磨音影响因素分析与磨机负荷检测方法综述

杨志刚 张 杰 李艳姣

(1.河北联合大学电气工程学院，河北 唐山063009;2.北京科技大学自动化学院，北京100083;3.钢铁流程先进控制教育部重点实验室，北京100083)

磨矿分级作业是选矿过程的重要环节，而其中对球磨机运行状态的检测又是保证球磨机安全稳定运行的基础［1-4］。球磨机运行状态的一个重要参数就是磨机负荷［5］，即球磨机内部的瞬时全部装载量，包括新给矿量、循环负荷、加水量和加球量等。目前，国内外选矿厂多以人工经验来判断球磨机运行状态，导致生产过程中球磨机经常处于“欠磨”、“饱磨”和“涨肚”等非正常运行状态，降低了磨矿过程的运行效率，增大了选矿过程的能耗。据统计，磨矿分级作业的能耗一般占整个选矿过程的30% ～70%，快速准确地检测出球磨机的运行状态并加以调节，可以减少能源损耗和原材料消耗［6］。综上，在保证磨矿产品达到工艺要求的前提下，保持球磨机稳定运行在正常状态或最佳负荷状态，对于选矿厂节能降耗、提高经济效益具有重要的意义。鉴于磨音是磨机负荷检测的重要因素，本研究对影响磨音的因素进行了分析，并对近年来磨机负荷的检测方法进行了概述，以为提高磨机运行效率提供帮助。

1 球磨机运行状态分析

球磨机运行特性复杂，具有惯性大和时滞时间长等特性，且磨机负荷最佳工作点具有时变性，使得最佳负荷点始终处于不断漂移的状态，较强的参数耦合性，使得难以针对该过程建立精确的模型。同时在运行过程中，物料特性的改变(如钢球磨损和矿石湿度、粒度)以及磨机自身特性的改变(如衬板的磨损情况等)都会对磨机运行特性产生较大的影响［7］。张彦斌等［8］分析了球磨机运行过程中球磨机出力、磨音和球磨机电流随磨机内装料量的变化规律。结果表明，随着磨机内物料量的增加，磨机运行状态可以分为3 个区域:当磨机内物料量较少时，磨机负荷和电流均较低，随着物料的增加，球磨机出力、电流均逐渐增加，此时增加物料量有利于磨矿效率的提高;随着磨机内物料量的继续增加，磨机电流和磨机出力达到相对稳定的状态，此时改变球磨机内物料量对磨机运行状态影响较低，为磨机的稳定运行区间;当磨机内物料量继续增大，磨机负荷达到最大值，此时再增加物料量，磨机负荷和电流均降低，容易出现堵磨现象。磨机在稳定区间运行，磨机负荷才能达到理想值，能耗也相对较低。

2 磨音影响因素分析

2.1 钢球在球磨机筒体内的运动形态

球磨机在运行时，物料由入料口经中空轴颈螺旋均匀地进入球磨机筒体内，筒体旋转产生离心力，在离心力的作用下，钢球随筒体做螺旋上升运动，在被提升到一定的高度后，在重力作用下，按照某一轨迹跌落，形成钢球对物料的撞击，从而达到对物料的冲击破碎作用。与此同时，筒体内的物料还会受到钢球与钢球、钢球与衬板之间的挤压。钢球在球磨机筒体内有以下3 种典型的运动状态:①泻落:当球磨机筒体转速较低时，筒体内钢球除绕自身的轴线旋转外，位于球荷顶部的钢球还不断地沿球荷表面滚下，此时介质的磨碎作用主要是研磨;②抛落:随着筒体转速的增加，球荷顶部的钢球不再沿球荷表面滚下，而是沿一抛物线落下，在落下的底脚区剧烈地翻腾，此时钢球的运动状态即为抛落，物料受到钢球的冲击和磨剥的双重作用;③离心运动:随着筒体转速的继续增加，球磨机的旋转速度达到其临界值，钢球和物料都会附在衬板上随球磨机一起旋转，此时钢球运动状态即为离心运动。球磨机实际运转过程中，钢球在筒体内的运动状态多为泻落和抛落的混合形式，物料在磨机内受到的粉碎作用来自冲击破碎和研磨两个方面。

2.2 球磨机发声机理

球磨机运行过程中产生声音的来源主要有以下几种:钢球与筒体、物料之间碰撞;电动机轴承运转;电动机转子不平衡引起机壳振动;排风机和通风管道的振动。上述声源中，用于判断磨机负荷的磨音指的是钢球与筒体、物料之间碰撞产生的机械噪声，其余声音均为干扰噪声［9-10］。下文提到的磨音均指不含干扰噪声的声音信号。

磨音本质上属于机械噪声中的撞击噪声，主要包括钢球与钢球、钢球与物料及筒体与钢球之间的撞击产生的撞击噪声。其发声机制包括以下几种:撞击瞬间物体间的空气高速流动所引起的喷射噪声;撞击瞬间筒体、钢球、物料产生的突然变形而在附近区域激发产生的压力冲击噪声;撞击瞬间由于物料破碎形成的向外辐射的压力脉冲噪声;撞击后受撞部件结构共振所激发的结构共振噪声。其中，结构共振噪声的影响最强，维持时间最长。

2.3 影响磨音的主要因素

2.3.1 磨机处理量

球磨机筒体内的物料充填量直接影响磨音。钢球下落的动能一部分用于研磨物料，另一部分消耗在了钢球与钢球、钢球与衬板间的碰撞磨损上，此部分能量转化为声能，当筒体内物料量较少时，磨音较大且频率较高，听起来清脆，随着物料量的增加，钢球下落的高度降低，钢球间的物料层加厚，钢球下落的动能更多地消耗在研磨物料上，并且部分消耗于物料的变形，使得磨音分贝和频率均较低，听起来沉闷［11］。

2.3.2 介质充填率

磨音与筒内介质填充率(Ψ)有直接关系。当球磨机转速一定时，Ψ 越大，钢球越多，钢球与钢球、钢球与衬板之间相互撞击几率越高。一般认为，在相同的转速下，磨音随着钢球填充率的增大而增大，但当钢球填充系数Ψ≥50%时，钢球被提升的高度就开始逐渐下降，球磨机内部的机械能逐渐减少，磨音也随之降低。

2.3.3 筒体转速

筒体转速不同，钢球与物料被提升的高度不同。转速较低时，钢球与物料受到的离心力小，物料与钢球依靠其与筒体内壁间的摩擦力沿着筒壁上升，但上升的高度较小，钢球下落时的撞击力小，磨音低;随着转速的逐渐增加，钢球与物料上升的高度也增加，钢球下落时的撞击力增大，磨音随之升高;当转速达到临界值时，钢球做离心旋转运动，失去对物料的撞击作用。

2.3.4 钢球大小

球磨机筒体内部钢球的冲击噪声也是磨音的重要来源，其大小与钢球直径的三次方成正比，减小钢球直径能有效地降低冲击噪声。但直径减小，钢球冲击破碎的能力也会随之降低。

2.3.5 衬板材料、布置方式及球磨机结构

磨音很大一部分来自钢球对衬板的撞击，受衬板材料的阻尼减振性能影响较大。在相同的转速下，衬板的形状、断面倾角、摩擦系数等不同，对钢球的提升效果不同，钢球冲击力不同，磨音也会不同。

对于不同型号的球磨机，其结构、衬板材料、衬板布置方式、钢球系数和转速的不同，导致了其同一负荷状态下的磨音也可能不同，这也正是磨机负荷检测仪器不能大范围适用的一个重要因素。但对同一型号的球磨机，在结构固定、装球量一定、转速也相对比较稳定的情况下，磨音与磨机负荷存在一定的关系，另外，与钢球的磨损情况(主要体现为钢球直径变小)也有一定的关联。

3 磨机负荷检测方法

对于磨机负荷的检测方法，王泽红等［2］将其划分为直接检测方法和间接检测方法来叙述，汤健等［6］将其划分为仪表检测方法和非仪表检测方法来叙述，本文不再做具体划分，仅按所测量依据的不同将其分类，对近年来磨机负荷的检测方法做简要概述。

3.1 基于数学模型的磨机负荷软测量

张杰等［10］针对承德某选矿厂规格φ3 m×9 m 球磨机，在功率谱分析的基础上建立了磨机负荷的振声模型，并根据所建模型测出了该厂球磨机不同运行状态下磨音频谱的分布，找出了磨机负荷与磨音声强、磨音频谱之间的关系，为磨机负荷的软测量提供了理论依据;孙立波［12］用系统工程的观点分析了球磨机运行过程稳定、失稳和漂移等状态特性，指出了磨机负荷与其影响因素间的内在联系，建立了反映球磨机处理能力、填充率、能耗、产品粒度、球料比和磨音等6 个系统输出和状态特性的数学模型组。汤健等［13］通过遗传算法－偏最小二乘法对球磨机筒体振动信号的频谱进行特征变量选择，并将特征谱变量融合时域内的磨机电流信号建立了以矿浆浓度、球料比和填充率为模型输出的多传感器数据融合磨机负荷软测量模型，该方法较好地解决了模型泛化能力差的问题，增强了模型的预测能力;汤健等［14］基于磨矿过程的研磨机理和频谱段的自动分割方法、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权融合方法，针对磨机负荷参数的软测量进行了研究，虽然取得了突破性进展，但是仍然只局限于实验阶段，未能应用于工业生产中;汤健等［15］提出了适用于磨机负荷检测的在线KPLS 建模方法，该方法依据磨机负荷的特性漂移幅度，只采用ALD 意义下的有用样本更新模型，解决了每次更新带来的计算损耗问题，为磨机负荷的软测量奠定了基础。

3.2 磨音法

磨音法指的是通过检测球磨机运行过程所产生的噪声信号，从而判断出球磨机当前运行状态，进而确定磨机负荷的方法。磨音法是目前磨机负荷检测最为有效和应用最为广泛的方法之一。Arup Bhaumik 通过对球磨机振声信号的研究，从振声频谱的差异识别出磨机负荷状态［16］;孙丽华等［17］确定了存在特征频段的能量累加量与磨机负荷的单调递减关系;曾旖等［18］研制的基于DSP 的磨机负荷检测仪通过采集磨音来判断磨机负荷，该仪器不仅适用于选矿过程，在水泥、发电等行业仍然适用。

3.3 振动法

振动法指的是采集球磨机筒体和轴承等部位的振动信号，通过对信号的分析，确定磨机负荷与振动能量的关系［19］。筒体振动法指的是直接采集球磨机筒体的振动信号判断磨机负荷。Gugel K 等［20］提出采用双阵列加速度振动传感器采集球磨机筒体振动信号，经快速Fourier 变换(FFT)变换为频谱信号后以Radio Frequency(RF)射频方式传输，以不同时刻的频谱信号和其他关键参数建立神经网络软测量模型预测筒体内的料位。Gugel K 等［21］介绍了采用单振动传感器和角度传感器相结合确定振动信号采样范围的方案。对于轴承振动法，较为常见的控制策略有以轴承振动信号融合球磨机功率和球磨机出口温度等信号的自寻优－采样控制［22］，在轴承振动单回路控制系统的基础上加入了差压补偿器［23］，刘蓉等［24］则将振动信号和差压信号相结合，在压差控制的基础上辅以振动信号控制进行校正，有效提高了检测精度。

3.4 功率法

功率法又称为电流法，唐耀庚［25］提出了采用磨机功率误差和误差变化率设计模糊控制器，从而对磨机的负荷加以判断和控制;李法众［26］则采用噪声和功率联合控制策略来确定球磨机的最佳料位。

3.5 超声波检测法

超声波检测法主要是利用超声波在介质中的传播特性进行检测的方法，主要分为超声法、声发射波法和声－超声法3 种。

(1)超声法。超声法主要是根据超声波脉冲从发射到接收所用的时间差来确定球磨机料位。周凤等［27］提出将超声波探头安装在球磨机筒体内部非转动部位，从而实现对料位的实时测量。该方法的优点是实现了对磨机负荷的直接检测，但是钢球和物料对探头均有损坏作用，高强度的持续振动和超声波发射器表面的粉尘凝结将会大大降低测量精度。

(2)声发射波法。声发射波法主要是利用物料在研磨过程中物理形状会发生改变并释放能量，其中部分能量转化为瞬态变化的声发射波。该方法的优点是可采用声发射波传感器提取信号，从而实现对磨机负荷的检测;缺点是声发射波在长距离恶劣条件下传播会发生衰减且信号易畸变。

(3)声－超声法:禤莉明［28］利用兰姆波在薄钢板上的传播特性，在球磨机外部采用声－超声的方式对球磨机筒体内料位进行测量。该方法利用了声波在金属筒壁中传播时衰减较小的特性，但是由于筒体内部环境脏乱复杂，因此干扰了发射波。

3.6 基于神经网络的检测方法

近年来，随着人工神经网络理论的发展，人们逐渐将其引入磨机负荷的检测当中。孙景敏等［29］采用RBF 神经网络对振声、功率和轴承振动等外部信号进行数据融合，从而预测出球磨机内部的介质填充率、球料比和矿浆浓度等参数;Bhaumik 等［30］直接采用时域信号识别磨机负荷状态，以BP 神经网络预测磨矿产品粒度分布;Kang 等［31］以Hilbert 变换时域信号处理方法提取表征料位信息的低频段特征向量，利用BP 神经网络实现了磨煤机料位的自动识别;毛益平［32］提出了利用磨音倍频中心频率频谱分布来分析球磨机内部参数关系的变化规律，并应用RBF 神经网络建立了球磨机参数模型，但是该方法目前仅局限于实验研究阶段;王东风等［33］提出了基于前向复合神经网络的分工况学习的变结构式磨机负荷软测量模型，球磨机正常运行时采用延时神经网络，球磨机饱磨运行时则采用回归神经网络，球磨机运行状态采用模糊方法划分，以球磨机出口温度、压差、给料量、热风流量和再循环风流量作为模型输入;王东风等［34］提出了并行RBF 神经网络的磨机负荷检测方法;张自成等［35］提出了基于BP 改进算法的回归神经网络与延时神经网络综合磨机负荷软测量模型;司刚全等［36］通过2 个并行网络获得磨机负荷以及负荷变化率的复合式神经网络;李勇等［37］引入灰色理论，应用一致关联度算法得出给料量、给料粒度、返砂量和溢流浓度等信号不符合关联度要求，而以振声、轴承压力和磨机功率作为RBF 神经网络模型的输入参数，对球磨机内部介质填充率进行了实时估计;吕立华［38］提出了结合多个小波网络与偏最小二乘方法组成多小波网络的结构，各单个小波网络的预测输出通过偏最小二乘方法连接，以克服数据间的多重相关性，文中以球磨机振动信号、压差信号和功率信号为多小波网络的输入，以给料机的转速和压差信号相结合保证模型工作范围的方法建立了磨机负荷软测量模型。

4 结 语

目前，对于磨机负荷的检测仍以间接法居多，与此同时，人工神经网络也逐渐被引入磨机负荷软测量的研究当中，该方法的优点在于神经网络具有的非线性映射能力，缺点在于训练时间过长，系统性能易于受到训练样本集的限制，从而不能获得较为精准的导师信号，因此还难以实现在实际生产中的应用。磨机负荷检测属于典型的“黑箱”问题，其未来发展趋势仍可能以间接检测为主，可归结为以下几个方面:①磨矿过程产生了大量的生产数据，利用数据挖掘技术寻找出隐藏在生产数据背后的磨机负荷与各变量之间的关系，可以有效地识别出不同工况下的磨机负荷;②将机器学习方法引入磨机负荷的检测之中，从而预测磨机负荷的变化趋势;③结合多种检测技术，建立针对磨机负荷检测的多信息融合模型;④目前的检测方法多适用于离线分析，所以磨机负荷在线软测量技术的推广必将提高检测效率;⑤提高磨音电耳的抗噪声性能，可大幅提高磨机负荷的检测精度。

［1］ 葛之辉，曾云南，赵保坤.选矿过程自动检测与自动化综述［J］.中国矿山工程，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］ 王泽红，陈炳辰.球磨机负荷检测的现状与发展趋势［J］. 中国粉体技术，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］ 李晓岚，曾云南.选矿自动化技术的新进展［J］.金属矿山，2006(6):61-64.

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

［4］ 王丰雨，张 覃，黄宋魏.我国选矿自动化评述［J］.国外金属矿选矿，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.磨矿过程磨机负荷的智能监测与控制［J］. 控制理论与应用，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］ 汤 健，赵立杰，岳 恒，等. 磨机负荷检测方法研究综述［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］ 周荣亮，张彦斌，崔栋刚，等. 水泥磨负荷控制系统研究及应用［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］ 张彦斌，贾立新，杨 波，等. 自寻优－模糊控制策略在球磨机控制中的实现［J］.电力系统自动化，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］ 杨志刚，赵莉娅，薄敬东.基于磨音信号的磨机负荷模型［J］. 河北联合大学:自然科学版，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］ 张 杰，王建民，杨志刚，等.基于功率谱分析的球磨机负荷模型［J］.工矿自动化，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］ 张 杰，王建民，杨志刚，等.承德某选矿厂磨机运行专家系统［J］.金属矿山，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］ 孙利波.球磨过程的数学模型及其试验研究［D］.济南:山东大学，2006.

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

［13］ 汤 健，赵立杰，岳 恒，等.基于遗传算法－偏最小二乘进行谱特征选择的磨机负荷软测量方法［C］.第二十九届中国控制会议论文集，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］ 汤 健，柴天佑，赵立杰，等.基于振动频谱的磨矿过程球磨机负荷参数集成建模方法［J］. 控制理论与应用，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］ 汤 健，柴天佑，余 文，等.在线KPLS 建模方法及在磨机负荷参数集成建模中的应用［J］. 自动化学报，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］ 孙丽华，曲莹军，张延斌，等.钢球磨煤机负荷检测方法的研究及实现［J］.热力发电，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，张延斌，刘卫峰，等.基于DSP 的磨机负荷检测仪的研制［J］.仪表技术与传感器，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 晖，张彦斌，司刚全，等.基于自寻优－采样控制的火电厂磨机负荷控制系统的研究［J］. 工业控制计算机，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］ 王颖洁，吕震中.轴承振动信号在球磨机负荷控制系统中的应用研究［J］.电力设备，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］ 刘 蓉，吕震中.基于内模－PID 控制的球磨机负荷控制系统的设计［J］.电力设备，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.模糊逻辑控制在磨机负荷控制中的应用［J］. 电气传动，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］ 李法众.噪音功率联合控制系统在RKD 420/650 磨煤机料位控制中的应用［J］.热力发电，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 凤，冯晓露. 基于超声料位测量的钢球磨煤机料位模糊PID 控制［J］.机电工程，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.球磨机料位超声测量与制粉系统运行遗传优化方法研究［D］.重庆:重庆大学，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］ 孙景敏，李世厚.基于信息融合技术的球磨机三因素负荷检测研究［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.磨矿过程智能控制策略的研究［D］. 沈阳:东北大学，2001.

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

［33］ 王东风，宋之平.基于神经元网络的制粉系统球磨机负荷软测量［J］.中国电机工程学报，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］ 王东风，韩 璞.基于RBF 神经网络的球磨机负荷软测量［J］.仪器仪表学报，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］ 张自成，费敏锐.基于人工神经网络的中速磨存煤量软测量方法［J］.自动化仪表，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］ 司刚全，曹 晖，王靖程，等.基于复合式神经网络的火电厂筒式钢球磨煤机负荷软测量［J］.热力发电，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 诚.灰色软测量在介质填充率检测中的应用研究［J］.中国矿业大学学报，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］ 吕立华.复杂工业系统基于小波网络与鲁棒估计建模方法研究［D］.杭州:浙江大学，2001.

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