CN120722819B - 一种基于参数自优化的数控立磨智能控制系统 - Google Patents

Abstract

本发明公开了一种基于参数自优化的数控立磨智能控制系统，涉及工业粉磨技术领域，该系统通过布设的传感器组实时采集立式辊磨机的磨辊数据，并传输至数控立磨智能控制系统进行预处理构建受力耦合数据组和结构响应数据组。通过计算加载异构性指数η_load与加载异构分界阈值T_η进行加载异构评估，当存在加载异构时计算扰动回返趋势指数β_rb。通过计算加载压强重构指数P_yq与预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2进行反弹失效风险评估，根据评估结果生成调节指令，若连续三轮调整均未达效益标准，自动判定为机械故障并生成预警。该系统可实现加载异构状态识别、扰动趋势判断及风险响应调控的全过程智能闭环。

Description

一种基于参数自优化的数控立磨智能控制系统

技术领域

本发明涉及工业粉磨技术领域，具体为一种基于参数自优化的数控立磨智能控制系统。

背景技术

在工业粉磨应用场景下，数控立磨作为核心设备，其运行状态直接影响粉碎效率、能耗控制和结构稳定性。近年来，随着参数自优化的数控立磨理念的提出，系统运行不再依赖于固定控制逻辑，而是通过实时采集磨辊运行数据，动态识别系统状态并调整控制参数，实现了从静态控制到动态自适应的技术跨越。然而在此基础上，进一步进入“智能控制”阶段仍面临关键难题，其中尤以磨辊加载过程中的局部异构行为和随之引发的结构反弹干扰现象为代表的非线性动态问题最为复杂。磨辊在加载过程中的受力分布常因物料分布不均、机械磨损或操作偏差等原因产生异构性，进而诱发热振耦合下的局部扰动回返现象，该类加载异构和反弹干扰的复合态将直接干扰控制系统判断，导致调控策略失效。

当前多数数控立磨系统虽已具备一定程度的在线监测能力，但其智能识别机制往往止步于力学超限报警层级，缺乏对复杂加载异构结构的识别能力及其后续反弹干扰的精准建模手段。在实际生产过程中，传统控制策略通常仅基于平均压强或振动水平判断系统稳定性，不易于识别非对称受力和多源响应干扰所造成的区域性失控行为。此外，现有系统对磨辊异常状态的判断依赖于人工干预与经验参数调节，不仅识别滞后，还可能因主观误判导致反复调控失败，增加设备停机频率。缺乏系统性的异构识别机制与干扰趋势评估手段，使得磨辊控制系统在面对复杂非线性状态时难以实现真正意义上的自优化调控。

发明内容

针对现有技术的不足，本发明提供了一种基于参数自优化的数控立磨智能控制系统，解决了上述背景技术中的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于参数自优化的数控立磨智能控制系统，包括数据采集模块、异构识别模块、重构调控模块和控制执行模块；

所述数据采集模块用于依据设置在数控立磨设备不同部位的传感器组，实时采集立式辊磨机的磨辊数据，并实时传输至数控立磨智能控制系统进行预处理获取受力耦合数据组和结构响应数据组；

所述异构识别模块用于依据受力耦合数据组计算获取加载异构性指数η_load，并与预设加载异构分界阈值T_η进行加载异构评估，并在评估为磨辊存在加载异构时执行反弹干扰分析指令；

所述重构调控模块用于执行反弹干扰分析指令，依据结构响应数据组计算扰动回返趋势指数β_rb，再与加载异构性指数η_load进行关联计算获取加载压强重构指数P_yq，再与预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2进行反弹失效风险评估；

所述控制执行模块用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，在连续三次优化调节均未达到效益标准时，生成机械故障信息。

优选的，所述数据采集模块包括数据采集单元和数据处理单元；

所述数据采集单元用于依据设置在数控立磨设备不同部位的传感器组，实时采集立磨机的磨辊数据；

所述传感器组包括应力传感器、对称式单轴加速度计、电流互感器、三轴加速度传感器、热电偶和压差传感器；

所述应力传感器用于安装在磨辊接触面下方和轴承座区域，实时采集磨辊接触区法向应力y_l；

所述对称式单轴加速度计用于分别安装于两个磨辊臂支撑结构的对称位置，实时采集磨辊左右振动差值a_d；

所述电流互感器用于布置在主驱动电机进线回路与PLC连接前端，实时采集主驱电机负载电流I_r；

所述三轴加速度传感器用于垂直布置于磨盘基座侧壁上方和磨腔壳体内壁中轴附近，实时采集区域振动主频f_v；

所述热电偶用于布置在磨腔顶部回风道入腔端口处，实时采集磨腔局部温度T_m；

所述压差传感器用于安装于磨腔上部抽风管路，实时采集磨腔区域负压P_v。

优选的，所述数据处理单元用于依据无线网络将传感器组与数控立磨智能控制系统建立通信连接，实时将采集的磨辊数据传输至数控立磨智能控制系统进行预处理，获取受力耦合数据组和结构响应数据组；

所述预处理包括去噪、填补缺失值和无量纲化处理；

所述去噪通过多维滤波技术对磨辊数据进行噪声抑制处理，消除数据中的噪声影响，填补缺失值通过缺失值插补技术对采样中断和通信丢包的磨辊数据进行补全处理，无量纲化处理通过Max-Min最大最小化方法进行去除磨辊数据的量纲影响；

所述受力耦合数据组包括磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r；

所述结构响应数据组包括区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v。

优选的，所述异构识别模块包括异构识别单元和加载异构评估单元；

所述异构识别单元用于依据受力耦合数据组内的参数进行关联计算，分析加载结构存在的局部不均衡状态，以确定立式辊磨机各区段的加载异构性指数η_load，具体为：，式中，ln表示对数函数，n表示磨辊总分段数，a_d，i、I_r，i和y_l，i分别表示第i区段的磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r，ε表示防除零微扰项，取值为0.001。

优选的，所述加载异构评估单元用于依据统计法计算半年内的加载异构性指数η_load的均值和标准差，并基于均值和标准差预设加载异构分界阈值T_η，具体为：，再与实时获取的加载异构性指数η_load进行加载异构评估，具体评估方案如下；

当加载异构性指数η_load＜加载异构分界阈值T_η时，表示磨辊加载分布均匀，此时保持正常运行程序，并保持正常监测；

当加载异构性指数η_load≥加载异构分界阈值T_η时，表示磨辊存在加载异构，此时执行反弹干扰分析指令。

优选的，所述重构调控模块包括干扰剔除单元和重构分析单元；

所述干扰剔除单元用于在加载异构评估为磨辊存在加载异构时，执行反弹干扰分析指令；

所述反弹干扰分析指令用于依据结构响应数据组内的参数进行关联计算，分析立式辊磨机各加载异构区段的扰动回返状态，以确定立式辊磨机各加载异构区段的扰动回返趋势指数β_rb，反映多源响应耦合异常所引发的瞬态干扰回涌特征，具体为：，式中，n表示磨辊总分段数，f_v，i、T_m，i和P_v，i分别表示第i区段的区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v，ε表示防除零微扰项，取值为0.001。

优选的，所述重构分析单元包括反弹干扰分析单元和风险评估单元；

所述反弹干扰分析单元用于依据加载异构性指数η_load和扰动回返趋势指数β_rb进行关联计算，获取加载压强重构指数P_yq，综合分析区域反弹干扰风险，具体为：；式中，P_base表示系统设置的标准压强值，tanh表示双曲正切函数，α表示控制灵敏度因子，依据调试经验进行设定为1.2，表示全区域内最大扰动回返趋势指数，表示全区域内加载异构性指数的均值，ε表示防除零微扰项，取值为0.001。

优选的，所述风险评估单元用于依据系统设置的标准压强值P_base进行预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2，具体为：T_P1=0.9*P_base，T_P2=0.97*P_base，再与实时获取的加载压强重构指数P_yq进行反弹失效风险评估，具体评估方案如下；

当加载压强重构指数P_yq≤第一压强调控临界阈值T_P1时，表示磨辊接触区存在反弹和失效加载风险，此时执行第一调节指令；

当第一压强调控临界阈值T_P1＜加载压强重构指数P_yq＜第二压强调控临界阈值T_P2时，表示存在反弹干扰趋势，此时执行第二调节指令；

当加载压强重构指数P_yq≥第二压强调控临界阈值T_P2时，表示不存在反弹干扰影响，加载异构由进料堆积引起，此时执行第三调节指令。

优选的，所述控制执行模块包括指令执行单元和优化反馈单元；

所述指令执行单元用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，具体如下；

所述第一调节指令：生成风险信息传输至数控立磨智能控制系统，控制立式辊磨机停止物料送料，并下调15%误压区段磨辊压强和降低10%热风入口风速，再通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀；

所述第二调节指令：生成干扰信息传输至数控立磨智能控制系统，控制立式辊磨机下调8%误压区段磨辊压强，并通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀；

所述第三调节指令：生成堆积信息传输至数控立磨智能控制系统，控制立式辊磨机关闭异常区物料送料，并提升7%邻近健康区段的进料速率，再通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀。

优选的，所述优化反馈单元用于对每一次的反弹失效风险评估结果进行采样与归档，并将当前迭代评估结果与前一轮迭代评估结果进行对比，若连续三次迭代评估结果均未达到效益标准时，表示存在机械问题故障，此时通过数控立磨智能控制系统控制立式辊磨机停机，并生成机械故障信息传输至相关人员，提醒进行设备维护和检修；

所述效益标准包括粒径波动下降大于10%、单位能耗下降大于5%以及磨辊表面温升与振动幅值下降大于8%。

本发明提供了一种基于参数自优化的数控立磨智能控制系统。具备以下有益效果：

（1）该系统数据采集模块依据设置在数控立磨设备不同部位的部署的应力传感器、对称式单轴加速度计、电流互感器、三轴加速度传感器、热电偶与压差传感器，实时采集立式辊磨机的磨辊数据，实时将采集的磨辊数据传输至数控立磨智能控制系统进行预去噪、缺失填补及Max-Min归一化预处理，构建出互补的受力耦合数据组与结构响应数据组，该模块不仅实现了对多物理信号的全维度数字化映射，更为后续模块提供了可用于高阶关联分析的清洗后的物理状态基线，显著提升了系统智能判断的准确性与时效性。

（2）该系统异构识别模块对受力耦合数据进行分段分析，构建加载异构性指数η_load，用于揭示多区域加载状态之间的力学不均衡趋势，并引入加载异构分界阈值T_η与加载异构性指数η_load进行加载异构评估，形成是否触发干扰分析的初判机制。若存在加载异构时，则进入重构调控模块执行反弹干扰分析指令，通过结构响应数据组构建扰动回返趋势指数β_rb，并与加载异构性指数η_load联动生成加载压强重构指数P_yq，作为多源异常驱动的综合特征变量。该指数借助双曲正切函数tanh进行归一化与响应抑制，最终与预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2进行反弹失效风险评估，形成三类物理状态判断：反弹失效风险区、干扰趋势区和非干扰堆积区。此模块实现了从数据特征、指标构建、等级划分和趋势重构的多级推理逻辑链条，使原本隐性的结构异常状态被实时监控并量化识别。

（3）该系统控制执行模块基于反弹失效风险评估结果，生成具有分区精准性和动作可执行性的三级调控指令，分别包括压强动态调整、热风参数调节与进料控制优化。每轮调控后，系统引入优化反馈机制，记录并对比效益参数的变化趋势，若连续三轮迭代均无改善，则判定为机械问题，主动触发停机并生成故障预警，提升安全可靠性。该模块强化了系统的闭环能力，使控制不再是静态阈值响应，而是形成了识别、调控、反馈和复评的动态调节闭环路径，具备自学习、自修正和自演化的运行优化能力，实现了对复杂工况下立磨设备运行状态的精细管理和智能容错。

附图说明

图1为本发明一种基于参数自优化的数控立磨智能控制系统流程示意图；

图2为本发明一种基于参数自优化的数控立磨智能控制系统运行原理图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1，本发明提供一种基于参数自优化的数控立磨智能控制系统，为实现以上目的，本发明通过以下技术方案予以实现：包括数据采集模块、异构识别模块、重构调控模块和控制执行模块；

所述数据采集模块用于依据设置在数控立磨设备不同部位的传感器组，实时采集立式辊磨机的磨辊数据，并实时传输至数控立磨智能控制系统进行预处理获取受力耦合数据组和结构响应数据组；

所述异构识别模块用于依据受力耦合数据组计算获取加载异构性指数η_load，并与预设加载异构分界阈值T_η进行加载异构评估，并在评估为磨辊存在加载异构时执行反弹干扰分析指令；

所述重构调控模块用于执行反弹干扰分析指令，依据结构响应数据组计算扰动回返趋势指数β_rb，再与加载异构性指数η_load进行关联计算获取加载压强重构指数P_yq，再与预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2进行反弹失效风险评估；

所述控制执行模块用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，在连续三次优化调节均未达到效益标准时，生成机械故障信息。

本实施例中，数据采集模块通过布设于关键结构部位的传感器组，实时立式辊磨机的磨辊数据，并传输至数控立磨智能控制系统进行预处理获取受力耦合数据组和结构响应数据组，为后续识别与建模提供了高质量的数据基础。异构识别模块依据受力耦合数据组进行关联计算加载异构性指数η_load，用于量化磨辊各区域间在接触压强、电流负荷与振动幅值方面的协同性与一致性，并与预设加载异构分界阈值T_η进行加载异构评估，当识别为磨辊存在加载异构时启动干扰分析指令，进入趋势分析流程。重构调控模块依据结构响应数据组进行关联计算扰动回返趋势指数β_rb，用于分析结构异常耦合后在振动频率、热聚积与气压环境中是否存在回弹增强趋势，并与加载异构性指数η_load进行关联计算加载压强重构指数P_yq，综合反映了加载异常与反弹干扰的双重耦合风险，并与预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2进行反弹失效风险评估，形成风险等级划分。该模块采用双曲正切函数进行归一化控制，避免物理极值失控，同时实现趋势预测与调控可行性的耦合判断。相较于传统经验式压强控制，本模块实现了压强调节逻辑的精细建模与过程动态反馈闭环化，极大提升了运行响应的及时性与压强干扰的分辨能力。控制执行模块根据反弹失效风险评估结果生成风险压强调节、干扰区域压强细调及堆积区域进料控制调控指令，并在每轮调节后由系统采集反馈数据，判断调控效果是否达到效益标准，若连续三轮均不达标，则判定存在机械故障，自动停机并生成维护提醒，实现了从调控策略生成到执行反馈再到故障闭环识别的全过程智能控制。相较于传统单向指令执行和人工经验干预的控制方式，该模块具备自评估、自修正、自演化能力，不仅降低了运行波动性与误动作风险，也提升了系统的安全稳定性与使用寿命，是数控立磨迈向高度智能化与自治化管理的关键支撑。

实施例2

请参照图1和图2，具体的：所述数据采集模块包括数据采集单元和数据处理单元；

所述数据采集单元用于依据设置在数控立磨设备不同部位的传感器组，实时采集立磨机的磨辊数据；

所述传感器组包括应力传感器、对称式单轴加速度计、电流互感器、三轴加速度传感器、热电偶和压差传感器；

所述应力传感器用于安装在磨辊接触面下方和轴承座区域，实时采集磨辊接触区法向应力y_l，表示各区段与物料之间的直接接触压强；

所述对称式单轴加速度计用于分别安装于两个磨辊臂支撑结构的对称位置，实时采集磨辊左右振动差值a_d，表示磨辊左右结构振动强度差异，反映受力偏移；

所述电流互感器用于布置在主驱动电机进线回路与PLC连接前端，实时采集主驱电机负载电流I_r，反映区域物料粉磨阻力的实时表现，是功耗与负荷的直接指标；

所述三轴加速度传感器用于垂直布置于磨盘基座侧壁上方和磨腔壳体内壁中轴附近，实时采集区域振动主频f_v，表示磨辊运行状态中，磨腔物料与结构的主要振动频率，反映空压频率波动趋势；

所述热电偶用于布置在磨腔顶部回风道入腔端口处，实时采集磨腔局部温度T_m，反映磨腔区域的瞬态热聚积程度，表达弹性模量区域软化程度；

所述压差传感器用于安装于磨腔上部抽风管路，实时采集磨腔区域负压P_v，表示磨腔内气固负压状态，影响气流冲击与粉体悬浮。

所述数据处理单元用于依据无线网络将传感器组与数控立磨智能控制系统建立通信连接，实时将采集的磨辊数据传输至数控立磨智能控制系统进行预处理，获取受力耦合数据组和结构响应数据组；

所述预处理包括去噪、填补缺失值和无量纲化处理；

所述去噪通过多维滤波技术对磨辊数据进行噪声抑制处理，消除数据中的噪声影响，填补缺失值通过缺失值插补技术对采样中断和通信丢包的磨辊数据进行补全处理，无量纲化处理通过Max-Min最大最小化方法进行去除磨辊数据的量纲影响；

所述受力耦合数据组包括磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r；

所述结构响应数据组包括区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v。

本实施例中，数据采集模块利用分布于数控立磨不同部位的应力传感器、对称式单轴加速度计、电流互感器、三轴加速度传感器、热电偶及压差传感器，分别采集磨辊接触区法向应力y_l、磨辊左右振动差值a_d、主驱电机负载电流I_r、区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v，并通过无线网络传输至数控立磨智能控制系统进行预处理，构建出受力耦合数据组与结构响应数据组。该方式不仅实现了数控立磨运行状态的高精度、广覆盖感知，还确保了数据结构的一致性与分析可用性，显著提升了后续状态识别、趋势建模与智能控制环节的响应速度与判别精度，为实现系统级智能闭环控制奠定了坚实的数据基础，同时相较传统单一监测手段，在负载评估、结构稳定性分析和压强调控的适应性方面具有明显提升效果。

实施例3

请参照图1和图2，具体的：所述异构识别模块包括异构识别单元和加载异构评估单元；

所述异构识别单元用于依据受力耦合数据组内的参数进行关联计算，分析加载结构存在的局部不均衡状态，以确定立式辊磨机各区段的加载异构性指数η_load，具体为：，式中，ln表示对数函数，n表示磨辊总分段数，a_d，i、I_r，i和y_l，i分别表示第i区段的磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r，取值为0.001，反映了该区域的加载力矩偏移和阻力与当前实际压强的不一致程度，对n个区域取平均，反映系统整体加载结构的均衡性，最外层加对数函数ln将指数增长趋势压缩为指数增长响应，捕捉加载异构性激增点，具体实施案例如表1。

表1：加载异构性指数η_load运算实施例表；

所述加载异构评估单元用于依据统计法计算半年内的加载异构性指数η_load的均值和标准差，并基于均值和标准差预设加载异构分界阈值T_η，具体为：，再与实时获取的加载异构性指数η_load进行加载异构评估，具体评估方案如下；

当加载异构性指数η_load＜加载异构分界阈值T_η时，表示磨辊加载分布均匀，此时保持正常运行程序，并保持正常监测；

当加载异构性指数η_load≥加载异构分界阈值T_η时，表示磨辊存在加载异构，此时执行反弹干扰分析指令。

本实施例中，异构识别单元基于受力耦合数据组中的磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r，构建加载异构性指数η_load，用于量化局部加载不均现象。

公式目的是通过多源受力指标的协同分析，揭示立式辊磨机各分段中是否存在由于力学异常导致的加载异构现象。用于将磨辊左右振动差值a_d与主驱电机负载电流I_r相乘形成放大项，捕捉因结构偏移而导致负载加剧的耦合现象，分母为磨辊接触区法向应力y_l，表示当前磨辊实际承压能力，进行平方，强化极端值，使结构扭曲严重区域的影响更加显性，整体体现了负载与结构偏移强度是否匹配压强的物理平衡程度；对n个区段求平均体现系统整体加载均衡性，形成了区域层级到整体结构层级的过渡，最外围对数函数ln用于激增趋势进行尺度压缩，避免极值扩张造成响应不可控，同时保留增长趋势的连续性。

加载异构评估单元通过统计半年内加载异构性指数η_load的均值和标准差生成加载异构分界阈值T_η，并实时获取的加载异构性指数η_load进行加载异构评估，判定是否处于加载均衡状态。若识别出磨辊存在加载异构时，将触发反弹干扰分析指令。该模块实现了从结构力学响应出发的自适应加载异常识别机制，避免了传统依赖固定阈值或人工判断的局限性，提升了系统对异常状态的灵敏响应能力与前置识别精度，显著降低了结构超压、异常磨损及能耗波动风险，为后续智能调控提供了高可靠性触发依据，是实现数控立磨智能化、自优化运行的关键环节。

实施例4

请参照图1和图2，具体的：所述重构调控模块包括干扰剔除单元和重构分析单元；

所述干扰剔除单元用于在加载异构评估为磨辊存在加载异构时，执行反弹干扰分析指令；

所述反弹干扰分析指令用于依据结构响应数据组内的参数进行关联计算，分析立式辊磨机各加载异构区段的扰动回返状态，以确定立式辊磨机各加载异构区段的扰动回返趋势指数β_rb，反映多源响应耦合异常所引发的瞬态干扰回涌特征，具体为：，式中，n表示磨辊总分段数，f_v，i、T_m，i和P_v，i分别表示第i区段的区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v，ε表示防除零微扰项，取值为0.001，表示温度堆积在低负压条件下形成的反弹条件，分析第i区段结构振动频率达到临界共振状态时的反弹增强特性，二者乘积平方用于强化反弹剧烈区影响，整体开根号并取平均生成整体反弹趋势因子，具体实施案例如表2。

表2：扰动回返趋势指数β_rb运算实施例表；

所述重构分析单元包括反弹干扰分析单元和风险评估单元；

所述反弹干扰分析单元用于依据加载异构性指数η_load和扰动回返趋势指数β_rb进行关联计算，获取加载压强重构指数P_yq，综合分析区域反弹干扰风险，具体为：；式中，P_base表示系统设置的标准压强值，tanh表示双曲正切函数，α表示控制灵敏度因子，依据调试经验进行设定为1.2，表示全区域内最大扰动回返趋势指数，表示全区域内加载异构性指数的均值，ε表示防除零微扰项，取值为0.001，分子项β_rb*η_load用于联合分析结构异常与粉体反弹双重叠加风险，分母项用于将异常乘积进行归一化，确保控制合理区间，双曲正切函数tanh通过平滑压强抑制曲线，避免突变响应，具体实施案例如表3。

表3：加载压强重构指数P_yq运算实施例表；

所述风险评估单元用于依据系统设置的标准压强值P_base进行预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2，具体为：T_P1=0.9*P_base，T_P2=0.97*P_base，再与实时获取的加载压强重构指数P_yq进行反弹失效风险评估，具体评估方案如下；

当加载压强重构指数P_yq≤第一压强调控临界阈值T_P1时，表示磨辊接触区存在反弹和失效加载风险，此时执行第一调节指令；

当第一压强调控临界阈值T_P1＜加载压强重构指数P_yq＜第二压强调控临界阈值T_P2时，表示存在反弹干扰趋势，此时执行第二调节指令；

当加载压强重构指数P_yq≥第二压强调控临界阈值T_P2时，表示不存在反弹干扰影响，加载异构由进料堆积引起，此时执行第三调节指令。

本实施例中，在识别到磨辊存在加载异构后，依托干扰剔除单元调用结构响应数据组中的区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v，构建扰动回返趋势指数β_rb，用以捕捉在低负压和高温聚积下诱发的共振回涌趋势，刻画多源响应耦合引发的局部瞬态干扰风险。公式用于衡量了各结构分段中，由振动主频、热堆积和负压波动三种物理现象共同作用下，对触发局部共振、热激发和粉尘悬浮耦合反馈非稳态的影响。f_v，i反映结构在该区段的主振动频率，频率异常通常预示结构松动、负载不均与驱动频率耦合现象，反映热堆积和负压波动协同耦合特征，二者乘积平方并取平均，用于放大局部剧烈扰动的影响，本公式本质上构造了非线性能量集中趋势函数，通过振动频率与热压异常的乘积表达回弹释放趋势，平方放大了大振幅的局部干扰，开根号取平均值的处理有效避免偶发极值误判，并兼顾多段区域的结构响应协调性。

重构分析单元将加载异构性指数η_load和扰动回返趋势指数β_rb进行关联计算，生成加载压强重构指数Pyq，采用归一化与tanh函数处理形成具备梯度稳定性的风险指数响应曲线。该公式目的在于通过加载异构性指数η_load和扰动回返趋势指数β_rb两种异常现象的乘积增强效应，构建一个压强调控基准的动态调整量，用于判断是否存在局部反弹和加载失效风险。扰动回返趋势指数β_rb反映扰动回返趋势，是结构响应层的风险信号，加载异构性指数η_load是受力分布层的稳定性信号，二者相乘表示反弹趋势在加载偏斜背景下的复合放大，即负面耦合累积风险，和分别表示全区域内最大扰动回返趋势指数和全区域内加载异构性指数的均值，用于标准化风险水平的对比基准，双曲正弦函数tanh用于对调控响应曲线进行缓冲与限制，实现高灵敏识别与低扰动输出的平衡性控制，与标准压强值P_base相乘，实现对既定运行工况的动态修正。

风险评估单元依据系统标准压强P_base构建第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2，与实时获取的加载压强重构指数P_yq进行反弹失效风险评估，并触发对应的压强调整、热风调控或进料优化指令，实现对反弹失效、干扰趋势与堆积过载三类风险状态的动态分类识别与差异化处置。该实施方式实现了对磨辊加载状态异常、结构响应回返趋势、系统压强异常建模和动态调控决策的全过程量化联动控制，具备早期识别能力强、调控响应速率高、风险误判率低等有益效果，相较于传统靠经验调压或报警后处理模式，显著提升了系统的自主调控能力、运行稳定性与能效利用率，有效延长设备使用寿命并降低非计划停机风险。

实施例5

请参照图1和图2，具体的：所述控制执行模块包括指令执行单元和优化反馈单元；

所述指令执行单元用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，具体如下；

所述第一调节指令：生成风险信息传输至数控立磨智能控制系统，控制立式辊磨机停止物料送料，并下调15%误压区段磨辊压强和降低10%热风入口风速，再通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀；

所述第二调节指令：生成干扰信息传输至数控立磨智能控制系统，控制立式辊磨机下调8%误压区段磨辊压强，并通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀；

所述第三调节指令：生成堆积信息传输至数控立磨智能控制系统，控制立式辊磨机关闭异常区物料送料，并提升7%邻近健康区段的进料速率，再通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀。

所述优化反馈单元用于对每一次的反弹失效风险评估结果进行采样与归档，并将当前迭代评估结果与前一轮迭代评估结果进行对比，若连续三次迭代评估结果均未达到效益标准时，表示存在机械问题故障，此时通过数控立磨智能控制系统控制立式辊磨机停机，并生成机械故障信息传输至相关人员，提醒进行设备维护和检修；

所述效益标准包括粒径波动下降大于10%、单位能耗下降大于5%以及磨辊表面温升与振动幅值下降大于8%。

本实施例中，控制执行模块通过指令执行单元与优化反馈单元协同工作，所述指令执行单元用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，当反弹失效风险评估为磨辊接触区存在反弹和失效加载风险时，数控立磨智能控制系统自动执行第一调节指令，通过停止异常区送料、下调15%压强与10%热风风速，快速抑制反弹源头；当反弹失效风险评估为存在反弹干扰趋势，则执行第二调节指令，下调8%压强以平衡微偏载荷；反弹失效风险评估为不存在反弹干扰影响，则通过第三调节指令调整局部送料结构，实现载荷再分配。每轮调控后，优化反馈单元对反弹失效评估结果进行采样归档，与前次调节效果进行对比，并以粒径波动、单位能耗、温升振幅作为评估指标，若连续三轮未达效益标准，则主动识别为机械故障并下发停机命令。该实施方式构建起从风险识别、分级调控到闭环验证和故障预警的完整路径，不仅实现了磨辊加载分布的动态均衡调节，还有效降低了运行过程中的反弹能耗波动、结构热累积及振动异常风险，显著提升了系统的运行稳定性、节能性与自诊断能力，突破了传统立磨系统依赖人工调节、响应迟滞、故障发现滞后的局限。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于参数自优化的数控立磨智能控制系统，其特征在于：包括数据采集模块、异构识别模块、重构调控模块和控制执行模块；

所述数据采集模块用于依据设置在数控立磨设备不同部位的传感器组，实时采集立式辊磨机的磨辊数据，并实时传输至数控立磨智能控制系统进行预处理获取受力耦合数据组和结构响应数据组；

所述数据采集模块包括数据采集单元和数据处理单元；

所述数据采集单元用于依据设置在数控立磨设备不同部位的传感器组，实时采集立磨机的磨辊数据；

所述传感器组包括应力传感器、对称式单轴加速度计、电流互感器、三轴加速度传感器、热电偶和压差传感器；

所述应力传感器用于安装在磨辊接触面下方和轴承座区域，实时采集磨辊接触区法向应力y_l；

所述对称式单轴加速度计用于分别安装于两个磨辊臂支撑结构的对称位置，实时采集磨辊左右振动差值a_d；

所述电流互感器用于布置在主驱动电机进线回路与PLC连接前端，实时采集主驱电机负载电流I_r；

所述三轴加速度传感器用于垂直布置于磨盘基座侧壁上方和磨腔壳体内壁中轴附近，实时采集区域振动主频f_v；

所述热电偶用于布置在磨腔顶部回风道入腔端口处，实时采集磨腔局部温度T_m；

所述压差传感器用于安装于磨腔上部抽风管路，实时采集磨腔区域负压P_v；

所述异构识别模块用于依据受力耦合数据组计算获取加载异构性指数η_load，并与预设加载异构分界阈值T_η进行加载异构评估，并在评估为磨辊存在加载异构时执行反弹干扰分析指令；

所述重构调控模块用于执行反弹干扰分析指令，依据结构响应数据组计算扰动回返趋势指数β_rb，再与加载异构性指数η_load进行关联计算获取加载压强重构指数P_yq，再与预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2进行反弹失效风险评估；

所述重构调控模块包括干扰剔除单元和重构分析单元；

所述干扰剔除单元用于在加载异构评估为磨辊存在加载异构时，执行反弹干扰分析指令；

所述反弹干扰分析指令用于依据结构响应数据组内的参数进行关联计算，分析立式辊磨机各加载异构区段的扰动回返状态，以确定立式辊磨机各加载异构区段的扰动回返趋势指数β_rb，反映多源响应耦合异常所引发的瞬态干扰回涌特征，具体为：，式中，n表示磨辊总分段数，f_v，i、T_m，i和P_v，i分别表示第i区段的区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v，ε表示防除零微扰项，取值为0.001；

所述重构分析单元包括反弹干扰分析单元和风险评估单元；

所述反弹干扰分析单元用于依据加载异构性指数η_load和扰动回返趋势指数β_rb进行关联计算，获取加载压强重构指数P_yq，综合分析区域反弹干扰风险，具体为：；式中，P_base表示系统设置的标准压强值，tanh表示双曲正切函数，α表示控制灵敏度因子，依据调试经验进行设定为1.2，表示全区域内最大扰动回返趋势指数，表示全区域内加载异构性指数的均值，ε表示防除零微扰项，取值为0.001；

所述控制执行模块用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，在连续三次优化调节均未达到效益标准时，生成机械故障信息。

2.根据权利要求1所述的一种基于参数自优化的数控立磨智能控制系统，其特征在于：所述数据处理单元用于依据无线网络将传感器组与数控立磨智能控制系统建立通信连接，实时将采集的磨辊数据传输至数控立磨智能控制系统进行预处理，获取受力耦合数据组和结构响应数据组；

所述预处理包括去噪、填补缺失值和无量纲化处理；

所述去噪通过多维滤波技术对磨辊数据进行噪声抑制处理，消除数据中的噪声影响，填补缺失值通过缺失值插补技术对采样中断和通信丢包的磨辊数据进行补全处理，无量纲化处理通过Max-Min最大最小化方法进行去除磨辊数据的量纲影响；

所述受力耦合数据组包括磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r；

所述结构响应数据组包括区域振动主频f_v、磨腔局部温度T_m和磨腔区域负压P_v。

3.根据权利要求2所述的一种基于参数自优化的数控立磨智能控制系统，其特征在于：所述异构识别模块包括异构识别单元和加载异构评估单元；

所述异构识别单元用于依据受力耦合数据组内的参数进行关联计算，分析加载结构存在的局部不均衡状态，以确定立式辊磨机各区段的加载异构性指数η_load，具体为：，式中，ln表示对数函数，n表示磨辊总分段数，a_d，i、I_r，i和y_l，i分别表示第i区段的磨辊接触区法向应力y_l、磨辊左右振动差值a_d和主驱电机负载电流I_r，ε表示防除零微扰项，取值为0.001。

4.根据权利要求3所述的一种基于参数自优化的数控立磨智能控制系统，其特征在于：所述加载异构评估单元用于依据统计法计算半年内的加载异构性指数η_load的均值和标准差，并基于均值和标准差预设加载异构分界阈值T_η，具体为：，再与实时获取的加载异构性指数η_load进行加载异构评估，具体评估方案如下；

当加载异构性指数η_load＜加载异构分界阈值T_η时，表示磨辊加载分布均匀，此时保持正常运行程序，并保持正常监测；

当加载异构性指数η_load≥加载异构分界阈值T_η时，表示磨辊存在加载异构，此时执行反弹干扰分析指令。

5.根据权利要求1所述的一种基于参数自优化的数控立磨智能控制系统，其特征在于：所述风险评估单元用于依据系统设置的标准压强值P_base进行预设第一压强调控临界阈值T_P1和第二压强调控临界阈值T_P2，具体为：T_P1=0.9*P_base，T_P2=0.97*P_base，再与实时获取的加载压强重构指数P_yq进行反弹失效风险评估，具体评估方案如下；

当加载压强重构指数P_yq≤第一压强调控临界阈值T_P1时，表示磨辊接触区存在反弹和失效加载风险，此时执行第一调节指令；

当第一压强调控临界阈值T_P1＜加载压强重构指数P_yq＜第二压强调控临界阈值T_P2时，表示存在反弹干扰趋势，此时执行第二调节指令；

当加载压强重构指数P_yq≥第二压强调控临界阈值T_P2时，表示不存在反弹干扰影响，加载异构由进料堆积引起，此时执行第三调节指令。

6.根据权利要求5所述的一种基于参数自优化的数控立磨智能控制系统，其特征在于：所述控制执行模块包括指令执行单元和优化反馈单元；

所述指令执行单元用于实时接收反弹失效风险评估后的调控指令，并依据调控指令执行优化调节，具体如下；

所述第一调节指令：生成风险信息传输至数控立磨智能控制系统，控制立式辊磨机停止物料送料，并下调15%误压区段磨辊压强和降低10%热风入口风速，再通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀；

所述第二调节指令：生成干扰信息传输至数控立磨智能控制系统，控制立式辊磨机下调8%误压区段磨辊压强，并通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀；

所述第三调节指令：生成堆积信息传输至数控立磨智能控制系统，控制立式辊磨机关闭异常区物料送料，并提升7%邻近健康区段的进料速率，再通过数据采集模块进行迭代评估和调节，直至磨辊加载分布均匀。

7.根据权利要求6所述的一种基于参数自优化的数控立磨智能控制系统，其特征在于：所述优化反馈单元用于对每一次的反弹失效风险评估结果进行采样与归档，并将当前迭代评估结果与前一轮迭代评估结果进行对比，若连续三次迭代评估结果均未达到效益标准时，表示存在机械问题故障，此时通过数控立磨智能控制系统控制立式辊磨机停机，并生成机械故障信息传输至相关人员，提醒进行设备维护和检修；

所述效益标准包括粒径波动下降大于10%、单位能耗下降大于5%以及磨辊表面温升与振动幅值下降大于8%。