數，I表示單元矩陣，nfracture為物料的破碎段數[13]。同理可以得出球磨機多個加工環節的數學表達式，將其與球磨機結構融合在一起，得出球磨機數學模型的最終構建結果。

2.2 采集球磨機實時振動信號

由于球磨機工作負荷與振動信號之間存在相關關系，因此可以利用振動信號來反映球磨機的負荷參數，為此利用硬件系統中的采集器設備對球磨機工作狀態下的振動信號進行采集[14]。在忽略筒體轉動效應的情況下，依據動量定理，可以得出球載下落對筒體的沖擊力為：

(2)

公式(2)中，Lmill為球磨機筒體長度，ω和θ分別為筒體轉動角速度和轉動速度，θ1和θ2為轉動速度分量，其計算公式如下：

(3)

公式(3)中，ν為磨機轉速，r1和r2分別為球載回轉半徑的最大值和最小值。另外，公式(2)中變量ρ表示的是球載松散密度。在沖擊力作用下，球磨機發生振動。由于球磨機筒體呈對稱式分布，采用不連續方式進行進出料，所以在檢測圓筒的振動時，應選擇一側軸承為測量點在筒體旋轉時，鋼珠和物料的拋出對筒體的沖擊會從筒體進出料端蓋傳遞到軸承座，同時，由于內部負荷的變化，物料與磨介之間的相互作用使其產生振動[15-16]。基于力平衡原理，可以確定球磨機中振動幅度最大的位置，以此作為測點，并將采集器設備安裝在該測點上，通過采集器的運行與輸出，得出球磨機實時振動信號的采集結果[17]。為了提高球磨機振動信號的采集質量，同時去除信號中的正、負兩種噪聲，利用內置的濾波器進行信號預處理，濾波器的數學表達式如下：

(4)

公式(4)中，f(x)和g(x)分別為初始采集振動信號和轉換振動信號，HOC(f(x))和HCO(f(x))對應的是開-閉濾波器和閉-開濾波器，最終得出的球磨機振動信號去噪處理結果為：

(5)

分別將實時振動采集信號和兩個濾波函數代入到公式(5)中，便可得出滿足質量要求的振動信號采集結果[18]。

2.3 利用ASOS-ELM算法提取振動信號特征

采用ELM算法分別建立振動信號頻譜特征和磨機負荷參數之間的非線性模型，ELM結構如圖4所示。

圖4 極限學習機結構圖

假設極限學習機的輸入層、隱含層和輸出層的節點數量分別為n、p和q，對于輸入的球磨機振動信號，若極限學習機能以極低的誤差逼近振動信號樣本，則公式(6)成立：

(6)

公式(6)中，yj為預處理完成的球磨機振動信號，?i為隱含層第i個節點到輸出層的權重值，H(ai,bi,yj)為激活函數，其函數表達式如下：

(7)

公式(7)中，ai和bi分別表示的是連接第i個隱含層結點的輸入權值和輸出權值[19]。為了提高系統的測量精度，利用ASOS算法對ELM工作系數進行優化，優化過程如圖5所示。

圖5 ASOS算法優化ELM的流程圖

在ASOS算法運行過程中，利用公式(8)對“生物”種群進行初始化。

Xi=Wb+rand(1,D)(Ub-Wb)

(8)

公式(8)中，Ub和Wb分別為共生生物搜索空間的上界和下界，rand(1,D)為縮放因子向量，其中D為初始解的維數[20]。搜索種群中的最優值Xbest，通過互利和共棲階段完成種群更新，更新過程可以表示為：

(9)

公式(9)中，Mv和κ1分別為互利向量和隨機因子。在寄生階段產生“寄生向量”，當達到終止條件時，終止優化操作，否則重新執行上述操作，直到滿足終止條件為止[21]。將采集并處理完成的球磨機振動信號代入到ASOS優化的ELM中，得出特征提取結果，其中峰值特征的提取結果可以表示為：

τm-m=xmax(t)-xmin(t)

(10)

公式(10)中，xmin(t)和xmax(t)分別為球磨機振動信號的最小值和最大值。同理可以得出球磨機所有振動特征的提取結果。

2.4 實現球磨機負荷參數軟測量

根據球磨機振動信號特征提取結果，選擇待軟測量的球磨機負荷參數為球負荷、料負荷、水負荷，分別記為φb、φm和φw，上述負荷參數的計算公式如下：

(11)

式(11)中，變量φbmw、φmw、φmb以及φbf分別為充填率、磨礦濃度、介質充填率以及料球比，Vmill表示球磨機容積，ρm、ρw和ρb對應的是物料、水和研磨介質的密度值，δ為介質空隙率[22]。因此可以通過測量料球比、磨礦濃度和充填率計算得出球磨機的負荷參數，上述參數即為軟測量的輔助變量。最終在顯示屏的支持下，得出球磨機負荷參數軟測量結果的可視化輸出結果。

3 系統測試

為了驗證設計的基于ASOS-ELM的球磨機負荷參數軟測量系統的有效性，融合硬件設備和軟件程序，模擬系統的實際應用需要和環境，檢驗設計的基于ASOS-ELM的球磨機負荷參數軟測量系統是否能夠達到預期效果。此次系統測試實驗分為兩個部分，分別為軟測量功能測試和運行性能測試，并通過與基于域適應支持向量回歸的負荷軟測量系統的對比，驗證設計的基于ASOS-ELM的球磨機負荷參數軟測量系統的應用優勢。

3.1 配置系統開發與測試環境

此次實驗以某大型采礦工程作為實驗背景，選擇礦石的加工環境作為系統的開發與測試環境，在實驗環境中安裝主測計算機作為系統的開發設備。按照硬件系統的設計結果，分別安裝采集器、處理器等設備，并利用供電電源電路完成硬件設備的連接。在此基礎上，設置通信網絡路由器和網關的工作參數，保證配置的網絡環境能夠覆蓋整個實驗環境，確保球磨機的實時工作參數能夠被正常采集與傳輸。由于球磨機屬于特種設備，為完成負荷參數的軟測量工作的安全性，需在實驗環境中加設防護網。系統測試環境中所有設備安裝完成后，需要對其進行聯合調試，若存在設備運行故障，則需要重新選擇系統運行設備，直至系統測試環境調試成功。

3.2 準備球磨機研究對象

為滿足礦石的處理需求，選擇型號為Φ450 mm×450 mm的Bond指數球磨機作為系統測試實驗的研究對象，該設備的電機功率為0.8 kW。球磨機的圓筒在中線的兩端設有端蓋，用于填料、排料，并通過軸承的整體放置在機架上，在軸承的一端通過傳動裝置與蝸輪蝸桿減速裝置相連接，并由電機驅動。重復執行“啟動-停止”操作，判斷準備的球磨機是否能夠在實驗環境中正常運行。

3.3 設定球磨機運行工況

為了保證設計的基于ASOS-ELM的球磨機負荷參數軟測量系統適用于球磨機的多種工作狀況，此次系統測試實驗分別設置空磨、正常以及飽磨三種工況，空磨指的是球磨機圓筒內不存在需要加工的礦石，正常工況是指球磨機圓筒內的加工礦石含量占圓筒總量的10%～75%，當球磨機圓筒中加入的礦石量高于圓筒總容量的75%時，認為當前球磨機處于飽磨工況。實驗準備的加工礦石物料為某礦山的鎢礦石，其普式硬度系數約為16，密度約為1 950 kg/m3。為了避免由于入料的粒度分布不均勻，影響球磨機運行工況的控制效果，要求在對球磨機進行入料前，對碎磨前的礦石物料進行初級破碎，并采用電動篩分機對礦石進行篩分，通過控制物料的輸入量，確定料球比、磨礦濃度和充填率的真實值，并求解出球磨機負荷參數的實際值，實際負荷參數的設置情況如表1所示。

表1 球磨機負荷參數設置表

以表1中的設置數據作為判斷系統軟測量功能的對比標準數據。

3.4 輸入ASOS-ELM算法工作系數

由于此次實驗應用了ASOS和ELM算法，需要對相關工作系數進行設置，ASOS算法中種群個數設置為50，最大迭代次數為100次。而ELM算法的隱藏層節點數量設置為20，學習率為0.001%。

3.5 描述系統測試過程

利用編碼工具將基于ASOS-ELM的球磨機負荷參數軟測量系統的軟件功能設計結果轉換為程序代碼，分別在三種不同的球磨機運行工況下，利用采集器設備獲得振動信號數據作為實驗數據，以振動信號作為輸入數據，球磨機負荷參數作為輸出參數，通過硬件設備與軟件程序的協同運行，得出系統運行結果。三種工況下球磨機負荷參數的軟測試輸出結果如圖6所示。

圖6 球磨機負荷參數軟測量系統運行結果

在三種工況下進行多次實驗，采用求解平均值的方式得出更為精準的系統測試結果。此外，為了體現出設計系統的運行優勢，設置基于域適應支持向量回歸的負荷軟測量系統作為實驗的對比系統，對比系統的運行環境以及測量對象均相同。

3.6 設置系統測試指標

此次實驗分為系統功能測試和系統性能測試兩個部分，其中功能量化測試指標設置為負荷參數軟測量的均方誤差，其數值結果為：

(12)

Δt=tout-tin

(13)

公式(13)中，tin和tout分別表示球磨機振動數據的輸入時間以及球磨機負荷參數軟測量結果的輸出時間，計算得出系統程序的運行時間更短，說明對應系統的運行性能越優。

4 系統測試結果分析

為了驗證設計系統的整體有效性，利用ASOS-ELM算法和域適應支持向量回歸方法對球磨機負荷參數分別進行測試。選取球負荷、料負荷和水負荷為試驗參數，在Bond指數球磨機筒體外側安裝傳感器，保證球磨機轉速穩定后，依次加入一定量的鋼球、物料和水，在球磨機運行一段時間后，記錄測試結果，空磨工況下系統軟測量功能的測試結果如表2所示。

表2 空磨工況下軟測量系統功能測試結果

根據表2結果可知，在5次實驗中，對比系統的球負荷在393.8～399.2 kg之間，料負荷在0.2～0.9 kg之間，水負荷在44.1～53.2 kg之間；而設計系統的球負荷在399.4～400 kg之間，料負荷在0～0.5 kg之間，水負荷在45～54.7 kg之間，與對比系統相比，設計系統的整體球負荷和水負荷較高，料負荷較低。將表2與表1中的數據代入到公式(12)中，得出對比系統的球負荷、料負荷、水負荷參數的平均軟測量誤差分別為0.42 kg、0.007 kg和0.12 kg。而設計系統的球負荷、料負荷、水負荷參數軟測量誤差的平均值分別為0.002 kg、0.001 kg和0.001 kg。同理在正常工況和飽磨工況下，通過公式(12)的計算得出正常和飽磨工況下系統的軟測試功能測試對比結果，如圖7所示。

圖7 正常和飽磨工況下系統的軟測試功能測試對比結果

綜上所述，在球磨機的三種工況下，基于ASOS-ELM的球磨機負荷參數軟測量系統的測量誤差始終低于對比系統，即設計系統在測量功能方面具有更高優勢。

通過主測計算機后臺數據的提取以及公式(13)的計算，得出系統運行時間的測試結果，如表3所示。

表3 球磨機負荷參數軟測量系統運行性能測試數據表

經過表3對比可以看出，球磨機在空磨工況下的負荷軟測量速度更快。在三種工況下，對比系統的運行時間始終高于設計系統，通過平均值計算，兩種系統的平均運行時間分別為7.78 s和3.65 s，即設計的基于ASOS-ELM的球磨機負荷參數軟測量系統的運行性能更優。

5 結束語

設計的基于ASOS-ELM的球磨機負荷參數軟測量系統，通過ASOS-ELM算法的應用和軟測量系統的設計與開發，保證了球磨機負荷參數測量的準確度，有效提升了系統運行性能。然而系統測試實驗中使用的球磨機型號較為單一，因此設計的軟測量系統可能會出現與部分球磨機設備不適配的問題，針對這一問題還需要在今后的研究工作中進一步解決。