刘志刚，蔡改贫，林龙飞，熊 洋

（江西理工大学 机电工程学院，江西 赣州 341000）

磨矿是选矿生产流程中一个十分重要的环节[1]，是将矿石碎磨至有用矿物基本单体解离的细度，再经过分级后选别，磨矿工序产品质量的好坏直接关系选厂的经济和技术指标。磨矿过程是选矿生产中的能耗大户，通常该工序成本占总生产费用的40%～60%。因此，科学、准确地预测磨机内部运行状态及开发磨矿优化控制技术是选矿行业实现节能降耗、提质提产的根本任务之一[2]。

国内矿山冶金企业在磨矿过程的实际生产中一般是由现场技术人员通过振动产生的噪声、压力或有功功率等间接方法[3-5]，对球磨机内部运行状态进行判断与处理，而基于人工操作主观判断具有很大的局限性，且误差较大。因此，能够准确反映磨机内部运行状态并影响磨矿过程产品质量及产量的磨机内部运行状态参数的测量，逐渐成为研究的热点[6-7]。王泽红等[8]提出采用正交试验法和多因素联合分析方法，建立了磨机负荷参数与振声、有功功率、荷重信号之间关系的预测模型；李勇等[6-7]采用灰色理论和RBF神经网络，建立了介质充填率与振声、轴承应变、功率信号之间的数学模型。在对磨机外部相应分析中，上述方法均未对振声信号的频谱进行谱估计或相关分析[6]，而研究表明，磨机内负荷参数与振声信号的特征频段的功率谱能量值有关。近年来，基于球磨机外部响应振动信号进行球磨机内部状态参数预报的方法越来越受到关注[9]。……