磨音影響因素分析與磨機負荷檢測方法綜述

楊志剛 張 杰 李艷姣

(1.河北聯合大學電氣工程學院，河北 唐山063009;2.北京科技大學自動化學院，北京100083;3.鋼鐵流程先進控制教育部重點實驗室，北京100083)

磨礦分級作業是選礦過程的重要環節，而其中對球磨機運行狀態的檢測又是保證球磨機安全穩定運行的基礎［1-4］。球磨機運行狀態的一個重要參數就是磨機負荷［5］，即球磨機內部的瞬時全部裝載量，包括新給礦量、循環負荷、加水量和加球量等。目前，國內外選礦廠多以人工經驗來判斷球磨機運行狀態，導致生產過程中球磨機經常處于“欠磨”、“飽磨”和“漲肚”等非正常運行狀態，降低了磨礦過程的運行效率，增大了選礦過程的能耗。據統計，磨礦分級作業的能耗一般占整個選礦過程的30% ～70%，快速準確地檢測出球磨機的運行狀態并加以調節，可以減少能源損耗和原材料消耗［6］。綜上，在保證磨礦產品達到工藝要求的前提下，保持球磨機穩定運行在正常狀態或最佳負荷狀態，對于選礦廠節能降耗、提高經濟效益具有重要的意義。鑒于磨音是磨機負荷檢測的重要因素，本研究對影響磨音的因素進行了分析，并對近年來磨機負荷的檢測方法進行了概述，以為提高磨機運行效率提供幫助。

1 球磨機運行狀態分析

球磨機運行特性復雜，具有慣性大和時滯時間長等特性，且磨機負荷最佳工作點具有時變性，使得最佳負荷點始終處于不斷漂移的狀態，較強的參數耦合性，使得難以針對該過程建立精確的模型。同時在運行過程中，物料特性的改變(如鋼球磨損和礦石濕度、粒度)以及磨機自身特性的改變(如襯板的磨損情況等)都會對磨機運行特性產生較大的影響［7］。張彥斌等［8］分析了球磨機運行過程中球磨機出力、磨音和球磨機電流隨磨機內裝料量的變化規律。結果表明，隨著磨機內物料量的增加，磨機運行狀態可以分為3 個區域:當磨機內物料量較少時，磨機負荷和電流均較低，隨著物料的增加，球磨機出力、電流均逐漸增加，此時增加物料量有利于磨礦效率的提高;隨著磨機內物料量的繼續增加，磨機電流和磨機出力達到相對穩定的狀態，此時改變球磨機內物料量對磨機運行狀態影響較低，為磨機的穩定運行區間;當磨機內物料量繼續增大，磨機負荷達到最大值，此時再增加物料量，磨機負荷和電流均降低，容易出現堵磨現象。磨機在穩定區間運行，磨機負荷才能達到理想值，能耗也相對較低。

2 磨音影響因素分析

2.1 鋼球在球磨機筒體內的運動形態

球磨機在運行時，物料由入料口經中空軸頸螺旋均勻地進入球磨機筒體內，筒體旋轉產生離心力，在離心力的作用下，鋼球隨筒體做螺旋上升運動，在被提升到一定的高度后，在重力作用下，按照某一軌跡跌落，形成鋼球對物料的撞擊，從而達到對物料的沖擊破碎作用。與此同時，筒體內的物料還會受到鋼球與鋼球、鋼球與襯板之間的擠壓。鋼球在球磨機筒體內有以下3 種典型的運動狀態:①瀉落:當球磨機筒體轉速較低時，筒體內鋼球除繞自身的軸線旋轉外，位于球荷頂部的鋼球還不斷地沿球荷表面滾下，此時介質的磨碎作用主要是研磨;②拋落:隨著筒體轉速的增加，球荷頂部的鋼球不再沿球荷表面滾下，而是沿一拋物線落下，在落下的底腳區劇烈地翻騰，此時鋼球的運動狀態即為拋落，物料受到鋼球的沖擊和磨剝的雙重作用;③離心運動:隨著筒體轉速的繼續增加，球磨機的旋轉速度達到其臨界值，鋼球和物料都會附在襯板上隨球磨機一起旋轉，此時鋼球運動狀態即為離心運動。球磨機實際運轉過程中，鋼球在筒體內的運動狀態多為瀉落和拋落的混合形式，物料在磨機內受到的粉碎作用來自沖擊破碎和研磨兩個方面。

2.2 球磨機發聲機理

球磨機運行過程中產生聲音的來源主要有以下幾種:鋼球與筒體、物料之間碰撞;電動機軸承運轉;電動機轉子不平衡引起機殼振動;排風機和通風管道的振動。上述聲源中，用于判斷磨機負荷的磨音指的是鋼球與筒體、物料之間碰撞產生的機械噪聲，其余聲音均為干擾噪聲［9-10］。下文提到的磨音均指不含干擾噪聲的聲音信號。

磨音本質上屬于機械噪聲中的撞擊噪聲，主要包括鋼球與鋼球、鋼球與物料及筒體與鋼球之間的撞擊產生的撞擊噪聲。其發聲機制包括以下幾種:撞擊瞬間物體間的空氣高速流動所引起的噴射噪聲;撞擊瞬間筒體、鋼球、物料產生的突然變形而在附近區域激發產生的壓力沖擊噪聲;撞擊瞬間由于物料破碎形成的向外輻射的壓力脈沖噪聲;撞擊后受撞部件結構共振所激發的結構共振噪聲。其中，結構共振噪聲的影響最強，維持時間最長。

2.3 影響磨音的主要因素

2.3.1 磨機處理量

球磨機筒體內的物料充填量直接影響磨音。鋼球下落的動能一部分用于研磨物料，另一部分消耗在了鋼球與鋼球、鋼球與襯板間的碰撞磨損上，此部分能量轉化為聲能，當筒體內物料量較少時，磨音較大且頻率較高，聽起來清脆，隨著物料量的增加，鋼球下落的高度降低，鋼球間的物料層加厚，鋼球下落的動能更多地消耗在研磨物料上，并且部分消耗于物料的變形，使得磨音分貝和頻率均較低，聽起來沉悶［11］。

2.3.2 介質充填率

磨音與筒內介質填充率(Ψ)有直接關系。當球磨機轉速一定時，Ψ 越大，鋼球越多，鋼球與鋼球、鋼球與襯板之間相互撞擊幾率越高。一般認為，在相同的轉速下，磨音隨著鋼球填充率的增大而增大，但當鋼球填充系數Ψ≥50%時，鋼球被提升的高度就開始逐漸下降，球磨機內部的機械能逐漸減少，磨音也隨之降低。

2.3.3 筒體轉速

筒體轉速不同，鋼球與物料被提升的高度不同。轉速較低時，鋼球與物料受到的離心力小，物料與鋼球依靠其與筒體內壁間的摩擦力沿著筒壁上升，但上升的高度較小，鋼球下落時的撞擊力小，磨音低;隨著轉速的逐漸增加，鋼球與物料上升的高度也增加，鋼球下落時的撞擊力增大，磨音隨之升高;當轉速達到臨界值時，鋼球做離心旋轉運動，失去對物料的撞擊作用。

2.3.4 鋼球大小

球磨機筒體內部鋼球的沖擊噪聲也是磨音的重要來源，其大小與鋼球直徑的三次方成正比，減小鋼球直徑能有效地降低沖擊噪聲。但直徑減小，鋼球沖擊破碎的能力也會隨之降低。

2.3.5 襯板材料、布置方式及球磨機結構

磨音很大一部分來自鋼球對襯板的撞擊，受襯板材料的阻尼減振性能影響較大。在相同的轉速下，襯板的形狀、斷面傾角、摩擦系數等不同，對鋼球的提升效果不同，鋼球沖擊力不同，磨音也會不同。

對于不同型號的球磨機，其結構、襯板材料、襯板布置方式、鋼球系數和轉速的不同，導致了其同一負荷狀態下的磨音也可能不同，這也正是磨機負荷檢測儀器不能大范圍適用的一個重要因素。但對同一型號的球磨機，在結構固定、裝球量一定、轉速也相對比較穩定的情況下，磨音與磨機負荷存在一定的關系，另外，與鋼球的磨損情況(主要體現為鋼球直徑變小)也有一定的關聯。

3 磨機負荷檢測方法

對于磨機負荷的檢測方法，王澤紅等［2］將其劃分為直接檢測方法和間接檢測方法來敘述，湯健等［6］將其劃分為儀表檢測方法和非儀表檢測方法來敘述，本文不再做具體劃分，僅按所測量依據的不同將其分類，對近年來磨機負荷的檢測方法做簡要概述。

3.1 基于數學模型的磨機負荷軟測量

張杰等［10］針對承德某選礦廠規格φ3 m×9 m 球磨機，在功率譜分析的基礎上建立了磨機負荷的振聲模型，并根據所建模型測出了該廠球磨機不同運行狀態下磨音頻譜的分布，找出了磨機負荷與磨音聲強、磨音頻譜之間的關系，為磨機負荷的軟測量提供了理論依據;孫立波［12］用系統工程的觀點分析了球磨機運行過程穩定、失穩和漂移等狀態特性，指出了磨機負荷與其影響因素間的內在聯系，建立了反映球磨機處理能力、填充率、能耗、產品粒度、球料比和磨音等6 個系統輸出和狀態特性的數學模型組。湯健等［13］通過遺傳算法－偏最小二乘法對球磨機筒體振動信號的頻譜進行特征變量選擇，并將特征譜變量融合時域內的磨機電流信號建立了以礦漿濃度、球料比和填充率為模型輸出的多傳感器數據融合磨機負荷軟測量模型，該方法較好地解決了模型泛化能力差的問題，增強了模型的預測能力;湯健等［14］基于磨礦過程的研磨機理和頻譜段的自動分割方法、核偏最小二乘算法(KPLS)的分段子模型及基于信息熵的集成加權融合方法，針對磨機負荷參數的軟測量進行了研究，雖然取得了突破性進展，但是仍然只局限于實驗階段，未能應用于工業生產中;湯健等［15］提出了適用于磨機負荷檢測的在線KPLS 建模方法，該方法依據磨機負荷的特性漂移幅度，只采用ALD 意義下的有用樣本更新模型，解決了每次更新帶來的計算損耗問題，為磨機負荷的軟測量奠定了基礎。

3.2 磨音法

磨音法指的是通過檢測球磨機運行過程所產生的噪聲信號，從而判斷出球磨機當前運行狀態，進而確定磨機負荷的方法。磨音法是目前磨機負荷檢測最為有效和應用最為廣泛的方法之一。Arup Bhaumik 通過對球磨機振聲信號的研究，從振聲頻譜的差異識別出磨機負荷狀態［16］;孫麗華等［17］確定了存在特征頻段的能量累加量與磨機負荷的單調遞減關系;曾旖等［18］研制的基于DSP 的磨機負荷檢測儀通過采集磨音來判斷磨機負荷，該儀器不僅適用于選礦過程，在水泥、發電等行業仍然適用。

3.3 振動法

振動法指的是采集球磨機筒體和軸承等部位的振動信號，通過對信號的分析，確定磨機負荷與振動能量的關系［19］。筒體振動法指的是直接采集球磨機筒體的振動信號判斷磨機負荷。Gugel K 等［20］提出采用雙陣列加速度振動傳感器采集球磨機筒體振動信號，經快速Fourier 變換(FFT)變換為頻譜信號后以Radio Frequency(RF)射頻方式傳輸，以不同時刻的頻譜信號和其他關鍵參數建立神經網絡軟測量模型預測筒體內的料位。Gugel K 等［21］介紹了采用單振動傳感器和角度傳感器相結合確定振動信號采樣范圍的方案。對于軸承振動法，較為常見的控制策略有以軸承振動信號融合球磨機功率和球磨機出口溫度等信號的自尋優－采樣控制［22］，在軸承振動單回路控制系統的基礎上加入了差壓補償器［23］，劉蓉等［24］則將振動信號和差壓信號相結合，在壓差控制的基礎上輔以振動信號控制進行校正，有效提高了檢測精度。

3.4 功率法

功率法又稱為電流法，唐耀庚［25］提出了采用磨機功率誤差和誤差變化率設計模糊控制器，從而對磨機的負荷加以判斷和控制;李法眾［26］則采用噪聲和功率聯合控制策略來確定球磨機的最佳料位。

3.5 超聲波檢測法

超聲波檢測法主要是利用超聲波在介質中的傳播特性進行檢測的方法，主要分為超聲法、聲發射波法和聲－超聲法3 種。

(1)超聲法。超聲法主要是根據超聲波脈沖從發射到接收所用的時間差來確定球磨機料位。周鳳等［27］提出將超聲波探頭安裝在球磨機筒體內部非轉動部位，從而實現對料位的實時測量。該方法的優點是實現了對磨機負荷的直接檢測，但是鋼球和物料對探頭均有損壞作用，高強度的持續振動和超聲波發射器表面的粉塵凝結將會大大降低測量精度。

(2)聲發射波法。聲發射波法主要是利用物料在研磨過程中物理形狀會發生改變并釋放能量，其中部分能量轉化為瞬態變化的聲發射波。該方法的優點是可采用聲發射波傳感器提取信號，從而實現對磨機負荷的檢測;缺點是聲發射波在長距離惡劣條件下傳播會發生衰減且信號易畸變。

(3)聲－超聲法:禤莉明［28］利用蘭姆波在薄鋼板上的傳播特性，在球磨機外部采用聲－超聲的方式對球磨機筒體內料位進行測量。該方法利用了聲波在金屬筒壁中傳播時衰減較小的特性，但是由于筒體內部環境臟亂復雜，因此干擾了發射波。

3.6 基于神經網絡的檢測方法

近年來，隨著人工神經網絡理論的發展，人們逐漸將其引入磨機負荷的檢測當中。孫景敏等［29］采用RBF 神經網絡對振聲、功率和軸承振動等外部信號進行數據融合，從而預測出球磨機內部的介質填充率、球料比和礦漿濃度等參數;Bhaumik 等［30］直接采用時域信號識別磨機負荷狀態，以BP 神經網絡預測磨礦產品粒度分布;Kang 等［31］以Hilbert 變換時域信號處理方法提取表征料位信息的低頻段特征向量，利用BP 神經網絡實現了磨煤機料位的自動識別;毛益平［32］提出了利用磨音倍頻中心頻率頻譜分布來分析球磨機內部參數關系的變化規律，并應用RBF 神經網絡建立了球磨機參數模型，但是該方法目前僅局限于實驗研究階段;王東風等［33］提出了基于前向復合神經網絡的分工況學習的變結構式磨機負荷軟測量模型，球磨機正常運行時采用延時神經網絡，球磨機飽磨運行時則采用回歸神經網絡，球磨機運行狀態采用模糊方法劃分，以球磨機出口溫度、壓差、給料量、熱風流量和再循環風流量作為模型輸入;王東風等［34］提出了并行RBF 神經網絡的磨機負荷檢測方法;張自成等［35］提出了基于BP 改進算法的回歸神經網絡與延時神經網絡綜合磨機負荷軟測量模型;司剛全等［36］通過2 個并行網絡獲得磨機負荷以及負荷變化率的復合式神經網絡;李勇等［37］引入灰色理論，應用一致關聯度算法得出給料量、給料粒度、返砂量和溢流濃度等信號不符合關聯度要求，而以振聲、軸承壓力和磨機功率作為RBF 神經網絡模型的輸入參數，對球磨機內部介質填充率進行了實時估計;呂立華［38］提出了結合多個小波網絡與偏最小二乘方法組成多小波網絡的結構，各單個小波網絡的預測輸出通過偏最小二乘方法連接，以克服數據間的多重相關性，文中以球磨機振動信號、壓差信號和功率信號為多小波網絡的輸入，以給料機的轉速和壓差信號相結合保證模型工作范圍的方法建立了磨機負荷軟測量模型。

4 結 語

目前，對于磨機負荷的檢測仍以間接法居多，與此同時，人工神經網絡也逐漸被引入磨機負荷軟測量的研究當中，該方法的優點在于神經網絡具有的非線性映射能力，缺點在于訓練時間過長，系統性能易于受到訓練樣本集的限制，從而不能獲得較為精準的導師信號，因此還難以實現在實際生產中的應用。磨機負荷檢測屬于典型的“黑箱”問題，其未來發展趨勢仍可能以間接檢測為主，可歸結為以下幾個方面:①磨礦過程產生了大量的生產數據，利用數據挖掘技術尋找出隱藏在生產數據背后的磨機負荷與各變量之間的關系，可以有效地識別出不同工況下的磨機負荷;②將機器學習方法引入磨機負荷的檢測之中，從而預測磨機負荷的變化趨勢;③結合多種檢測技術，建立針對磨機負荷檢測的多信息融合模型;④目前的檢測方法多適用于離線分析，所以磨機負荷在線軟測量技術的推廣必將提高檢測效率;⑤提高磨音電耳的抗噪聲性能，可大幅提高磨機負荷的檢測精度。

［1］ 葛之輝，曾云南，趙保坤.選礦過程自動檢測與自動化綜述［J］.中國礦山工程，2006，35(6):37-42.

Ge Zhihui，Zeng Yunnan，Zhao Baokun. Summing-up of automatic detecting and automation in mineral processing［J］.China Mine Engineering，2006，35(6):37-42.

［2］ 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):19-23.

Wang Zehong，Chen Bingchen. Present state and development trend for ball mill load measurement［J］.China Powder Science and Technology，2001，7(1):19-23.

［3］ 李曉嵐，曾云南.選礦自動化技術的新進展［J］.金屬礦山，2006(6):61-64.

Li Xiaolan，Zeng Yunnan.New progress in automation technology for beneficiation［J］.Metal Mine，2006(6):61-64.

［4］ 王豐雨，張 覃，黃宋魏.我國選礦自動化評述［J］.國外金屬礦選礦，2006(8):18-21.

Wang Fengyu，Zhang Tan，Huang Songwei.Review of Chinese beneficiation automation［J］. Metallic Ore Dressing Abroad，2006(8):18-21.

［5］ 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):1095-1098.

Zhou Ping，Chai Tianyou. Intelligent monitoring and control of mill load for grinding process［J］. Control Theory ＆ Application，2008，25(6):1095-1098.

［6］ 湯 健，趙立杰，岳 恒，等. 磨機負荷檢測方法研究綜述［J］.控制工程，2010，17(5):565-574.

Tang Jian，Zhao Lijie，Yue Heng，et al.Present status and future development of detection method for mill load［J］.Control Engineering of China，2010，17(5):565-570.

［7］ 周榮亮，張彥斌，崔棟剛，等. 水泥磨負荷控制系統研究及應用［J］.控制工程，2003，10(6):518-520.

Zhou Rongliang，Zhang Yanbin，Cui Donggang，et al. Load control system of cement ball mill and its application［J］.Control Engineering of China，2003，10(6):518-520.

［8］ 張彥斌，賈立新，楊 波，等. 自尋優－模糊控制策略在球磨機控制中的實現［J］.電力系統自動化，1999，23(17):23-25.

Zhang Yanbin，Jia Lixin，Yang Bo，et al. Realization of self-optimizing fuzzy control strategy in ball mill coal pulverizer Control［J］.Automation of Electric Power Systems，1999，23(17):23-25.

［9］ 楊志剛，趙莉婭，薄敬東.基于磨音信號的磨機負荷模型［J］. 河北聯合大學:自然科學版，2011，33(2):65-69.

Yang Zhigang，Zhao Liya，Bo Jingdong. Mill load model based on mill sound signals［J］. Journal of Hebei United University:Natural Science Edition，2011，33(2):65-69.

［10］ 張 杰，王建民，楊志剛，等.基于功率譜分析的球磨機負荷模型［J］.工礦自動化，2013，39(12):43-47.

Zhang Jie，Wang Jianmin，Yang Zhigang，et al. Load model of ball mill based on power spectrum analysis［J］.Industry and Mine Automation，2013，39(12):43-47.

［11］ 張 杰，王建民，楊志剛，等.承德某選礦廠磨機運行專家系統［J］.金屬礦山，2013(7):144-148.

Zhang Jie，Wang Jianmin，Yang Zhigang，et al. Expert system of mill running in a dressing plant from Chengde［J］. Metal Mine，2013(7):144-148.

［12］ 孫利波.球磨過程的數學模型及其試驗研究［D］.濟南:山東大學，2006.

Sun Libo.Model for Ball Mill and Test Investigation of Its Process［D］.Jinan:Shandong University，2006.

［13］ 湯 健，趙立杰，岳 恒，等.基于遺傳算法－偏最小二乘進行譜特征選擇的磨機負荷軟測量方法［C］.第二十九屆中國控制會議論文集，2010:5066-5071.

Tang Jian，Zhao Lijie，Yue Heng，et al. Soft Sensor Method of Mill Load for Grinding Process Based on GA-PLS from Spectral Data Using Feature Selection［C］.Proceedings of the 29th Chinese Control Conference，2010:5066-5071.

［14］ 湯 健，柴天佑，趙立杰，等.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.

Tang Jian，Chai Tianyou，Zhao Lijie，et al. Ensemble modeling for parameters of ball-mill load in grinding process based on frequency spectrum of shell vibration［J］. Control Theory ＆ Application，2012，29(2):183-191.

［15］ 湯 健，柴天佑，余 文，等.在線KPLS 建模方法及在磨機負荷參數集成建模中的應用［J］. 自動化學報，2013，39(5):471-486.

Tang Jian，Chai Tianyou，Yu Wen，et al. On-line KPLS algorithm with application to ensemble modeling parameters of mill load［J］.Acta Automatica Sinica，2013，39(5):471-486.

［16］ Bhaumik A，Banerjee S，Sil J.Designing of intelligent expert control system using petri net for grinding mill operation［J］. WSEAS Transactions on Application，2005，2(4):360-365.

［17］ 孫麗華，曲瑩軍，張延斌，等.鋼球磨煤機負荷檢測方法的研究及實現［J］.熱力發電，2004，7(11):25-28.

Sun Lihua，Qu Yingjun，Zhang Yanbin，et al. Study on load detection method for ball mills in powder plant and realization［J］.Thermal Power Generation，2004，7(11):25-28.

［18］ 曾 旖，張延斌，劉衛峰，等.基于DSP 的磨機負荷檢測儀的研制［J］.儀表技術與傳感器，2005(7):14-16.

Zeng Yi，Zhang Yanbin，Liu Weifeng，et al. Development of mill load measurement instrument based on DSP［J］. Instrument Technique and Sensor，2005(7):14-16.

［19］ Behera B，Mishra B K，Murty C V R. Experinental analysis of charge dynamics in tumbling mills by vibration signature technique［J］.Minerals Engineering，2007，20(1):84-91.

［20］ Gugel K，Palacios G.Improving ball mill control with modern tools based on digital signal processing technology［C］∥Cement Industry Technical Conference.Dallas:［s.n.］，2003:311-318.

［21］ Gugel K，Moon R M.Automated mill control using vibration signal processing［C］∥Cement Industry Technical Conference Record，IEEE 2007.Charleston:［s.n.］，2007:17-25.

［22］ 曹 暉，張彥斌，司剛全，等.基于自尋優－采樣控制的火電廠磨機負荷控制系統的研究［J］. 工業控制計算機，2006，19(11):15-16.

Cao Hui，Zhang Yanbin，Si Gangquan，et al. Mill load control system of based on self-optimization and sampling control［J］. Industrial Control Computer，2006，19(11):15-16.

［23］ 王穎潔，呂震中.軸承振動信號在球磨機負荷控制系統中的應用研究［J］.電力設備，2004，5(9):41-43.

Wang Yingjie，Lu Zhenzhong.Application study of bearing vibration signal in the load control system of tube mill［J］.Electrical Equipment，2004，5(9):41-43.

［24］ 劉 蓉，呂震中.基于內模－PID 控制的球磨機負荷控制系統的設計［J］.電力設備，2005，6(1):30-33.

Liu Rong，Lu Zhenzhong. Internal model-PID control based design of load control system of tube mill［J］.Electrical Equipment，2005，6(1):30-33.

［25］ 唐耀庚.模糊邏輯控制在磨機負荷控制中的應用［J］. 電氣傳動，2002，7(5):31-33.

Tang Yaogeng.Fuzzy logic for load control of the grinding mill［J］.Electric Drive，2002，7(5):31-33.

［26］ 李法眾.噪音功率聯合控制系統在RKD 420/650 磨煤機料位控制中的應用［J］.熱力發電，2006，25(5):25-27.

Li Fazhong.Application of combined noise-power control system in material level control for RKD 420/650 coal pulverzier［J］. Thermal Power Generation，2006，25(5):25-27.

［27］ 周 鳳，馮曉露. 基于超聲料位測量的鋼球磨煤機料位模糊PID 控制［J］.機電工程，2008，25(7):95-98.

Zhou Feng，Feng Xiaolu.Fuzzy-PID control system for level of ball mill based on level ultrasonic measurement［J］. Mechanical ＆ Electrical Engineering Magazine，2008，25(7):95-98.

［28］ 禤莉明.球磨機料位超聲測量與制粉系統運行遺傳優化方法研究［D］.重慶:重慶大學，2006.

Xuan Liming. Research on Ultrasonic Measurement of Mass Level in Coal Ball Mill and Generic Optimization Method of Pulverizer System Operation［D］.Chongqing:Chongqing University，2006.

［29］ 孫景敏，李世厚.基于信息融合技術的球磨機三因素負荷檢測研究［J］.云南冶金，2008，37(1):16-19.

Sun Jingmin，Li Shihou.Research for three factors on load examination of the ball mill based on information fusion［J］.Yunnan Metallurgy，2008，37(1):16-19.

［30］ Bhaumik A，Sil J，Maity S，et al. Designing an intelligent expert control system using acoustic signature for grinding mill operation［C］∥IEEE Conference on Industrial Technology，ICIT 2006.Mumbai:［s.n.］，2006:500-505.

［31］ Kang E，Guo Y，Du Y，et al. Acoustic vibrations signal processing and analysis in ball mill［C］∥Proceedings of 6th World Congress on Intelligent Control and Automation，IEEE 2006. Dalian:［s.n.］，2006:6690-6693.

［32］ 毛益平.磨礦過程智能控制策略的研究［D］. 沈陽:東北大學，2001.

Mao Yiping. Study on Intelligence Control Strategy of Ball Mill Process［D］.Shenyang:Northeastern University，2001.

［33］ 王東風，宋之平.基于神經元網絡的制粉系統球磨機負荷軟測量［J］.中國電機工程學報，2001，21(12):97-99.

Wang Dongfeng，Song Zhiping. A study on the soft-sensing of coal load in ball mill tube of pulverized system based on neural networks［J］.Proceeding of the CSEE，2001，21(12):97-99.

［34］ 王東風，韓 璞.基于RBF 神經網絡的球磨機負荷軟測量［J］.儀器儀表學報，2002，23(3):311-312.

Wang Dongfeng，Han Pu.Soft-sensing of coal load in ball mill tube of pulverizing system［J］.Chinese Journal of Scientific Instrument，2002，22(3):311-312.

［35］ 張自成，費敏銳.基于人工神經網絡的中速磨存煤量軟測量方法［J］.自動化儀表，2006，14(5):59-62.Zhang Zicheng，Fei Minrui. Artificial neural network based softsensing for quantity of reserving coal in medium speed mill［J］.Process Automation Instrument Entation，2006，14(5):59-62.

［36］ 司剛全，曹 暉，王靖程，等.基于復合式神經網絡的火電廠筒式鋼球磨煤機負荷軟測量［J］.熱力發電，2007，18(5):64-67.

Si Gangquan，Cao Hui，Wang Jingcheng，et al. Load soft sensor for tube type ball mill based on composite neural network in thermal power plant［J］.Thermal Power Generation，2007，18(5):64-67.

［37］ 李 勇，邵 誠.灰色軟測量在介質填充率檢測中的應用研究［J］.中國礦業大學學報，2006，35(4):549-555.

Li Yong，Shao Cheng. Application research of grey soft sensor for charge ratio of media［J］.Journal of China University of Mining and Technology，2006，35(4):549-555.

［38］ 呂立華.復雜工業系統基于小波網絡與魯棒估計建模方法研究［D］.杭州:浙江大學，2001.

Lu Lihua. Complex Industrial System Modeling Based on Wavelet Networks and Robust Estimation［D］. Hangzhou:Zhejiang University，2001.