[发明专利]基于声音时频域分析的球磨机工况识别方法、系统和装置

说明书

本发明公开了一种基于声音时频域分析的球磨机工况识别方法、系统和装置，将声音识别技术应用于检测球磨机粉磨作业时的运行工况上，采集球磨机在欠磨、正常磨和饱磨三种工况下磨音数据，按照球磨机磨音信号在梅尔频率倒谱系数表现的特点，选择提取球磨机在欠磨、正常磨和饱磨的三种状况下的24维梅尔频率倒谱系数；将梅尔频率倒谱系数特征和短时能量特征，以经典的concat特征融合方法进行特征融合；将一段球磨机磨音送入基于HMM模型的球磨机工况声学模型中，看是否能识别出该磨音表征的球磨机工况，测试效果是否合理。避开传统人工判断的不利影响，实现球磨机粉磨作业时的运行工况的自动识别，提高和保证球磨机工况识别率的准确率和稳定性。

技术领域

本发明涉及球磨机粉磨作业工艺技术领域，具体来说，涉及一种声音短时能量和梅尔频率倒谱系数的球磨机工况识别方法和系统，即基于声音时频域分析的球磨机工况识别方法、系统和装置。

背景技术

粉磨作业在选矿工业、化学工业和建筑工业等方面，都占有极重要的地位。例如，选矿工业的基本工序就是破碎和磨细，矿料经过破碎机破碎后，根据实际生产工艺要求的矿料粒度，破碎后的矿料还必须经过粉磨机磨细，达到目标生产质量。其中，进行高精磨的球磨机的运转率和效率，通常决定了粉磨过程甚至整个工艺全流程的生产效率和指标。但目前大多数工业部门使用的是电动型球磨机，在使用的过程中有个显著的缺点是耗电量较大，并且若是球磨机按湿式作业方式来研磨矿料时，还得考虑球磨机内部的磨矿浓度和出浆的质量是否符合生产期望目标，因为球磨机内部状况复杂，涉及了破碎力学、矿浆流变学、机械振动与噪声学。因此，能够有效地判断球磨机内部的具体运行工况，是提升该工艺经济效益和减少电能损耗的关键。但目前的主要判断方式是传统的人工判断法，即对球磨机工况的判断和控制取决于技术人员的经验和熟练程度，影响了对球磨机工况判断的准确率和稳定性。

发明内容

本发明所要解决的技术问题是针对现有技术的上述缺陷，提供一种基于声音时频域分析的球磨机工况识别方法、系统和装置，避开传统人工判断的不利影响，实现球磨机粉磨作业时的运行工况的自动识别，提高和保证球磨机工况识别率的准确率和稳定性。

本发明为解决上述技术问题所采用的技术方案是：

一种基于声音时频域分析的球磨机工况识别方法，其特征在于：将声音识别技术应用于检测球磨机粉磨作业时的运行工况上，包括以下步骤：

S1、球磨机磨音数据采集和数据预处理，包括：采集球磨机在欠磨、正常磨和饱磨三种工况下磨音数据，依据采集的磨音数据建立声音库，并对声音库中磨音数据进行数据预处理；

S2、提取球磨机磨音信号频域梅尔频率倒谱系数特征向量，按照球磨机磨音信号在梅尔频率倒谱系数表现的特点，选择提取球磨机在欠磨、正常磨和饱磨的三种状况下的24维梅尔频率倒谱系数；

S3、提取球磨机磨音信号时域的短时能量特征；将梅尔频率倒谱系数特征和短时能量特征，以经典的concat特征融合方法进行特征融合；

S4、建立球磨机工况声学模型：将步骤S3融合的特征进行特征矢量量化，并将矢量量化的特征输入到HMM模型中进行训练，得到基于HMM模型的球磨机工况声学模型；

S5、球磨机工况识别系统实验测试：将一段球磨机磨音送入基于HMM模型的球磨机工况声学模型中，看是否能识别出该磨音表征的球磨机工况，测试效果是否合理。

上述技术方案中，所述步骤S1中球磨机磨音数据预处理具体包括如下步骤：

S11、将采集到的三种工况下磨音数据分别切割成以2秒为单位的样本数据建立声音库，之后进行包括预加重、加窗分帧步骤在内的数据预处理；

S12、预加重采用如公式(1)所示的FIR滤波器实现，

H(z)＝1-az^-1 (1)