本發(fā)明屬于球磨分析儀領(lǐng)域，具體地說，涉及一種球磨分析儀及其控制方法。

背景技術(shù)：

1、對于針對礦石的各類研磨設(shè)備、球磨機，由于工作原理，很難對于內(nèi)部進(jìn)料量進(jìn)行有效監(jiān)控，完全依賴操作員的經(jīng)驗，根據(jù)研磨設(shè)備釋放的音色、音量情況進(jìn)行調(diào)整，在具體工業(yè)生產(chǎn)過程中，對于產(chǎn)出品質(zhì)、作業(yè)生產(chǎn)效率很難有效提升?，F(xiàn)有解決方案是利用磨音分析儀模仿操作員的耳朵，對于磨音的音量進(jìn)行監(jiān)控，并利用dcs系統(tǒng)控制進(jìn)料，提升作業(yè)自動化水平。

2、現(xiàn)有磨音分析儀，無法動態(tài)反饋物料的品質(zhì)情況。例如不同硬度、濕度的礦石研磨過程所需要時間是不同的；反饋到采集層面，相同的入料量，音頻的頻率、幅度均有所差異；在應(yīng)用層面，相同的音頻反饋所需要的研磨時間會有所差異，需要針對不同品質(zhì)的礦石采用不同的控制策略。

3、這種調(diào)整方式導(dǎo)致系統(tǒng)的版本一致性很差；有效的球磨控制優(yōu)化策略對設(shè)計人員對于地質(zhì)、控制等多方面知識要求較高；對于同一個生產(chǎn)系統(tǒng)，在礦石來源或品質(zhì)發(fā)生變化，也很難快速完成參數(shù)及策略的切換，響應(yīng)速度慢，效率低，不能對球磨容量進(jìn)行精準(zhǔn)的預(yù)測，智能化程度低。

4、有鑒于此特提出本發(fā)明。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種球磨分析儀及其控制方法，通過在礦石球磨過程中，根據(jù)磨音信號實時、動態(tài)地預(yù)測和反饋球磨容量，同時考慮礦石的不同硬度和濕度特性，以提高生產(chǎn)效率和系統(tǒng)響應(yīng)速度。

2、為解決上述技術(shù)問題，本發(fā)明采用技術(shù)方案的基本構(gòu)思是：本發(fā)明提供一種磨音分析儀，包括：

3、收音器，用于接收球磨設(shè)備運行過程中的音頻信號頻段；

4、濾波模塊，用于過濾獲取的音頻信號頻段，篩選出需要的音頻信號頻段；

5、放大模塊，用于對篩選的音頻信號頻段進(jìn)行放大；

6、智能分析模塊，用于獲取放大后的音頻信號頻段，對音頻信號頻段進(jìn)行處理分析和輸出預(yù)測；

7、輸出模塊，用于將輸出預(yù)測結(jié)果轉(zhuǎn)換為實際控制信號，并進(jìn)行輸出；

8、所述處理分析模塊包括：能量譜計算模塊，對音頻信號頻段進(jìn)行頻譜分析，提取各頻段能量作為特征，并結(jié)合歷史狀態(tài)構(gòu)建特征向量；

9、模型推理模塊，利用構(gòu)建的特征向量進(jìn)行處理預(yù)測當(dāng)前的球磨容量。

10、進(jìn)一步地，所述能量譜計算模塊包括：頻譜分析單元，用于接收音頻信號頻段，將音頻信號劃分為若干固定頻段間隔；

11、能量譜計算單元，用于計算每個頻段間隔內(nèi)的頻譜積分值；

12、特征提取單元，用于將能量普計算模塊的頻譜積分值作為特征向量，并結(jié)合前周期的中間狀態(tài)量，利用線性變換和激活函數(shù)對特征向量進(jìn)行處理，并結(jié)合歷史狀態(tài)構(gòu)建特征向量。

13、進(jìn)一步地，所述模型推理模塊包括：循環(huán)神經(jīng)網(wǎng)絡(luò)單元，用于利用循環(huán)神經(jīng)網(wǎng)絡(luò)單元的循環(huán)結(jié)構(gòu)，結(jié)合當(dāng)前輸入和歷史輸入狀態(tài)，計算當(dāng)前周期的狀態(tài)和中間狀態(tài)量；所述模型推理模塊包括多級循環(huán)神經(jīng)網(wǎng)絡(luò)單元，形成全鏈接層結(jié)構(gòu)；

14、預(yù)測輸出單元，將循環(huán)神經(jīng)網(wǎng)絡(luò)單元的輸出作為全鏈接層結(jié)構(gòu)的輸入，通過線性變換和激活函數(shù)得到最終的預(yù)測值。

15、本發(fā)明還公開一種應(yīng)用于所述的一種球磨分析儀的控制方法，所述控制方法包括以下步驟：

16、獲取收音器接收球磨設(shè)備中的音頻信號，對音頻信號進(jìn)行濾波處理，去除噪聲和不必要的干擾；

17、智能分析模塊對獲取音頻信號頻段進(jìn)行處理，提取各頻段能量作為特征，并結(jié)合歷史狀態(tài)構(gòu)建對于不同硬度/濕度礦石的研磨進(jìn)度進(jìn)行了特征提??；

18、模型推理模塊利用循環(huán)神經(jīng)網(wǎng)絡(luò)對能量譜數(shù)據(jù)進(jìn)行特征提取和計算預(yù)測值；

19、輸出模塊將計算后的預(yù)測值轉(zhuǎn)化為實際控制信號，并將計算結(jié)果以標(biāo)準(zhǔn)信號輸出。

20、進(jìn)一步地，在智能分析模塊對獲取音頻信號頻段進(jìn)行處理時還包括：

21、將獲取音頻信號轉(zhuǎn)換為數(shù)字信號；

22、對轉(zhuǎn)換后的數(shù)字信號進(jìn)行快速傅里葉變換，將數(shù)字信號從時域轉(zhuǎn)換到頻域。

23、進(jìn)一步地，在提取各頻段能量作為特征，并結(jié)合歷史狀態(tài)構(gòu)建對于不同硬度/濕度礦石的研磨進(jìn)度進(jìn)行了特征提取時還包括：

24、將頻域信號劃分為若干固定頻段間隔，并計算每個頻段內(nèi)的能量譜；

25、將計算后的能量譜作為后續(xù)輸入，模型推理模塊利用循環(huán)神經(jīng)網(wǎng)絡(luò)對離散能量譜數(shù)據(jù)進(jìn)行處理，提取研磨進(jìn)度特征，并預(yù)測球磨容量。

26、進(jìn)一步地，所述模型推理模塊利用循環(huán)神經(jīng)網(wǎng)絡(luò)對離散能量譜數(shù)據(jù)進(jìn)行處理，提取研磨進(jìn)度特征，并預(yù)測球磨容量具體包括：

27、首先將xt作為后續(xù)計算的輸入量輸入到循環(huán)神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)通過引入歷史輸入狀態(tài)ct-1，利用預(yù)定義的權(quán)重矩陣和激活函數(shù)對特征向量進(jìn)行處理，計算當(dāng)前周期的狀態(tài)ht和中間狀態(tài)ct。

28、進(jìn)一步地，

29、所述激活函數(shù)為sigmoid；中間狀態(tài)ct＝sig(w1﹒xt)+(w2﹒ct-1)；

30、所述ht＝(sig(w0﹒xt)☉(sig(sig(w1﹒xt)+(w2﹒ct-1)))；

31、其中：ht為當(dāng)前周期的狀態(tài)；sig為激活函數(shù)；w0、w1、w2為預(yù)定義的權(quán)重矩陣；xt為輸入量；ct-1為歷史輸入狀態(tài)。

32、進(jìn)一步地，所述循環(huán)神經(jīng)網(wǎng)絡(luò)由多個循環(huán)神經(jīng)網(wǎng)絡(luò)串聯(lián)構(gòu)成。

33、進(jìn)一步地，輸出模塊將計算后的預(yù)測值轉(zhuǎn)化為實際控制信號，并將計算結(jié)果以標(biāo)準(zhǔn)信號輸出具體包括：

34、輸出模塊根據(jù)循環(huán)神經(jīng)網(wǎng)絡(luò)的當(dāng)前周期的狀態(tài)輸出ht，通過全鏈接層計算最終輸出值out，數(shù)值在[0,1]之間，并轉(zhuǎn)換為4～20ma電流信號最終輸出；

35、所述out＝sig(sum(wk))；

36、其中：sig為激活函數(shù)，wk為全連接層輸出前的最終加權(quán)向量。

37、采用上述技術(shù)方案后，本發(fā)明與現(xiàn)有技術(shù)相比具有以下有益效果：

38、(1)本發(fā)明磨音分析儀通過實時接收球磨設(shè)備的音頻信號，并對其進(jìn)行處理和分析，能夠快速響應(yīng)球磨設(shè)備的運行狀態(tài)變化，實現(xiàn)對球磨容量的準(zhǔn)確預(yù)測，通過精準(zhǔn)預(yù)測球磨容量，可以優(yōu)化球磨設(shè)備的運行參數(shù)，如進(jìn)料速度、研磨時間等，從而提高生產(chǎn)效率和產(chǎn)品質(zhì)量，智能分析模塊和模型推理模塊的應(yīng)用，使得球磨設(shè)備的管理更加智能化、自動化，降低了人工干預(yù)的復(fù)雜性和成本。

39、(2)通過將檢測頻段劃分為多個離散區(qū)段，并計算每個區(qū)段內(nèi)的能量，系統(tǒng)能夠更細(xì)致地捕捉輸入信號的頻譜特征。這種細(xì)化處理有助于識別礦石在研磨過程中產(chǎn)生的細(xì)微差異，提高系統(tǒng)的分辨能力，同時分頻段處理可以減少整個頻段內(nèi)噪聲對有用信號的干擾，能夠更有效地提取出與礦石研磨狀態(tài)相關(guān)的特征，也能夠更靈活地適應(yīng)不同類型的礦石，從而提高系統(tǒng)的魯棒性和通用性。。

40、(3)本發(fā)明通過使用循環(huán)神經(jīng)網(wǎng)絡(luò)處理時間序列數(shù)據(jù)，能夠捕捉數(shù)據(jù)中的時間依賴性和動態(tài)變化，在礦石研磨監(jiān)測中，引入歷史計算量作為輸入，可以幫助rnn網(wǎng)絡(luò)更好地理解研磨過程的動態(tài)變化，從而提高預(yù)測的準(zhǔn)確性。

41、(4)通過串聯(lián)多個循環(huán)神經(jīng)網(wǎng)絡(luò)，系統(tǒng)能夠構(gòu)建更深的網(wǎng)絡(luò)結(jié)構(gòu)，從而具備更強的特征提取和模式識別能力，有助于挖掘數(shù)據(jù)中的深層次信息，提高系統(tǒng)的預(yù)測精度，將全鏈接網(wǎng)絡(luò)作為輸出層，能夠靈活地將循環(huán)神經(jīng)網(wǎng)絡(luò)提取的特征映射到所需的輸出范圍，sigmoid函數(shù)作為激活函數(shù)，能夠?qū)⑤敵鲋迪拗圃?0,1)之間，便于進(jìn)行比例轉(zhuǎn)換和標(biāo)準(zhǔn)化處理，提高了對不同場景的適用性。

42、下面結(jié)合附圖對本發(fā)明的具體實施方式作進(jìn)一步詳細(xì)的描述。