磨音信号采集与处理实验系统的设计与实现

在实验教学中,为帮助学生更好地掌握声音信号采集与处理领域的相关知识,开发了一套磨音信号采集与处理实验系统。采用STM32F103作为主控芯片,实现磨音数据的采集与存储、快速傅里叶分析、选频段磨音能量分析、TCP通信等功能。在实验教学中重点介绍磨音采集电路、信号调理电路、上位机显示等内容。实验的综合性强,能够有效促进学生的工程能力和科研思维的发展。

基于LS-DTW和优化k-medoids的磨音信号聚类分析

磨音信号是反映磨机运行状态的一个重要参数,准确区分不同状态下的磨机信号将直接影响后续磨机运行参数优化的结果。通过聚类算法可以对磨音信号进行分类,为使磨音信号聚类效果更优,不仅需要类内距离小,还需要类间距离尽可能大。由此提出一种基于局部稳定性加权动态时间规划(Local Stability Dynamic Time Warping,LSDTW)和优化k-medoids的磨音信号聚类方法。首先为克服动态时间规划(Dynamic Time Warping,DTW)得到的计算结果对噪声高度敏感的缺点,使用局部稳定性估计对DTW加权计算来降低噪声对计算结果的影响,其次针对k-medoids聚类需要多次计算才能确定聚类个数的不足,提出使用异常迭代模式(Abnormal Pattern,AP)优化k-medoids方法选取代表性的初始集群中心。采用优化k-medoids方法对LS-DTW的结果进行聚类分析,以平均轮廓系数作为评价标准,对比LS-DTW-k-medoids、DTW-k-medoids、DTW-优化k-medoids、k-means++算法效果可知,经本文方法聚类后,类内紧致性更优。

磨音信号检测与处理方法研究

针对传统磨音检测和处理方法无法有效去除噪声和提取磨音特征,导致球磨机料球比检测精度较低的问题,提出了一种基于盲源分离(BSS)的磨音检测方法和基于经验模态分解(EMD)的磨音处理方法;该方法首先利用BSS技术从多个音频传感器采集的混合噪声中分离出磨音信号,然后对其进行EMD分析,利用相关系数准则和本征模函数(IMF)能量的判别熵准则提取了磨音的有效的IMF,最终找到了不同料球比水平下磨音有效IMF能量的范围;实验结果表明提出的磨音检测方法可有效提取出磨音信号,提出的磨音分析方法大大提升料球比检测精度,为应用于实际的球磨机料球检测系统提供了理论基础。

基于主元分析法的磨音信号特征提取

为有效提取球磨机磨音信号特征实现负荷识别,提出一种基于主元分析法(PCA)的特征提取方法。以实验室球磨机为对象,采集球磨机的工作磨音信号,经降噪处理后,通过Welch法对磨音信号进行功率谱估计,并通过主元分析法对磨机磨音功率谱分段后得到的基本特征进行特征提取。通过支持向量机预测模型对特征提取后的样本集进行仿真验证。结果表明,特征提取后的特征有更好的识别效果和更小的随机性,可作为负荷预测模型的输入,实现球磨机负荷的预测。

基于PCA-PSO-SVM的球磨机负荷预测研究

球磨机是磨矿生产中的主要设备,但其运行时的内部负荷无法被直接检测,因此难以对负荷进行实时有效地控制,导致磨矿效率受到影响。针对此问题,文中通过磨矿实验采集球磨机磨音信号,对信号进行Welch功率谱分析,研究了磨音频谱信息与球磨机负荷之间的关系。利用PCA对功率谱进行特征提取,为球磨机负荷预测提供外部特征信息。然后,采用PSO对SVM相关参数进行寻优并建立PCA-PSO-SVM球磨机负荷预测模型。研究结果表明,该球磨机预测模型的预测均方根误差为1.1443,平均绝对误差为0.9125,平均百分比误差为2.7979%,证明了该模型对球磨机负荷预测的有效性和稳定性。

磨音基频提取在球磨机料位测量中的应用研究

针对传统磨音特征提取方法复杂和磨机料位测量精度低的问题,提出一种利用磨音基频测量磨机料位的方法。该方法通过分析磨音信号的归一化差值函数计算信号基频,找到空磨、正常磨和饱磨条件下的基频频段,最终建立磨机料位与磨音基频频段的对应关系。实验结果表明,与传统磨音特征提取方法相比,此方法简单高效,可有效地提取磨音信号基频特征,更加精确地反映磨机料位,对提高磨机生产效率和节能降耗具有重要意义。