Спосіб безперервного контролю процесу подрібнення у кульовому млині

Спосіб безперервного контролю процесу подрібнення в кульовому млині, який включає вимірювання вібраційного та акустичного сигналів, які генеруються подрібнювальним матеріалом та молольними тілами в барабані млина, з подальшим визначенням питомої поверхні подрібнювального матеріалу, який відрізняється тим, що питому поверхню визначають, виходячи з параметрів одномірного закону розподілення: асиметрії та ексцесу вібраційного сигналу і асиметрії та ексцесу акустичного сигналу, для апроксимації залежності між параметрами використовується двошарова нейронна мережа, яка навчається за алгоритмом зворотного розповсюдження помилки. Винахід належить до області автоматичного контролю і управління процесами подрібнення сировини у будівельній, гірничо-хімічній та інших галузях промисловості і призначений для безперервного контролю питомої поверхні матеріалу. Питома поверхня матеріалу є параметром, який визначає ступінь подрібнення матеріалу. Стабілізація певного значення даного параметра дозволяє оптимізувати витрати енергії на подрібнення і підвищити продуктивність подрібнювального устаткування. Основною проблемою при контролі даного параметра є складність установки добірних пристроїв для прямого виміру і, як наслідок, низький рівень стабільності показань даних приладів. Існують способи непрямого виміру параметрів подрібнення, таких, як гранулометричний склад або ступінь заповнення барабана млина, за рівнем [1] і спектром [2] акустичного та вібраційного сигналів, що формуються при роботі млина в результаті стикання матеріалу, кульового завантаження і футерівки барабана млина. Недоліком даних спо собів є те, що гранулометричний склад і ступінь заповнення млина безпосередньо не пов'язані з динамікою здрібнювання і вимагають додаткової інтерпретації для включення їх у систему управління подрібнювальним агрегатом. Найбільш близьким за технічною суттю до способу, що пропонується, є спосіб управління процесом подрібнення в кульовому млині [2]. Цей спосіб прийнятий за прототип, однак до його недоліків належить те, що спосіб потребує обчислення окремих параметрів спектра сигналу. При цьому для отримання стабільних показників необхідно виконати великий обсяг обчислень. Вимірювач визначає домінуючу фракцію у завантаженні млина, в той час, як відомі моделі здрібнювання [3] визначають зв'язок між витратами енергії, ступенем заповнення млина і питомою поверхнею. Таким чином, для організації управління процесом подрібнення необхідно контролювати параметр питомої поверхні матеріалу. Задача, що ставиться - спрощення і прискорення процесу контролю питомої поверхні матері (19) UA (11) 95929 (13) (21) a200807258 (22) 26.05.2008 (24) 26.09.2011 (46) 26.09.2011, Бюл.№ 18, 2011 р. (72) КУЛАЄНКО ОЛЕГ ОЛЕКСАНДРОВИЧ, ПЕРМЯКОВ ВЯЧЕСЛАВ ІВАНОВИЧ, РЯБУШКО АНДРІЙ ВАЛЕРІЙОВИЧ (73) ХАРКІВСЬКИЙ ДЕРЖАВНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ БУДІВНИЦТВА ТА АРХІТЕКТУРИ (56) Шамаллах Хайсам К А. Методи автоматичного контролю перевантаження барабанних млинів рудою : дис... канд. техн. наук: 05.13.07 / Національний гірничий ун-т. - Д., 2005. Автореферат. http://www.lib.ua-ru.net/diss/cont/134433.html SU 580900, 25.11.1977 SU 772591, 23.10.1980 SU 175380, 21.09.1965 SU 869809, 07.10.1981 SU 1727911, 23.04.1992 RU 2146175, 10.03.2000 SU 400365, 01.10.1973 C2 1 3 алу, що подрібнюється в кульових млинах, а також розробка універсальної методики контролю завантаження млина з можливістю адаптації до різних об'єктів даного класу. Для організації контролю пропонується проводити вимір акустичного і вібраційного сигналів кульового млина. Досліджено можливість використання як інформативних параметрів значень асиметрії та ексцесу одномірних законів розподілу даних сигналів на довжині реалізації більше 25000 точок. Проведений аналіз кореляції між зміною значень асиметрії, ексцесу і зміною питомої поверхні показав наявність залежності між цими параметрами. Оскільки характер залежності між даними параметрами складний, то для побудови моделі пропонується використати апарат багатошарових нейронних мереж. Даний метод дозволяє апроксимувати функції будь-якої складності із заданою точністю в процесі навчання мережі, а після навчання використати накопичену в мережі інформацію як функцію, задану в неявному вигляді. Для підвищення точності виміру як функції активації окремого нейрона в мережі пропонується використати сигмоїдальну функцію [4]. Запропонований спосіб визначення технологічного параметра подрібнення - питомої поверхні матеріалу - включає два етапи: калібрування і вимірювання. Суть калібрування вимірювального пристрою полягає в навчанні алгоритма нейронної мережі для розпізнавання різних значень питомої поверхні матеріалу в млині. Для цього експериментальним шляхом формується навчальна вибірка, яка складається з набору параметрів законів розподілу акустичного і вібраційного сигналів та відповідних для даних сигналів значень питомої поверхні, отриманих в результаті лабораторних вимірів. Кількість таких наборів визначає точність апроксимації залежності між вхідними та вихідними параметрами, і, як наслідок, точність вимірювання. Для навчання мережі використовується алгоритм зворотного розповсюдження помилки. На етапі вимірювання за допомогою мікрофона, який установлено біля розвантажувальної цапфи барабана млина, і акселерометра, який установлено на корпусі підшипника розвантажувальної цапфи млина, акустичний та вібраційний сигнали млина перетворюються в електричні сигнали. Дані сигнали через пристрій посилення подаються на Комп’ютерна верстка М. Ломалова 95929 4 вхід АЦП для наступної передачі цифрового образу сигналу в ЕОМ [5], де відбувається обчислення параметрів законів розподілу для вибірки, розміром не менш 25000 (при частоті зчитування 44 кГц). Навчена нейронна мережа, реалізована у вигляді програми на ЕОМ, при отриманні на вхідний шар даних про асиметрію та ексцес законів розподілу сигналів акустичного і вібраційного сигналів кульового млина розраховує поточне значення питомої поверхні матеріалу. Спосіб дозволяє в порівнянні із прототипом значно спростити калібрування вимірника питомої поверхні матеріалу і прямо інтегрувати його в систему керування процесом подрібнення. Підвищення точності, простота калібрування і адаптації до різних млинів досягається використанням як апроксиматора апарата штучних нейронних мереж. Побудований на основі даного способу вимірювальний пристрій дозволяє здійснювати контроль процесу подрібнення з високою точністю, який приводить до підвищення якості вихідного продукту і зниження витрат енергії. Перелік використаних джерел інформації: 1. А.с. 1727911 СССР, МКИ В02 С25/00. Устройство для измерения загрузки мельниц// В.Г.Костин, В.М.Сазонов, и Е.С. Щеклеин (СССР). - №4847888/33; заявл. 09.07.90; опубл. 23.04.92, Бюл. №15. - 2с.: ил. 2. А.с. 1671350 СССР, МКИ В02 С25/00. Способ контроля процесса помола в шаровой мельнице// Б. Аскаров, С.Л. Пожаров, А. Махмудов, Л.С. Пешикова и Ю.С. Скрипников (СССР). №4730366/02; заявл. 16.08.89; опубл. 23.08.91, Бюл. №31. - 14с.: ил. (прототип). 3. Андреев С.Е. Закономерности измельчения и исчисление характеристик гранулометрического состава// С.Е. Андреев, В.В. Товаров, В.А. Перов – М.: Государственное научно-техническое издательство по черной и цветной металлургии, 1959. 438с. 4. Круглов В.В. Нечеткая логика и искусственные нейронные сети// В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2001. - 224с. 5. Рябушко А.В. Аппаратно-программный комплекс виброакустических измерений измельчительных агрегатов// А.В. Рябушко, В.И. Пермяков, А.В. Донец, О.А. Кулаенко// Науковий вісник. - Харків: ХДТУБА, ХОТВ АБУ, 2005. - ВИП.30. Т.2. С.185-189. Підписне Тираж 23 прим. Державна служба інтелектуальної власності України, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601