专利名称：双进双出磨煤机的智能料位检测方法
技术领域：
本发明属磨煤机料位精确检测领域，尤其涉及一种双进双出磨煤机的智能料位检 测方法。
背景技术：
双进双出磨煤机设备具有结构合理、性能优良、可靠性高、设备的储备能力大、设 备运行灵活、出力和细度稳定、易损件寿命长、连续作业率高等优点，已在火力发电等行业 得到成功的应用。而事实上大部分磨煤机系统都没有在最佳工况下运行，使得制粉系统耗 电率相当大，其主要原因之一是至今为止还没有一种准确可靠的磨筒内料位测量手段。目前，国内外常用的磨煤机料位检测方法主要有压差法、轴承振动法、电流法、应 变法、声波法等。其中差压法是一种传统的间接测量方法，也是目前使用最多的一种方法。 它的工作原理是如果磨煤机内煤多，料位就高，压差就大；相反，如果磨煤机内煤少，料位 就低，压差就小，压差与料位存在着一定关系。但差压信号并不是存煤量的单值函数，而是 存煤量、通风量、磨煤机结构参数的多元函数。因此差压信号不能准确地反映存煤量。安徽 电力试验研究所研究了通过电流法进行磨煤机的料位检测方法，但由于双进双出磨煤机运 行工况的复杂性，往往会出现电流不稳的情况，造成测量的不精确。Kolacz等提出了应变法 检测磨煤机的料位，通过筒体内的钢球和煤块的重量作用引起筒体的变形量进行直接料位 测量。然而，这些方法要么是测量不准确，要么是改装工程量大，投资大，所以一直未能推广 使用。超声波式和核辐射式料位传感器多为国外引进产品，如美国凯瑞(Kay-Ray)公司和 马格尼特(Magnitrol)公司的超声波式料位计，但这类设备受检测范围及声音功率限制， 在最小盲区(0. 7m)范围内不能使用，同时由于最远距离受声功率限制，只能测40m内的料 位。德国E+H公司的QG型为核辐射式料位传感器，但核辐射对周围环境有危害，并受仪器 固定量程范围限制。此外，进口检测设备价格昂贵，造成整机成本过高，使得用户难以接收。
发明内容
本发明旨在克服现有技术的不足之处而提供一种检测精度高，稳定性好，成本低 廉，适用范围广泛的双进双出磨煤机的智能料位检测方法。为达到上述目的，本发明是这样实现的一种双进双出磨煤机的智能料位检测方法，首先使用压差法进行初步料位检测， 当检测的料位低于定义的低煤位或高于定义的高煤位时，测量磨煤机筒体内的压差，依据 所述压差与存煤料位的关系对料位进行检测；当检测的料位位于定义的低煤位和高煤位之 间时，切换为噪声法对料位进行检测。作为一种优选方案，本发明所述噪声法包括(A)现场采集磨煤机筒体噪声信号；(B)对步骤(A)所述噪声信号进行小波包变换，以得到分解后的特征频率段；(C)对步骤(B)所述特征频率段的信号进行重构，求出特征值；
(D)将步骤(C)所述特征值作为神经网络的输入信号，利用神经网络的输入、输出 关系实现噪声各个频段的特征信号与磨煤机料位的对应关系。作为另一种优选方案，本发明现场采集磨煤机筒体噪声信号后，将其转为离散的 数字信号，然后再对其进行采样分析。进一步地，本发明所述步骤(B)进行小波包变换时，先进行三层小波包分解，再利 用小波包重构算法对其进行重构。更进一步地，本发明所述步骤(D)中使用BP神经网络实现噪声各个频段的特征信 号与磨煤机料位的对应关系。本发明与现有技术相比具有如下特点1、本发明使用以噪音法为主的双因素法检测双进双出磨煤机的料位，通过音频传 感器或传声器采集音频信号，根据不同的存煤量状态下工作时其滚筒发出的噪音不同来判 断存煤量，其使用安全，自动化程度高，能够有效地实现双进双出磨煤机在整个运行工况的 精确料位检测。2、本发明所涉检测装置结构简单，易于投产，并且在使用中安装简便，易于检修及 维护。3、本发明具有精确度高，电耗低，使用寿命长，性价比高等特点，可充分满足电站 行业的急需。本发明可降低成本约2/3，具有很好的经济效益。
下面结合附图和具体实施方式
对本发明作进一步说明。本发明的保护范围不仅局 限于下列内容的表述。图1为本发明双因素磨煤机料位检测流程框图；图2为本发明噪声法料位检测过程流程框图；图3为本发明噪声法料位检测设备电路原理框图。
具体实施例方式如图1所示，本发明采用双因素料位检测方法(压差法+噪声法)进行检测，以提 高磨煤机料位检测的精度和稳定性。双因素料位检测方法就是先利用压差法进行料位检 测，粗略进行磨煤机的煤位的检测，鉴于压差法存在一定的不准确性，但是在堵煤和乏煤的 条件下能收到较好的效果，因为它是直接与煤接触的测量方法。所以本设计只利用压差法 判断出一个高(堵煤)、低(乏煤)煤位档，在高、低煤位之间使用噪声法进行磨煤机煤位的 检测。当磨煤机正常出力工作时，煤位为50%左右，此时噪声法进行煤位检测最理想。在 此区间由于钢球的冲击作用较强，因此噪声辐射相对最强，是噪声法测量比较准确的区间。 但是传统的噪声法是在磨煤机筒体外置传感器，将所采集的噪声近似认为是磨煤机磨煤时 筒体所产生的噪声，这点不是很准确。因为磨煤机筒体以外的设备都会对筒体的噪声产生 一定的污染，使得检测磨煤机的噪声是磨煤机的筒体噪声、电机噪声、排粉风机噪声、齿轮 啮合噪声等多种噪声信息的融合，而能准确反映磨煤机煤位的是磨煤机筒体内钢球冲击作 用所产生的噪声。
因此本发明采用小波包技术对所测噪声进行频率段分解，得到不同频率段的信 息，其中某些频率段的信息就是反映磨煤机煤位的信息。在得到反映煤位的特征向量后，利 用神经网络建立噪声与煤位的对应关系。如图2所示，本发明所述噪声法包括(A)现场采集磨煤机筒体噪声信号；本发明现场采集磨煤机筒体噪声信号后，将 其转为离散的数字信号，然后再对其进行采样分析。(B)对步骤㈧所述噪声信号进行小波包变换，以得到分解后的特征频率段；在进 行小波包变换时，先进行三层小波包分解，再利用小波包重构算法对其进行重构。(C)对步骤(B)所述特征频率段的信号进行重构，求出特征值；(D)将步骤(C)所述特征值作为神经网络的输入信号，利用BP神经网络的输入、输 出关系实现噪声各个频段的能量信号与磨煤机料位的对应关系。本发明采用压差法及噪声法相结合的双因素磨煤机料位检测方法。首先使用压差 法进行初步料位检测，当检测的料位低于定义的低煤位或高于定义的高煤位时，使用压差 法进行检测；但检测的料位位于定义的低煤位和高煤位之间，使用发明的噪声法进行料位 检测。噪声法料位检测首先是对信号进行小波包变换，目的是为了得到分解后的特征频 率段，然后对特征频率段的信号进行重构，求出特征值将其作为神经网络的输入信号与磨 煤机的煤位建立模型。在得到磨煤机噪声的特征频率段后，问题是如何将特征向量与磨煤 机的煤位建立一一对应的关系。本发明采用神经网络建模法，将每个频率段的信号计算出 能量值，然后再将各个频段的信号作为神经网络的输入信号，通过神经网络的学习以建立 噪声信号特征与磨煤机料位的对应关系。本发明的噪声法料位检测过程1、现场所采集的磨煤机筒体噪声信号，首先将信号转为离散的数字信号，然后对 其进行采样分析。2、将转换后的数据进行小波包展开分析，进行三层小波包分解，利用小波包重构 算法对其进行重构，重构后会得到8个独立的信号。每个结点分别表示磨煤机噪声信号的 一个信号特征。3、在得到各个频率段的系数后，对其进行重构，以提取各频带范围的信号。重构 后得到小波包三层分解各个子频带范围信号好，(i = 0，1，L 7)。原始噪声信号S分解为
7
^ = 通过对采集信号频率的分析确定所提取信号的8个独立的频段的频率范围。
'=O O4、分解并重构信号后，要对各个频率段的信号进行保存，分析每个频段的特征。在 本设计里要求出每个频带信号的能量，并将其作为特征向量。本设计采用三层小波包分解，
η
频带信号。3 (i = 0，1，2，…，7)所对应的能量按下式求得《 = ΣΙ&Ι其中xik(i = 0， Sfk=0 0
1，…，7，k= 1，2，…，η)表示重构信号衫的离散点的幅值。这样就得到了重构后的信号的 特征向量。由于系统工作时磨煤机筒体内的煤位发生改变，这样就导致了系统某几个频段 的信号的能量发生变化，利用此关系来建立磨煤机噪声与煤位的关系。现选取特征信号为T = YjE^当能量较大时，该特征向量的元素是一个较大的数，在数值分析上会带来一定的
不便，因此要对该特征向量进行规一化处理，5、将噪声信号各个频段的能量3 (i = 0，1，L，7)和其对应的料位作为神经网络的 训练样本。这里使用BP神经网络实现频段的能量和磨煤机料位的对应关系。6、设定网络层，该网络的输入层的神经元数R与输入向量的个数相同为8个，输出 层的神经元数为1，根据经验公式可以得到隐层的神经元数为2XR+1 = 17个。网络的隐层 神经元的传递函数为tan sig，输出层神经元的传递函数为log sig，这是因为目标向量的 元素位于区间[_1，1]中正好满足函数的输出要求。7、利用训练样本对神经网络进行训练，神经网络收敛后，即可利用神经网络的输 入、输出关系实现噪声各个频段的能量信号和磨煤机料位的对应关系，从而实现磨煤机的 精确料位检测。上述双进双出磨煤机的智能料位检测方法所采用的设备，它包括噪声采集部分1、 信号调理部分2、适配器3、信号隔离部分4、A/D转换部分5、微处理器6及输出变换部分7 ； 所述噪声采集部分1的输出端接信号调理部分2的输入端；所述信号调理部分2的输出端 经适配器3与信号隔离部分4的输入端相接；所述信号隔离部分4的输出端经A/D转换部 分5与微处理器6的输入端相接；所述微处理器6的输出端接输出变换部分7的输入端；所 述信号调理部分2包括音频放大部分及低通滤波部分；所述音频放大部分的输出端接低 通滤波部分的输入端。(1)噪声采集部分。检测设备通过麦克风将采集到的声音信号转换为电信号。(2)音频放大。系统通过麦克风采集声音信号，经过内置自动增益控制(AGC)以及 能为大多数驻极体麦克风提供偏压的专用低成本、高品质的麦克风放大器MAX9814进行音 频放大。(3)低通滤波。滤除非噪声的其他频率成分，减少多余频率成分对噪声分析的干 扰。根据有用的音频信号集中在0-5KHZ范围内的频域特点，对5K以外的信号进行低通滤 波。系统采用了通用开关电容可编程滤波器MAX260。通过对MAX260进行简单编程就可改 善滤波特性，达到较好的滤波性能。(4)适配器。采用电路适配器进行输入信号的匹配，使滤波处理后的信号符合隔离 器输入信号的要求。为了保护被测电路、减小环境噪声对测试电路的影响，并使系统的线性 度达到最佳，需要在此进行线性隔离处理。经过滤波处理后的信号不符合隔离器输入信号 的要求，因此在进行隔离之前需要进行信号的适配处理，以使信号符合光耦的输入要求。(5)信号隔离部分。采用高精度的线性光耦TIL300进行光电隔离，它是一个由红 外光LED照射分叉配置的隔离反馈光二极管和一个输出光二极管组成，该器件采用特殊制 造技术来补偿LED时间和温度特性的非线性，从而使输出信号与LED发出的四幅光通量成 线性比例。(6)进行线性化处理，使隔离器的输出信号与待采集的噪声信号之间呈线性关系， 以减小测量噪声信号的误差。(7)A/D转换部分。将待测的模拟噪声信号转换为数字信号。待测音频信号经过 放大、滤波、隔离等一系列处理后，为了对其进行进一步处理，需将待测的模拟噪声信号转
6换为数字信号(亦即A/D转换)。系统选用四位半双积分数/模转换器ICL7135作为ADC， 该ADC可输出士20000个码，由晶振分频为ADC提供时钟，使取样时间为工频的整数倍，可 有效抑制工频干扰。(8)微处理器。利用MPU执行发明的噪声料位检测方法。在待测噪声信号转变为 数字信号后，即可利用MPU (智能模块)对待测信号进行处理，不但实现了利用软件对待测 信号进行进一步处理(小波和神经网络)的目的，而且弥补了硬件上无法实现的功能，从而 使系统的软件和硬件方面的性能更趋合理并完善。(9)输出变换部分。将输出信号转换为电流信号，以用于现场的系统控制。为了简 化了信号调节单元的显示部件，而且方便现场工作人员进行读取，所以系统输出4-20mA的 标准电流。再此之前需要对MPU的输出信号进行DAC转换，系统选用MAX504做DAC。该片 为SPI串行接口形式，内含DAC，基准源和运算放大器。MAX504将输入的数字信号转换为模 拟输出电压，再经电流串联负反馈电路就可以将输入的数据转换为标准4-20mA的电流输 出ο
权利要求
一种双进双出磨煤机的智能料位检测方法，其特征在于首先使用压差法进行初步料位检测，当检测的料位低于定义的低煤位或高于定义的高煤位时，测量磨煤机筒体内的压差，依据所述压差与存煤料位的关系对料位进行检测；当检测的料位位于定义的低煤位和高煤位之间时，切换为噪声法对料位进行检测。
2.根据权利要求1所述的双进双出磨煤机的智能料位检测方法，其特征在于所述噪 声法包括(A)现场采集磨煤机筒体噪声信号；(B)对步骤(A)所述噪声信号进行小波包变换，以得到分解后的特征频率段；(C)对步骤(B)所述特征频率段的信号进行重构，求出特征值；(D)将步骤(C)所述特征值作为神经网络的输入信号，利用神经网络的输入、输出关系 实现噪声各个频段的特征信号与磨煤机料位的对应关系。
3.根据权利要求2所述的双进双出磨煤机的智能料位检测方法，其特征在于现场采 集磨煤机筒体噪声信号后，将其转为离散的数字信号，然后再对其进行采样分析。
4.根据权利要求3所述的双进双出磨煤机的智能料位检测方法，其特征在于所述步 骤(B)进行小波包变换时，先进行三层小波包分解，再利用小波包重构算法对其进行重构。
5.根据权利要求4所述的双进双出磨煤机的智能料位检测方法，其特征在于所述步 骤(D)中使用BP神经网络实现噪声各个频段的特征信号与磨煤机料位的对应关系。
全文摘要
本发明属磨煤机料位精确检测领域，尤其涉及一种双进双出磨煤机的智能料位检测方法及其所采用的设备，其首先使用压差法进行初步料位检测，当检测的料位低于定义的低煤位或高于定义的高煤位时，测量磨煤机筒体内的压差，依据所述压差与存煤料位的关系对料位进行检测；当检测的料位位于定义的低煤位和高煤位之间时，切换为噪声法对料位进行检测；所述噪声法包括(A)现场采集磨煤机筒体噪声信号；(B)对步骤(A)所述噪声信号进行小波包变换；(C)对步骤(B)所述特征频率段的信号进行重构；(D)利用神经网络的输入、输出关系实现噪声各个频段的能量信号与磨煤机料位的对应关系。本发明检测精度高，稳定性好，成本低廉，适用范围广泛。
文档编号G01F23/14GK101900595SQ20091001174
公开日2010年12月1日 申请日期2009年5月27日 优先权日2009年5月27日
发明者崔宝侠, 徐冰, 曲星宇, 段勇 申请人:沈阳工业大学