王海軍 劉建博

(1.礦冶科技集團(tuán)有限公司，北京100160；2.東北大學(xué) 資源與土木工程學(xué)院，沈陽 110004)

大型旋轉(zhuǎn)機(jī)械設(shè)備(如半自磨機(jī)、球磨機(jī)、磨煤機(jī))在地下選礦生產(chǎn)中有較好的應(yīng)用前景，其運(yùn)行狀態(tài)和性能直接關(guān)系到生產(chǎn)效率和安全。然而，由于機(jī)械結(jié)構(gòu)和運(yùn)行環(huán)境的復(fù)雜性，這些設(shè)備常常面臨振動(dòng)問題。機(jī)械振動(dòng)不僅會(huì)降低機(jī)械設(shè)備的工作效率，還可能引發(fā)硐室圍巖結(jié)構(gòu)破壞。因此，對(duì)大型旋轉(zhuǎn)機(jī)械設(shè)備中的振動(dòng)特征進(jìn)行準(zhǔn)確識(shí)別和分析，尤其是與旋轉(zhuǎn)基本特征相對(duì)應(yīng)的低頻振動(dòng)頻率的識(shí)別研究對(duì)于實(shí)現(xiàn)地下選礦廠硐室長(zhǎng)期穩(wěn)定性的安全可靠運(yùn)行具有深遠(yuǎn)的理論意義和科學(xué)價(jià)值，有必要對(duì)近年來國(guó)內(nèi)外學(xué)者及工程技術(shù)人員針對(duì)與半自磨機(jī)類似的球磨機(jī)、磨煤機(jī)等設(shè)備，從數(shù)據(jù)采集及分析方法、改進(jìn)設(shè)備作業(yè)效率、監(jiān)控設(shè)備運(yùn)行性能及保持設(shè)備基礎(chǔ)穩(wěn)定等方面開展研究分析。

1 磨機(jī)(半自磨)機(jī)械振動(dòng)基本特征、振動(dòng)數(shù)據(jù)采集及分析方法

國(guó)內(nèi)外學(xué)者對(duì)磨機(jī)機(jī)械振動(dòng)基本機(jī)理開展了較多的研究工作。AUSTIN等揭示了破碎過程可被視為三個(gè)區(qū)域破碎作用的總和：由介質(zhì)(鋼球或礦石)之間的顆粒夾持引起的正常破碎，當(dāng)顆?；驂K狀物相對(duì)于介質(zhì)太大而不易被夾緊時(shí)，介質(zhì)造成的異常斷裂，以及巖石塊體在翻滾作用下的碎裂和磨損所引起的自破碎，并指出破碎作用的每個(gè)區(qū)域都有特定的破碎率和碎片分布[1]。

基于磨機(jī)振動(dòng)機(jī)理可知半自磨機(jī)的振動(dòng)數(shù)據(jù)組成是復(fù)雜的。GAO等[2]通過自適應(yīng)變分模態(tài)分解(VMD)和改進(jìn)功率譜有效全面提取了磨機(jī)磨礦過程中的振動(dòng)數(shù)據(jù)，發(fā)現(xiàn)磨機(jī)機(jī)械振動(dòng)頻率主要在0～20 kHz，振動(dòng)幅度與磨機(jī)處理能力、物料塊度密切相關(guān)。TANG等[3]通過磨機(jī)振動(dòng)頻率范圍識(shí)別分析，將機(jī)械振動(dòng)頻率主要分為兩個(gè)大類：一類是與破碎過程密切相關(guān)的高頻機(jī)械振動(dòng)(磨音大于100 Hz)，另外一類是與磨機(jī)設(shè)備剛度相關(guān)的低頻機(jī)械振動(dòng)(磨音小于100 Hz)。對(duì)于高頻和低頻機(jī)械振動(dòng)，國(guó)內(nèi)外學(xué)者都針對(duì)振動(dòng)信號(hào)數(shù)據(jù)采集、振動(dòng)信號(hào)處理方法也做過很多研究工作。如彭奕亮等[4]通過測(cè)試基礎(chǔ)上、下臺(tái)板和設(shè)備本體的振動(dòng)位移和加速度，并考慮中速磨煤機(jī)與基礎(chǔ)的動(dòng)力相互作用，評(píng)價(jià)了彈簧隔振基礎(chǔ)中速磨煤機(jī)的振動(dòng)性態(tài)。TANG等[3]提出了一種基于振動(dòng)頻譜的濕式球磨機(jī)磨削載荷參數(shù)的特征提取與選擇方法，通過將振動(dòng)加速度信號(hào)快速傅里葉變換(FFT)轉(zhuǎn)化為頻譜，從頻譜中提取和選擇候選特征，包括特征頻率子帶、頻譜主成分和局部峰值特征，利用互信息、譜段聚類和核主成分分析來獲得候選特征，再采用基于自適應(yīng)遺傳算法的組合優(yōu)化方法同時(shí)選擇軟測(cè)量模型的輸入子集和參數(shù)，并應(yīng)用于實(shí)驗(yàn)室規(guī)模的濕式球磨機(jī)。王恒等[5]針對(duì)球磨機(jī)料位檢測(cè)的現(xiàn)實(shí)需要，提出了一種球磨機(jī)筒體振動(dòng)信號(hào)采集方法，結(jié)合筒內(nèi)料位分布特點(diǎn)，確定了筒體振動(dòng)傳感器類型和測(cè)點(diǎn)位置，確定了筒體信號(hào)無線采集的系統(tǒng)構(gòu)成，基于鋼球沖擊模型和理想化鋼球分層模型，并結(jié)合采集的筒體實(shí)際振動(dòng)數(shù)據(jù)確定了筒體振動(dòng)信號(hào)的采樣參數(shù)。楊志剛等[6]簡(jiǎn)述了球磨機(jī)的發(fā)聲機(jī)理，分析了球磨機(jī)填充率、筒體轉(zhuǎn)速以及鋼球大小等因素對(duì)磨音的影響，歸納總結(jié)了近年來磨機(jī)負(fù)荷的檢測(cè)方法：基于數(shù)學(xué)模型的軟測(cè)量方法、磨音法、振動(dòng)法、功率法、超聲波方法和基于神經(jīng)網(wǎng)絡(luò)的方法。MOHANTY等[7]利用微機(jī)電系統(tǒng)(MEMS)加速度計(jì)傳感器對(duì)工業(yè)濕式球磨機(jī)的振動(dòng)特征進(jìn)行了分析，信號(hào)采集使用兩個(gè)無線加速度計(jì)傳感器安裝在球磨機(jī)進(jìn)料端和出料端，驗(yàn)證銅礦石的磨礦狀態(tài)，通過對(duì)比進(jìn)料前后的振動(dòng)譜，估算出球磨機(jī)內(nèi)礦石的實(shí)際磨礦狀態(tài)，從頻譜分析中確定了強(qiáng)度的限制閾值水平，以監(jiān)測(cè)所需的礦石研磨狀態(tài)，并利用皮爾遜相關(guān)系數(shù)(Pearson correlation)分析了樣本長(zhǎng)度及其與磨機(jī)轉(zhuǎn)速的相關(guān)性對(duì)確定實(shí)際振動(dòng)特征的影響?？祹r等[8]針對(duì)采用傳統(tǒng)方法建立球磨機(jī)料位軟測(cè)量模型存在測(cè)量精度不高和穩(wěn)定性較低的缺點(diǎn)，提出一種結(jié)合深度信念網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)的軟測(cè)量方法。許永強(qiáng)等[9]通過采集軸承座振動(dòng)信號(hào)，采用自回歸(Auto Regressive，AR)模型對(duì)振動(dòng)信號(hào)進(jìn)行特征提取和進(jìn)行功率譜估計(jì)，研究了5種充填率條件下的磨機(jī)負(fù)荷參數(shù)與信號(hào)時(shí)域特征的相關(guān)性，得出隨著磨礦過程中筒體中鋼球、物料的變化，低頻段、高頻段的頻譜能量值曲線的相應(yīng)變化規(guī)律。SHI等[10]研究了分?jǐn)?shù)階傅里葉變換在聲音信號(hào)中估計(jì)磨機(jī)負(fù)荷參數(shù)的應(yīng)用，根據(jù)聲譜在分?jǐn)?shù)階傅里葉域中的分布，將球磨機(jī)負(fù)荷預(yù)測(cè)策略分為特征提取、離線建模和在線監(jiān)測(cè)三個(gè)部分，并確認(rèn)分?jǐn)?shù)傅里葉域內(nèi)對(duì)軋機(jī)負(fù)荷的估計(jì)是有效的。浦友尚等[11]為有效提取球磨機(jī)磨音信號(hào)特征實(shí)現(xiàn)負(fù)荷識(shí)別，提出了一種基于主元分析法(PCA)的特征提取方法，采集球磨機(jī)的工作磨音信號(hào)，進(jìn)行噪聲處理，再通過Welch法進(jìn)行功率譜估計(jì)，并通過主元分析法進(jìn)行特征提取，最后再通過支持向量機(jī)預(yù)測(cè)模型對(duì)特征提取后的樣本集進(jìn)行了仿真驗(yàn)證。余剛等[12]針對(duì)磨機(jī)負(fù)荷與磨機(jī)運(yùn)行所產(chǎn)生多組分機(jī)械信號(hào)間存在的非確定性復(fù)雜映射關(guān)系，以及運(yùn)行專家基于耳所固有“帶通濾波”效應(yīng)憑借人腦模型有效估計(jì)所熟悉磨機(jī)的負(fù)荷及其內(nèi)部參數(shù)等問題，為獲得具有物理含義和互補(bǔ)特性的多個(gè)單模態(tài)信號(hào)用于磨機(jī)負(fù)荷建模，提出了磨機(jī)筒體振動(dòng)單模態(tài)子信號(hào)選擇方法。蔡改貧等[13]針對(duì)球磨機(jī)振動(dòng)信號(hào)非線性、非平穩(wěn)性特點(diǎn)及總體平均經(jīng)驗(yàn)?zāi)B(tài)分解方法(CEEMDAN)，舍棄高頻分量降噪方法和小波閾值降噪方法存在的不足，提出了一種基于CEEMDAN-小波閾值聯(lián)合的球磨機(jī)筒體振動(dòng)信號(hào)去噪方法。羅小燕等[14]針對(duì)球磨機(jī)在磨礦過程中負(fù)荷靠經(jīng)驗(yàn)難以準(zhǔn)確判斷的問題，提出了一種基于改進(jìn)的經(jīng)驗(yàn)小波變換(Empirical Wavelet Transform，EWT)-多尺度熵和核極限學(xué)習(xí)機(jī)(KELM)的球磨機(jī)負(fù)荷識(shí)別方法。CAI等[15]提出了一種基于改進(jìn)經(jīng)驗(yàn)小波變換(EWT)、改進(jìn)復(fù)合多尺度離散熵(RCMDE)和煙花算法(FWA)優(yōu)化支持向量機(jī)的新方法，利用改進(jìn)的EWT對(duì)振動(dòng)信號(hào)進(jìn)行降噪，利用三次樣條插值計(jì)算包絡(luò)譜進(jìn)行分割，然后計(jì)算去噪后信號(hào)的rcmde作為特征向量，用主成分分析(PCA)對(duì)矢量進(jìn)行降維，建立了基于FWA優(yōu)化支持向量機(jī)的磨機(jī)負(fù)荷預(yù)測(cè)模型，將縮減后的特征向量輸入模型，輸出料球比和填充率，所提出的球磨機(jī)負(fù)荷預(yù)測(cè)方法具有較高的精度和穩(wěn)定性。

2 磨機(jī)(半自磨)機(jī)械振動(dòng)數(shù)據(jù)應(yīng)用

近年來，國(guó)內(nèi)外學(xué)者把磨機(jī)(半自磨)機(jī)械振動(dòng)數(shù)據(jù)作為反應(yīng)磨機(jī)(半自磨)作業(yè)狀態(tài)和故障診斷的依據(jù)，開展了較多的相關(guān)研究工作。如TANG等[16]基于實(shí)驗(yàn)室規(guī)模的球磨機(jī)殼體振動(dòng)信號(hào)，對(duì)濕磨載荷進(jìn)行了分析，利用遺傳算法-偏最小二乘(GA-PLS)技術(shù)建立了軋機(jī)負(fù)荷振動(dòng)信號(hào)與軋機(jī)運(yùn)行參數(shù)之間的軟測(cè)量模型，并進(jìn)行了工業(yè)規(guī)模球磨機(jī)驗(yàn)證。湯健等[17]針對(duì)磨礦過程的磨機(jī)負(fù)載難以有效確定和檢測(cè)，尤其是球磨機(jī)常運(yùn)行在欠負(fù)荷狀態(tài)，造成該過程難以實(shí)現(xiàn)優(yōu)化控制和節(jié)能降耗的難題，提出了采用料球比、濃度及充填率三個(gè)負(fù)荷參數(shù)對(duì)磨礦負(fù)載進(jìn)行軟測(cè)量建模的方法，也提出了基于頻域特征提取與多傳感器信息融合的磨機(jī)工作負(fù)載軟測(cè)量新方法[18]。黃鵬等[19]通過實(shí)驗(yàn)采集了不同給煤量工況下球磨機(jī)筒體與軸承座振動(dòng)信號(hào)，然后根據(jù)料位與球磨機(jī)筒體及軸承座振動(dòng)之間的關(guān)系對(duì)原始振動(dòng)信號(hào)進(jìn)行了濾波處理，比較了球磨機(jī)筒體與軸承座振動(dòng)料位特征量。王恒等[20]針對(duì)球磨機(jī)優(yōu)化工況監(jiān)測(cè)的不足，提出了一種基于筒體振動(dòng)信號(hào)的球磨機(jī)優(yōu)化工況監(jiān)測(cè)方法。傅貴興[21]通過對(duì)機(jī)械振動(dòng)譜圖的分析診斷，找出了球磨機(jī)故障產(chǎn)生的原因和確定的故障部位。HUANG等[22]通過采集的振動(dòng)信號(hào)對(duì)填料液位變化具有較高的靈敏度，為準(zhǔn)確測(cè)量填料液位提供了可靠依據(jù)。李聲旭等[23]使用半自磨機(jī)機(jī)械振動(dòng)數(shù)據(jù)對(duì)減速機(jī)故障發(fā)生過程進(jìn)行趨勢(shì)監(jiān)控，由事后維修轉(zhuǎn)變?yōu)轭A(yù)防性維修。趙明等[24]通過在球磨機(jī)軸承上安裝振動(dòng)傳感器獲取軸承振動(dòng)信號(hào)，并利用小波包頻帶順序分解技術(shù)進(jìn)行振動(dòng)信號(hào)特征提取，以表征不同球徑配比的特征量，最后通過統(tǒng)計(jì)分析對(duì)球徑配比做出評(píng)判。鐘慶海[25]采用振動(dòng)傳感器對(duì)電機(jī)自由端、驅(qū)動(dòng)端和小齒輪驅(qū)動(dòng)端、自由端及進(jìn)料端主軸承、出料端主軸承進(jìn)行在線監(jiān)測(cè)，及時(shí)消除了半自磨機(jī)的振動(dòng)故障，防止了故障事故的擴(kuò)大，使半自磨機(jī)穩(wěn)定運(yùn)行，為振動(dòng)檢測(cè)技術(shù)在大型低速旋轉(zhuǎn)設(shè)備振動(dòng)故障診斷、分析、處理中的應(yīng)用提供了成功案例。胡顯能等[26]針對(duì)球磨機(jī)負(fù)荷特征提取難以及負(fù)荷狀態(tài)識(shí)別難的問題，將多尺度排列熵引入到球磨機(jī)負(fù)荷識(shí)別中，提出一種具有自適應(yīng)噪聲的完整集成經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)與多尺度排列熵(MPE)相結(jié)合的球磨機(jī)負(fù)荷識(shí)別方法。蔡改貧等[27]針對(duì)球磨機(jī)磨礦過程中負(fù)荷難以檢測(cè)和不能準(zhǔn)確判斷負(fù)荷狀態(tài)的問題，提出了一種基于CEEMDAN-云模型特征熵和LSSVM的磨機(jī)負(fù)荷預(yù)測(cè)方法，用完整集成經(jīng)驗(yàn)分解算法(CEEMDAN)對(duì)不同負(fù)荷的磨機(jī)振動(dòng)信號(hào)進(jìn)行分解，通過使用相關(guān)系數(shù)法選取敏感模態(tài)分量重構(gòu)信號(hào)，利用逆向云發(fā)生器計(jì)算重構(gòu)信號(hào)的云模型特征熵作為信號(hào)的表征參數(shù)，運(yùn)用正向云發(fā)生器生成云模型特征向量的云滴圖。羅小燕等[28]針對(duì)單一因素的球磨機(jī)負(fù)荷預(yù)測(cè)時(shí)存在的局限性問題，分別提取磨礦過程中振動(dòng)、磨音、電流的特征信息值，采用網(wǎng)格搜索與交叉驗(yàn)證相結(jié)合的支持向量機(jī)(SVM)磨機(jī)負(fù)荷預(yù)測(cè)方法判斷磨機(jī)負(fù)荷的類型，提出了磨機(jī)負(fù)荷的多源異類信號(hào)特征層融合方法。袁鑄等[29]為對(duì)球磨機(jī)進(jìn)行振動(dòng)監(jiān)測(cè)與故障診斷，在現(xiàn)有一些小波閾值去噪方法的基礎(chǔ)上提出一種新的閾值去噪算法，并對(duì)去噪后的信號(hào)進(jìn)行小波分解和Hilbert小波包絡(luò)譜分析，實(shí)現(xiàn)了有效應(yīng)用。鄧海英等[30]基于振動(dòng)信號(hào)分析的球磨機(jī)工況檢測(cè)技術(shù)進(jìn)行了論述。LUO等[31]提出了一種基于互補(bǔ)集成經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)—精化復(fù)合多尺度色散熵(RCMDE)—長(zhǎng)短期記憶(LSTM)神經(jīng)網(wǎng)絡(luò)的磨機(jī)負(fù)荷參數(shù)預(yù)測(cè)方法，并選用CEEMDAN算法對(duì)強(qiáng)噪聲作用下的磨機(jī)機(jī)筒振動(dòng)信號(hào)進(jìn)行分解，再采用相關(guān)系數(shù)法選取與原始信號(hào)具有強(qiáng)相關(guān)性的敏感模態(tài)分量進(jìn)行重構(gòu)，并通過RCMDE提取不同載荷參數(shù)下重構(gòu)信號(hào)的特征。

3 磨機(jī)(半自磨)機(jī)械振動(dòng)數(shù)據(jù)數(shù)值模擬及反演

雖然國(guó)內(nèi)外專家學(xué)者針對(duì)磨機(jī)(半自磨)機(jī)械振動(dòng)產(chǎn)生機(jī)理、振動(dòng)信號(hào)采集、分析方法開展了很多研究工作，也取得了很多卓有成效的成果，但磨機(jī)(半自磨)的機(jī)械振動(dòng)組成復(fù)雜，尤其是機(jī)械振動(dòng)過程物料不均、設(shè)備內(nèi)部無法直接觀察、現(xiàn)場(chǎng)監(jiān)測(cè)環(huán)境復(fù)雜等問題造成很難全面掌握磨機(jī)(半自磨)振動(dòng)機(jī)理。

鑒于此，國(guó)內(nèi)外專家學(xué)者通過數(shù)值建模、仿真模擬等手段開展了磨機(jī)(半自磨)機(jī)械振動(dòng)數(shù)據(jù)模擬機(jī)反演的研究工作。如湯健等[32]針對(duì)傳統(tǒng)磨機(jī)負(fù)荷(ML)檢測(cè)方法只能依靠靈敏度較低的軸承振動(dòng)、簡(jiǎn)體振聲和磨機(jī)功率等信號(hào)監(jiān)督判斷ML狀態(tài)，難以檢測(cè)磨機(jī)內(nèi)部負(fù)荷參數(shù)的問題，提出了一種基于高靈敏度的簡(jiǎn)體振動(dòng)頻譜的集成建模方法。針對(duì)磨機(jī)負(fù)荷(ML)軟測(cè)量模型難以適應(yīng)磨礦過程的時(shí)變特性，模型需要依據(jù)工況實(shí)時(shí)在線更新的問題，基于磨機(jī)簡(jiǎn)體振動(dòng)頻譜，通過遞歸主元分析(RPCA)和在線最小二乘支持向量回歸機(jī)(LSSVR)的集成，提出了ML參數(shù)(料球比、礦漿濃度、充填率)在線軟測(cè)量方法[33]。針對(duì)磨機(jī)筒體振動(dòng)和振聲信號(hào)組成復(fù)雜難以解釋、蘊(yùn)含信息存在冗余性和互補(bǔ)性、與磨機(jī)負(fù)荷參數(shù)映射關(guān)系難以描述等問題，提出了基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode decomposition，EMD)技術(shù)和選擇性集成學(xué)習(xí)算法分析筒體振動(dòng)與振聲信號(hào)組成，建立磨機(jī)負(fù)荷參數(shù)軟測(cè)量模型的新方法[34]。針對(duì)目前采用經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Model Decomposition，EMD)得到的系列子信號(hào)構(gòu)建的磨機(jī)負(fù)荷參數(shù)軟測(cè)量模型泛化性能差、難以進(jìn)行清晰物理解釋，以及EMD算法存在的模態(tài)混疊等問題，提出了基于選擇性融合多尺度筒體振動(dòng)頻譜的建模方法[35]。劉永周等[36]根據(jù)中速磨煤機(jī)現(xiàn)場(chǎng)振動(dòng)測(cè)試數(shù)據(jù)，采用ANSYS@程序建立中速磨煤機(jī)—基礎(chǔ)耦合體系的有限元模型，分別進(jìn)行了彈簧隔振基礎(chǔ)和非隔振基礎(chǔ)中速磨煤機(jī)的模態(tài)分析和諧響應(yīng)分析?？祹r等[8]針對(duì)采用傳統(tǒng)方法建立球磨機(jī)料位軟測(cè)量模型存在測(cè)量精度不高和穩(wěn)定性較低的缺點(diǎn)，提出一種結(jié)合深度信念網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)的軟測(cè)量方法。劉卓等[37]針對(duì)基于傳統(tǒng)快速傅里葉變換獲得的單尺度筒體振動(dòng)頻譜難以有效揭示磨機(jī)研磨機(jī)理和筒體振動(dòng)信號(hào)組成，以及現(xiàn)有文獻(xiàn)中經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)技術(shù)預(yù)測(cè)精度低的問題，提出了基于偏最小二乘算法的多尺度筒體振動(dòng)頻譜分析與模型構(gòu)建方法。WJCICKI等[38]介紹了波蘭某礦石選礦廠加工工藝線中球磨機(jī)基礎(chǔ)的模態(tài)分析結(jié)果，模態(tài)分析以FEM和OMA兩種方式進(jìn)行，通過試驗(yàn)結(jié)果驗(yàn)證并對(duì)有限元模型進(jìn)行了適當(dāng)?shù)恼{(diào)整。王丹等[39]針對(duì)采用振動(dòng)法對(duì)球磨機(jī)料位測(cè)量時(shí)，其特征值存在非線性和隨機(jī)性強(qiáng)的問題，引入二型模糊邏輯對(duì)球磨機(jī)料位進(jìn)行概念闡釋，基于區(qū)間二型T-S模糊系統(tǒng)建立了球磨機(jī)料位預(yù)測(cè)模型。羅小燕等[40]采用小波分析方法對(duì)球磨機(jī)軸承振動(dòng)信號(hào)進(jìn)行了關(guān)鍵特征提取。劉志剛等[41]通過監(jiān)測(cè)筒體軸承座產(chǎn)生的振動(dòng)信號(hào)，采用Welch法對(duì)其進(jìn)行功率譜估計(jì)，分析信號(hào)功率譜與磨機(jī)筒體內(nèi)負(fù)荷之間的關(guān)系，并采用主元分析法(PCA)對(duì)振動(dòng)譜能量值進(jìn)行降維，得到與負(fù)荷高度相關(guān)的能量譜成分，最后利用支持向量機(jī)(SVM)建立磨機(jī)負(fù)荷參數(shù)分類模型，實(shí)現(xiàn)了磨機(jī)負(fù)荷參數(shù)(填充率、料球比)的預(yù)測(cè)。程瑞輝等[42]針對(duì)采用傳統(tǒng)極限學(xué)習(xí)機(jī)在球磨機(jī)料位軟測(cè)量建模過程中存在魯棒性差、預(yù)測(cè)精度不高等缺點(diǎn)，提出了一種基于最優(yōu)定界橢球(Optimal Bounding Ellipsoid，OBE)改進(jìn)極限學(xué)習(xí)機(jī)(Extreme Learning Ma-chine，ELM)的建模方法。楊小蘭等[43]針對(duì)振動(dòng)磨現(xiàn)有技術(shù)中粉碎效率偏低之現(xiàn)狀，進(jìn)行激振機(jī)構(gòu)動(dòng)力學(xué)分析，利用拉格朗日方程導(dǎo)出其運(yùn)動(dòng)方程，構(gòu)建Adams仿真模型，應(yīng)用優(yōu)化的六頻段變正弦變頻激振曲線，仿真模擬出不同頻段下的混沌態(tài)數(shù)值圖表，如相軌圖、最大Lyapunov指數(shù)變化曲線、振幅-振強(qiáng)分布曲線等。PEDRAYES等[44]探索了DEM在頻域表征滾轉(zhuǎn)球磨機(jī)負(fù)載扭矩的可能性，通過干磨在不同磨機(jī)轉(zhuǎn)速、待磨顆粒和填充水平條件下一系列模擬和實(shí)驗(yàn)測(cè)試，從仿真和隨后的扭矩?cái)?shù)據(jù)處理中發(fā)現(xiàn)了在頻域表征球磨機(jī)的負(fù)載扭矩的可能性，建立了一種能夠估計(jì)磨機(jī)填充水平的方法的基礎(chǔ)理論，表明了球磨機(jī)的負(fù)載轉(zhuǎn)矩信號(hào)包含足夠的信息來明確表征球磨機(jī)的負(fù)載水平。針對(duì)濕式球磨機(jī)在磨礦過程中內(nèi)部負(fù)荷靠專家經(jīng)驗(yàn)難以準(zhǔn)確預(yù)測(cè)的問題，提出一種基于改進(jìn)的共生生物搜索(Ameliorated Symbiotic Organisms Search，簡(jiǎn)稱ASOS)—極限學(xué)習(xí)機(jī)(Extreme Learning Machine，簡(jiǎn)稱ELM)的磨機(jī)負(fù)荷軟測(cè)量方法[45]。李思思等[46]針對(duì)工況改變后數(shù)據(jù)分布差異造成模型失配的問題及球磨機(jī)運(yùn)行時(shí)振動(dòng)信號(hào)的不確定性，研究了半監(jiān)督域適應(yīng)模糊推理的球磨機(jī)負(fù)荷參數(shù)軟測(cè)量方法。YOSHIDA等針對(duì)與半自磨機(jī)及其相似的球磨機(jī)開展了機(jī)械振動(dòng)的特性研究，利用離散元法可以預(yù)測(cè)磨球和物料顆粒等內(nèi)容物的運(yùn)動(dòng)，估計(jì)磨球與磨壁的碰撞力，并采用有限元方法進(jìn)行振動(dòng)分析，計(jì)算了由DEM估計(jì)的碰撞力引起的振動(dòng)時(shí)程響應(yīng)，通過仿真和實(shí)驗(yàn)研究了材料顆粒直徑的變化對(duì)振動(dòng)特性的影響[47]。XIE等[48]結(jié)合剪切沖擊能量模型(SIEM)和離散元法(DEM)，應(yīng)用粒子碰撞能量譜分析了某工業(yè)凹陷磨機(jī)切片中充填料對(duì)磨機(jī)功率、對(duì)礦石沖擊能量以及襯板和介質(zhì)磨損的影響。

4 磨機(jī)(半自磨)機(jī)械振動(dòng)力學(xué)響應(yīng)

近年來，研究者們針對(duì)磨機(jī)(半自磨機(jī))機(jī)械振動(dòng)的驅(qū)動(dòng)機(jī)理、對(duì)設(shè)備基礎(chǔ)的動(dòng)力作用等做了研究工作。RODRGUEZ等[49]介紹了兩種不同的大功率磨機(jī)傳動(dòng)技術(shù)的技術(shù)評(píng)價(jià)和實(shí)踐經(jīng)驗(yàn)，從磨機(jī)驅(qū)動(dòng)源方面重點(diǎn)分析了驅(qū)動(dòng)電機(jī)所需的靜態(tài)功率變換器和相關(guān)控制方案，從電網(wǎng)相互作用、電機(jī)相互作用、控制方案等方面分析了循環(huán)變換器和負(fù)載換相逆變器。豆攀喬等[50]基于結(jié)構(gòu)與設(shè)備動(dòng)力相互作用，現(xiàn)場(chǎng)測(cè)試彈簧隔振基礎(chǔ)中速磨煤機(jī)的振動(dòng)反應(yīng)，根據(jù)測(cè)試結(jié)果評(píng)估了中速磨煤機(jī)的振動(dòng)安全性，采用ANSYS(R)程序建立有限元模型，進(jìn)行模態(tài)分析和諧響應(yīng)分析。孫經(jīng)周等[51]根據(jù)中速磨煤機(jī)現(xiàn)場(chǎng)振動(dòng)測(cè)試數(shù)據(jù)，采用ANSYSOR程序建立中速磨煤機(jī)—基礎(chǔ)耦合體系的有限元模型，分別進(jìn)行了彈簧隔振基礎(chǔ)和非隔振基礎(chǔ)中速磨煤機(jī)的模態(tài)分析和諧響應(yīng)分析。彭奕亮等[4]考慮中速磨煤機(jī)與基礎(chǔ)的動(dòng)力相互作用，測(cè)試了基礎(chǔ)上、下臺(tái)板和設(shè)備本體的振動(dòng)位移和加速度。閆曉芳等[52]為決生產(chǎn)過程中磨煤機(jī)振動(dòng)對(duì)設(shè)備基礎(chǔ)產(chǎn)生的影響，分別對(duì)不同工況條件的磨煤機(jī)進(jìn)行振動(dòng)測(cè)試。

5 結(jié)論

通過現(xiàn)有研究成果可知，對(duì)于磨機(jī)(半自磨)機(jī)械振動(dòng)的研究多集中在振動(dòng)基本特征、振動(dòng)信號(hào)采集與分析、振動(dòng)信號(hào)的應(yīng)用、磨機(jī)(半自磨)機(jī)械振動(dòng)數(shù)據(jù)模擬及反演，磨機(jī)(半自磨)機(jī)械振動(dòng)是多種運(yùn)動(dòng)沖擊力的疊加所致，受磨機(jī)轉(zhuǎn)速、襯板類型和形狀、球徑配比、充填率、料球比、礦漿溫度、礦漿濃度、礦漿黏度、礦漿體積等眾多因素的影響，其機(jī)械振動(dòng)信號(hào)可由速度或加速度傳感器進(jìn)行有效采集。目前研究主要考慮振動(dòng)信號(hào)的采樣頻率、采樣點(diǎn)數(shù)、采樣區(qū)域采集而通過使用傳感器獲取磨機(jī)(半自磨)振動(dòng)加速度及速度信號(hào)，主要通過信號(hào)處理、頻譜分析、模態(tài)分析和功率譜分析等方法分析振動(dòng)信號(hào)獲得包括特征頻率分布、頻譜成分和局部峰值特征。國(guó)內(nèi)外學(xué)者通過磨機(jī)負(fù)荷參數(shù)軟測(cè)量等仿真模擬方法和手段，更好地解決了磨機(jī)(半自磨)機(jī)械振動(dòng)過程物料不均、設(shè)備內(nèi)部無法直接觀察、現(xiàn)場(chǎng)監(jiān)測(cè)環(huán)境復(fù)雜等問題而無法全面掌握磨機(jī)(半自磨)振動(dòng)機(jī)機(jī)理的問題。但受制于磨機(jī)(半自磨)設(shè)備基礎(chǔ)的冗余設(shè)計(jì)，對(duì)磨機(jī)(半自磨)機(jī)械振動(dòng)力對(duì)設(shè)備地基、設(shè)備廠房的響應(yīng)研究工作偏少，尤其是地下選礦廠在國(guó)內(nèi)外先例較少，針對(duì)磨機(jī)(半自磨)機(jī)械振動(dòng)對(duì)硐室圍巖的動(dòng)力響應(yīng)研究不多。從直觀判斷來看，磨機(jī)(半自磨)機(jī)械振動(dòng)與水電機(jī)組機(jī)械振動(dòng)、地鐵振動(dòng)和礦山地下破碎機(jī)機(jī)械振動(dòng)的基本特征、信號(hào)采集與分析以及機(jī)械振動(dòng)數(shù)據(jù)數(shù)值模擬及反演等方面存在較大的相似性，尤其是對(duì)硐室圍巖和建構(gòu)筑物機(jī)械振動(dòng)響應(yīng)研究方法、手段具有高度借鑒性，有必要開展硐室圍巖和建構(gòu)筑物機(jī)械振動(dòng)響應(yīng)研究。