概述球磨机负荷的优化控制理念

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代表最佳负荷状态， 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， 其结构如图所示。

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， 克服单个传感的不确定性和局限性。目前， 多传感器数据融合方法已广泛应用于工业过程控制、机器人、自动目标识别、惯性导航、模式识别、图像处理等领域[ 。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， 通过修改已有的解决方案来满足求解新问题的需要， 即使用过去的成功案例解释新情况、评价新方案、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最佳状态， 则干料总量不做调整， 如果球磨机负荷处在非最佳状态， 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。

相关文章：
球磨机的磨矿技术效率及其影响因素磨机研磨体体积密度对磨矿效率的影响力湿式球磨机的筒体安装事宜筛式球磨机维修保养步骤妨碍球磨机工作效率的几项因素球磨机电动机启动为什么会发生振动？